“互聯網+”背景下影響網絡評教因素的實證研究

郭嘯 朱錦松 徐寒

摘要：隨著“互聯網+”戰略上升至國家戰略，“互聯網+教育”更加成為高等教育研究領域的熱點。在高等學校教學質量管理模塊中，授課質量是反映教師教學狀況的重要指標，學生通過網絡對進行評教已經成為教學質量管理中不可或缺的組成部分。通過對網絡評教數據分析，對非教學的因素相關性進行觀測，考察不同因素是否對評教分產生影響，得出評教分數與教師的教學能力以及非教學因素的隱含關系與價值；通過對網絡評教數據的挖掘，為提高網絡評教分數的科學性提供支撐。

關鍵詞： 互聯網+；網絡評教；相關性分析；回歸分析；實證研究

★基金項目：本文系江蘇省教育科學規劃重點資助課題（編號：B-a/2015/01/033）；南京郵電大學教學改革研究項目（編號：JG04016JX99）；南京郵電大學項目“非雙一流教學基本狀態數據庫系統的構建——以南京郵電大學為例”（編號：GJS-XKT15012）的部分成果。

引言

隨著2015年7月4日國務院總理李克強簽發了《關于積極推進“互聯網+”行動的指導意見》，大大推動了“互聯網+教育”的模式的發展。在高等教育教學質量管理的模塊中，通過網絡與評教相結合的網絡評教，已是當下的主流，且在高校教學質量管理中被得到廣泛運用。網絡評教對于提高高校教師的教學質量起到了較大的促進作用，已成為評價課程教學質量和教師教學水平的重要手段之一。如何利用學生的網絡評教分數判定教學質量，已經引起了廣大教育教學工作者的關注。

1、研究方法

研究采用SPSS20.0，將評教數據進行分析和挖掘，探究網絡評教分數與非教學因素，如選課人數、課程類型、學生年級之間的相關性，因此，將采用如下的分析方案步驟：首先是數據分析，通過均值和標準差比較，考察不同因素是否對評教分數產生影響；其次采用相關性分析對非教學因素的相關性進行分析，得出非教學因素影響評教分數中的方式；最后通過數據挖掘，通過對課程利用線性回歸進行預測以及采用快速聚類算法，將特征相似的課程進行聚類，根據類型設立不同的評教指標從而提高網絡評教分數的科學性。

2、數據準備

數據庫中只有評教明細數據，但在SPSS進行數據分析時，需要知道每一門課程的總評教分和選修該門課程的總人數，開課年級、課程類別等，所以需要對原始數據進行處理，得到具有如下數據結構的“按課程匯總評教分數表”，包含“授課班號”“教師編號”“教師姓名”“學期”“課程類型”“年級分類”“評教分數”“人數”“人數分類”等字段。此外，其統計分類必須是值類型，因此將數據表“按課程匯總評教分數表”導入SPSS后，需要對部分列進行數值化處理：將課程類型列定義值標簽為：1=“理科課”，2=“文科課”，3=“思想政治課”，4=“外語課”，5=“實驗課”，6=“體育課”。將年級分類列定義值標簽為：1=“低年級”，2=“高年級”；其中低年級代表的是一年級和二年級的課程，高年級代表的是三年級和四年級的課程。將選課人數分類列定義值標簽為：1=“小于60人”，2=“60-100人”，3=“100-150人”，4=“150-200人”，5=“大于200人”。

3、實證研究

3.1 均值和標準差比較

將評教成績分別按課程類型、按選課人數和按年級分組進行評教分數和標準差比較。數據顯示評教分數與課程類別相關，外語課、思想政治課和體育課的評教分數明顯高于總體平均分，理科課和文科課的評教分數明顯低于總體平均分；小班授課與大班授課評教分值差異大，其中小于100人的課程的評教分均值相近，且均高于平均分，而超過100人的評教分均值相近，且均低于平均分，表明大班授課的教學效果弱于小班授課；此外，評教分數與年級高低相關，低年級的評教分數高于總體平均分，高年級的評教分數低于總體平均分。標準差方面，文科課和理科課的標準差在所有課程中最大，高年級的標準差高于低年級，選課人數小于60人課程和100-150人課程的標準差最大，標準差越大表明評分結果分布越離散。具體情況參見表1至表3。

3.2 相關性分析

相關性分析是指對兩個或多個處于同等地位的隨機變量間的相關關系的統計方法，從而衡量變量因素的相關密切程度。若這些變量都是連續性的變量，則需要使用Pearson相關性分析。研究通過Pearson分析，對年級分組、課程分組和選課人數分組為因素與評教分數做相關分析，觀察這三個因素對評教分數的具體影響。數據顯示評教分與選課人數、課程類別、年級關系的線性相關關系依次增強。此外，從相關矩陣數據還可以看出：sig=0.00，說明評教分數與選課人數、課程類別、年級的高低的關系呈現出明顯的線性相關關系。具體情況參見圖1。

3.3 回歸分析

通過相關性分析發現評教分數除了與教師的教學水平相關以外，還與課程類別、選課人數、年級分類等因素相關。但因素之間具體是如何影響評教分數，需要使用回歸分析。回歸分析是指確定兩種或兩種以上變量間相互依賴的定量關系的一種統計分析方法。因此，以年級分組、課程分類、選課人數分類為因素與評教分數做回歸分析，得出三者與評教分的回歸方程，為評教分=4.668+0.011*課程類型（-0.074）*年級分類+（-0.009）*選課人數。即數據顯示對評教分數影響最為顯著的是課程類型，具體情況參見圖2。