基于數據和知識驅動的高校教學質量評價研究

關鍵詞：高校；教學質量評價；數據驅動；知識驅動

2021年發布的《國務院關于印發“十四五”數字經濟發展規劃的通知》中指出，數字化轉型已經成為大勢所趨[1]。傳統的教育理念和方式在數字化背景下受到廣泛沖擊。線上與線下相結合的混合教學模式逐漸成為教學新常態。然而，在線教學規模的擴大引起的教學過程單向傳輸、線上與線下教學評價孤立等教學質量問題受到了社會和教育界的廣泛關注。進入智能信息化時代后，以大數據、人工智能、虛擬現實等信息技術推動了教育智能化變革。在新技術、新理念的支持下探索數據和知識驅動的教學質量評價方法可以為教育信息化背景下個性化教育提供理論和實踐支持。而如何基于教學過程中產生的多模態數據，設計智能化的教學質量伴隨式評估與動態監測是實現上述教學質量評價方法的關鍵。本文旨在基于人工智能技術探索數據和知識驅動的教學質量評價表征方法為智能化教學提供決策與實踐參考。

1 高校教學質量評價方法研究現狀

教學質量評價是用來衡量教學過程中各個環節及教學效果是否達到質量要求，即利用教育評價理論和技術對教學效果進行價值判斷[2]。按照教學實施的方式高校教學質量評價形式大致可以分為三類：線下教學質量評價、線上教學質量評價和混合式教學質量評價。

1.1 線下教學質量評價

線下教學質量評價是高校教學質量評價領域研究最為廣泛的一個分支。許多學者針對線下教學的特點探索了一系列的評價體系。馬力等人從優化教學過程的角度提出了高校教學質量評價指標體系與方法[3]；江波等人針對評價主體、數據處理和評價指標等教學質量評價指標體系三要素開展了研究，提出了建立教學質量評價指標系統的思路[4]；徐薇薇等人從教學質量評價指標體系的整體性、直觀性、導向性出發，基于層次分析法確定了教學質量評價指標體系中各指標的權重[5]；葛繼科等人利用RReliefF算法在非線性系統特征選擇上的優勢構建了教學質量評價指標體系精簡化模型[6]。針對線下教學質量評價問題，現有文獻多是針對評價指標體系構建，缺少對教與學過程中數據采集與分析的研究，忽略了教學過程是一種動態活動，而對應的教學質量也需要動態監測。

1.2 線上教學質量評價

線上教學是隨著計算機網絡技術的發展而興起的。哥倫比亞大學、芝加哥大學開設的網上大學是在線網絡教學的雛形[7]。但由于網上大學的教學過程仍然屬于單向傳輸，并沒有從本質上突破傳統教學模式，因此，線上教學發展初期并沒有與之相匹配的教學質量評價體系。隨著大規模在線開放課程（MassiveOpen Online Course） 和小規模私有性在線課程（SmallPrivate Online Course） 的興起與成熟，諸多學者針對如何評價線上教學質量開展了廣泛研究。李爽等人從在線教學教師角色、教學思維、教學主體構成、教學重心等方面分析了在線教學質量特征，提出了在線教學質量評價框架與指標構想[8]；王睿等人圍繞教學過程、評價體系、質量保障等3個方面，構建了以學生為中心，以課程為主體的在線教學質量評價體系[9]；盧春麗應用大數據技術針對當前高校在線教學質量評價體系在理念、體系、方法、制度、操作和內容方面存在的不足提出了有針對性的改進建議[10]。

1.3 混合式教學質量評價

混合式教學目前還沒有一個準確的定義，是一個比較寬泛的概念，通常泛指在線教學與線下面授相結合的教學方式。在“互聯網+”的背景下，線上線下相結合的教學模式是“三教改革”的重要實踐領域，因此，混合式教學質量評價也是當下學者的研究熱點。許多學者針對混合教學的特點探索了一系列的評價體系。李月峰[11]等人從課前、課中、課后3個階段，提出了多維度層次下的混合教學質量評價體系；李東兵[12]等人從5個維度（同行、學生、系統、督導、教師）提出了線上、線下混合教學質量評價指標體系。

2 基于數據和知識驅動的教學質量評價實踐基礎

2.1 大數據分析技術

目前高校在日常運行過程中的各種活動均會產生海量的數據，如學生管理、督導評價、課堂教學（線上、線下）等。這些數據不僅蘊含著學生個人信息、學習情況等內容，而且還能夠反映教師的教學過程、教學效果、教學管理、學生組織等環節的情況[13]。教學質量評價不僅涉及教學方法、教學內容、教學管理、教學環境、教學組織等宏觀層面的內容，還涵蓋學生學情、教師發展等個性評價。在傳統的高校教育體系中，教學質量評價以主觀評價和經驗評價為主，側重宏觀評價，而在大數據時代，基于高校教育活動產生的海量數據，使得數據與師生之間產生緊密聯系，能夠精準地反映各種教育特征，教育大數據則是教學質量評價的主要依據。而利用大數據分析技術可以從多種維度細化評價指標，并根據不同的個體特征形成“教師畫像”和“學生畫像”，從而實現更加準確的有針對性的教學質量評價。大數據分析技術為教學質量評價提供了精準的切入點，可以為有效提高高校教育質量提供技術支撐。

2.2 知識驅動的人工智能技術

從技術的角度看，大數據和人工智能是兩種獨立的技術?；诖髷祿治黾夹g的教學質量評價是以統計學為基礎，其核心是從海量教育數據中挖掘出有價值的能夠反映教育特征的數據，而人工智能技術引入教學質量評價的目的是提升教學智能化水平。從數據的形式上看，各種教學活動產生的數據既有結構化數據，又有非結構化的視頻、音頻等?；诮y計學的大數據分析技術是以結構化數據為主，而基于機器學習的人工智能技術不限制數據的模態。探索大數據技術與人工智能技術相結合的教學質量評價已成為新的研究趨勢。然而，上述兩種技術的教學質量評價指標仍然是人工定義的，嚴重依賴設計者的領域知識，隱含在教學數據中的其他教育特征尚不能充分挖掘。知識驅動的人工智能技術是結合了專家領域知識與機器學習能力數據驅動，充分發揮領域專家與機器學習各自在教學質量評價方面的優勢，助力精準教學。

3 基于數據和知識驅動的教學質量評價體系構建

3.1 學科知識圖譜構建

構建學科知識圖譜的目的是梳理和展示知識內容、教學資源。學科知識圖譜可以從學科的整體角度出發，描述知識點之間的聯系，并通過可視化技術以“知識地圖”的形式直觀呈現整個學科的知識結構，從而使得學生可以通過知識圖譜掌握自己的學習過程和完成程度，然后課程學習平臺能夠基于學科知識圖譜根據學生的學習效果進行個性化學習資源推送和學習路徑規劃。學科知識圖譜是知識驅動的高校教學質量評價的基礎。接下來以學科知識圖譜應用到HTML5+CSS3 Web前端開發課程中為例來介紹學科知識圖譜構建的流程。

3.1.1 知識抽取，關系挖掘

知識抽取旨在把蘊含于數據源中的知識經過識別、理解、篩選、歸納等過程抽取出來，形成知識庫。HTML5+CSS3 Web前端開發課程知識圖譜的數據來源主要有對應課程教材、HTML5參考手冊、CSS3參考手冊等電子資源。最終通過知識抽取，學科知識圖譜將教學內容分拆成一個個相互關聯的知識點，圖1和圖2分別給出了HTML5+CSS3 Web前端開發課程知識圖譜的局部樹形和網狀結構。學科知識圖譜中的關系用于描述知識點間的關聯特性。HTML5+CSS3Web前端開發課程知識圖譜的關系主要包含3個：前置、后置和關聯。

3.1.2 多模態資源關聯

教學資源包含文本、圖像、視頻多種。多模態教學資源可以學科知識圖譜架構為基礎，形成復雜的網狀結構。然后基于大數據技術、人工智能技術等信息技術手段形成多方協同的教學環境。圖3給出了基于HTML5+CSS3 Web前端開發課程知識圖譜的多模態資源關聯圖。

3.2 人機協同智能化教學質量評價指標構建

不同的在線教學平臺、教學環境，教學質量的可觀測質量評價指標、表征變量均會存在差異。很難提出一種能夠適應所有場景的教學質量評價指標。因此，本文提出了一種人機協同智能化教學質量評價指標構建框架。

如圖4所示，人機協同智能化教學質量評價指標構建框架主要由三部分組成：數據采集與處理、指標篩選模型、指標體系構建。

4 基于數據和知識驅動的教學質量評價的實踐應用

本文以湖州職業技術學院超星平臺上的課程為例介紹基于知識圖譜的教學質量評價在個性化學習推薦中的實踐應用。

完成學科知識圖譜構建，將相關學習資源與知識圖譜中的知識點相關聯后。如圖5所示，學生就可以查看相關知識點掌握情況，然后有針對性地推薦學習資料和相關任務點，從而實現個性化的學習推薦。

5 結束語

數據和知識驅動的教學質量評價是當前的研究熱點，可以有效解決因在線教學規模的擴大引起的教學過程單向傳輸、線上與線下教學評價孤立等教學質量問題。本文基于學科知識圖譜和人機協同智能化提出的基于數據和知識驅動的高校教學質量評價框架可以為數字化背景下教學質量評價提供實踐參考。