基于大數據的高校教師教學質量畫像的研究與實現

鄭晉

摘要：教師教學質量的提升是教師群體永恒的話題，通過對大數據技術、企業用戶畫像思想、教育教學理念的有機融合，構建可視化的教師教學質量數字畫像，助力教師教學能力的提升與精準改進，這對促進學校師資隊伍建設具有重要意義，“教師教學質量畫像”展現出了強大的發展潛力和應用前景。希望研究成果能對教師畫像、教師教學質量畫像領域的研究提供一些有價值的參考。

關鍵詞：教師畫像；教學質量畫像；大數據；評價

一、前言

傳統的評估方法主要依賴于教學評估問卷、學生評價和觀察記錄等手段，這些方法往往受限于主觀性、樣本有限以及時間和成本的限制。因此，我們迫切需要一種更科學、全面、準確的方法來評估高校教師的教學質量。基于大數據的教師教學質量畫像正是應運而生的解決方案。利用數據挖掘、機器學習和人工智能等技術，我們可以建立起教師教學質量的量化模型，為教師提供有針對性的反饋和改進建議，以實現教學質量的提升。

二、教師畫像、教師教學質量畫像概述

教師畫像起源于企業用戶畫像[1]，其能夠具象化用戶的行為表征，從而幫助企業精準了解用戶數據。用戶畫像的理念被引進到了多個領域，在教育領域，根據用戶身份的不同，孵化出多種畫像產物：如教師畫像、學生畫像、課程畫像等等。“教師畫像”是通過對學校各類信息化系統及用戶網絡數據進行大數據分析，總結出教師個人行為，如教學行為、科研行為、教學質量行為、個人職涯發展情況等特征信息，據此構建起立體化、多維度的虛擬教師，通過這個虛擬形象能夠從多角度精確刻畫教師的專業表現，即將教師這個人“數據化”[2]“可視化”“電子化”，促進教師的專業發展和學校師資隊伍建設。畫像的生成是實現精準診斷、有效干預和提供個性化推薦服務的基本前提。

“教師教學質量畫像”是教師畫像的重要組成部分。教學質量是高校的生命線，教師在其中扮演著重要角色，是提高教學質量的關鍵節點。利用新技術刻畫教師教學質量，通過對教師教學相關行為進行大數據分析、整理、比較，生成教師教學質量數字畫像，從而診斷出教師在教學能力上的優勢與不足，幫助教師提升自身的教學水平，明確未來改進方向，同時也為教學管理部門調整學校教學相關政策措施提供參考。呈現教師教學質量特征數據有利于激發教師的熱情工作，有助于教師改進教學，提高教學質量。教學質量離不開數據，借助大數據助力教師教學質量的提升與改進，必將成為未來教育領域新的發展趨勢之一[3]。

目前國內教育領域對個體畫像的研究多集中于學習者，較少關注教師，現有研究還不算深入。截至2023年5月，在中國知網（CNKI）以“教師畫像”作為關鍵詞進行檢索，顯示出了75篇文獻，以“教師教學畫像”作為關鍵詞進行檢索，顯示出了18篇文獻，對這18篇文獻進行進一步篩選閱讀發現，單獨做教師教學質量畫像的文章是鳳毛麟角，關于教師畫像的研究在國內還屬于一個新興領域，在國家大力提升師資隊伍背景下，針對教師群里畫像和教師個體畫像十分必要。本文以筆者所在的大連東軟信息學院數據畫像分析系統為例，提出教師教學質量數字畫像的設計、建構、實現、實踐路徑。

三、教師教學質量畫像要素的選擇

教師畫像的研究設計思路源自企業用戶畫像領域，由于涉及多門學科與理論，不同學科的聚焦點與切入點有所不同，呈現出的教師畫像內容也有所差異。教師教學質量畫像以促進教師教學質量的提升為根本目的，依托學校已有的信息化系統，如人事管理系統、學生評教系統、督導聽課系統、教務管理系統等，基于渠道豐富、表現多元的數據，從中選取出最能代表教師教學質量的核心要素，本研究選取的教學質量要素包括教師個體特征、課程特征、教學評價結果特征三大類，對以上選取的要素設定標簽。其中，教師個體特征包括教師姓名、年齡、職稱、所在系部等；課程特征包括教師所授課程的名稱、類別、數量等；教學評價結果特征包括各項評價指標、各項評價結果、聽課人意見、教師本人與系部平均分橫縱向對比等。畫像元素的選擇盡量完整地描繪一位教師的教學質量內涵，盡量全面多維多層次，不能僅從一個維度去分析，這樣描繪出來的畫像才更準確，更接近老師的實際授課水平，從而便于教師全面了解自己的教學優缺點，學校也可據此為教師提供更精準的個性化服務、指導與培訓[4]。

四、教師教學質量畫像的設計與實現

教師教學質量數字畫像系統是一個基于Web的應用程序。在前端方面，它采用了Bootstrap作為前端框架，用于快速開發Web應用程序和網站。HTML、CSS和JavaScript被用于創建用戶界面和交互效果，使系統界面友好且易于使用。后端方面，系統使用Java作為主要的編程語言，并結合Oracle數據庫進行數據存儲和管理。Java的強大功能和穩定性保證了系統的高效運行和數據處理能力。通過這種前后端的結合，教師教學質量數字畫像系統能夠提供全面的教師教學質量數據分析和展示功能，幫助用戶深入了解教師的教學表現。教師教學質量數據畫像實現過程包括如下三個階段。

第一階段：數據獲取階段。數據畫像分析系統從其他數據源獲取與教師教學、教學質量相關的數據，包括教師個人基礎信息、授課課程信息、各類評教結果數據等。教師基本信息可以從學校人事管理系統讀取，課程數據可以從學校教務管理系統讀取，評教結果可以從學校學生評教系統、教學督導聽課與評價系統讀取。

第二階段：數據處理階段。由于數據來自不同的系統數據庫，數據格式不同，因此獲取數據后要對數據進行預處理，包括數據清洗、缺失值的補全、數據合成等，使多方數據能最終有效匹配與整合。對于結構化的數據需要按照教師畫像的指標體系對部分屬性進行標識，并運用統計學方法進行分析處理，得到教師教學質量數字畫像的多重屬性。對于非結構化評教文本數據需要對其進行中文識別，并使用特征提取法提取出文本的特征。

第三階段：畫像構建階段。提煉特征標簽，構建標簽體系，選擇合適的挖掘算法建立分析模型，本研究采用了多層架構多層次進行劃分，利用大數據挖掘技術結合數據采集和分析技術、指標體系、標簽體系、應用體系等對教師教學質量數據建立畫像原型。

第四階段：原型實現與驗證。包括教師個體頁面和教師群體頁面的制作與實現，將教師直觀化，輸出有效教師教學質量畫像，適用系統并做效果評估等。

該畫像系統統計分析了老師近3年學生評教成績、教學單位評教成績、督導評教成績、教學質量等級、本人與系部平均分比較、本人所授課程學生課下學習時間對比等數據，并對近一學年學生評價的主觀意見進行提煉，學生姓名做了加密處理，不會透露學生個人信息。據此，老師可以調整教學策略，為改進教學提供參考。

在教師畫像生成的過程中，最困難的就是學生評教意見的提取與分析，因為學生意見文本往往書寫都很隨意，不是固定句式，有很多是網絡用語“老師講課666”“老師講課so fast”，句法復雜多樣，也存在很多“無意見”“沒有”“no”等無價值信息，在文字評語上存在大量的缺失和噪聲，學生意見對教師改進教學又非常重要，因此在提取情感詞方面筆者團隊投入了大量精力。首先對包含評教文本的數據進行標注，標注結果包括方面詞和方面情感詞對的提取、詞對的情感標注以及整條評語的情感分類。據此得到一個數據集合，該數據集記錄了學生評教文本精確提取和方面情感值以及整體的情感分析結果，采用Aspect和Opinion情感評估挖掘，使用詞典方法和機器學習方法，最終得出解析結論[5]。

五、結語

教師教學質量畫像全方位、多維度、多視角呈現了教師教學質量相關因素的趨勢變化情況，讓教師的教學能力樣貌更加清晰、具體、量化，不僅能幫助教師了解自己的教學水平現狀，精準助力教師下一步改進。當然本文的研究還僅僅是一個開端，隨著大數據技術應用的不斷深入，其在人才培養、教學活動、組織行為等方面還會積累更多元豐富的數據。后續研究還將納入更全面智能的教學質量要素，如納入課堂到課率、抬頭率等觀測點，以及如何更快捷更深層次地分析學生評教文本等。讓教師能夠從教師教學質量畫像中獲得更多維有效的信息，為個人職業發展提供數據支持。

參考文獻

[1]胡小勇，林梓柔.精準教研視域下的教師畫像研究[J].電化教育研究，2019，40（7）：84-91．

[2]方丹丹，王海濤，李穎，等.對外經濟貿易大學，用大數據描繪“教師畫像”[J].中國教育網絡，2017（7）：61-63.

[3]陳堯.教師畫像與評分系統的設計與實現[D].重慶：重慶大學，2018.

[4]楊彩霖.基于大數據的師生教學行為畫像的構建與應用研究[J].高教學刊，2021，7（31）：78-81.

[5]何杜.基于大數據的高校教師績效考核方案研究[J].成才之路，2021（31）：18-20.