大数据视角下的高校教学质量评价体系构建路径探析

池 芳

（武夷学院 发展规划与评建处，福建 武夷山 354300）

随着“数据产业革命”的日益清晰，大数据技术呈现出一种全方面发展的趋势。在构建高等教育评价体系中引入大数据技术已然成为了目前高等教育发展的主流趋势，我国于2016年采集了国内1 024所包括“985”、“211”、普通本科、独立学院以及合作办学等不同类型高校的相关数据，并且以此建立了高等教育质量监测国家数据平台[1]。而在高等教育更加发达的美国对于高校教学质量评价与教学管理的监控以及反馈更是已经通过一系列诸如“帆布（canvas）”、“学习管理系统（learning-management systems）”等教学系统实现了[2]。高校教学质量评价在大数据时代来临之前由于缺乏足够的、有效的数据支撑而导致其存在着评价内容不够全面、评价层级较为单一、评价结果缺乏指导性等缺点，那么拥有巨量数据集合的今天，只要能够在海量的相关数据中挖掘筛选出关于教学质量的信息，并且以此构建教学质量评价体系，有效地弥补解决了原有的缺点。因此，将基于大数据技术，探讨构建高校教学质量评价体系行之有效的途径。

1 基于大数据构建高校教学质量评价体系的基石

不论处于哪个时代，教学质量的评价标准都是围绕学生的学习效果作为评价指标的，只是在大数据时代来临之前，缺乏足够的数据支撑，导致教学质量评价缺乏足够的技术支持。现如今应当以数据作为教学质量评价的技术基础，以学生作为教学质量价值评价的导向，共同组成基于大数据时代背景的高校教学质量评价体系的基石。

1.1 以学生为主体

在大数据技术日渐成熟的当下，高校教学质量评价拥有了海量数据可以参考，即使从中获取与教学质量相关的数据存在了一些难度，但随着技术的发展这种难度将会不断下降。因此，在数据唾手可得的情况进行教学质量评价时，首先应该重视的不再是笼统的相关教学质量信息，而是应当把握住以学生为主体的根本方向，以防迷失在海量的数据中从而偏离了评价教学质量根本价值引领的方向。

以学生为主体，以其学习效果以及未来发展情况作为高校教育质量评价的标准是评价国际高等教育质量的价值引领。高等院校的教学均是以提升学生的综合素质、知识涵养以及学习能力为目标的，所以评价其教学质量更是应当以此为标准。而以学生为主体的具体表现为：在教学过程中实现将传授模式转变为学习模式；将教学主体从教师转变为学生；将重视理论教育的教学理念转变为以实践与理论相结合的教学理念。高等教育正处于从精英阶段向普及化、大众化阶段的转变过程，其教学质量评价价值观也正在从深奥的学识理论向学生的个性发展转变，高校越来越关注能够体现其教学质量的学生的发展诉求。“高等教育需要转向‘以学生为中心’的新视角和新模式”是由联合国教科文组织于1998年在首届世界高等教育质量大会宣言中提出的，其主要提倡高等院校应当将关注重点放在学生以及学生的诉求上，并且将教育改革的主要参与者从教师转变为学生，更是预言了21世纪的高等教育理念必定是以学生为主体，并且会对高等教育产生深远的影响[3]。因此，人才培养以及培养的质量逐渐成为了高校核心职能及其教学质量的衡量标准之一。教学质量评价起源于20世纪80年代中期的美国，当时的高等教育机构发起了主要通过收集分析学生学习结果以及学生接受学习前后个人能力以及其情感生活态度等的变化作为评价依据的运动，其主要目的是促进学生个体发展以及提高学生的学习成果[4]。从此以后，高校的教学质量评价逐渐以学生为主体，旨在提升高校教学质量，也对高校更好地培养高等教育人才起到了至关重要的作用。

1.2 以数据为支撑

在坚持以学生为主体构建高校教学质量进行评价体系的前提下，为了使得评价体系更具有科学性与有效性，构建评价体系时必须以大数据技术为技术支撑。大数据技术主要是指能够在互联网复杂多变的海量数据信息中获取到所需信息并且通过研究分析确定数据之间内在关联，从而提供更具科学性的信息依据。结合大数据技术的教学评价对于培养人才、教学改革是形势所趋，因为教学质量评价可以通过大数据技术获取大量关于学生学习信息反馈，从而得知学生在学习上的不足之处，并且以此有效地指导学生正确的学习方式，以此提升学生学习效率。

大数据技术在构建高校教学质量评价体系中的具体作用为：第一，搜集经历背景各异的学生的学习反馈；第二，制定符合学生实际情况的个性化学习方案；第三，利用概率预测优化学生学习方式[5]。由此可知，基于大数据的高校教学质量评价体系通过对学生学习过程产生的数据信息进行收集分析，能够预测学生的学习效果并且改进教学方式，还能将高校教学质量以学生为主体的价值观落实到教学实践。

2 基于大数据构建高校教学质量评价体系的特征

单一的教学质量评价信息经由大数据技术处理后可以成为互相关联的数据系统。通过基于大数据的教学质量评价体系可以实现准确的“问责与改进”的功能，从而全面认清并且提升高校教学质量。

2.1 全过程特征

以学生为主体、大数据技术为支撑的高校教学质量评价体系可以通过分析记录关于学生学习的所有数据，从而实现全过程评价。评价高校的教学质量不能仅仅通过学生的学习结果作为全部依据，由于学习是一个复杂的过程，而且还有研究表明学生的身体在学习过程中会随着学习环境的变化而出现一些轻微的改变，所以评价高校的教学质量不仅需要针对学生学习的全过程进行评价还需要考虑学生所处的学习环境。

全过程评价的主要代表为“投入-环境-结果”评价模型。该模型证实了单纯地以学习结果作为评价教学质量得出的评价结果是不够准确的，进而表明了学习投入以及学习环境对于教学资料评价的重要性。假设需要评价理科专业以及历史学专业的学生关于文案写作方面的学习结果，分别对其进行测试，结果评价为理科专业的学生文案写作成绩普遍低于历史学专业的学生，但是不能以此作为判断这两个专业的学生在文案写作方面的学习结果的优劣全部依据，还需要考虑到历史学专业的学生和理科专业的学生在入学考试时文案写作功底（投入评价）以及在培养过程中学习的知识内容（环境评价）等影响因素。由此可知，科学地评价高校教学质量不仅需要了解学生达到的学习结果，更需要收集关于学生的学习基础以及学习过程中经历的事件等信息。在大数据时代来临之前，出于技术以及人力等限制，很难完全收集到学生学习全过程的数据，但是在大数据技术日渐完善的今天，学生的过往履历已经开始进行云储存，从而为搜集、分析学生学习全过程的数据信息提供了可行的渠道，因此，基于大数据高校教学质量评价体系必定具有全过程评价的特征。

2.2 多层级特征

以学生为主体、大数据技术为支撑的高校教学质量评价体系可以通过对关于学生学习的多方面数据进行多角度地分析研究，从而实现多层级评价。随着大数据时代的来临，教育行政人员以及高校决策层能够得到较之以往更具广度、细分度以及深度的多层级与学生学习相关的数据信息，从而使其作出的教育决策更具有针对性以及科学性。其中，数据的广度、细分度以及深度分别表现为：数据记录分析范围广阔，其能够检索到包含了学生、课堂、学校、地区乃至国家等层面的与学习相关的数据信息；数据记录分析内容详细，其能够检索到每一个包括少数族群和弱势群体学生在内的学习全过程的数据信息；数据记录分析程度较深，其不仅能够检索到学生已达到的学习结果还能够检索到影响其学习结果的因素。因此，为了实现教育的科学决策以及高校教学质量的准确评价，基于大数据高校教学质量评价体系必定具有多层级评价的特征。

2.3 双功能特征

以学生为主体、大数据技术为支撑的高校教学质量评价体系可以通过改进影响学生学习结果的教学活动以及通过有效数据证明高校教学质量，从而实现改进与问责双功能评价。在大数据时代到来之前，改进评价与问责评价属于难以在同一评价体系中共存的评价范式，尤其是在高校教学质量评价体系中，对于其功能是作用于改进学校内部教学质量还是作用于外部利益相关者的争论一直在进行[6]。问责评价的主要目的是合规，其主要是通过收集符合标准化测试的证据向外部利益相关者证明其教学水平，其属于高等教育普及化阶段的产物，这是一种通过依法主动问责回应社会问责的评价形式。改进评价则是一种高校教师的自发行为，其在教师改进课程时，评价资料的收集方式就是学生的测试成绩、课堂作业、互动表现等，故而其表现得零散多样。因此，属于改进评价体系的高校教师是不认可问责评价体系的，教师们认为统一的评价方法和标准不利于因材施教的宗旨，得不到准确的评价结果。

然而，随着大数据时代的到来，改进评价以及问责评价在收集分析相关数据材料的过程更加便捷，使得这两种评价范式能够同时体现在基于大数据高校教学质量评价体系中，使得高校能够从容应对外部质量问责，同时还能够为教师改进课程指导正确的方向，因此，基于大数据高校教学质量评价体系必定具有改进与问责双功能评价的特征。

3 高校教学质量评价体系的实现路径

随着大数据时代的到来，应用多样化、收集常态化以及管理制度化成为了当下数据追求的相关指标，本文对大数据技术进行合理开发及利用，并在大数据的基础上构建出高校教学质量评价体系。

3.1 数据收集常态化

数据收集既是日常的教育教学工作，也是维持大数据教学质量评价体系正常运转的主要动力，因此，日常的数据收集工作成为了高校管理重要的部分。通过对传统的高校教学质量评价体系的细致分析，发现学生在学习结果方面的评价并不全面，存在显著的缺失现象，学生经过一段时间学习后其知识是否掌握、是否得到增值等通过学期课程测试是难以测试出来的，同时，这些测试指标也不是衡量学生学习程度的唯一标准。因此，可以从教材选取和环境构建等方面入手。

为了得到具有连续、伴随式的评价数据，美国高校通常会对学生每天在课堂上的表现的数据进行收集，课程嵌入式评价是评价学生方法的简称，这种评价方法不但提高了学习评价的精确度，而且还提高了评价的效率。课程教学涵盖了课程嵌入式评价，课程目标的确立是教师在系统化基础上完成的，并根据课程目标的要求制定出评价量规。通过学生的表现来测量其学习结果与课程目标之间的距离，并给出恰当的等级评判。测试学生学习结果的手段有很多，例如：纸质测试、视频测试以及访谈测试等，这些测试方法都能够成为学生学习结果的依据。课程嵌入式评价不但可以检测、跟进学生学习状况，而且还能对学生在学习过程中的优劣性进行判定，使学生真正认识到自己的不足。此外，课程嵌入式评价不仅可以应用于学生层面，而且也可以将该方法应用到教师领域，从而挖掘出高效的教学手段，提高教师的教学效率。数据收集趋向于常态化不但能够提高评价结果的精确度，而且还能使评价目标得以实现。

3.2 数据应用多样化

大数据的“大”有两种含义：第一，外在的“大容量”；第二，内在的“大价值”。数据的价值除了在统计报告中有所体现之外，还在应用领域体现甚广，首先针对学生学习状况构建出具有预警功能的数据软件，如普度大学构建的“信号”软件。其次学生的毕业率和留存率都可以通过数据预测出来；再次随着教育行业不断推陈出新，给学生提供了更多的学习渠道，如通过开发教育和弹性学制都能学生获得良好的高等教育。最后借助数据来改善教师课堂教学方式和教学行为，这是因为这两种教学行径对学习结果的好坏起到决定性的作用,对所收集到的数据进行分析，并为教师提供有效的课堂教学方案，提高教师的教学质量和教学进度。数据的多样化应用促进了教学管理人员和教师参与教学质量评价的积极性，数据作为衡量评价结果的标准，应当在各评价中得到推广及应用。

3.3 数据管理制度化

由于数据信息在高校的管理和决策方面起到重要的决定性作用，因此高校需要构建出合理的管理制度，使数据的收集、分析、应用以及反馈越来越趋向于规范化、合理化。数据管理的制度化不是单凭一两个人的配合就能实现的，而是需要高校中每个部门之间的紧密配合、分工合作才能使数据形成具有周期性、持续性的循环过程。教务处、图书馆、科研处、学生处、人事处等部门都是提供数据收集的重要部门；教学质量监控部门是负责数据分析和重组的重要单位；学校以及二级教学单位等都是负责数据使用和反馈的单位，因此需要提高项目的合理性，同时制定相关约束和鼓励政策。此外，高校应当将数据纳入到管理项目中，使数据的质量得到保障，在数据收集源头设置关卡，拦截质量不达标或者不规范的数据；创建不同的存储空间，根据数据活跃程度来安排不同的存储空间，使数据在存储阶段更加规范合理，降低访问压力；为数据贴上标签，使数据在应用阶段能够快速查询到数据的口径、来源、指标定义等重要信息，以上的所有措施都需要构建出制度化的管理模式来完成的。