仇德成 仇思宇 趙國營

摘? 要： 針對傳統(tǒng)教學質(zhì)量評價存在的數(shù)據(jù)分散、不完整，數(shù)據(jù)分析能力低，評價結(jié)果反饋不及時等問題，闡述了基于教育大數(shù)據(jù)的教學質(zhì)量評價的優(yōu)勢，探討了將大數(shù)據(jù)分析技術(shù)、數(shù)據(jù)挖掘技術(shù)應(yīng)用于高校教學質(zhì)量評價中，從數(shù)據(jù)的采集到數(shù)據(jù)的轉(zhuǎn)換，數(shù)據(jù)的挖掘與分析，結(jié)果的反饋到應(yīng)用，目的是立足高校教學管理工作實際，為教學管理決策提供參考。

關(guān)鍵詞： 大數(shù)據(jù); 教學質(zhì)量評價; 數(shù)據(jù)挖掘; 數(shù)據(jù)分析; 關(guān)聯(lián)規(guī)則

中圖分類號：G434? ? ? ? ? 文獻標志碼：A? ? ?文章編號：1006-8228（2019）02-26-04

Application of big data analysis in teaching quality evaluation

Qiu Decheng1， Qiu Siyu2， Zhao Guoying3

（1. School of Information Technology & Media and Communication， Hexi University， Zhangye， Gansu 734000， China; 2 School of Computer Science &Technology， Nanjing Normal University; 3. PLA 153Hospital）

Abstract： For the problems of traditional teaching quality evaluation， such as data dispersion， incomplete， low data analysis ability and feedback of evaluation results is not timely， the advantages of teaching evaluation based on educational big data are expounded. The application of data mining and big data analysis technology in the evaluation of teaching quality in colleges and universities is discussed from data collection to data conversion， data mining and analysis， results feedback and results application. The purpose is to provide a reference for teaching management decision-making according to the reality of teaching management in colleges and universities.

Key words： big data; teaching quality evaluation; data mining; data analysis; association rules

0 引言

隨著大數(shù)據(jù)時代的來臨，大數(shù)據(jù)分析技術(shù)飛速發(fā)展和廣泛應(yīng)用，教育大數(shù)據(jù)也越來越受到廣泛關(guān)注，正在成為推動教育創(chuàng)新與變革的關(guān)鍵力量。教育大數(shù)據(jù)并不僅僅指數(shù)據(jù)量大，更是指要從紛繁復(fù)雜的教育數(shù)據(jù)中發(fā)現(xiàn)關(guān)聯(lián)的關(guān)系、診斷存在的問題、預(yù)測發(fā)展的趨勢，從而發(fā)揮教育大數(shù)據(jù)在提升教育質(zhì)量、促進教育公平、實現(xiàn)個性學習、優(yōu)化資源配置、輔助教育科學決策等方面的重要作用[1]。

高校教學質(zhì)量評價是推動高校教育發(fā)展的重要舉措，影響高校教學質(zhì)量的因素很多，教學質(zhì)量評估難度較大。傳統(tǒng)教學評價主要根據(jù)學生對教師的評教數(shù)據(jù)進行，這種方法數(shù)據(jù)來源單一，不能全面、客觀、公正地評價教學效果。大數(shù)據(jù)分析是當前的研究熱點，本文利用其相關(guān)算法來發(fā)現(xiàn)數(shù)據(jù)之間有意義的關(guān)聯(lián)關(guān)系，希望能為教學管理決策提供參考。

1 國內(nèi)外高校教學質(zhì)量評價現(xiàn)狀

保證和提高教學質(zhì)量，事關(guān)高校的生存與發(fā)展，文獻[2]總結(jié)出教學評價的七個理由，其主要目的是評價教學效果、提高課程和教學質(zhì)量。為此很多國家都建立了高等教育質(zhì)量保障和監(jiān)督管理機構(gòu)，如美國的高等教育鑒定委員會、英國的高等教育質(zhì)量保障署、日本的國家學位研究所等[3]。我國對普通高校的本科教學質(zhì)量評估始于1994年，教育部2002年發(fā)布了《普通高等學校本科教學工作水平評估方案》，正式建立起我國高校教學質(zhì)量評估制度。

目前，學生評教、教師自評，以及督導(dǎo)、同行、管理者評價等方式是高校主要的教學評價方式，側(cè)重的是學生、督導(dǎo)、同行評價。學生評教是目前很多國內(nèi)高校普遍采用的一種方式，學校給出一定的評價指標，學生依據(jù)該指標對任課教師做出評價。因為計算機網(wǎng)絡(luò)的普及，近年來學生評教在高校全面展開。但廣大高校教師對學生評教一直存在爭議，爭議的焦點是學生能否公平、公正地評價教師的教學能力，因為有太多的因素影響學生評教的結(jié)果。

教學督導(dǎo)評價則是各個高校普遍采用的另一種評價方式，院系兩級教學督導(dǎo)一般都是一線資深教師，他們教學經(jīng)驗豐富，在所有評價中被認為是比較客觀公正的。但督導(dǎo)的教學評價往往基于對教師的一兩次聽課，每位督導(dǎo)學科背景和對評價指標的把握各不相同，由此也可能會產(chǎn)生評價的偏差。表1列出了幾種評價方式的優(yōu)缺點。

2 教學質(zhì)量評價指標體系的建立

教學評價指標須客觀準確地反映教學的基本情況，如態(tài)度是否端正、內(nèi)容是否熟悉、語言是否生動、氣氛是否活躍、目標是否實現(xiàn)等，且評價指標要實用、科學、完整、易操作，因此，教學評價應(yīng)以學生參與度、認可度、滿意度以及實施效果為核心構(gòu)建評價指標體系。河西學院課程評價指標包括一級指標（綜合指標） 、二級指標（明細指標），具體見表2。

3 大數(shù)據(jù)分析關(guān)鍵技術(shù)

3.1 教育大數(shù)據(jù)與教育數(shù)據(jù)挖掘

MOOC平臺及學校的各類信息管理系統(tǒng)積累了大量與教學相關(guān)的數(shù)據(jù)，這些數(shù)據(jù)也符合大數(shù)據(jù)的“4V”特征，即數(shù)據(jù)量巨大（Volume）、數(shù)據(jù)結(jié)構(gòu)復(fù)雜（Variety）、數(shù)據(jù)價值密度低（Value）、數(shù)據(jù)需實時處理（Velocity），可稱之為教育大數(shù)據(jù)。對教育大數(shù)據(jù)，有狹義和廣義兩種理解：狹義的教育大數(shù)據(jù)指學習者行為數(shù)據(jù)，主要來自于MOOC平臺、管理系統(tǒng)等;廣義的教育大數(shù)據(jù)指來源于日常教育活動中人類所有的行為數(shù)據(jù)[4，5]。這就決定了教育大數(shù)據(jù)分析技術(shù)是復(fù)雜多樣的，涉及內(nèi)容分析、行為分析、系統(tǒng)建模等，包括關(guān)聯(lián)規(guī)則挖掘、分類、聚類、序列分析、機器學習、知識發(fā)現(xiàn)等一系列數(shù)據(jù)挖掘算法。教育數(shù)據(jù)挖掘會議（EDM2008）提出：“教育數(shù)據(jù)挖掘是一個將來自各種教育系統(tǒng)的原始數(shù)據(jù)轉(zhuǎn)換為有用信息的過程，這些有用信息可為教師、學生、家長、教育研究人員以及教育軟件系統(tǒng)開發(fā)人員所利用”[6-7]。也就是從龐大的數(shù)據(jù)中，篩選出隱含的、可信的、新穎的、有效的信息的高級處理過程。數(shù)據(jù)挖掘技術(shù)可以把數(shù)據(jù)、經(jīng)驗和知識作歸納、總結(jié)、補充、更新和完善，建立方便、易于操作、穩(wěn)定可靠的輔助決策支持系統(tǒng)[8-9]。利用現(xiàn)有的大量數(shù)據(jù)，應(yīng)用合適的數(shù)據(jù)挖掘技術(shù)，對影響教學質(zhì)量的因素做分析，找出影響教學質(zhì)量的主要原因。

3.2 數(shù)據(jù)挖掘的過程

數(shù)據(jù)挖掘的流程如圖1，具體需要經(jīng)過以下步驟[7]：

⑴ 數(shù)據(jù)采集與篩選：目的是采集和選取有用的數(shù)據(jù)。在此過程中，需要利用數(shù)據(jù)庫相關(guān)操作進行處理。

⑵ 數(shù)據(jù)預(yù)處理與變換：對前面篩選出的數(shù)據(jù)進行處理，檢查數(shù)據(jù)的完整性、一致性，通過選擇、投影或其他操作濾除與數(shù)據(jù)挖掘無關(guān)的數(shù)據(jù)。

⑶ 數(shù)據(jù)挖掘：這是整個過程中較為重要的一個步驟。首先需要確定數(shù)據(jù)挖掘目標并根據(jù)確定的任務(wù)選擇相應(yīng)的算法，如分類、聚類、關(guān)聯(lián)規(guī)則等，包括選取合適的模型和參數(shù)，從海量數(shù)據(jù)中發(fā)現(xiàn)有用的規(guī)律。

⑷ 模式解釋/知識評價：對發(fā)現(xiàn)的模式（知識）進行解釋和評價。需要說明的是，經(jīng)過評估后，可能存在冗余或無關(guān)的模式，應(yīng)該舍棄。如果不能滿足要求，還需要返回到前面的某些步驟中進行反復(fù)提取，整個過程并不是簡單的單向推進的過程，而是一個數(shù)據(jù)反復(fù)交互的過程，最后結(jié)果以可視化的方式呈現(xiàn)出來。

4 數(shù)據(jù)挖掘在教學評價中的應(yīng)用

4.1 數(shù)據(jù)準備與預(yù)處理

基于河西學院2016-2017學年第一學期教學督導(dǎo)評價數(shù)據(jù)，對信息技術(shù)與傳媒學院的41位專業(yè)教師信息進行關(guān)聯(lián)規(guī)則分析。目的是挖掘?qū)I(yè)教師自身因素與督導(dǎo)的評價數(shù)據(jù)的關(guān)聯(lián)關(guān)系，以教師的“學歷”、“教齡”、“職稱”等信息與督導(dǎo)評教數(shù)據(jù)為依據(jù)進行數(shù)據(jù)挖掘，利用關(guān)聯(lián)規(guī)則算法挖掘出隱含的、有用的關(guān)系。

預(yù)處理過程中，需要將有些數(shù)據(jù)，例如“教齡”離散化;還要將需要的字段與評定分數(shù)轉(zhuǎn)換為便于處理的A→B形式;最后利用關(guān)聯(lián)規(guī)則挖掘算法進行計算處理。根據(jù)具體情況假設(shè)最小支持度和最小可信度，計算出每個關(guān)聯(lián)規(guī)則的支持度和置信度，最后篩選出滿足條件的關(guān)聯(lián)規(guī)則。

4.2 關(guān)聯(lián)規(guī)則挖掘結(jié)果分析與反饋

根據(jù)數(shù)據(jù)庫提供的教師信息和督導(dǎo)教學質(zhì)量評價的數(shù)據(jù)，將教齡劃分為[10-25]，[<10]，[>25]三個區(qū)間，評教得分劃分為[100-90]，[89-80]，[79-70]，[69-60]四個區(qū)間，用Apriori算法進行數(shù)據(jù)處理，得出數(shù)據(jù)之間的聯(lián)系，假設(shè)最小支持度的值為0.1，就可以得到頻繁項集的支持度和置信度。計算結(jié)果如表3。

由表3可知，教齡在10-25年的教師，評價等級為“良”，得出的置信度較高。由此可見，10-25年教齡的教師具有豐富的教學經(jīng)驗，教學效果優(yōu)良，督導(dǎo)的認可度較高。教齡對教學效果的影響顯而易見，中年教師教學質(zhì)量優(yōu)良，是教學的中堅力量，則更應(yīng)該重視對青年教師的培養(yǎng)。

由表4可知，教師學歷與評教也是高度相關(guān)的，高學歷教師教學質(zhì)量評價得分較高，因目前學院沒有博士，學歷為碩士置信度高。這就需要學校加大人才引進力度，但如果出現(xiàn)本科學歷的支持度很高，則可能是本科學歷的教師占比較大，學校應(yīng)該采取措施督促教師提高學歷。

由表5可知，教師職稱與評教也是高度相關(guān)的，職稱為副教授置信度較高，學院目前教授數(shù)量較少，副教授職稱的教師教學質(zhì)量評價優(yōu)良，故應(yīng)該鼓勵教師不斷努力晉升職稱。

5 結(jié)束語

高校教學質(zhì)量評價是一項復(fù)雜的工作，要做好這項工作，必須依靠真實可靠的數(shù)據(jù)。評教數(shù)據(jù)因涉及教師的隱私，學生評教數(shù)據(jù)未獲得使用授權(quán)，故只能對教學督導(dǎo)的評教數(shù)據(jù)進行分析，還需學校建立教學數(shù)據(jù)庫資源的共享和開放利用機制。寄望倡導(dǎo)“用數(shù)據(jù)說話”的工作思維和工作理念，從而形成客觀全面、更具說服力的教學質(zhì)量評價結(jié)果。在大數(shù)據(jù)背景下，今后應(yīng)充分利用大數(shù)據(jù)分析技術(shù)，推動教學督導(dǎo)“與時俱進”適應(yīng)信息時代新形勢，這對提高教學督導(dǎo)工作的前瞻性、科學性和推動督導(dǎo)大數(shù)據(jù)平臺建設(shè)，以及對教學管理者提供決策支持都具有重要意義。

參考文獻（References）：

[1] 鄭慶華，運用教學大數(shù)據(jù)分析技術(shù)提高課堂教學質(zhì)量[J].中國大學教育，2017.2：15-18

[2] O'Neil.M，Pennington. G. Evaluating Teaching Coursesfrom an Active Learning Perspectives Module 12 of the Effective Learning and Teaching in Higher Education Series. CVCP Universities' Staff Development and Training Unit （UK），1992.

[3] 張林英，高等教育教學質(zhì)量形成機理、有效教學評價及質(zhì)量管理體系構(gòu)建研究[D].南京理工大學，2008.

[4] 胡弼成，王祖霖.“大數(shù)據(jù)”對教育的作用、挑戰(zhàn)及教育變革趨勢——大數(shù)據(jù)時代教育變革的最新研究進展綜述[J].現(xiàn)代大學教育，2015.4：98-104

[5] 李馨，高等教育大數(shù)據(jù)分析：機遇與挑戰(zhàn)[J].開放教育研究，2016.22（4）：51-56

[6] 張子龍.基于數(shù)據(jù)挖掘技術(shù)高職高專教學質(zhì)量評價系統(tǒng)設(shè)計與實現(xiàn)[D].電子科技大學，2014.

[7] 魏順平.教育數(shù)據(jù)的挖掘、分析、應(yīng)用[J].信息技術(shù)教育，2013.10：18-21

[8] 孫小健，仇德成.基于數(shù)據(jù)倉庫的醫(yī)療保險決策支持系統(tǒng)設(shè)計與實現(xiàn)[J].甘肅科技，2007.23（3）：56-58

[9] 徐潔磐.數(shù)據(jù)倉庫與決策支持系統(tǒng)[M].科學出版社，2005.