高校教师专业发展数据智能分析系统的应用研究

，，

(天津中医药大学，天津 301617)

[关键字] 数据智能分析技术；高校教师；教师专业发展

在高校教师发展评价工作过程中积累了大量的评价历史数据，决策层一致认为若能对教师专业发展的数据进行挖掘，会得到更有益的信息，如教师专业发展规律，评价指标与教师职称、专业、年龄之间的关系等[1]，这些信息可以指导教师专业发展评价工作。

一、教师专业发展评价系统研究的现状

近年来教师专业发展受到了足够重视，大量高校成立了教师发展评价中心开展教师专业发展的组织实施和相关的研究，包括教师培训的组织实施、教师发展数据的收集、教师专业发展评价等，在工作的开展过程中逐步建立了相应的信息系统来支持工作[2]。目前建设的教师专业发展评价系统具有如下特点。

1.以数据收集为主，填报过程繁琐。早期的教师发展评价系统类似于学生评价系统，采用教师和相关职能部门填报数据，填报指标以单选为主。数据经过各个部门审核后生成成绩，需要审核的数据包括教研、教学和教学活动等信息，数据类型多样，审核过程繁琐。

2.系统孤立，数据缺乏集成性。教师评价系统一般由教师发展中心负责组织建设，其角色决定其难以统筹全校的资源，同时职能部门的业务系统具有封闭性，导致大量高校的教师发展评价系统独立运行，数据缺乏集成性，既造成了数据填报量大，也造成了数据孤岛的产生。

3.积累大量历史数据，缺乏分析手段。教师发展评价通常以年为单位，对教师全年的相关数据进行统计。通过多年的开展已经形成了连续的教师发展数据，但由于技术手段的缺乏，没有对数据开展有效的分析。

4.需要人工对数据进行二次分析，展示方式单一。教师发展中心需要对收集的数据导出进行二次分析，分析的内容主要以教师排名为主，若要统计不同范围内的数据，如校内排名、二级学院排名和教研室排名就需要重新统计。分析结果主要以报表的方式产生，若要不同的统计图展示，如柱形图、饼形图，则需要再次开发。

5.重结果考核，轻教师发展服务。由于技术的限制，教师发展评价主要以考核为主，将收集的相关数据生成成绩，用于教师的年度考核，而无法向教师提供个性化的发展服务。而教师除了关心自身的总体排名，更想了解本人具体指标的排名，从而找出本人的发展不足与努力方向。

二、数据智能分析技术的概念

数据智能分析通常指将企业中现有的历史业务数据转化为知识，帮助决策层做出更有利的决策。历史数据包含业务系统中来自机构所处业务领域的数据以及来自业务所处的其他外部环境中的各种数据[3]。智能分析能够提供的辅助决策，涵盖操作层、战术层和战略层。将业务数据转化为决策知识，需要的技术主要包括数据仓库技术、数据挖掘技术和前端展示技术。

三、数据智能分析在教师专业发展中的应用点

数据智能分析技术可在以下方面发挥优势。

1.对评价历史数据的利用。将历史数据“变废为宝”，利用历史数据构建数据仓库，通过分析发现教师发展过程中的规律，对完善教师发展评价指标和相关政策有重要指导作用。

2.对教师数据的个别化分析。通过大数据分析为开展教师个别化分析提供了基础。可以实现对个别教师的发展情况分析，如不同年度在同职称中所处的位置，具体指标所处的位置等。

3.对教师发展的多维度分析。利用数据智能分析技术实现不同维度上的数据分析，分析的维度包括指标、职称、学历、学科、年度等。分析的内容包括整体发展情况和具体指标发展情况。

4.展现教师发展的动态信息和趋势信息。利用实时同步相关指标数据的优势，展示教师发展的实时信息，为有针对性的教师培养提供确定内容和人员范围依据。根据不同时期的结果分析教师发展的趋势，为教师个体的发展提供预警信息。

四、教师专业发展数据智能分析系统的建设过程

教师专业发展数据的智能分析需要一定的前提条件，在专业技术人员的支撑下有序的开展，使历史数据持续有效的发挥作用。

1.数据智能分析技术应用的前提。数据智能分析技术应用于教师发展数据分析，受到数据基础、技术支持等外部条件制约，需要具备条件如下：(1)需要具有持续、稳定的数据来源。数据智能分析技术的优势在于对历史数据的分析，因此需要具有连续的数据来源作为分析的基础。数据来源主要包括：教师专业发展评价系统、教务系统、人事系统等业务系统。(2)需要长期的技术支持。教师发展数据的分析过程中，不同的角色、不同的时期希望获得的分析主题、展示方式都有所不同。针对不同的需求需要及时的调整数据挖掘规则和数据的前端展示，因此开展相关工作需要有信息技术人员长期、稳定的支持。

2.智能分析系统的建设关键步骤。为充分发挥数据智能分析技术的优势，为后期的教师发展数据分析研究打下良好的基础，需要开展以下工作：(1)数据仓库的建立。数据仓库的主题包括教学质量、教学研究、教学参与、师德等；明确数据仓库的主题，设计教师专业发展分析维度和测量的颗粒度，确定数据仓库的概念模型与物理模型。(2)数据分析设计。数据仓库建立后，就可以根据教师、教师发展中心等角色对教师专业发展的分析需求，设计数据分析的指标与维度，定义各个指标KPI关联的度量值组，定义目标、状态等。在不同分析维度上开展切片、钻取等分析处理。(3)数据挖掘设计。采用决策树、聚类分析等算法对教师专业发展数据进行挖掘，实现趋势分析、预测偏差等。通过挖掘来发现影响教师发展的因素和影响的过程。达到将数据转化为知识，将知识转换为决策的目的。

3.数据分析的输出展示。分析结果以报表方式展示不便于分析查看，因此需要设计直观图形化的展示，如对二级学院历年优秀教师的人数变化分析展示、对优秀教师按照职称维度分析展示，采用折线方式可以直观了解该维度的变化情况及趋势(见图1、图2)。

图1 按年度查看用部门维度评价优秀变化情况

图2 按职称维度查看评价优秀变化情况

五、教师专业发展数据分析结果的应用

教师专业发展的分析结果应用侧重于教师发展服务的以下方面。

1.为调整评价服务的指标权重提供依据。通过数据挖掘技术分析教师专业发展的各项指标与教师专业、年龄、学历、职称等基本特征之间的关系，实现动态调整指标的权重，使评价更加科学、合理。

2.为教师个别化培养提供依据。对教师专业发展的趋势分析结合专项指标的分析有利于提高教师培养的针对性，实现教师发展中心为特定教师群体开展专项培训。

3.为教师实现自我发展提供参考。教师实时掌握自身在全校教师专业发展中的位置，掌握本人相关评价指标在年龄、职称、学历、部门等不同维度上与其他教师比较的优势和不足，为教师改善自身发展提供依据。

4.为教师发展中心提供预警服务。通过大数据分析技术可以对教师发展的实际情况与预期进行对比，及时发现教师在专业发展指标上的异常，将异常分为预警、偏离、严重偏离。通过直观图形化的显示，使教师发展中心及时捕捉到教师个体在专业发展中的异常，有利于教师发展中心及时开展相关的工作。

六、结 论

数据智能分析技术应用于教师发展数据分析，可以充分挖掘教师发展评价历史数据的价值。数据智能分析技术的图形化展示使教师发展的特点和趋势更加直观，便于决策支持。通过对教师发展的多维度分析可以从不同角度分析教师发展的整体与个体情况，为教师发展提供实时的数据支持服务。实现了教师发展评价由考核型向服务型转变。