大數(shù)據(jù)分析在高職教學(xué)質(zhì)量評估中的應(yīng)用

紀(jì)曉韻

摘? ?要：教學(xué)質(zhì)量評估是提高教育教學(xué)質(zhì)量的重要保證。學(xué)生評教是教學(xué)質(zhì)量評估的客觀評價，已被廣泛應(yīng)用于各大高校中，評教的結(jié)果通過大數(shù)據(jù)分析，可以為教學(xué)質(zhì)量評估提供依據(jù)，教學(xué)質(zhì)量評估是教學(xué)活動不可缺少的一個基本環(huán)節(jié)，它在教學(xué)過程中發(fā)揮著多方面作用，檢驗教學(xué)效果、診斷教學(xué)問題、提供反饋信息、引導(dǎo)教學(xué)方向、調(diào)控教學(xué)進(jìn)程等?，F(xiàn)用WEKA進(jìn)行數(shù)據(jù)分析，找到影響教學(xué)質(zhì)量評估的關(guān)鍵因素和隱含信息，以進(jìn)一步提高教學(xué)質(zhì)量。

關(guān)鍵詞：教學(xué)質(zhì)量? 學(xué)生評教? 大數(shù)據(jù)分析

中圖分類號：G434? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2019）05（a）-0205-04

近幾年來，我校通過學(xué)生評教方式在促進(jìn)教師提高教學(xué)質(zhì)量等方面取得了一些的成效。主要采用學(xué)生網(wǎng)上評教的方式，由學(xué)生結(jié)合任課教師的課堂教學(xué)情況，根據(jù)教學(xué)管理部門制定的相關(guān)評教項目進(jìn)行評價打分，最終統(tǒng)計出教師個人在某個學(xué)期教學(xué)質(zhì)量的學(xué)生評價得分。

為了深入挖掘和研究學(xué)生評教數(shù)據(jù)背后隱藏的有價值的信息和知識，本課題旨在借助數(shù)據(jù)挖掘技術(shù)，分析教師屬性如職稱、學(xué)歷、工齡、性別等以及教學(xué)基本素養(yǎng)、教學(xué)方法與手段、教學(xué)管理、現(xiàn)場講授等等教學(xué)因素與學(xué)生評教成績之間是否存在內(nèi)在聯(lián)系，或者哪些教學(xué)因素會直接影響學(xué)生的評教意向，從而為提高教學(xué)質(zhì)量提供決策支持。

1? 研究背景

教育部于2017年6月13日發(fā)布《關(guān)于全面推進(jìn)職業(yè)院校教學(xué)工作診斷與改進(jìn)制度建設(shè)的通知》。完善職業(yè)教育內(nèi)部質(zhì)量保證制度體系，建立常態(tài)化的職業(yè)院校自主保證人才培養(yǎng)質(zhì)量機(jī)制，教育部決定建立職業(yè)院校教學(xué)工作診斷與改進(jìn)制度，著力推動職業(yè)院校履行人才培養(yǎng)質(zhì)量主體責(zé)任，強(qiáng)化教育行政部門加強(qiáng)事中事后監(jiān)管、履行管理職責(zé)。正確認(rèn)識職業(yè)院校教學(xué)工作診斷與改進(jìn)制度，持續(xù)提高技術(shù)技能人才培養(yǎng)質(zhì)量具有重要意義。

教學(xué)質(zhì)量事關(guān)學(xué)校所培養(yǎng)出學(xué)生的質(zhì)量，抓好教學(xué)質(zhì)量是高校教學(xué)工作的首要任務(wù)。

因此國內(nèi)外大學(xué)都非常重視教學(xué)質(zhì)量監(jiān)督保障體系建設(shè)，其中主要運用一些教學(xué)質(zhì)量評價的手段和方法來加強(qiáng)對教師教學(xué)質(zhì)量的監(jiān)督。利用教學(xué)質(zhì)量評估的最初原始數(shù)據(jù)對教學(xué)課堂的教學(xué)評估的效率進(jìn)行比較和分析[1]。有學(xué)者通過對教育過程中的相關(guān)新知識進(jìn)行數(shù)據(jù)挖掘，方便教育部門對教學(xué)過程進(jìn)行管理，其數(shù)據(jù)來源于教育質(zhì)量評估的各部門。這些數(shù)據(jù)主要包括學(xué)生的問卷調(diào)查和教師教學(xué)記錄[2]。評教的數(shù)據(jù)是學(xué)生對教師教學(xué)質(zhì)量和水平的客觀評價，其結(jié)果被廣泛應(yīng)用于教師考核和教學(xué)質(zhì)量診斷與改進(jìn)。美國的高校管理機(jī)構(gòu)對教師的應(yīng)聘和升職都廣泛采納學(xué)生意見，參考學(xué)生評教的結(jié)果。

目前學(xué)生評教已在上海T學(xué)院使用多年，通過學(xué)生評教，教學(xué)管理部門把評教結(jié)果反饋給教師，對評價較差的教師要求認(rèn)真查找原因，改進(jìn)教學(xué)方法，不斷提高教學(xué)水平和能力。

2? 研究內(nèi)容

2.1 現(xiàn)有評教體系

以我校為例，我校近年來采用網(wǎng)上評教模式對教師教學(xué)質(zhì)量進(jìn)行客觀評估。馬秀麟等人通過對評教數(shù)據(jù)內(nèi)部一致性的檢驗、對同質(zhì)教學(xué)班的多輪評教數(shù)據(jù)進(jìn)行跟蹤分析和與督導(dǎo)數(shù)據(jù)的一致性分析[3]進(jìn)行驗證評教數(shù)據(jù)確實能客觀反應(yīng)教學(xué)質(zhì)量，并對評教數(shù)據(jù)進(jìn)行分析從而為教學(xué)部門提高教學(xué)水平提供依據(jù)。

為了確保評教結(jié)果的客觀公正，每學(xué)期我校進(jìn)行兩次評教活動，分別在開學(xué)第一個月和學(xué)期結(jié)束前三周，這樣有效避免了“高分互換”和“逆選擇”行為[4-5]，教學(xué)督導(dǎo)綜合兩次評教平均分發(fā)布評教結(jié)果至各二級學(xué)院。教學(xué)督導(dǎo)會將排名在后10%的教師進(jìn)行監(jiān)督改進(jìn)教學(xué)方法，促使這些教師盡快提高教學(xué)水平。

理論課評教問卷介紹如表1。

從表1可以看到理論課的評教信息來源于4大因素共16題，分別是：教學(xué)基本素養(yǎng)（25分）、教學(xué)方法與手段（32分）、教學(xué)管理（25分）和教學(xué)效果（18分）。

2.2 研究對象

本文以2017—2018學(xué)年我校第一學(xué)期第二次評教結(jié)果為例，數(shù)據(jù)庫表中共計98萬余條原始評教數(shù)據(jù)。本次參評教師共計415名（專任教師314名，校內(nèi)兼職84名，校外教師17名），評教課程共計2167門（其中理論課1845門，理實一體課322門），共計61132人次參與評教，總參評率達(dá)到59.37%。

綜合其他文獻(xiàn)和校內(nèi)師生的討論結(jié)果，預(yù)測影響學(xué)生評教的因素主要分為以下3大方面：教師因素包括教齡、性別、職稱等，課程因素包括課程類別、課程性質(zhì)、總學(xué)時、總學(xué)分等和客觀因素包括學(xué)生年級、是否本系教師授課、教師總課程數(shù)、教師總課時數(shù)等，故而在數(shù)據(jù)采集時分別采集了以上信息。針對人事系統(tǒng)提取教師基本信息、教師類型、職稱評聘、進(jìn)修深造等，結(jié)合本次數(shù)據(jù)分析的需求，提取出教師信息（性別、教齡、學(xué)歷、學(xué)位、職稱信息、教師類型）;針對教務(wù)系統(tǒng)提取評教數(shù)據(jù)（按課程、教師、評教因素匯總）、課程信息（課時數(shù)、學(xué)分、課程類型、學(xué)生人數(shù)）和成績信息（通過人數(shù)、平均分）以供后續(xù)挖掘。

然后對數(shù)據(jù)源進(jìn)行加工，檢查數(shù)據(jù)的完整性、一致性、準(zhǔn)確性，對丟失數(shù)據(jù)進(jìn)行填補(bǔ)，消除“臟”數(shù)據(jù)。

此次評教最低分為64.99，最高分95分，平均值為93.435分，標(biāo)準(zhǔn)偏差為2.296。說明此次評教數(shù)據(jù)的成績集中度很高，評教的成績沒有拉開差距和層次。為了有利于后期數(shù)據(jù)挖掘分析，現(xiàn)將評教結(jié)果進(jìn)行分類：SCORE>94.49歸為A; 94.49>=SCORE>92.99歸為B;剩余歸為C。

2.3 研究方法

本研究從數(shù)據(jù)交換平臺共享庫獲得教務(wù)系統(tǒng)中課程基本信息、成績信息、教師基本信息，評教信息需從教務(wù)系統(tǒng)中另行采集和預(yù)處理，其中校外教師的基本信息人事系統(tǒng)中并無記錄，由二級學(xué)院自行管理，無從獲得。本文中將從數(shù)據(jù)庫提取到的數(shù)據(jù)利用數(shù)據(jù)挖掘平臺WEKA進(jìn)行分析。

分類是數(shù)據(jù)挖掘的重要技術(shù)，分類是在已有數(shù)據(jù)的基礎(chǔ)上學(xué)習(xí)出一個分類函數(shù)或構(gòu)造出一個分類模型，是Weka中的分類器。其中決策樹就是一種非常有效的分類方法。

決策樹方法的起源是概念學(xué)習(xí)系統(tǒng)（Concept Learning System，CLS），然后發(fā)展到ID3方法達(dá)到高峰。但I(xiàn)D3算法是把信息增益 （信息熵）作為選擇測試屬性的標(biāo)準(zhǔn)，即樹節(jié)點的選擇策略，在計算基于屬性的信息熵時，公式比較復(fù)雜、計算量較大，相應(yīng)的復(fù)雜度也高，當(dāng)數(shù)據(jù)量很大的時候很耗費硬件資源，計算花費的時間較長[6-7]。

C4.5算法是澳大利亞悉尼大學(xué)Ross Quinlan教授于1993年對ID3算法進(jìn)行修改而來。C4.5算法在以下幾方面進(jìn)行了改進(jìn)：

（1）能夠處理連續(xù)型屬性和離散型屬性的數(shù)據(jù)。

（2）能夠處理具有缺失值的數(shù)據(jù)。

（3）運用信息增益率作為決策樹屬性選擇標(biāo)準(zhǔn)。

（4）對生成樹修剪，降低過擬合。

C4.5算法可以使用通用的稱作TreeGrowth的決策樹歸納算法作為生長樹算法。該算法的輸入是訓(xùn)練集T和屬性集U[8]。算法遞歸選擇最佳屬性以劃分?jǐn)?shù)據(jù)，并擴(kuò)展樹的葉節(jié)點，直到滿足結(jié)束條件。

C4.5引入屬性的分裂信息來調(diào)節(jié)信息增益：

信息增益率：

在WEKA中J48算法正是C4.5算法的java版本。根據(jù)計算不同屬性的信息增益率，得到影響評教的關(guān)鍵因素;通過屬性選擇中進(jìn)行數(shù)據(jù)挖掘，通過WEKA生成分類決策樹預(yù)測模型，找出評教問卷各因素與評教成績之間的關(guān)系，分析各類信息對評教結(jié)果的影響，并將分類預(yù)測結(jié)果運用于教學(xué)管理和指導(dǎo)教師教學(xué)工作，為提高教學(xué)質(zhì)量提供決策參考依據(jù)。

3? 數(shù)據(jù)挖掘的結(jié)果分析

3.1 理論課評教問卷的關(guān)鍵因素挖掘

針對理論課的評教問卷結(jié)果，提取四大因素得分總和進(jìn)行匯總，因為各因素總分不同，為了科學(xué)取得評教關(guān)鍵因素，對數(shù)據(jù)進(jìn)行預(yù)處理，取各因素得分率（即：得分/總分*100），在WEKA中導(dǎo)入理論課各因素得分率和最終評教分類數(shù)據(jù)集，理論課共計1845門，其中評教A類課程共583門，B類826門，C類436門。

根據(jù)各屬性增益率結(jié)果表2，可以確定A21為影響評教的關(guān)鍵因素，即教學(xué)方法與手段是理論課評教的關(guān)鍵因素。

通過與學(xué)生和教師溝通，發(fā)現(xiàn)理論課教學(xué)方法與手段較為單一，教師多以PPT教學(xué)為主，學(xué)生“被動”聽課，可引入同伴教學(xué)法通過教師設(shè)計的用于揭示學(xué)生概念錯誤和引導(dǎo)學(xué)生深入探索的概念測試題，借助應(yīng)答交互系統(tǒng)或選項卡片，引導(dǎo)學(xué)生在課堂上對概念測試題進(jìn)行討論、爭辯、交流、重新判斷，參與教學(xué)過程，在課堂教學(xué)中創(chuàng)建一種學(xué)生自主學(xué)習(xí)、合作學(xué)習(xí)、生生互動、師生互動的創(chuàng)新教學(xué)模式[9]。

有學(xué)者已經(jīng)提出采用現(xiàn)代教育手段，拓寬學(xué)生的學(xué)習(xí)方式，構(gòu)建基于“互聯(lián)網(wǎng)+”的教學(xué)平臺，以交互式微課、MOOC、云端課的形式拓展學(xué)習(xí)者的學(xué)習(xí)空間促進(jìn)學(xué)生能力的培養(yǎng)[10]。

3.2 影響評教因素分析

其中校內(nèi)專職教師共計310人，校內(nèi)兼職教師84人，其余為校外教師，因校外教師信息無法逐一獲取，故而針對校內(nèi)教師作數(shù)據(jù)分析。

首先分析理論課，之前分析過理論課評教問卷的關(guān)鍵因素是A21，故此時評教信息數(shù)據(jù)選取A21的成績、參評人數(shù)、評教總分，成績信息中選擇平均分、通過人數(shù)，課程信息包括學(xué)生人數(shù)、總課程數(shù)、總學(xué)分?jǐn)?shù)、總課時數(shù)，教師信息中選取性別、教齡、職稱、學(xué)歷、學(xué)位、教師類別。再根據(jù)評教和成績數(shù)據(jù)進(jìn)行匯總計算出總參評率、總通過率，共計16個屬性。

選擇不同分類器，選擇十字交叉驗證方法分類結(jié)果運行如表3。

顯然J48分類器的分類效果更佳，接下來進(jìn)行屬性選擇的評估結(jié)果最終為：A21、性別和評教結(jié)果類別3個屬性，按此三個屬性進(jìn)行分類效果如表4。

正確分類實例數(shù)比剛才的結(jié)果還要多一個，決策樹比之前更小，原本17個屬性現(xiàn)僅用2個屬性進(jìn)行分類，此時生成的決策樹如圖1。

3.3 影響評教的其他因素

通過對這16個屬性增益率排序，前三名分別是A21/S24得分、參評率和總課程數(shù)。

可見除了評教關(guān)鍵因素外，參評率、教師學(xué)期總課程數(shù)也對評教結(jié)果產(chǎn)生著重要影響。

4? 結(jié)論與建議

4.1 增強(qiáng)學(xué)生評教意識，化被動為主動

通過對學(xué)院的評教數(shù)據(jù)的分析，總體上學(xué)生的評教數(shù)據(jù)是客觀有效的，學(xué)生的評教分?jǐn)?shù)一定程度上反映了教師的教學(xué)質(zhì)量，但是目前總體參評率不足60%還有待進(jìn)一步提高，這需要學(xué)院管理部門的重視。美國教育評論家斯塔弗爾比姆人為，“評價最主要的意圖不是為了證明，而是為了改進(jìn)”[11]。學(xué)校要加強(qiáng)對評教的宣傳和指導(dǎo)，讓學(xué)生積極客觀參與評教，這樣評教的數(shù)據(jù)才能客觀真實反應(yīng)教師教學(xué)質(zhì)量，對提高教學(xué)質(zhì)量、發(fā)現(xiàn)目前存在的問題起到關(guān)鍵作用。同時學(xué)校通過分析評教結(jié)果，找到影響評教的關(guān)鍵因素，從而有針對性地改進(jìn)教學(xué)質(zhì)量，學(xué)生必然會從課堂教學(xué)改進(jìn)的效果收益，自然會讓更多學(xué)生積極參與到評教當(dāng)中來。

4.2 評教影響因素的啟示

眾所周知，教師授課一般分為3個階段：課前準(zhǔn)備、課中講授和課后輔導(dǎo)。每個階段都需要教師投入相當(dāng)?shù)木ν瓿蓽?zhǔn)備。課前備課是每位教師授課前的必備環(huán)節(jié)，備課充分與否決定了教師教學(xué)質(zhì)量;授課過程中在教師精力充沛的情況會更愿意與學(xué)生交流，對學(xué)生講授也會更有耐心，會更注重課堂氣氛調(diào)節(jié)和吸引學(xué)生注意力;課后輔導(dǎo)，對作業(yè)批改、答疑更是需要教師花費更多時間和精力完成。所以排課中要控制教師總課時數(shù)，以保證教學(xué)質(zhì)量。

教師也需要學(xué)習(xí)，加強(qiáng)教師技能培訓(xùn)。學(xué)生評教的其中一個重要的目的是為了幫助教師提高教學(xué)水平。學(xué)校可以根據(jù)評教結(jié)果分析后普遍存在的教學(xué)弱項有針對性地開展組織培訓(xùn)，有目的、有計劃、有針對性地幫助改進(jìn)教師的欠缺和不足。

參考文獻(xiàn)

[1] Li T，BWY.The Study of the DEA Method Model for University Teaching Quality Assessment and Benefit Analysis[J].Physics Procedia，2012（25）：1187-1191.

[2] Chalaris M.Improving Quality of Educational Processes Providing New Knowledge Using Data Mining Techniques[J].Procedia-Social and Behaioral Sciences，2014（147）：390-397.

[3] 馬秀麟，衷克定，劉立超.從大數(shù)據(jù)挖掘的角度分析學(xué)生評教的有效性[J].中國電化教育，2014（10）：78-84.

[4] 周繼良.破譯高校學(xué)生評教問題癥結(jié)之新解——基于信息不對稱理論的檢視[J].教育科學(xué)，2010，26（6）：30-38.

[5] 林光彬，張?zhí)K，樊彬彬.大學(xué)生評價教學(xué)質(zhì)量的邏輯——來自調(diào)查研究的證據(jù)[J].教育研究，2012（10）：93-98.

[6] Tan Pangning，Steinbach M，Kumar V.數(shù)據(jù)挖掘?qū)д揫M].范明，范宏建，譯.北京：人民郵電出版社，2006.

[7] 毛國軍，段立娟，王實.數(shù)據(jù)挖掘原理與算法[M].2版.北京：清華大學(xué)出版社，2007.

[8] 袁梅宇.數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)WEKA應(yīng)用技術(shù)與實踐[M].2版.北京：清華大學(xué)出版社，2014.

[9] 吳艾輝.研究型大學(xué)工科專業(yè)力學(xué)課程教學(xué)方法創(chuàng)新與實踐[J].力學(xué)與實踐，2017，39（3）：299-301.

[10]李棟.王海軍.“互聯(lián)網(wǎng)+職業(yè)教育”視域下創(chuàng)新 高技能人才培養(yǎng)模式[J].教育與職業(yè)，2018（2）：104-107.

[11]陳玉琨.教育評論學(xué)[M].北京：人民教育出版社，2005.