基于大數據的發展性教學質量監控與評價研究

杜梓平 闞寶朋

[摘 ? ? ? ? ? 要] ?針對職業院校教學質量監控與評價過程中存在的評價數據不統一、數據收集不完整、評價數據不合理、評價過程重結果輕過程等問題，以大數據分析為視角，從評價主體、數據來源、服務主體等維度構建多元發展性教學質量監控與評價模型，并從過程數據采集與分析、數據分析與應用實施等方面闡述多元發展性教學質量監控與評價模型的實踐過程，為教學監控與評價提供科學有效的決策參考與借鑒。

[關 ? ?鍵 ? 詞] ?大數據分析;多元發展性;教學質量;監控;評價

[中圖分類號] ?G710 ? ? ? ? ? ? ? ? ? ?[文獻標志碼] ?A ? ? ? ? ? ? ? ? ?[文章編號] ?2096-0603（2022）33-0037-04

大數據、區塊鏈等新興技術的飛速發展已成為不同產業轉型升級的核心驅動與有效保障。教育部于2018年4月13日發布《教育信息化2.0行動計劃》，明確提出深化教育大數據應用，全面提升教育管理信息化支撐教育業務管理、政務服務、教學管理等工作的能力[1]。與此同時，我國高職教育正邁入一個更加注重高質量發展的時代，2019年，國務院印發《國家職業教育改革實施方案》，明確提出由追求規模擴張向提高質量轉變[2];2021年，習近平總書記在全國職業教育大會上指出職業教育前途廣闊、大有可為，必須依靠深化改革消除體制機制弊端，奮力推進職業教育現代化[3]。在職業教育受到如此重視的時代背景下，必須堅定地把提高教學質量作為職業教育發展的生命線。以大數據分析為視角，以多元發展性評價理念為指導，對教育教學過程中產生的數據進行采集、挖掘、分析，探索基于大數據的教學質量監控評價實施方案，以解決傳統教學質量監控評價體系難以與現行的教學方式相適應等問題，形成科學的教學質量監控與評價機制，服務學校教學質量診改，為職業院校教學管理提供決策依據。

一、教學質量監控與評價研究現狀分析

當前，國內對職業教育教學質量監控與評價的研究主要集中在理念、內容、方式等方面的轉變。在理念方面，向注重多元化和過程性評價轉變，更加強調的是如何進行過程性數據的收集和分析，如李葆萍等[4]通過對過程性、實時性數據的采集開展精準教學，體現了教學質量監控與評價從“經驗主義”向“數據主義”轉變的趨勢;在內容方面，針對高職學生學習特點，更加注重如何促進學生全面發展，如楊平[5]基于綜合素質評價、探索促進學生發展的多種評價方式，提供持續改善學習效果等評價目標，體現了評價內容從以往注重認知水平的“總結性評價”向綜合素養的“發展性評價”轉變的趨勢;評價方式方面，更加注重從單一主體向多元主體開展評價，更加注重利用信息化手段提升評價的科學性和時效性，如韓成勇[6]提出教學質量監控與評價方式由教學管理部門單一主體，向數據平臺、學生、教師自身等多元主體評價方式的轉變。整體而言，目前教學質量監控與評價理念、內容和形式方面比較完善，但是不同的學校及教師對教學過程產生的數據如何收集、如何分析，思路不夠清晰，沒有形成體系化的過程和方法，因此，構建基于大數據分析的教學質量監控與評價體系，從主體、環境、過程、結果等方面設計監控與評價指標，充分合理、高效利用信息化手段對數據進行收集、分析，實現教學質量監控與評價閉環，具有較為重要的現實意義。

二、現有教學質量監控與評價存在的問題

（一）數據標準不一，缺乏規范性

職業院校在進行校園信息化建設時，更多的是問題導向建設，各部門只考慮自身需求，即缺什么建設什么平臺，缺少前期的統籌規劃，后期教學管理過程中，經常因統計口徑、統計時點或統計方法不同而出現各部門重復收集數據、數據沖突等問題。譬如，教務平臺、課程平臺、學生管理平臺等都有各自的信息系統，存在“信息孤島”現象，數據來源途徑缺乏統一的規劃，導致教學質量監控評價存在較大困難。

（二）數據收集不全，缺乏精準性

隨著大數據技術的不斷發展，數據可以通過網格爬蟲技術主動爬取，數據收集在教學質量監控與評價過程中已經不是主要障礙，但是由于人才培養各環節產生的數據大量激增與流轉，以及信息的碎片化會導致數據的真實性與完整性受到影響，并最終導致教學質量監控與評價決策受到不利影響，因此需要建立有效的數據分析模型對數據進行高效挖掘和篩選。

（三）數據不夠合理，缺乏客觀性

一是現階段教學質量評價內容比較單一，主要集中在教師教學結果和學生學習效果兩個方面。教師教學結果方面，更多聚焦于教師教學能力，知識理論掌握度及課堂教學效果，缺乏教師的職業素養與師德師風等維度的評價，導致評價指標不夠充分。二是在實施教學評價過程中，評價形式過分單一，更多的是教務管理系統中，依據最終結果數據進行評價，如學生考試數據，教師教學質量測評數據，導致數據采集的維度不廣，深度不夠，只能作淺層分析，不能進行持續深層次研究，使得評價的有效性和精準性受到影響。

（四）數據不重過程，缺乏動態性

目前的教學質量監控與評價體系側重對教學結果的評價，如課堂評價以單元測試、考試評測為主，教師評價主要以學生評價、同行評價與督導評價結果為主，對學生的學習狀態、學習行為，教師的教學手段、組織形式等過程缺乏評價，導致過程性評價數據不足，不能精準實時反映教學質量的真實水平。

三、基于大數據分析的多元發展性教學質量監控與評價的意義

（一）分析價值

隨著新一代信息技術的發展，高校智慧教室、智慧教學平臺等教學軟硬件設施建設到位，在線開放課程及線上教學資源庫極為豐富，使學生突破教室限制，得到個性化的教學和輔導成為可能。在這一過程中，大數據產生于智慧校園、智慧課堂之中，使得大數據在教學評價中極具分析價值。

（二）評價價值

與傳統評價方式相比，基于大數據的評價更為客觀，避免了依賴于經驗主義的主觀評價，同時教學過程中教師的行為、學生的狀態、師生的互動等教學過程數據加以采集、整理、挖掘與分析，并形成“師生數據畫像”，使得大數據在教學評價中極具評價價值。

（三）診斷價值

通過采集師生在教學過程中產生的各種數據，利用大數挖掘與分析技術對數據進行清洗、整理與分析，在數據的支持下對教學要素、教學內容、教學環節及教學結果進行分析掌握，教師就能及時發現教學中存在的問題，及時利用自己的教學經驗進行診斷與改進，找出問題產生的根源，及時調整教學內容、教學策略、教學方法，從而有效達成教學目標，使得大數據技術在教學評價中極具診斷價值。

四、基于大數據分析的多元發展性教學質量監控與評價模型構建

傳統的以經驗性判斷為依據，分級分類進行教學質量監控與評價的體系很難起到促進師生發展及促進教學診斷與改進的作用，很大程度上影響了職業院校教學質量的提高。在當前大數據時代背景下，智慧教育已成為當前職業教育教學主流教學模式，為準確地反映教學的基本情況，需要應用發展性評價理論指導，如圖1所示，從評價主體、數據來源、服務主體等多個維度，構建實用、科學、完整、易操作的教學質量監控評價指標體系及評價模型。

（一）評價主體從單一向多元轉變

從評價主體方面來講，評價主體從單一主體轉變為多元主體，以往更強調以學校為主體，即以教學行政管理部門為主，更多的是以客觀的考試結果和主觀的師生間互評進行評價。新的模型強調的是多維度，包括兩個校內評價主體：教師與在校生，他們更多的是從教學過程及教學結果兩方面進行主觀與客觀方面的評價;三個校外評價主體：畢業學生、企業、專家同行，他們主要從課程教學內容與崗位實際業務吻合度、學生知識技能的掌握度、崗位的對口率與適用度、社會評價度與貢獻度、教學軟硬件及環境有亮度等方面進行主客觀評價。通過多元化的評價主體，關注教學全要素，使得評價更加系統、全面。

（二）服務主體為師生

從服務主體來講，主要服務對象為師生，通過多元發展性教學質量監控與評價，不但從結果性評價，還可以在教學過程中實時進行監控，采集學生學習與教師教學的全過程數據，對數據進行進一步的清洗、整理與分析，就能及時發現問題，這些問題可能會體現在課程中，比如課程體系設置是否合理？課程內容是否符合崗位需要？內容的難易程度學生是否適應？也可以體現在教師的教學手段與方法上，比如教師教學的狀態是否良好？情感是否豐富？教學的組織力是否到位？形式是否多樣？手段是否先進等，當發現問題就能及時進行診斷與改進，這將反哺專業的建設質量，進而進一步提升學校的辦學質量。

（三）數據來源更全面

從數據來源來講，大數據之“大”，不在于其表象的“大容量”，而在于其潛在的用于全面對數據進行分析的“大價值”[7]，故而數據來源必須全面，本模型主要考慮以下幾個維度數據：平臺數據、自主學習數據、教學過程數據、問卷采集數據及學習結果數據。平臺數據主要采集師生利用網絡學習平臺所產生的過程性數據，比如微課觀看的時長及頻率、作業的完成度等，自主學習數據主要集中在學生課后預復習產生的討論互動等數據，教學過程數據包含出勤率、回答問題頻率等，更進一步可以是學生上課的專注度、面部表情等視覺抓取數據。問卷采集也采用網絡調查形式，主要采集滿意度等數據，學習結果是結果性評價數據，當然這里也強調了多主體多元評價的形式。

五、基于大數據分析的多元發展性教學質量監控與評價實施

（一）教育教學過程數據采集與分析

數據采集是教學質量監控和評價的重要步驟。如圖2所示，為實現“數據”+“證據”為基礎的教育質量監控與評價，需要對教與學的過程數據、學生個性數據、學習結果數據等進行有效采集，采集方式與工具包括高清監控器、拾音器、感應設備、教學管理平臺和智能機器人、物聯網感知設備、智能穿戴設備等新型智能化采集工具，利用大數據技術可以采集到教學過程中教學行為、態度、情感、專注度等數據，完整了解教情與學情，形成數據畫像，有效且完整的數據采集會保證評價結果的準確度和可信度，有效地保證教學質量監控與評價的實施。

采集到數據以后，需要通過數據挖掘和分析技術提取數據中蘊含的對教學有幫助的信息。首先需要我們針對教學問題確定數據分析對象和數據邊界，然后根據分析目標與分析環境、數據結構與類型選擇分析工具，借助大數據分析常用的聚類分析和關聯分析等數據挖掘技術對數據進行深度分析，探索教學過程中各類隱含的教育信息和規律，充分掌握學生學的狀態、教師教的狀態及教學目標達成度及效果，及時發現問題、分析問題、解決問題，從而幫助學校及教師更有針對性地開展教育教學改革。

（二）數據分析及應用實施

教育部辦公廳印發的《2015年教育信息化工作要點》中指出，全方位推進國家教育科學決策服務系統建設，規范數據的規劃、采集、共享和使用，推進大數據應用，發揮監測、評價、預測功能，為科學決策宏觀管理提供依據[8]。數據的分析結果首先要被正確地解讀，對采集到的教學數據能夠進行推理與實際的判斷，結合數據分析原理對數據包含的潛在或隱性的信息進行正確的分析，解讀數據背后隱含的信息。另一方面，對大數據的分析結果進行準確、客觀的解讀，作出專業性的解釋并得出結論，形成教學診斷報告，為學校教學質量管理提供科學的決策支撐，有針對性地進行教學診改，從而有效提升人才培養質量。

在學生方面，更加關注學生的全面發展，開展階段性和全流程評價，針對每次課對學生的課堂參與度、知識技能掌握程度、認知和實踐能力提升、素質的養成等方面，提供實時階段性評價，為學生提供行為習慣矯正、學習方法改進與學習策略完善等方面的意見。針對每學期或者每門課，依據數據分析，形成學生精準知識、能力和素質等方面發展的綜合性報告，明確學生學習和發展方向，為當前學習中存在的問題提供有效解決途徑。在教師方面，提供教學質量、教學效果、教學能力等方面的分析報告，幫助教師調整教學內容難易度、改革教學模式、選擇適合的教學手段與方法、動態調整教學進度等提供決策依據。在專業建設方面，通過數據分析能夠精準反映專業建設中存在問題，從而為專業設置、課程設置、師資隊伍建設等提供決策幫助。學校層面，通過數據分析揭示出的新的學習和教育規律，將其應用到制度完善、教學改革、人才培養各個環節中，充分體現大數據對教學質量監控評價的支持作用。

六、結論

針對職業院校教學質量監控與評價過程中存在的評價數據不統一、數據收集不完整、評價數據不合理、評價過程重結果輕過程等問題，從評價主體、數據來源、服務主體等維度構建多元發展性教學質量監控與評價模型，通過收集教學各平臺產生的教學過程數據，進行高效的數據挖掘與分析，能夠有針對性地解決當前教學質量評價各方面存在的問題，全面改善教學質量，促進學生全面發展，為學校人才培養和教學管理提供強有力的支撐。

參考文獻：

[1]教育部.教育部關于印發《教育信息化2.0行動計劃》的通知[EB/OL].（2018-04-25）[2022-05-30].http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_ 334188.html.

[2]國務院.國務院關于印發國家職業教育改革實施方案的通知[EB/OL].（2019-02-13）[2020-05-28].http：//www.gov.cn/zhengce/content/2019-02/13/content_53653 41.htm.

[3]央視快評：職業教育前途廣闊大有可為[EB/OL].（2021-04-14）[2022-05-25].http：//www.moe.gov.cn/jyb_ xwfb/xw_zt/moe_357/2021/2021_zt04/mtbd/202104/t2021 0414_526358.html.

[4]李葆萍.基于大數據的教學評價研究[J].現代教育技術，2016（6）：5-12.

[5]楊平.發展性教學評價理念下應用型院校課堂教學質量評價的現存問題與出路[J].教育與職業，2019（1）：59-62.

[6]韓成勇.大數據背景下的高校教學評價[J].電腦知識與技術，2017（17）：159-161，165.

[7]姜強，趙蔚，李松，等.基于大數據的個性化自適應在線學習分析模型及實現[J].中國電化教育，2016（2）：25-32.

[8]教育部.教育部辦公廳關于印發《2015年教育信息化工作要點》的通知[EB/OL].（2019-12-03）[2022-05-15].http：//www.moe.gov.cn/srcsite/A16/s3342/201502/t20150215_189356.html.

編輯 馬花萍