大数据时代高校课堂教学满意度提升路径研究

苟延杰

(四川文理学院财经管理学院，四川达州635000)

大数据时代高校课堂教学满意度提升路径研究

苟延杰

(四川文理学院财经管理学院，四川达州635000)

我国高校课堂中，教师通常处于主导地位，学生被动接受，教师和学生之间的信息沟通存在较多盲点，造成学生课堂满意度不高，教学效果不佳。大数据时代为高校提升课堂满意度提供了新的思路。结合“大数据”思维，找出传统课堂教学理论研究和实践操作的局限性，提出全新的、动态的提升高校课堂满意度的路径，为高校提升课堂教学效果提供借鉴。

大数据；课堂满意度；路径

2016年全国在校大学生人数达到2599.1万人，全国共有具有大学教育程度人口为1.7093亿人。教育支撑国家未来发展，大学生队伍更是国家产业发展的中坚力量，大学教育质量直接影响整个社会的人才质量，大学生满意度将成为整个社会满意度的风向标。在大数据的背景下，探索高等教育模式转型升级，对于提高高等教育质量具有十分重大的现实意义。而大学教育质量在很大程度上决定于课堂教学质量，研究课堂教学满意度对促进我国教育和社会发展意义重大。

一、高校课堂教学满意度研究现状

国内关于课堂教学满意度研究较少，通过CNKI搜索“课堂教学满意度”，学术论文44篇，硕博论文6篇。纵观现有研究文献，国内学者研究高校课堂教学满意度研究分为三个阶段。

第一个阶段1998-2004年，以教师为研究核心。田景仁(1998)、刘铮然(1999)提出建立教师授课质量评价指标体系，改进教学质量、提升教学效果。[1-2]时松和(2001)提出建立“课堂教学效果量化评估系统”，首次提出“课堂效果满意度”概念，提出从教书育人、教学内容和教学方法三方面综合考量，设置优、良、中、可、差5个等级对课堂效果进行评价。[3]本阶段研究，强调教师对课堂的主导作用，研究侧重点在教师教学内容，缺少对教师备课、教师行为和学生反馈等方面的研究。

第二个阶段2005-2013年，以学生为研究核心。张月琪(2005)应用CS(客户满意度)理论，引入高校教学质量客户满意度概念，从教学内容、教学方法、教学态度、教学基本功四个一级指标、20个二级指标进行评价，并提出课堂“接触点”概念。[4]朱慧娟(2008)她认为教学是一种产品，学生是消费者，效用值由学生满意度来体现，首次引入“教师外貌”、“教师性别”等教师外在指标。[5]隋福利(2009)认为本二与本三学生、不同年级学生、不同专业的学生对课堂教学学生满意度评价存在一定的差异。[6]陈治(2013)从学生角度分析影响课堂满意度的指标，认为学生对专业选择的态度、相关知识储备、学习兴趣、学习状态等指标对课堂满意度影响较大。[7]本阶段研究较“市场化”，基于学生视角研究课堂满意度，引入教师行为表现、外在形象等指标多维度分析影响课堂满意度的因素。

第三个阶段2014-2015年，以实证研究为核心。2014-2015年课堂教学满意度实证研究论文占所有实证论文数量的70%(实证研究论文共13篇，2014、2015年共9篇)。同时，2014-2015年学者们共发表“课堂教学满意度”相关学术论文17篇，其中实证研究9篇，占比53%。第一二阶段的研究，为第三阶段实证研究打下了理论根基。第三阶段的研究受制于传统研究思维，缺少大数据、互联网思维的应用，缺少对研究模型、研究结果和研究范例的动态数据追踪，缺少实证研究的反馈环节。

通过分析现有文献，总体来看存在如下三个问题。

(一)评价指标不系统

对于课堂教学满意度评价指标多从教师课堂教学现场、学生直观感受两个大方面进行分析，较多关注“台前”的表现，缺少对“幕后”工作环节的分析，过多关注教学结果，忽略备课过程。从现有指标构成看，也缺少系统化、结构化的梳理。

(二)样本分析欠科学

一是样本数量不足，调查的样本数量多小于100，更有甚者仅有20个样本，统计结果不科学。二是取样数据不及时，多是事后取样，问卷调查得到的是学生课后模糊的记忆。三是一次取样不合理，教学名师不可能每次都获得较高的课堂满意度，上课口碑不好的教师也不可能每次的课堂满意度都低，一次取样极为不合理、数据不真实。

(三) 研究成果转换率不高

现有研究方法多聚焦于指标设计-问卷调查-统计分析-提出措施，缺少动态追踪、实践操作和反馈完善环节，这是传统研究方法的弊端。研究成果对实践教学指导性不强，理论研究与课堂实践难以融合。

二、大数据对于研究课堂教学满意度提升的价值

(一)大数据概念及教育实践

大数据是对人们数据搜集能力、数据传输能力、数据存储能力和数据处理能力的发展和跨越，推动各行各业创新发展。[8]大数据提出者维克托·迈尔-舍恩伯格及肯尼斯·库克耶，在《大数据时代》中提出，大数据指不用随机分析法(抽样调查)这样的捷径，而采用所有数据进行分析处理。IBM提出了大数据具有5V特点：Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)Veracity(真实性)。

美国是大数据在教育实践中的先行者，2012年美国联邦政府教育部耗资2亿美元参与公共教育大数据计划，旨在借助大数据改善教育。IBM与亚拉巴马州莫白儿县的公共学区开展大数据合作，证明大数据是学校管理工作的重要工具。2015年3月7日比尔·盖茨在得克萨斯州首府奥斯汀的教育会议上说，利用数据分析的教育大数据可以提高学习成绩，拯救美国公立学校。

站在大数据的风口上，我国着手大力发展大数据产业，经李克强总理签批，2015年9月，国务院印发《促进大数据发展行动纲要》，系统部署大数据发展工作。指出完善教育管理公共服务平台，推动教育基础数据的伴随式收集和全国互通共享，探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用。在大数据产业快速发展的今天，探索教育体质改革、教育模式升级，对促进我国教育和社会发展意义重大。

(二)大数据可量化高校课堂教学满意度研究过程和结果

麻省理工学院布伦乔尔森教授提到，大数据对人类的影响，就像四个世纪前显微镜的发明一样，给人类社会带来了历史性的进步和革命。[9]大数据可发现课堂教学中各细微环节，颠覆传统课堂教学理论研究和实践操作的模式。

1. 样本获取易，数据采集更完整

大数据基于智能化的信息系统，解决传统研究方法信息获取成本高的缺陷。一是指标体系不受局限，非人工录入、分析数据，在指标体系设计上可最大程度满足数据搜集科学性和完整性的要求。二是样本数据收集不受时空局限，方便操作者随时随地提供即时数据。三是信息获取渠道不受局限，可与第三方数据库互联，实现数据共享。

2. 时效性较强，数据价值更大

大数据时代，数据采集不仅依赖手工录入，数据更多是自动生成，且真实性较高。如统计教师休息时间，可依据一天中“触网”时间计算出来；统计教师备课时间，可统计课件打开时间自动计算；分析教师PPT质量，可计算PPT中图表占比计算；分析学生上课参与程度，可锁定班级人群，计算上课期间玩手机学生的比例、玩手机的频率和时间得到。

3. 处理速度快，便于建立反馈机制

超强的数据处理能力，可动态掌握及时数据，为方案改进者提供现实的参考价值。结合复杂的算法，可以在众多数据中建立与课堂满意度之间的关联。如果分析得到教师上课声音大小与课堂满意度相关，教师可在下次课调整音量，通过多次尝试，可达到声音的最佳状态。如果数据分析发现课堂提问次数与课堂满意度相关，教师可通过调整提问次数和提问方式提高课堂满意度。[10]

三、高校课堂教学满意度提升路径

结合营销“触点”思维，从“备课-讲解-数据搜集--数据分析-完善”等与学生相关的“触点”入手，以提升课堂教学满意度为目标，关注细节。提升课堂满意度应从“备课讲课”“数据搜集”“数据分析”“反馈完善”等方面各个击破，形成一个闭环的解决办法。

(一)建立合理的评价指标体系(备课、讲课)

提升课堂满意度的主导者为教师，学生为参与者。因此，课堂教学满意度应尽可能地获取教师备课、上课的信息。一是从学生层面看，指标设计应尽可能简单，用“课堂满意度”一项指标即可。二是从教师层面来看，应结合“触点”思维，充分做好“备课”“讲课”工作。备好课是上好课的基础，备课参考指标如下：备课时间、搜集网络资料时间、教辅资料数量、课件图文比例、案例数量等。备课还应包括“备自己”，以下指标将影响上课效果：着装、发型、化妆、睡眠时间等。讲课是教师备课成果的展示，评价指标可包括：是否要求全体起立、是否强调课堂纪律(手机静音、不准说话、不准看小说)、提问数量、声音大小、课堂游戏等。注意：数据搜集应尽可能智能化，互联网、移动设备自动搜集；对于不能自动搜集的数据，尽可能方便的录入。指标体系设计上，应追踪教师备课、上课过程，寻找教师备课、上课“触点”，搭建更加系统、细致的评价指标，入细微处寻找影响课堂满意度的因素。[11]

(二)搭建智能化的移动教务信息管理系统(数据搜集)

教务信息管理系统从“智能化”和“移动”两个层面来看。一是智能化。绝大多数高校都有教务信息管理系统，其功能多是信息发布、教学信息录入。评教系统一次评价就结束，评教信息不及时、不真实、不动态。智能化教务管理系统，应该动态了解教师上课的状态、学生听课的反馈，为提高教师上课质量、学生满意度提供及时的意见。二是移动。移动互联网发展迅速，智能化的移动终端设备已逐渐普及，高校的教务信息管理系统向移动终端转移的速度缓慢。高校可开发移动APP教务信息管理系统，及时掌握教师、学生动态信息。如通过LBS功能及时获取学生位置信息，掌握学生出勤率。移动系统可便于教师、学生及时信息反馈，如教师可及时录入备课、上课信息，学生及时评价教师上课质量。“智能”和“移动”满足了数据搜集的便捷性和输出搜集的及时性。

(三)构建计算机统计、分析模型(数据分析)

以3万人规模的高校来看，周平均13次课来计算，每次教师、学生统计指标30项，每年的基础数据都非常大。构建分析统计模型，通过计算机自动生成统计结果，让大量数据产生实际价值。通过对学生课堂满意度与教师“备课”“上课”指标体系之间的关联分析，找出关联因子，对教师提高上课质量提供参考。统计分析模型需要满足三个核心要求：一是数据处理及时性，让教师随时掌握学生动态，根据学生对上课满意度的反馈，迅速做出调整；二是能够对数据进行区分，不同年级、不同专业背景学生对教师上课效果期待不一样，让教师能够针对不同专业、不同年级学生制定个性化的教学计划；三是统计模型能够根据历史数据预测学生需求变化，教师掌握学生动态需求变化后，可主动改进教学方法，使教学效果超出学生预期，提升学生课堂满意度。建议高校借助第三方专业管理咨询公司开发信息管理系统、构建计算机分析模型。大数据应用和模型构建，企业走在高校前面，第三方公司基于企业实际应用经验，集众人之所长，为高校搭建更加市场化的信息管理系统和统计模型。

(四)形成闭环反馈机制(完善)

基于以上指标体系设计、数据搜集、数据分析三步骤，可以得出课堂教学满意度与教师的哪些行为因素相关。传统研究受制于研究方法和研究思路的局限，通常是结束于以上三步骤，鲜有实践操作、量化考核、反馈完善等落地的环节。大数据背景下，数据搜集、数据分析和动态追踪等研究难题可以得到充分解决，此时构建上层建筑最为关键。

大数据时代，建立反馈机制，不断提升课堂满意度。一是快速反应。建立学生对课堂满意度与教师行为表现的关联后，教师可以立即加强关联度较高的因素，较快地提升课堂满意度。二是不断完善。随着学生的要求不断变化，课堂满意度提升是一个长期的、复杂的问题，基于基础数据，可以不断完善和演进指标体系、量化模型，提升研究成果的现实价值和实践价值。三是利于考核。学校根据随时变化的课堂满意度，为教师制定精准的绩效考核指标。随时获取课堂满意度绩效指标，绩效考核动态变化、容易操作，教师的工作成果也得到随时体现，对教师改进课堂质量的激励作用较大。

四、总结

经过以上步骤，指标体系设计、数据搜集、数据分析、量化考核和反馈完善四步骤，形成了一个“四维一体”的高校课堂教学满意度提升模型。其中指标体系设计属于“上层建筑”，决定了研究结果的科学性，极为重要；数据搜集和数据分析属于“经济基础”，为理论研究提供基础数据，为实践操作提供参考；量化考核和反馈完善属于“保障机制”，只有经过这一环节，才能确保研究成果落地，真正实现高校提高课堂满意度提升，同时确保研究成果的现实意义。

[1] 田景仁.关于建立教师授课质量学生评价指标体系问题[J].贵州民族学院学报:社会科学版,1998(1):71-75.

[2] 刘铮然,杜茂林,毛 军.对我校教师授课质量评价指标体系应用的研究[J].中国高等医学教育,1999(1):55-56.

[3] 时松和,吕文戈,李雯华，等.“课堂教学效果量化评估系统”的构建与实践[J].河南医科大学学报,2001(4):462-464.

[4] 张月琪,胡天彤,赵 亮,许永龙.高校教学质量顾客满意度测评研究[J].天津师范大学学报:自然科学版,2005(3):62-65.

[5] 朱慧娟.基于学生满意度的课堂教学效果评价模型研究[J].法制与社会,2008(26)：313-314，318.

[6] 隋福利.高等学校课堂教学学生满意度评价若干思考和对策研究[J].商业文化:学术版,2009(10):136-137.

[7] 陈 治,张瀚文.高校课堂教学效果满意度研究——基于学生的角度[J].高等财经教育研究,2013(3):7-11，17.

[8] 刘 泓.谈艺术类院校图书馆专业特色数据库建设[J].艺术探索,2006(6):149-150.

[9] 梁文鑫.大数据时代——课堂教学将迎来真正的变革[J].北京教育学院学报:自然科学版,2013(1):14-16.

[10]王运武,杨 曼.从高校学生课堂教学满意度透视课堂教学创新性变革[J].现代远程教育研究,2016(6):65-73.

[11]徐思铭,刘佳玉.高校课堂教学满意度影响因素调查研究——以北方工业大学为调查对象[J].科技资讯,2015(1):139-140，142.

[责任编辑 范 藻]

Researches on the Path of Improving College Classroom Teaching Satisfaction in Big Date Era

GOU Yanjie

(Finance Management School of Sichuan University of Arts and Sciences, Dahzou Sichuan 635000, China)

In Chinese college classroom, teachers are usually in a dominant position, while students are passive. The communication between teachers and students has many blind spot, resulting in students’ low degree of classroom satisfaction and poor teaching efficiency. The era of big data provides a new mentality for universities to enhance the classroom satisfaction degree. Combining “big data” thinking, this paper tries to find out the limitations of the traditional class-teaching theoretical research and practical operation, and put forward a brand-new and dynamic path for universities to enhance classroom satisfaction, and offer references for universities to improve class satisfaction.

big data; classroom satisfaction; path

2017-01-10

四川文理学院特色培育项目“四川省供应链融资生态系统构建研究”(川文理(2012012016)8号)；四川革命老区发展研究中心项目“革命老区供应链金融模式创新研究”(川老区研(2016)15号)

苟延杰(1987—)，男，四川巴中人。讲师，硕士，主要从事企业战略管理研究。

G642.2

A

1674-5248(2017)03-0148-04