大數據和VR技術在高職教學質量智能監測評價中的應用*

初永玲,王 枚

(煙臺職業學院 信息工程系,山東 煙臺 264670)

0 引言

2019年2月《國家職業教育改革實施方案》(簡稱“職教20條”)中明確要求高職院校應該建立公平、客觀的評價體系,推動教學水平的進一步提升。教師教學質量監控與評價機制的研究也是新時代推進“雙高計劃”建設的重點內容[1]。

隨著計算機技術的飛速發展,云計算、大數據、人工智能技術已經廣泛應用到教育教學的各個領域,VR虛擬現實技術在高職院校教育中的應用也越來越廣泛。VR虛擬現實技術能夠全方位調動學生的視覺、聽覺、觸覺、嗅覺、味覺等,實現身心感受的聯結,增強職業院校學生的感受力。同時,虛擬現實技術在激發學習動機、增強學習體驗、創設心理沉浸感、實現情境學習和知識遷移等方面有著無可比擬的優勢。隨著數字校園、智慧教室、智能課堂的應用,數據的挖掘和利用在教學質量監控與評價中的應用也越來越廣泛,讓“數據說話”能夠有效提高教學質量監控與評價體系的客觀性與全面性,為教學改革與教學質量的提升提供有力的數據支撐[2]。

本文基于“雙高”背景,將大數據和VR技術應用到高職教學質量智能監測評價中,完善高職院校教學質量評價體系,推動教學質量的提高。

1 教學質量監控與評價機制

1.1 教學質量監控模型構建

教學質量監控就是在教學質量評價的基礎上,通過一定的組織機構,按照一定的程序,進行積極認真的規劃、檢查、評價、反饋和調節,確保教學工作按計劃進行,并達到教學既定目標的過程,這是一個監控、評價、再監控、再評價螺旋式上升的良性循環過程。在傳統的教學質量監控與評價機制中,通過教學過程獲取的的數據呈現靜態化,無法對數據進行有效性的分析和利用。

隨著大數據時代的到來,將數據分析與挖掘應用到教學質量監控與評價中,有助于發現影響高等院校教學質量的制約因素,優化教學質量監控與評價體系。在教學質量監控與評價模型中,既包括對教學過程和教學對象的監控,也包括對教學管理的監控與評價。通過對教學管理的監控,達到學校對教學質量的要求與標準;通過對落實教學質量要求和完善教學質量標準方面進行監控,達到提高教學質量的目的;通過對教學過程進行監控,提高教師在教學工作上的主觀能動性;通過對教學對象的監控,便于對學生進行分層教育、因材施教,提高學生學習的主動性與創造性;通過對教學全過程的監控,保證教學整體質量的螺旋式上升,實現職業教育的提質培優。良好的教學質量監控模型可以從教師和學生層面同時進行,既可以促進學生的個性化學習,又能推動教師教學方法的不斷改進與提升,教學質量監控模型構建如圖1所示。

圖1 教學質量監控模型

圖2 VR虛擬現實技術實驗室

從圖1中可以看出來,首先獲取來自教學全過程的底層數據;然后經過數據分析處理、數據存儲,最終形成教學質量監控的大數據中心;最后利用大數據技術進行綜合分析,實現數據價值的最大化,并將分析結果反饋給相關的教師和學生,從而推動教學質量智能監測評價體系的提高。

1.2 基于VR虛擬現實技術的沉浸式教學

將VR虛擬現實技術應用到課堂教學中,通過沉浸式教學,有效地將課程思政融入教學內容,注重培養學生專注耐心、精益求精、追求卓越的工匠精神,有效地提高了學生的創新思維能力、自主探究能力和問題解決能力[3]。同時,利用VR虛擬現實技術對高職學生的學習過程和結果進行評價,從而實現教學質量的全方位監控與評價,提高培養學生的質量[4]。

1.3 數據來源

教學質量監控需要的數據來源主要通過自動采集與手工采集兩種途徑來獲取,分為課前、課中、課后三個階段。

課前數據:主要從教學目標、教學設計、線上學習三個方面,分別獲取人才培養方案數據、課程標準數據、教學資源準備數據、教學過程設計數據、線上學習與答疑數據以及在線測試數據[5]。

課中數據:主要從課堂設計與學習表現兩個方面,分別獲取課堂教學設計、學生簽到、學生上課活動參與率、上課師生互動、課堂小測的成績等數據[6]。

課后數據:主要從評價與反饋、作業完成兩個方面,分別獲取教學效果問卷調查數據、課后線上測試反饋數據、三方課堂質量評價數據、課堂作業提交數據、課后拓展完成數據以及其他過程性評價數據[7]。

智能監測評價的數據來源如表1所示。

表1 智能監測評價的數據來源

1.4 教學質量的智能監測評價

根據教學質量監控模型獲取數據的來源,將教師的教學行為從課前、課中、課后三個環節進行監控與評價。課前環節,教師主要完成教學目標與教學設計、分發學習資料、收集學生問題;課中環節,教師進行課堂教學設計,并關注學生在課堂上的表現;課后環節,教師需要對學生的學習成果進行反饋、收集教學評價信息、批閱學生作業的完成情況。

我們設置課前環節為數據子集Da,課中環節為數據子集Db,課后環節為數據子集Dc。

課前,教學目標的匹配度為A1,教學設計的完成度為A2,學習預習數據為A3,其中每項又有自己的子因子復合而成。

課中,課堂設計數據為B1,學生表現數據為B2,其中每項又有自己的子因子復合而成。

課后,教學反饋數據為C1,教學評價數據為C2,作業完成數據為C3,其中每項又有自己的子因子復合而成。

同時,還需要設置相關的開關因子σn=0或1,當σn=0時,約束值為0,表示沒有此項數據;當σn=1時,則表示相應工作已經完成,數據正常[8]。

由此可得教學質量監控公式為Y=∑Da+Db+Dc,其中,Da=σ1·A1+σ2·A2+σ3·A3,Db=σ4·B1+σ5·B2,Dc=σ6·C1+σ7·C2+σ8·C3。由此可得智能評價公式為:Y=∑σ1·A1+σ2·A2+σ3·A3+σ4·B1+σ5·B2+σ6·C1+σ7·C2+σ8·C3+…。

當然,這只是一個教學全過程的監控公式,還需要對教學過程進行相應的評價,如表2所示為學生對教學滿意度的評價表。

2 大數據與VR技術在教學質量監控中的應用

針對教學質量監控與評價機制中獲取的大量數據,引入大數據與VR技術,對教師教學情況與學生的學習情況進行綜合分析與評價。以煙臺職業學院智能課堂系統的實際運行情況為例,對2020級動漫設計專業的信息技術課程進行實況數據獲取與分析。學生活動參與情況如表3所示,課堂實況大數據分析如圖3所示。

圖3 課堂實況大數據分析圖

由表2與圖3可以看出來,根據學生活動參與以及積分獲取情況,利用大數據與VR技術對課堂實況進行大數據分析,可以對高職教學質量進行有效的智能監測與評價,從而提高高職院校教師的教學質量與學生的培養質量。

3 結束語

本文主要分析了高職院校中教學質量監控與評價機制中存在的問題,引入大數據與VR技術,對高職教學質量監控與評價機制進行了探索與研究。注重教學的完整性,構建了教學質量監控模型;注重教學過程性評價,利用大數據與VR技術,有效推動了教學質量監控與評價體系的客觀性與公正性,提高信息化診斷能力。