數據科學視角下在線教學評價通用模型研究*

劉 選 劉革平 廖 劍

數據科學視角下在線教學評價通用模型研究*

劉 選1,2劉革平1廖 劍1

（1．西南大學 教育學部，重慶 400715；2．四川開放大學 科研處，四川成都 610073）

當前在線教學評價面臨研究范式有待轉型、研究層次有待深化、研究方法亟待創新的挑戰，而數據科學可為在線教學評價提供較好的學理支持和方法論指導?；诖耍恼率紫葮嫿藬祿茖W視角下在線教學評價通用模型的雛形；之后結合兩輪調研中專家所提的意見和建議，從體現評價的要素及過程、突出數據增值的核心、體現閉環關系、體現雙向驅動特色等方面對模型的雛形進行了優化；最后，將優化后的數據科學視角下在線教學評價通用模型在S大學的“信息化管理與運作”課程中進行了初步應用。根據對課程中2357名學習者在線學習數據的統計分析，文章對學習者的整體學習行為、學習者特征、在線交互行為、在線學習成績進行了深入分析，研究結論驗證了數據科學視角下在線教學評價通用模型的有效性。此通用模型的提出，有助于為深入開展在線教學評價研究與實踐提供范式支持和方法指引。

數據科學；在線教學評價；數據流；在線學習行為

隨著互聯網技術的快速發展，在線教學逐漸成為一種常態化的教學方式。在線教學在體現規?；€性化等優勢的同時，也面臨如何科學、合理地進行評價的難題。已有的在線教學評價研究在評價體系構建、評價方法探索、評價實踐應用等方面積累了寶貴經驗，但對于如何更深入地利用教學數據來支持和改進在線教學評價還存在較大的探索空間。由于數據科學強調對多維數據的綜合處理、分析和挖掘，以使數據不斷實現價值增值，因此本研究嘗試從數據科學的視角切入提出在線教學評價通用模型，以期為研究者和實踐者提供一套具有切實參考或指導價值的在線教學評價范式，從而解決當前在線教學數據利用簡單、缺少解釋性分析等問題[1][2]。

一 文獻綜述與研究視角

1 在線教學評價整體研究概況

為從整體上把握我國在線教學評價的研究現狀與問題，本研究以中國知網的北大核心、CSSCI期刊為文獻來源，以“在線教學/學習評價”和“網絡教學/學習評價”為主題詞進行檢索，檢索時間截至2022年6月30日，共檢索到在線教學評價相關文獻400多篇。文獻分析結果顯示：①從評價對象來看，在線教學評價研究主要針對課程/資源、教與學的過程、教與學的效果三個方面。②從研究內容來看，在線教學評價研究主要集中在教學評價體系構建、評價方法研究、教學評價應用三大方面。其中，在教學評價體系構建方面，趙慧[3]針對大學O2O教育，從評價對象、資源評價、效果評價、實施評價等方面構建教學評價體系；孫洪濤等[4]從學習分析的視角提出一種在線學習課程評價模型，并從媒體技術、學習資源、學習活動、學習支持、聯通度五個維度構建在線學習課程評價體系。在評價方法研究方面，戴慧珺等[5]針對MOOC課程，提出一種基于歷史大數據決策樹分類的教學評估方法，并使用數據挖掘算法實現了基于學生學習行為的評價算法；魏順平等[6]為解決在線教學過程中的監控和診斷問題，采用歸納和演繹的方法，提出一種數據驅動的在線教學過程評價方法。在教學評價應用方面，孫翔等[7]提出一種針對慕課與翻轉課堂的混合式、立體化教學評價模式，并將其運用于特定的課程中進行評價效果檢驗，以達到以評促教的目的；魏順平[8]從管理者視角提出一種在線教學績效評估模式，并利用Moodle平臺上的日志數據對該模式進行了應用和有效性檢驗。值得注意的是，2020年之后關于在線教學評價的研究呈現出新的特征：除了關注疫情背景下實施在線教學的效果（如針對學生的學習表現、針對師生的教學滿意度等），也關注宏觀層面高校在線教學質量評價（涉及評價導向、評價標準、評價機制、評價方式等）面臨的挑戰及其消解策略[9]。

通過上述文獻分析可以看出：當前，研究者和實踐者對在線教學評價給予了越來越多的關注，且在評價體系構建、評價方法和評價實踐方面進行了有益探索；與此同時，在線教學評價也面臨研究范式有待轉型、研究層次有待深化、研究方法亟待創新等方面的挑戰。即使有研究者開始嘗試應用大數據和學習分析的思路與方法來解決在線教學評價中的問題，但僅限于或者引入學習分析的思路來構建評價體系或模型，或者在數據分析過程中應用特定的算法進行數據的挖掘和可視化呈現，或者提出一種新的數據分析算法等，尚未見有研究者從數據科學的視角提出一套系統且具有通用性的在線教學評價模型，而這正是近年來國際學者關注的熱點問題[10]。

2 數據科學為在線教學評價帶來新視角

著名計算機科學家兼圖靈獎獲得者Nauru[11]將“數據科學”（Data Science）定義為“一門基于數據處理的科學”。數據科學因具有跨學科性而被逐步應用于解決不同專業領域的問題，其中數據科學對教育教學的影響受到了研究者的廣泛關注[12]。在線教學情境下，數據科學以在線教學過程中生成的各類數據為研究對象，圍繞特定的教育研究目的，運用一種或多種數據分析方法，通過挖掘教學數據之間的關系，來更深入地解決某一教育研究問題。數據科學能為在線教學評價提供較好的學理支持和方法論指導，進而為重構在線教學評價方式提供可能。

①數據科學能為在線教學評價提供理論支撐。數據科學將數據視為一種重要資產，強調將數據科學家的創造性設計、批判性思考和好奇性提問融入數據的加工活動[13]，從而不斷挖掘、提煉數據的價值。數據科學蘊含的理論價值與計算機和信息科學領域中經典的DIKW層級模型具有共通之處，體現為對數據的多維分析和創新應用。DIKW層級模型提出的由數據（Data）→信息（Information）→知識（Knowledge）→智慧（Wisdom）構成的逐層遞進關系[14]，不僅有助于揭示數據的價值增值機制，還可為在線教學評價提供學理層面的分析和解釋性支持，進而推動在線教學評價研究不斷深入。

②數據科學能為在線教學評價提供方法論指導。數據科學注重對數據的處理與分析，其處理過程包括數據審計、數據清洗、數據變換、數據集成、數據脫敏、數據歸約、數據標注等環節，其分析思路是運用智能化的算法對處理后的數據進行建模、分析和可視化呈現，以幫助組織或機構制定正確的發展決策[15]。同時，數據科學也遵循數據生命周期理論，認為數據一般都會經歷生成、收集、處理、保存、管理、分析、可視化、解釋八個階段[16]，這可為在線教學評價中的數據處理與分析提供方法論指導，從而推動數據科學在在線教學評價中的落地。

二 數據科學視角下在線教學評價通用模型雛形的構建

1 模型構建的整體思路

雖然數據科學能為在線教學評價帶來新視角，但將其直接應用于在線教學評價存在不合理之處。這是因為數據科學強調用數據直接驅動分析，即基于對大量數據的統計性搜集、整理、比較、分類、聚類等來進行分析總結，而不是直接借鑒理論進行邏輯推理，因此數據科學還無法直接對標解決社會科學領域中的實際問題。對此，羅俊等[17]提出可采用理論與數據雙向驅動的路徑，來解決社會科學領域中的研究和實踐難題。本研究將圍繞在線教學“評價什么”和“如何評價”的問題，以在線教學評價和數據科學涉及的相關理論為指導，先構建數據科學視角下在線教學評價通用模型的雛形，然后采用德爾菲法對該模型進行修訂和優化，最終形成具有一定理論和實踐指導價值的在線教學評價通用模型。

2 在線教學評價通用模型的雛形

構建在線教學評價通用模型的首要任務，是確定其框架要素及其關系。框架要素的確定主要借鑒李秉德[18]提出的教學活動七要素（即學生、教學目的、教學內容、教學方法、教學環境、教學反饋、教師）理論，這七個要素同樣是在線教學的必備要素。為了更好地突出在線教學評價過程的可操作性，本研究將在線教學評價通用模型的框架要素置于在線教學的課前、課中、課后三個環節，涉及“以學生為中心”的備學、學習、作業提交和“以教師為主導”的備教、教學、輔導六項教學活動，這些教學活動也能體現在線教學的七個要素；同時，在線教學的“過程流→活動流→數據流”關系可以清晰地表達框架要素之間的橫向關系，為數據驅動評價奠定了基礎。而如何挖掘并應用在線教學生成的數據流的價值，恰是體現數據科學的關鍵。為此，本研究借鑒數據科學的DIKW層級模型（用于指導在線教學數據實現“數據→信息→知識→智慧”的逐層挖掘）和數據生命周期理論（用于指導在線教學數據的分析過程與方法）提出數據流驅動機制，在此基礎上構建出數據科學視角下在線教學評價通用模型的雛形，如圖1所示。

圖1 數據科學視角下在線教學評價通用模型的雛形

三 數據科學視角下在線教學評價通用模型的優化

為進一步優化數據科學視角下在線教學評價通用模型，本研究依循德爾菲法的研究理路，邀請六名教育技術領域的專家針對該模型的雛形進行了兩輪調研。在第一輪調研中，研究者向六名專家闡釋了在線教學評價通用模型構建的理論基礎、邏輯思路、涉及要素和模型雛形，專家提出的意見主要有兩點：一是模型雛形沒有體現出“評價的要素及過程”，二是模型雛形沒有很好地體現出“數據科學對在線教學評價的新內涵”。結合這兩點意見，研究者對模型雛形進行了以下優化：①在模型中增加了“評價目的”“評價對象”“評價過程與方法”“評價反饋”四個評價要素；②對“數據流驅動機制”所涉及的要素進行補充，并對各要素之間的關系進行細化，以更好地突出數據增值的核心要旨；③形成在線教學過程流、在線教學活動流、在線教學數據流、數據流驅動機制之間的閉環關系，以更好地體現數據科學視角下在線教學評價模型的通用性。在第二輪調研中，研究者將完善后的模型及其優化說明反饋給六名專家，獲得了較為一致的肯定，但也有專家建議可將構建模型所涉及的理論思想體現出來，以突出模型“理論”與“數據”雙向驅動的特色。參考此建議，研究者再次對模型進行完善，得到優化后的數據科學視角下在線教學評價通用模型（下文簡稱“通用模型”），如圖2所示。

圖2 優化后的數據科學視角下在線教學評價通用模型

1 通用模型受“理論”與“數據”雙向驅動

通用模型是基于“理論”與“數據”的雙向驅動而提出的：理論驅動體現為基于教學七要素理論提出在線教學活動流、基于數據生命周期理論提出數據流驅動機制；而數據驅動主要體現為通過數據處理、數據分析、數據闡釋來挖掘在線教學數據背后的知識和價值，從而為優化教師教學和促進學生發展提供指導。在“理論”與“數據”雙向驅動的作用下，通用模型理論與數據互補、互促的優勢得以進一步凸顯。

2 通用模型具有層層遞進的閉環結構

縱向來看，數據科學視角下在線教學評價的過程由在線教學過程流、在線教學活動流、在線教學數據流和數據流驅動機制四大模塊構成，并形成逐層遞進的閉環，一定程度上體現了四個評價要素（即評價目的、評價對象、評價過程與方法、評價反饋）之間的運行關系。而橫向來看，在線教學過程流和在線教學活動流是圍繞評價目的，并基于教學七要素理論對在線教學課前、課中、課后活動進行的歸納和提煉；在線教學數據流即為評價對象，是依據教學活動的開展過程對教師和學生的教與學行為進行的數據表征；數據流驅動機制是基于數據生命周期理論對在線教學數據流進行的生成、收集、處理、保存、管理、分析、可視化和闡釋，以實現“數據→信息→知識→智慧”的價值增值[19]。由此經過分析和闡釋而生成的不同層級的知識既可為教師優化教學提供反饋，也可為促進學生學習提供支持，即為師生提供評價反饋。

3 通用模型提供了一套在線教學評價范式

通用模型在一定程度上超越了已有研究在評價體系構建、評價方法融合和評價實踐應用方面的單一性探索，而將理論、方法和應用整合為一體，形成了一套較為完整的在線教學評價范式。此評價范式不僅適用于各類評價對象（如在線教學資源/內容、在線課程、教師教學行為、學生學習行為、在線交互文本等），還能根據不同的數據分析模型生成不同的可視化結果，并能結合在線教學理論和教學經驗形成有價值的數據報告，從而為不同的評價主體提供基于證據的精準反饋和科學決策。由此，數據科學視角下的在線教學評價將不再是主觀經驗式評價，而是基于大量教與學數據分析的客觀公正式評價，有助于提升教學決策制定的針對性與科學性[20]。

四 在線教學評價通用模型的初步應用

為驗證數據科學視角下在線教學評價通用模型的有效性，本研究在四川省S大學的“信息化管理與運作”課程中進行了通用模型的初步應用。該課程依托“國開學習網”平臺（網址：http://www.ouchn.cn/）開展，是一門面向在職成人學習者的、針對計算機信息管理（?？疲I的主修課程，其在線教學活動主要包括針對學生的備學、學習、作業提交和針對教師的備教、教學、輔導六類活動。該課程教學團隊需要根據教學大綱的要求和在職成人學習者的特征，提前設計、制作多種類型的課程資源并上傳到平臺上，同時也需要定期開展在線教學和輔導活動；學習者則需在規定的時間期限內在平臺上完成相應的課程學習、活動參與和作業提交，參加最終的綜合考試并努力通過。由于學習者備學的數據在平臺上不易獲取和教師備教的數據相對固定且更新緩慢，故本研究只選取學習、作業提交、教學、輔導四項活動生成的數據作為評價對象。這些數據在S大學的在線教學平臺上可用課程行為天數、行為總數、瀏覽數、發帖數、回帖數、教師回帖數六個指標來表征，故本研究將重點圍繞這六個指標進行分析。另外，考慮到S大學的招生規模很大，每學期選課的人數較多，因此本研究基于目的性抽樣，選取參與2021年秋季學期“信息化管理與運作”課程（下文簡稱“秋季課程”）學習的2357名學習者的在線學習數據，采用SPSS 22.0進行相關統計分析。

1 學習者在線學習行為整體評價

秋季課程中學習者在線學習行為的基本數據統計結果如表1所示，可以看出：課程行為天數、行為總數、瀏覽數三個指標對應的最大值和最小值相差較大，說明學習者的在線學習行為表現具有明顯的不平衡性，而“不平衡性”正是較大規模在線學習行為的典型特征。

表1 秋季課程中學習者在線學習行為的基本數據

2 學習者在線學習行為分層聚類評價

為進一步揭示學習者的在線學習行為特征，本研究對不同情形下秋季課程學習者的在線學習行為數據進行了統計分析，結果如表2所示。表2顯示，2357名學習者的課程行為天數均值為每人7.76天，行為總數均值為每人268.47次（或34.58次/天），瀏覽總數均值為每人143.22次（或18.44次/天）。結合筆者在S大學的在線教學經驗和學習者在職工作的特征來看，這些數據整體上較為合理、可信。此外，本研究通過對秋季課程學習者在線學習行為數據的分層聚類分析，得出了不同的學習者類型及其特征，據此將學習者分為“突擊應對型”“持續穩定型”“積極活躍型”三類。

表2 不同情形下秋季課程學習者的在線學習行為統計數據

①“突擊應對型”學習者：有766人（見表2課程行為天數=1的記錄），占選課人數的近1/3，其行為總數均值為每人107.64次，瀏覽總數均值為每人49.67次。這些行為指標均值與針對全部學習者相應指標的均值存在較大差距，說明本類學習者對在線學習不夠上心，常以突擊方式應對學習要求，存在的在線學習問題較多，值得引起課程責任教師的關注并給予正確指導。

②“持續穩定型”學習者：有829人（見表2課程行為天數≥8的記錄），約占選課人數的35%，其課程行為天數均值為每人17.90天，行為總數均值為每人305.40次（或17.06次/天），瀏覽總數均值為每人176.31次（或9.85次/天）。這些行為指標均值均超過了針對全部學習者相應指標的均值，而課程行為天數均值更是達到針對全部學習者相應指標均值的兩倍之多，說明本類學習者的在線學習行為表現具有一定的持續性和穩定性，值得引起課程責任教師的關注和信賴。課程責任教師可通過多渠道了解這類學習者的學習需求，并為其提供更好的學習支持，如提供優質的課程資源和擴展型學習資源等。

③“積極活躍型”學習者：有95人（見表2行為總數≥1000的記錄），約占選課人數的4%，其課程行為天數均值為每人15.53天，行為總數均值為每人1263.91次（或81.40次/天），瀏覽總數均值為755.08次（或48.63次/天）。雖然本類學習者的瀏覽總數均值與“突擊應對型”學習者十分接近，但其課程行為天數均值卻與“持續穩定型”學習者較為接近，說明本類學習者的學習行為較為積極活躍，據此可以認為本類學習者與“持續穩定型”學習者共同構成了在線學習的“中堅力量”。課程責任教師可通過各種途徑維持這類學習者的學習熱情，吸引他們持續參與在線學習活動，以推動在線學習活動走向深入。

3 學習者在線交互行為評價

發帖數和回帖數是常用來表征在線教學交互的指標。秋季課程的教學交互數據分類統計結果如表3所示，可以看出：秋季課程開展過程中僅有157人發帖（占比僅為6.7%），發帖總數僅為289條，且以發帖1次、2次為主，可見學習者通過主動發帖行為參與在線交互的意愿較弱；回帖人數和回帖量則更少，僅有6人回帖，回帖總量僅為22條，且沒有1名學習者既有發帖行為也有回帖行為，可見學習者之間的交互很少。另外，從教師回帖情況來看，教師僅為17名學習者回復了帖子，教師回帖總數僅為40條，即使加上學習者的回帖總數，仍不足以回答所有發帖學習者的問題。總的來說，秋季課程的在線學習交互情況不容樂觀，學習者之間、學習者與教師之間的交互較少，亟待引起課程管理者的重視。同時，課程管理者應積極制定增強師生、生生之間互動的教學策略和支持策略，使“交互”這一在線教學的關鍵特征得以彰顯，并實現從“無交互”向“有交互”、從“弱交互”向“強交互”、從“簡單交互”向“復雜交互”的螺旋遞進式發展。

表3 秋季課程的教學交互數據分類統計

4 學習者在線學習成績數據評價

成績是反映學習者學習結果的有效指標。受限于數據的可獲得性，且考慮到形成性作業成績能夠客觀反映學習者的在線學習過程和學習效果，故本研究對秋季課程中學習者提交的1701份形成性作業進行了成績數據統計分析，結果如表4所示。表4顯示，有1250名學習者的形成性作業成績≥60分，及格率為73.49%；學習者的形成性作業成績比較密集地分布在80～89分這個分數段，平均分為85.22分，說明大多數學習者的形成性作業成績為良好。S大學將形成性作業成績按一定比例作為最終課程考核成績的做法在各類教學活動中被不斷強化，而且S大學允許學習者有3～5次機會選擇提交形成性作業，這就為秋季課程學習者的形成性作業成績普遍較高提供了解釋空間。而通過形成性作業的作答情況，教師可以及時了解學習者對課程知識的掌握情況，并據此因地制宜地改進教學設計，調整在線教學的重點、策略和方法。

表4 秋季課程學習者的形成性作業成績數據

五 結語

本研究構建了數據科學視角下在線教學評價通用模型的雛形，之后對此模型進行了優化并在S大學的“信息化管理與運作”課程中進行了初步應用。同時，根據對2021年秋季學期“信息化管理與運作”課程中2357名學習者在線學習數據的統計分析，本研究應用課程行為天數、行為總數、瀏覽數、發帖數、回帖數、教師回帖數六個指標，對學習者的整體學習行為、學習者特征、在線交互行為、在線學習成績進行了深入分析，結果發現：學習者的在線學習行為表現具有明顯的不平衡性和弱交互性；根據不同的學習者特征，可將學習者劃分為“突擊應對型”“持續穩定型”“積極活躍型”三類；大多數學習者的形成性作業成績為良好。上述研究結論的得出，在一定程度上驗證了數據科學視角下在線教學評價通用模型的有效性。

顯然，開展數據科學視角下的在線教學評價能更好地挖掘和運用數據的價值，為學習者、教師和管理者等利益相關者提供精準化的指導和服務——盡管其使用的數據評價工具和方法并不“深奧”，但數據科學的思想和方法卻能為在線教學評價研究和實踐提供一種研究范式上的指導，也有助于推動在線教學評價方式由“經驗式為主”轉向“精確性和預測性為主”，對學習者的評價由“單維和零散”轉向“多模態和聚合”，從而突破常規總結性評價的瓶頸而真正實現形成性評價[21]。隨著智能技術的快速發展，越來越多的數據評價工具已被開發出來并被應用于在線教學，如利用DMPTool可以搜集和創建數據，利用Data Up可以創建、管理和存儲數據，利用Dataverse Network可以共享、引用、發現和分析數據，利用Taverna、Vis Trails、Knime等可以用來分析全流程數據等[22]。基于此，未來如何充分發揮在線教學評價通用模型在數據創建、搜集、存儲、管理、分析、可視化等方面的優勢，并利用先進的數據評價工具更好地服務于在線教學評價，是一個值得繼續深入探索的重要問題。

[1]魏順平.學習分析數據模型及數據處理方法研究[J].中國電化教育,2016,(2):8-16.

[2]胡欽太,伍文燕,馮廣,等.深度學習支持下多模態學習行為可解釋性分析研究[J].電化教育研究,2021,(11):77-83.

[3]趙慧.大學O2O教育教學評價研究[J].中國管理信息化,2017,(7):239-241.

[4]孫洪濤,鄭勤華,陳耀華,等.基于學習分析的在線學習測評建模與應用——課程綜合評價參考模型研究[J].電化教育研究,2016,(11):25-31.

[5]戴慧珺,桂小林,張成,等.基于歷史大數據決策樹分類的MOOC教學評估方法研究[J].計算機教育,2015,(22):52-55.

[6]魏順平,程罡.數據驅動的教育機構在線教學過程評價指標體系構建與應用[J].開放教育研究,2017,(3):113-120.

[7]孫翔,馮慶革,黃華存,等.慕課與翻轉課堂混合式立體化教學評價體系的構建及應用效果分析[J].中國教育信息化,2018,(24):69-71、76.

[8]魏順平.在線教育管理者視角下的學習分析——在線教學績效評估模式構建與應用[J].現代教育技術,2014,(9):79-85、93.

[9]肖云,王驥.高校在線教學質量評價體系:價值取向與建設策略[J].黑龍江高教研究,2020,(10):141-144.

[10]Aljawarneh S A, Lara J. Data science for analyzing and improving educational processes[J]. Journal of Computing in Higher Education, 2021,(3):545-550.

[11]Naur P. Concise survey of computer methods[M]. New York: Petrocelli Books, 1974:1.

[12]Daniel B. Big data and analytics in higher education: Opportunities and challenges[J]. British Journal of Educational Technology, 2015,(5):904-920.

[13]朝樂門,邢春曉,張勇.數據科學研究的現狀與趨勢[J].計算機科學,2018,(1):1-13.

[14]Rowley J. The wisdom hierarchy: Representations of the DIKW hierarchy[J]. Journal of Information Science, 2007,(2):163-180.

[15]楊京,王效岳,白如江,等.大數據背景下數據科學分析工具現狀及發展趨勢[J].情報理論與實踐,2015,(3):134-137、144.

[16]Wing J M. The data life cycle[OL].

[17]羅俊,李鳳翔.計算社會科學視角下的數據觀[J].吉首大學學報(社會科學版),2018,(2):17-25.

[18]李秉德.教學論[M].北京:人民教育出版社,1991:12-14.

[19]Bellinger G, Castro D, Mills A. Data, information, knowledge, and wisdom[OL].

[20]胡水星.大數據及其關鍵技術的教育應用實證分析[J].遠程教育雜志,2015,(5):46-53.

[21]喻長志.大數據時代教育的可能轉向[J].江淮論壇,2013,(4):188-192.

[22]屈寶強,彭潔,劉蔚,等.科學數據共享及其發展趨勢[J].情報學進展,2020,13:381-420.

Research on the General Model of Online Teaching Evaluation from the Perspective of Data Science

LIU Xuan1,2LIU Ge-ping1LIAO Jian1

At present, online teaching evaluation is faced with the challenges such as the research paradigm to be transformed, the research level to be deepened, and the research methods to be innovated. However, data science could provide better academic support and methodological guidance for online teaching evaluation. Based on this, the paper firstly constructed the prototype of the general model of online teaching evaluation from the perspective of data science. Then, combined with the opinions and suggestions put forward by experts in the two rounds of research, the prototype of the model was optimized from the aspects of reflecting the elements and processes of evaluation, highlighting the core of data appreciation, reflecting the closed-loop relationship, and reflecting the two-way drive characteristic. Finally, the optimized general model of online teaching evaluation from the perspective of data science was preliminarily applied in the course “Information Management and Operation” at S University. According to the statistical analysis of online learning data of 2357 learners in the course, this paper conducted an in-depth analysis of learners’ overall learning behaviors, learners’ characteristics, online interaction behaviors, and online learning achievements. The research conclusion verified the effectiveness of the general model of online teaching evaluation from the perspective of data science. The proposal of this general model was helpful to provide paradigm support and methodological guidance for the in-depth research and practice of online teaching evaluation.

data science; online teaching evaluation; data flow; online learning behavior

G40-057

A

1009—8097（2022）11—0101—09

10.3969/j.issn.1009-8097.2022.11.012

本文為教育部科技創新工作專項“數據治理促進‘規模化與個性化’教育的協同機制研究”（項目編號：105236）、國家開放大學教育信息管理與信息系統研究中心2021年度重點科研項目“數據科學視域下在線教學評價策略與方法研究”（項目編號：EIMIS-2021-04）的階段性研究成果。

劉選，西南大學在讀博士，四川開放大學副研究員，研究方向為智慧教學和教育治理，郵箱為liuxuan123@126.com。

2022年3月16日

編輯：小米