“數智融合”的課程思政教學質量評價方法

王斌 林海濤 樊誠

【摘要】本文以新時代軍事教育方針為引領，遵循“數智融合”的評價思路，在對課程思政內涵剖析的基礎上，建立了課程思政評價指標分類，提出了數據的采集與預處理建議、智能評價策略和動態反饋機制，并結合“信息交換與網絡”課程思政建設、實施過程進行了應用。

【關鍵詞】課程思政? 教學質量評價? 大數據分析? 人工智能

【中圖分類號】G64 ? 【文獻標識碼】A 【文章編號】2095-3089（2022）02-0043-03

習主席指出，“加強政治引領，把思想政治教育貫穿育人全過程”“各門課程都要守好一段渠、種好責任田，使各類課程與思想政治理論課同向同行，形成協同效應”[1]。教育部2020年印發了《高等學校課程思政建設指導綱要》（下稱《綱要》）用于指導各類高等學校開展課程思政。軍隊院校教育作為國家教育事業的重要組成，廣泛掀起了課程思政建設的熱潮，課程思政建設成果豐碩。然而，由于課程思政建設成果覆蓋面廣、涉及教學全流程、實施方法多種多樣，使得科學而客觀地實施對課程思政教學質量的評價成為了難題。

大數據分析和人工智能技術是時下IT行業最火熱的兩項技術，被廣泛應用于各領域，能夠基于數據說話，通過數據實現分類評價、趨勢預測和可視化展示[2]。大數據分析技術包括可視化數據分析技術、數據挖掘算法、預測分析算法、語義引擎、數據管理和存儲技術等。人工智能是研究用計算機來模擬人的某些思維過程和智能行為的學科。機器學習屬于人工智能技術的一個分支，主要研究從觀測數據（樣本）出發尋找規律，利用這些規律對未來數據或無法觀測的數據進行預測。

課程思政是培養專業人才的工作，是在課程知識、專業能力要求的基礎上，關注人品德素養的需求[3]。課程思政教學質量評價，包括對課程思政建設過程、實施過程的全方位評價，既是對課程思政改革效果的全部總結，也是下一步課程思政教學優化改進的動力。“數智融合”是指將大數據和人工智能融合運用的研究方法。通過采集課程思政建設、實施過程中的各類數據，并經洗消和預處理后，應用大數據分析和人工智能技術就能基于數據對課程思政建設、實施效果進行量化評價和趨勢預測[4]，并能夠反饋指導課程思政建設、實施過程的優化改進。

一、軍事院校課程思政的內涵和要求

“堅持黨對軍隊的絕對領導，為強國興軍服務，立德樹人，為戰育人，培養德才兼備的高素質、專業化新型軍事人才。”新時代軍事教育方針，為軍隊院校“培養什么人、怎樣培養人、為誰培養人”提供了根本遵循。《綱要》指出“全面推進高校課程思政建設，發揮好每門課程的育人作用，提高高校人才培養質量”[5]。因此，課程思政建設、實施的目標是將教育回歸到“育人”本質。軍事院校課程思政的內涵就是以新時期軍事教育方針為根本遵循，以“立德樹人、為戰育人”為目標，結合學科專業內涵、特色，將思想政治教育深度融入課程建設、實施全過程，培養“能打仗、打勝仗”的新型軍事專業人才。

“將課程思政融入課堂教學建設全過程。”[5]因此，軍事院校課程思政建設內容應體現愛黨愛國、戰斗精神、崗位意識、科學思維和工程倫理的培塑;應實現知識傳授、價值塑造和能力培養的多元統一;應貫穿于課堂教學各環節，并將課程思政融入到人才培養方案、教學計劃，體現在課堂教學、實驗教學和演練教學中，表現為學員的思維意識、學習狀態和作業答卷。

“課程思政的方法應是顯隱結合。” [5]因此，軍事院校課程思政建設的實施過程既要有大張旗鼓、反復強調的戰斗精神、專業精神和崗位意識的宣貫，讓軍人血性、紅色傳承和職業操守入耳入腦入心，也要有春風化雨、潤物無聲的科學思維、工匠精神和奉獻精神的浸染，讓學員形成的專業能力、專業素養和專業情懷與任職崗位需求相符。

二、課程思政教學質量評價原則

一是針對性。課程思政教學質量評價應緊貼課程思政的改進目標實施，從課程思政的內涵入手[6]，對于軍隊院校專業課程來說，就應緊緊抓住“立德樹人”和“為戰育人”兩個核心目標，評價學員的為戰能力是否得到了提升、崗位意識是否得到了錘煉、奉獻精神是否得到了升華、科學思維是否得到了塑造。

二是全面性。課程思政教學質量評價不應只在教學結束后開展，應貫穿于課程建設、實施的全過程，在課程建設、實施中的多個關鍵點，通過多種方式進行數據采集;數據采集的內容應囊括課程建設的方方面面，也應逐步覆蓋學員的全面素質變化，考查學員是否逐步形成了主動學習的意識、積極向上的心理和以崗位為中心的責任意識。

三是客觀性。課程思政教學質量評價應以數據為支撐，數據要反映課程建設、實施的全過程[7]，可以問卷調查、師生互動、課程作業和課程考試等方式開展，要對采集的原始數據進行及時的評價和處理，要對處理后的數據進行數值化、向量化，并設定權值分配，以便于對評價數據的綜合展示和分析挖掘。

四是應具備動態性。課程思政教學質量評價應在課程建設、實施過程中，與課程教學形成良性互動，教學評價結果用于及時改進課程教學質量，課程建設、實施改進及時修正教學評價的效果，以“雙手互博”的方式，實現以評促建、以評促改，確保課程思政建設沿著“螺旋式上升”方向前進。

五是前瞻性。課程思政教學質量評價還應充分應用大數據分析和人工智能的方法，實現課程思政教學的科學評價、客觀評價，基于數據模擬課程思政教學效果的發展趨勢，通過發展趨勢去看課程思政建設、實施的效果。課程思政教學質量評價還應關注學生的長期發展，通過長期的評價和多輪次迭代式改進，不斷完善課程思政教學效果。

三、課程思政教學質量評價模型

（一）評價指標

評價指標的構建應覆蓋課程思政建設、實施的目標、內容和方法;評價指標的構建應貫穿課程建設、實施的全流程。課程思政教學質量評價指標主要包括：

一是“目標”評價指標。該項指標應著重考查課程“立德”和“為戰”的定位是否準、指向是否鮮明。“立德”目標應包含“愛黨愛國”“專業精神”和“崗位意識”的培養;“為戰”目標應包含“科學思維”“戰斗意識”和“奉獻精神”的培塑;各項教學活動應全部服務于目標達成。

二是“內容”評價指標。該項指標應著重考查課程的教學計劃、教材教案、課堂教學設計、實驗教學設計、教學案例和考核方法、內容。教學計劃要貫徹課程思政目標，體現對課程思政教學過程的整體設計。評價指標需要覆蓋：教材、教案和教學案例是否體現了課程思政教學內容的整體設計;課堂教學、實驗、線上教學環節設計，是否完成了課程思政教學實施的設計;考核方法、內容是否完成了對課程思政內容培養效果的檢驗[8]。

三是“方法”評價指標。該項指標應著重考查課程思政整體設計與專業思政的關聯關系，課程思政整體設計和階段實施方法契合關系，課堂思政設計，教學案例設計是否合理、有效等方面。

（二）數據采集與預處理建議

數據采集與預處理是實現“數智融合”課程思政教學質量量化評價的基礎，因此，數據的“量”與“質”影響著整個評價效果。數據采集與預處理應遵循以下要求：

一是數據采集應不拘泥固定的形式，可采用多種形式同步實施，包括問卷調查、互動交流、考核（作業、考試）、教學現場記錄、隊干部交流、用人單位反饋。評價可采用自評、互評、專家評價和學員評價等多種方法。數據采集表格要按照評價指標設計，表格內容盡量采用多選、單選、等級分類或數值的方式。

二是數據的預處理是實現將課程思政教學質量評價由定性評價轉變為定量評價的關鍵和難點，可采用兩種方法實施，即均值法和專家評分法。所謂均值法是指通過對全部調查指標數據求均值獲得較為客觀的數據指標。所謂專家評分法是指由課程思政評價專家根據專業標準直接為每項指標數據進行評分。

評價數據要根據評價對象、評價項目、評價時間等多種屬性關聯后及時入庫，采用大數據分析軟件對數據進行可視化展示和綜合分析。

（三）智能評價方法

智能評價是根據采集的課程思政建設、實施數據，對課程思政教學質量進行評價分類，預測課程思政建設、實施相關指標的趨勢發展，并對下一步改進提出參考建議。智能評價可采用以下方法：

一是評價分類。機器學習中的決策樹、支持向量機、貝葉斯和隨機森林等算法能夠用于課程的評價工作[9]。對于較難精確定義的評價指標，也可以采用模糊邏輯等方法進行分類評價[10]。評價指標的分類可再次形成數據集，進行二次評價和分類，最終達到課程思政教學質量評價分類的目標。

二是趨勢預測。機器學習算法也能夠對指標的發展趨勢進行預測。對于課程思政建設、實施中的關鍵指標或是根據指標形成的評價數據，可以利用機器學習算法開展課程思政教學質量的趨勢研判和過程評估。

三是輔助決策。基于機器學習算法實現對課程思政建設、實施過程數據、教學對象、評價指標等建模分析，為課程思政建設者、實施者下一步可采取的方法和內容提供決策建議。課程思政建設者、實施者根據決策建議，制定更為有效的工作策略。

隨著深度學習應用的深入，在智能評價中不但可以利用定制好的采集數據，也可利用視頻、音頻、文字、圖片等原始數據開展無特征指標的分類評價。

（四）動態反饋機制

動態反饋機制驅動對課程思政建設、實施過程的調整與改進，是實施課程思政教學質量評價的原動力。動態反饋數據源于智能評價，主要從以下幾方面實施：

一是實時反饋。根據單個或多個指標項的分類評價結果實時反饋課程思政建設、實施情況，實現對建設、實施內容、方法的適時調整，也可以根據指標項的趨勢發展、輔助決策建議，由課程思政的建設者或實施者主動進行調整。

二是階段反饋。按照課程思政建設、實施的主要階段開展關鍵指標的分類評價、總體評價以及趨勢預測，課程思政的建設者、實施者根據評價情況，及時地修正錯誤，以確保獲得較好的課程思政建設、實施效果。

三是長期反饋。主要從更大的時間軸上或是專業體系上，對課程思政建設、實施的主要指標進行綜合評價、總體預測，開展橫向和縱向比較，從“育人”目標和“專業精神”培塑等方面，驅動課程思政建設、實施整體質量前進。

動態反饋機制，還可采用可視化方法，綜合運用雷達圖、折線圖、柱狀圖等多種形式進行直觀展示和深入分析，通過實時、分階段和長期的大數據分析能夠挖掘更豐富和更具有指導意義的信息。

四、結束語

“數智融合”的課程思政教學質量評價方法在“信息交換與網絡”課程思政建設、實施過程中率先得到了應用。針對“信息交換與網絡”課程的教學計劃、教材、教案（包括實驗教案）、教學資源和教學設計，以及課前、課后的問卷調查，線上、線下的授課和實驗情況，學員平時表現及作業，期中、期末測試情況設計數據采集表格，采用學員評價、課程組內評價的方式獲取數據，采用RapidMiner等軟件進行數據綜合展示與分析，結合課程前期的實施情況，針對部分關鍵指標采用機器學習算法形成了趨勢分析，并驅動課程思政建設、實施過程進行動態調整。但整體上，目前研究尚屬初級階段，缺乏大量結構化的訓練數據，部分指標的智能評價還未開展。不過仍然有理由相信：隨著研究和應用的深入，“數智融合”的課程思政教學質量評價方法，對于提升課程思政的建設、實施水平，一定能夠發揮更大的作用。

參考文獻：

[1]習近平.在全國高校思想政治工作會議上強調：把思想政治工作貫穿教育教學全過程 開創我國高等教育事業發展新局面[N].人民日報，2016-12-09（1）.

[2]歐非凡，歐以克.人工智能在高等教育領域的應用及其影響[J].高教論壇，2020，12（12）：127-130.

[3]杜震宇，張美玲，喬芳.理工科課程思政的教學評價原則、標準與操作策略[J].思想理論教育，2020（7）：70-74.

[4]劉寶存，黃秦輝.國外在線教學評價研究的前沿和熱點[J].西北工業大學學報（社會科學版），2020（4）：32-44.

[5]教育部.關于印發《高等學校課程思政建設指導綱要》的通知[Z].（教高〔2020〕3號），2020-05-28.

[6]劉曉，張黎聲.高校專業課程思政環節與評估的原則導向[J].中醫藥管理雜志，2019，26（17）：4-7.

[7]楊祥，王強，高建.課程思政是方法不是“加法”——金課、一流課程及課程教材的認識和實踐[J].中國高等教育，2020（8）：4-5.

[8]譚紅巖，郭源源，王娟娟.高校課程思政評估指標體系的構建與改進[J].教師教育研究，2020，32（5）：11-15.

[9]門秀萍.機器學習在高校課程教學評價中的應用研究[J].福建電腦，2019，35（10）：16-19.

[10]鮑仲輔，曾德江.基于模糊層次分析法構建高職優質課程評價指標體系[J].價值工程，2016（5）：202-204.

作者簡介：

王斌（1978年11月-），男，碩士，講師，研究方向：通信網絡教學。

林海濤，博士，副教授。

樊誠，博士，講師。