基于大数据的高职院校教学质量评价体系研究①

任丽娜

[摘           要]  随着高等职业院校发展规模日益增大，其教学质量的问题也受到越来越高的重视，已然成为现阶段高职院校发展中关注的焦点。为了进一步提高高等职业院校教师的教学质量，从高职院校教学质量评价体系的现状出发，以大数据作为支撑点，构建基于大数据的高职院校教学质量评价体系，有效提高教学质量评价的有效性和可信度，减少评价过程中的矛盾和冲突。

[关    键   词]  大数据;数据挖掘;高职教育;教学质量;评价体系

[中图分类号]  G712 [文献标志码]  A   [文章编号]  2096-0603（2019）14-0032-02

一、引言

由于高职教育已经快速地发展成为我国高等教育的重要组成部分，所以其也正面临着如何化解规模与质量之间关系的重大任务，而也受到越来越高的重视，已然成为现阶段高职院校发展中关注的焦点。为了进一步提高高等职业学校的教学质量，明确高等职业教育在国家高等教育中的地位和培养目标，教育部已经发布了相关文件，指出了高等职业教育健康发展的方向[1]。

随着信息化技术的高速发展，大数据已经成为一门非常重要的学科，大数据的应用领域不断扩大到生物学、经济学、社会学等领域。本文从高职院校教学质量评价现状出发，以大数据为支撑点，构建基于大数据的高职院校教学质量评价体系，通过数据挖掘得到教学质量评价报告，从而为教学质量的提高提供准确的反馈信息。从理论上发现影响教学质量效果的主观因素和客观因素，为教师教学提供理论依据，也可为学校制定教学质量评价标准提供科学依据，还可以帮助教师意识到自己教学上的不足，从而更好地提高教学水平，提高教学质量。

二、大数据的含义

目前，大数据在课本中并没有一个标准的定义，可以将其理解为无法在一定的时间内用常见的软件工具对其进行捕捉、管理和处理的数据集合，而是需要采用新的处理模式才可以发现有价值的信息海量、多样化以及高增长率的信息。《大数据时代》一文中大数据指采用所有数据进行分析处理的方式，而不用随机分析法即抽样调查的方式，其具有Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）以及Veracity（真实性）五个特点[2]。而大数据分析也就是对使用传统的数据分析与统计学方法无法收集、处理、分析和表征的数据进行分析处理的过程。

三、高职院校教学质量评价体系现状

目前阶段高职院校教学质量评价体系主要由三个部分组成，分别为学生评教、三级听课以及学生座谈会，如图1所示。

（一）学生评教

学生评教即学生评价教师教学质量的办法，是教学质量评价体系中的一个重要环节，主要是学生针对各种指标对其任课教师进行系统评价。但学生评教存在着几方面的不足，首先评价系统只是简单地对学生的评分进行汇总求取平均分处理，只是单纯地用平均分进行教学质量的反馈而缺少具体地体现在哪一个方面。其次，由于学生的思维和心智还没有完全成熟，有时不能完全客观地对教师的教学质量进行评价，而是单纯地依赖自己对该教师的喜欢程度来打分，造成误差。

（二）三级听课

三级听课即院系领导、教学主任以及专兼职教师三级人员对教师的课堂授课进行听课了解的过程。其目的是促进教学管理水平、教师教学水平和学院教学质量不断提高。而单纯的听课制度也同样具有一些不足之处。例如，听课只能是随机抽查部分教师，样本并不具有整体性。

（三）学生座谈会

学生座谈会一般由学院教务处组织学生参加，探讨和调查教师上课情况的会议。学生座谈会的形式也具有其短板，即代表性不突出，个人主观的评价可能会占有很大的比例，相对客观性不足。

四、构建基于大数据的高职院校教学质量评价体系

构建基于大数据的高职院校教学质量评价体系是在大数据的基础之上，把信息收集与反馈相统一形成“评价—反馈—激励”螺旋式上升的循环机制，就可以逐步形成與高职院校相适应的教学质量评价体系。

（一）评价主体

在构建基于大数据的高职院校教学质量评价体系时，自我评价、专家评价、学生评价、同行评价以及管理人员评价共同构成了评价体系的主体。

（二）评价过程

基于大数据的高职院校教学质量评价体系由信息收集、数据处理、数据挖掘、结果公示、申诉机制五个部分以及相应的激励政策组成，如图2所示。

1.信息收集

由于该评价体系的主体由自我评价、专家评价、学生评价、同行评价以及管理人员评价共同构成，并结合传统的教学质量评价体系，所以采取了三种方式进行信息收集。首先，利用问卷访谈和听课等形式收集直观的评价信息;其次，利用学校各教学数据库收集教师的课堂录像、网络学习、教学反馈以及科研成果等多方面的信息;最后用所教授学生的学习成绩作为辅助信息。

2.数据处理

通过信息收集阶段收集来的信息数据分为结构化和非结构化数据，这些数据要进行数据挖掘必须经历数据清洗转换，成为规范化的数据。

3.数据挖掘

以数据处理阶段得到的规范化数据作为基础，采用聚类算法进行相应的挖掘运算，将教学质量评价分为优秀、良好、合格、不合格四类。对各类的主要特点进行分析总结最终给出教学质量评价报告。

4.结果公示

将数据挖掘阶段得出的教学质量评价报告在学校范围内进行公示。

5.申诉机制

重视整个评价体系中的申诉机制，明确申诉时间和范围，给该评价体系开放性氛围，以取得评价的真正价值，营造相对公平的竞争环境。

五、结论

构建基于大数据的高职院校教学质量评价体系，能够对教师的教学质量进行多方位的测定与评价，并且能够使教师清楚地认识到自己在教学工作中存在哪些优点以及不足之处，进而有针对性地完善自己的教学工作，提高教学质量，高职院校可以通过每学期的教学质量评价报告中具体的数据信息更加全面地了解和掌握全校教师的教学质量，衡量学校的整体教学水平，进而针对不同特长、年龄、职位的教师可以在后续的课程工作安排方面作出相应的调整，为各职业院校的教育决策提供非常有效且重要的数据支撑和科学依据。

参考文献：

[1]刘连新，刘郁.基于BP神经网络的教学质量评价[J].江苏建筑职业技术学院学报，2013，13（3）：60-63.

[2]维克托·迈尔·舍恩伯格.大数据时代[M].浙江人民出版社出版，2013.

编辑 马燕萍