基于大數據的高職學校教學質量監測研究

摘要：大數據技術為高職學校教學質量監測提供數據挖掘、可視化分析、智能決策等價值，是高職教育教學改革與質量提升的重要支撐。本文通過分析新時代高職學校教學質量監控現狀，提出基于大數據開展高職教學質量監測的現實意義，探究基于大數據的教學質量監測實踐，旨在提升高職教學質量監測水平，助力實現職業教育內涵式發展。

關鍵詞：大數據；高職學校；教學質量；教學質量監測

引言

教育部在《教育信息化2.0行動計劃》中明確提出，要完善教育管理信息化頂層設計，全面提升利用大數據支撐保障教育管理、決策和公共服務能力[1]。2023年，《數字中國建設整體布局規劃》進一步強調，要推動數字技術在教育等重點領域的融合發展，盡快完成數字技術的創新應用工作[2]。數據為教育賦能已逐漸受到教育領域的廣泛關注。借助大數據、“互聯網+”等先進技術手段，對教育大數據進行全程監控、持續收集、數據挖掘、深入分析，將為教學管理、學生管理、評價診斷、教育決策等方面帶來諸多便利。開展基于大數據的教學質量監測與評估，對于全面提升職業教育人才培養質量，推動教育管理現代化具有深遠的現實意義。

1. 教學質量監測現狀

1.1 教學評價合理性不足，制約教學質量評價客觀性

當前教育教學過程中仍存在以下問題：（1）評價指標過于單一，主要集中在顯性的教學成績上，忽視了學生的綜合素質評價、教師教學方法和學校管理等，導致評價結果無法全面反映教育教學的真實狀況。（2）評價指標片面，高職學校常見課程類型有理論課、理實一體課、體育課、思政課等，未針對不同課程類型設置相應的評價體系，導致同一種評價體系應用于所有課程類型，評價指標缺乏動態生成。（3）高職學校的教學評價體系尚未適應教育信息化進程發展趨勢，仍采用通用的評價指標體系，未能構建符合自身發展需求的評價體系。

1.2 監測平臺智慧化不足，制約教學質量診斷的精確性

隨著教育信息化的發展，教學診斷在提高教學質量、促進教育改革方面發揮著重要作用。當前教學診斷過程中監測平臺存在以下問題：（1）數據采集與分析能力不足。現有的監測平臺數據采集不全面、不連續，導致教學診斷的結果失去了客觀性和科學性，影響診斷的準確性。（2）智能化算法與應用不夠成熟。教學診斷需要對大量數據進行深入挖掘和分析，以找出影響教學質量的關鍵因素，而當前監測平臺所采用的智能化算法在處理復雜教育問題時存在局限性，難以滿足教學診斷的多元化需求。（3）監測數據融通不夠。數據“孤島”現象仍然存在，尚未形成數據融合，阻礙了數據價值的最大化發揮，還可能造成數據資源的浪費。

1.3 教學決策科學性不足，制約教學質量提升的有效性

傳統教學決策過程存在諸多問題：（1）決策過于依賴經驗。由于教師個體差異，難以實現客觀、全面的決策。（2）決策主體主觀化現象嚴重。教師作為教學決策的主體，在教學過程中由于數據獲取的限制和教師時間、精力的有限，難以在有效的時間內采集到全面、連續的數據，無法精準了解學生的個體情況，因材施教和個性化決策受到制約。（3）決策過程缺乏數據統計分析。學生學習情況、學習風格、學習行為等數據統計與分析的缺失，將影響教師對學生學習結果的直觀評估，不利于教學決策的及時調整[3]。這些問題直接影響教學質量的有效性，導致教學質量監控工作低效。

2. 開展基于大數據的教學質量監測的實踐探索

2.1 構建教學質量監測指標體系

構建教學質量監測指標體系要圍繞學校管理質量、教師教學過程、學生學習過程、學業質量四個方面進行構建[4]，以推動學校“管”、教師“教”、學生“學”良性發展，為全面評估教學質量、制定教育決策提供有力支持。

2.1.1 學校管理質量

依據《江蘇省五年制高等職業教育辦學單位人才培養工作水平評估實施方案（試行）》[5]，圍繞提升教學質量總目標，經過討論，并結合專家函詢意見，梳理出對教學質量具有顯著影響的3個一級指標，分別為師資隊伍、教學條件、課程教學。師資隊伍包含師德師風、師資結構、專業成長、激勵機制，教學條件包含基礎條件、設施設備、投入保障，課程教學包含專業設置、培養方案、課程教材、教學實施、質量監控。

2.1.2 教師教學過程

教學評價采用問卷形式，根據各類課程的教學特征分為四類問卷，包括理論課、理論－實踐課、體育課、思政課，針對四類問卷設計多維度評價指標。以學生評教為例，評價維度分為三個維度，包括評課（課程內容評價）、評教（教師教學評價）、評學（學習成果評價）。為確保問卷設計的科學性，開展了問卷信度和效度分析，利用SAS工具進行相關分析。Alpha信度系數顯示，理論課、理論－實踐課、體育課、思政課四類課程類型各維度的α可靠性系數均大于0.8，說明構建的評價體系具有較高的可信度；進行KMO因子分析和巴特利球形檢驗，四種課型KMO值均大于0.9，巴特利特球形度檢驗顯著性值小于0.01，說明變量間的相關程度無太大差異，數據適合做因子分析，表明構建的課程教學過程性評價體系具有良好的效度。

2.1.3 學生學習過程

學生學習過程監測指標初期建設存在一定的局限性，指標體系主要集中在學習目標、學習表現、學風、學習效果以及思想品德等方面，一定程度體現了對學生學習行為的監測需求，但全面性和深入性仍有不足。依據專家指導意見，為全面貫徹黨的教育方針，落實立德樹人根本任務，推動學生全面發展，對學生學習過程進行德、智、體、美、勞五個維度的拓展，構建學生綜合素質評價指標。

2.1.4 學生學業質量

學業質量指標的構建最初僅以考試質量特性的數據，如學科考試成績和試卷答題情況作為統計分析常態指標。根據專家觀點，僅以學科考試成績和試卷答題情況作為學業質量的衡量標準，無法充分體現新時代職業教育的特點。職業學校的學業質量應涵蓋學生知識獲取、技能習得，以及職業素養和職業理想的培養與內化。經修改，主要選取學生學習質量（包括學科成績、畢業論文設計、崗位實習成績等）、技能水平、就業質量作為監測指標。就業質量是入職后學業質量的外現，也是學生職業階段學習質量在社會實踐中的檢驗及體現，通過對就業質量的監測，有助于實現職業教育教學質量的監控與優化，培養出更符合社會需求的高素質技術技能人才。

2.2 建立基于大數據的教學質量監測平臺

教學質量監測平臺的構建策略遵循“技術引領平臺功能、平臺保障監控執行、監控推動質量提升”的原則，結合教師教學過程評估、學生學習過程評價、學生學業質量評估、學校管理效能的綜合需求，確立科學的質量監控路徑。為滿足監測需求，教學質量監測平臺支持多種類型的數據采集，同時具備存儲大量多樣數據的能力。平臺基于模塊化設計理念進行構建，在整體架構上實施分層架構策略。整個系統采用JAVA和Mysql技術構建三級架構，從頂層到底層分別是表示層（UI）、業務邏輯層（BLL）、數據訪問層（DAL）。表示層為用戶提供一個交互式的操作界面，職責是接收用戶輸入的數據信息，并顯示系統處理的數據信息；業務邏輯層的任務是執行所有業務相關操作，主要處理來自表示層的請求，并向數據訪問層發出數據庫操作的指令，確保業務流程的順暢進行；數據訪問層為表示層和業務邏輯層提供數據服務和數據支持。

2.3 構建基于大數據的教學質量監測運行流程

2.3.1 基于大數據技術，實現數據精準采集

高職學校在學校管理、教師教學、學生學習、人才培養質量過程中，勢必會產生大量的數據信息。傳統的數據采集方式依賴于人工操作，耗時耗力且準確性難以保證，學生和教師的數據獲取呈現明顯的碎片化特征，難以為教學質量監測提供可靠的依據。大數據技術為教育教學提供了全新的視角和解決方案，使數據獲取變得更加精準與連續，通過智能設備、網絡平臺等手段，可以實時采集各項教學基礎數據，如學生的出勤情況、學習進度、答題正確率、課堂互動、作業完成等，教師的教學態度、授課進度、教學時間分配、教學內容、教學資源、提問等。這些數據可以實時傳輸至云端，便于教師和學生隨時查看和分析，有助于學校精準掌握教學過程，基于海量數據開展教學評價與分析。

人工智能和大數據技術的快速發展，極大地豐富了教學質量監控數據，如通過結合圖像識別技術，分析學生在課堂上的表情與動作，收集學生抬頭率、互動頻次等聽課積極性數據。為保障數據質量和數量，在數據采集過程中，學校需要樹立大數據意識，加強基礎設施建設，提升教師和學生的數據素養，為教學質量監控提供有力支持。

2.3.2 基于大數據技術，實現深度教學分析

在數據采集基礎上，運用數據挖掘等技術與方法，對大量數據進行深度分析和處理，實現數據的分類、聚類、預測等，探究學生學習狀況、教師教學、學校教育管理等，挖掘教學規律，為教學質量監控提供堅實依據。大數據時代，新型“智慧教學平臺+智慧學習終端+學生”的教學模式與傳統“學校+教師+實體教室”教學模式相比，具有顯著優勢。新模式有助于開展基于全過程學習的數據分析，課前基于預習情況統計分析和檢測，深化學情分析，優化教學設計；課中進行即時學習數據分析和反饋，調整教學進程；課后通過作業統計分析，實現針對性輔導。

利用大數據技術進行深度教學分析，能夠精準把握學生的學習需求，找出學生學習中的規律和問題，為教師的教學提供幫助。根據數據分析與挖掘結果，教師根據學生的個體差異制定個性化的教學方案，以滿足學生的不同需求。例如，通過分析學生的學習進度，發現學生的學習滯后或超前現象，及時調整教學策略；通過分析學生的學習時長和頻率，了解學生的學習積極性，對學習動力不足的學生進行針對性引導。此外，基于大數據技術的教學評價，可以實現對學生學習過程和教師教學過程的全面監測，教育管理者可以依托教學評價和數據分析展開深度剖析工作，提高教學干預的針對性。

2.3.3 基于大數據技術，實現科學教育診斷

教育診斷是對教育教學過程及結果進行系統、全面、深入地分析和評價，旨在發現問題、優化策略、提升質量。運用大數據技術進行科學教育診斷，有助于更加深入地了解教育教學實際情況，為教育改革和發展提供有力支持。基于大數據分析技術，可以實現不同角度的教育診斷，采取縱橫向對比和多因素協同對比的手段，精準判斷教育教學現狀與問題，掌握問題產生的原因。

一是診斷學生學習過程，通過分析學生綜合評價過程性數據，深入了解學生的學習行為、學習進度、學習困難及興趣愛好等，形成學生綜合素質診斷分析報告，為學生指明努力方向，并及時提供適合其最近發展區的學習服務。二是評估教師教學過程，基于教師授課數據分析及學生學習成效數據分析展開課程診斷，診斷教學目標是否達成，甄別教學流程中值得肯定和需要改進的方面。利用平臺開展課程教學整改，通過大數據分析，對比不同教師在教授同一門課程時學生的學習成效，形成數字評估機制。三是優化教育資源配置，通過對歷年學生需求和教育資源使用情況的分析，發現教育資源建設中存在的問題，通過合理配置教育資源、優化課程設置等，推動教育公平發展。四是提升學校教學管理質量，通過對教學質量的實時監控，智能識別教學目標管理、任務管理、過程管理方面的短板，實現持續優化[6]。

2.3.4 基于大數據技術，實現動態決策管理

數據分析和問題診斷的核心目的在于優化調整。達成目標的關鍵策略是利用大數據技術使教學管理決策更具動態性。通過數據的深入分析和問題的精確識別，全面、準確地把握教學過程的基本規律和特征，并針對發現的問題及原因分析，進行靈活的決策管理。首先聚焦診斷現存問題，綜合評估和預測教師教學能力、課堂教學方案和學生個體狀況，關注教育教學的全過程，全面把握教學發展需求，從宏觀到微觀，實現教育資源、教學方法、授課計劃、學生發展等方面的全局優化。其次，結合數據實時更新情況，實施動態管理。大數據技術能夠呈現并實時分析教學活動調整后的最新數據，進行靈活、動態管理，確保科學性和有效性。最后，大數據技術可實現實時反饋，為教育管理、教學實施以及學生成長提供智能動態的評估與決策參考。

結語

在大數據技術深度應用的時代背景下，強化教學質量監控既是高職學校自我診斷分析、個性化發展的必然選擇，更是大數據時代賦予學校的新使命。高職學校應以數據驅動為核心指導原則，以數據應用為根本，建立健全教學域數據生態系統，完善多維度觀測體系，利用大數據技術數據采集、教學分析、教育診斷、決策管理等功能，構建常態化評估機制，形成保障教學質量的管理閉環，助力實現職業教育內涵式發展。

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（教技〔2018〕6號）[A/OL].（2018-04-18）[2024-03-05].http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[2]渠晨曦.大數據賦能高校治理的機理與實踐路徑研究[D].徐州：中國礦業大學，2023.

[3]王英彥，楊剛，曾瑞.教育大數據背景下高職教學質量提升策略[J].中國職業技術教育，2020（14）：61-66.

[4]劉丹.基于大數據的教學質量監測與評估方法研究[D].貴陽：貴州師范大學，2020.

[5]省教育廳關于印發《江蘇省五年制高等職業教育辦學單位人才培養工作水平評估實施方案（試行）》的通知（蘇教職〔2021〕8號）[A/OL].（2021-08-09）[2024-03-05].http：//jyt.jiangsu.gov.cn/art/2021/8/10/art_58320_9978635.html.

[6]張明，張一春.基于大數據技術構建高職院校教學質量監控體系的研究[J].中國職業技術教育，2021（35）：19-23.

作者簡介：惲菲，博士研究生，副教授，研究方向：藥學及職業教育；通信作者：丁玨，本科，副教授，研究方向：計算機教學；徐偉剛，本科，副教授，研究方向：化學教育、學校管理。

基金項目：江蘇省教育科學規劃課題——基于大數據的高職校教學質量監測與評估研究（編號：C-c/2021/03/40）。