智能时代数据驱动的在线教学质量评价探究

李爽　刘紫荆　郑勤华

[摘   要] 智能时代，新的教育需求与技术条件推动着在线教学质量的重构与评价改革。文章针对现有在线教学评价中缺乏优质教学导向、难以支持动态评测等问题，在对智能时代在线教学的教师角色、教学重心、教学思维、教学主体构成转变分析的基础上，提出在线教学在目标与内容、方法与过程、技术与系统三方面的七个质量特征：建构性、发展性、促进性、敏捷性、个性化、智能化、开放性。基于此，文章在教学平台与专家调查基础上提出以师—机—生行动与成效数据为质量表征的在线教学质量评价框架与指标构想，以及支持该框架在多场景应用的人机协同智能化指标构建方法。以期为智能时代在线教学质量的数据表征、动态监测和评价提供启示。

[关键词] 智能时代; 人工智能; 数据驱动; 在线教学评价; 质量特征; 评价框架; 评价指标; 人机协同

[中图分类号] G434            [文献标志码] A

[作者简介] 李爽（1978—），女，河南新乡人。副教授，博士，主要从事在线学习支持与学习分析研究。E-mail：lilybnu@bnu.edu.cn。

一、问题的提出

随着在线教学成为教学新常态，其质量问题不仅是社会关注的焦点[1]，也成为“十四五”规划高质量教育体系构建的重要任务[2]。进入智能时代，无论是教育需求还是技术条件都发生了变化，这些因素无疑将推动人们对在线教学质量的审视与重构。面对公众日益增长的个性化优质教育需求，在线教学迫切需要抓住大数据与智能时代的机遇，在新教育理念和技术赋能下重构其质量特征，探索数据驱动下的智能化在线教学发展路径。而应用大数据和智能技术基于多模态教学数据开展在线教学质量的动态监测与伴随式评估是智能化教学的關键，成为在线教学评测的重要发展方向[3]。鉴于此，本文将立足新时期的需求与技术条件，探索智能时代数据驱动的在线教学质量特征及其评价框架与指标建构，以期为智能时代在线教学质量的动态监测与评价提供理论与方法支撑。

二、在线教学质量评价现状

（一）评价框架以要素评价为主

教学质量评价是利用教育评价理论和技术对教学过程及其结果是否达到一定质量要求做出价值判断[4]。根据Green对教育质量的定义[5]，我们将在线教学质量定义为在线教学满足学生、教师等社会相关利益群体需求的能力总和。然而，在线教学质量是一个复杂且难界定的概念，它取决于学生、课程、教学设计、技术手段以及其他组织、规划和环境等诸多因素，而不同利益相关者（学习者、学者、领导者、雇主和社会）也会有不同理解[6]。如何评估在线教学的质量与人们所具备的在线教学质量观，即对在线教学的价值选择或功效实现程度的判断密切相关[7]。调研发现，已有多数在线教学评价框架与指标体系是基于系统性质量观建立的，关注教学系统各要素、各层次协调统一以达成相应要求的程度[7]，指标围绕教学资源、教学活动等要素展开[8-9]。也有评价指标体系基于面向过程的服务质量观和面向结果的增值性质量观以及目标性质量观[10-11]。前者关注在线教学满足各利益主体明确或隐含需要的特征和特性总和，后者分别从学生的成长进步和达到教学目标的程度来评价教学质量。总体来看，无论基于哪种质量观，已有评价框架大多围绕教学要素评估展开，包括教学构成与过程要素（如目标、内容、媒体、支持服务、教师投入等）和教学结果要素（如学习参与度、学习成绩、学生满意度等）。基于要素的评价框架虽然对支持在线教学质量建设具有重要作用，但是这类框架在选择和定义评价指标时容易仅从单一要素的质量要求展开，忽略在线教学的整体质量特征，忽略优质教学对多个要素相互协调与配合的要求。综上所述，有必要探索一种体现在线教学整体质量特征的评价框架，加强在线教学评价体系对优质教学的导向作用，支持评价者和实践者在评价发展中不断回答“什么是好的在线教学”。

（二）评价方法难以支持动态质量监测

调研发现，当前各级教学机构的在线教学评价大多仍采用传统评价方式，如督导评价、领导评价、同行评价、学生评教、教师自评等[12-13]。而文献提出的相关评价指标体系多基于专家领域知识和师生主观感受构建，采用层次分析法和模糊综合评价方法建立赋有权重的在线教学质量层次模型，适用于专家打分或师生自报告的评价场景[8-9，14]。可是这类传统人工评价方法难以支持对在线教学的动态质量监测与持续评价，难以支撑数据驱动的精准教学与教学改进。近几年，随着教育大数据的发展应用，基于在线教学行为数据开展自动化、智能化在线教学评价成为新的评价趋势[15]。基于伴随式教学数据的评价不仅节省了教师评价环节的投入，而且解决了人工评价较为主观、难以实现持续评价的问题，可实现对在线教学质量的全过程动态监测[16]，助力数据驱动的精准教学。鉴于此，一些学者开始探索基于教学行为数据的在线教学评价指标体系[11，15，17-18]。然而，基于教学行为数据所构建的指标体系是否能够有效揭示在线教学质量，也受到了人们的质疑[19]。一方面，已有指标是否能够表征在线教学的质量特征需要在更多教学情境中检验[17];另一方面，已有指标仍然是人工定义的，依赖设计者的领域知识，可能尚未挖掘出隐含在教学数据中的其他教学质量表征[20]。综上所述，需要探索一种能够结合专家领域知识与机器学习能力的数据驱动的在线教学质量评价方法，充分发挥专家与机器在教学评价方面的优势，支持对在线教学的动态质量监测与持续评价。

三、智能时代的在线教学质量重构

（一）在线教学的发展趋势

进入智能时代，学习空间、教育需求、教育技术都发生了改变。这些因素共同推动在线教学呈现出如下发展趋势：

1. 教师角色从知识讲授者转向联通学习促进者

当前，互联网为学生联通不同文化情境下的各类知识与资源提供了一个开放而复杂的分布式认知环境，学生在互联网互动过程中建立的各种连接为他们带来可以不断增值的学习资本。联通主义学习理论认为，学习就是建立连接的过程，连接与知识都是学习的结果[21]。新环境下，教师不再是知识的唯一来源，而只是学生知识网络中的节点。传统教师知识权威的地位开始消解，学生可基于互联网与其他知识传播者，甚至知识生产者连接互动。因此，知识讲授不再是在线教师的核心角色，教师需要从单一的知识讲授者转变为学生联通学习的促进者，引导和促进学生从互联网海量信息中寻找有用资源，与其建立连接，自主构建促进其学习发展的分布式学习环境，通过与该环境的交互促进其意义的建构，发展和优化个人知识网络，分享和创造知识。

2. 教学重心从教学资源建设转向学生经验构筑

在“知识本位”等科学主义范式影响下，加上早期网络技术条件的限制，在线教学很长一段时间都将资源建设作为教学重心。近几年，随着公众对优质教育需求的日益增长，人们对在线教育质量的关注点逐渐从资源质量转向育人质量。在线教育是否能够以及如何培养当今社会所需人才成为公众关注的焦点。与此同时，互联网、大数据与沉浸式等技术发展正在推动学习空间的重构，逐渐形成具有虚实融合、灵活开放、智能互联的分布式学习物质空间，不断构筑更加民主平等、互助互惠、协同创新的学习社会空间，支撑学生基于网络进行丰富情境下的研讨、协作、科学探究、角色扮演、社会调查、虚拟实验等多样化离身和具身认知活动[22]，以获得丰富的学习经验。面对新需求与新机遇，在线教学的重心势必要从内容和资源建设转向学生学习经验的构筑，关注学习的过程性、社会性与情境性，探索新技术支撑下的学习情境创设、活动组织与学习支持。

3. 教学思维从标准化教学生产转向个性化学习服务

受第二代远程教育工业化教育生产模式的影响，长期主导在线教学的思维方式是追求效率和效益的标准化生产思维与技术思维，而忽视了以人为本的教学基本思维。学习发展具有个性化特征，教学需要因材施教，教学过程不是标准化产品生产过程，而是师生在教学生态系统中互动、共生、共同建构的过程，是创造生命意义和人的生成过程[23]。在师生时空分离的在线教学情境中，为促进学生在教师“离场”情况下的学习发生和成效，就需要将思维方式从以教学为中心的标准化教学生产转向以学生为中心的个性化学习服务，从设计“教”转变为设计“学”，从实施教学转变为促进学习。早在20世纪90年代，西沃特就强调了服务思维对于促进远程学习的重要性[24]。随着公众个性化教育需求不断释放，在线教学从生产思维向服务思维的转变需求更加强烈，学习服务的必要性与重要性受到公众与政府的高度关注。2020年，我国人力资源和社会保障部发布新职业——在线学习服务师，体现了当今在线教育市场对学习服务的巨大需求，也预示着未来在线教育服务分工、组织方式与教学模式的深刻变革[25]。

4. 教学主体从人类教师主导转向师—机—生协同新格局

大数据与人工智能技术不仅为在线教学提质增效带来了新机遇，而且构筑出新型的教育教学生态，突出表现为教育实践中的师生关系从传统的人与人之间的关系，转变成人—机—人的关系。人工智能（Artificial Intelligence，AI）的教育应用改变了以人类教师为主的教学服务供给格局和以师生互动为主的教学互动模式，逐渐形成师—生—机协同发展、智慧共生的教学新格局与新生态[26]。一方面，具有不同教学智能水平的AI参与到教学服务供给中，成为教学新主体。AI能够发挥其数据智能感知、处理、分析与建模等优势，帮助教师处理低层次、单调性、重复性工作，开展教学数据智能化分析与建模，提升教学的工作效率以及精准性、适应性和科学性，解放人类教师去从事更具挑战性和创造性的教学与育人工作[20，27]。另一方面，AI也可以作为学生的学习伙伴，支持学生的自主探究、学习反思和调节，促进其深度学习与创造性学习。

（二）在线教学的质量特征

上述在线教学的发展趋势揭示了新时期相关利益群体对在线教学需求的变化，推动着在线教学质量内涵的演变与重构，教学的目标与内容、方法与过程、技术与系统逐渐呈现出新的质量特征，如图1所示。

1. 目标与内容

（1）建构性

随着人们对学习本质和过程特征的认知逐渐深入，建构主义关于学习是意义建构过程的观点获得更多认同[28]。建构主义将认识主体的能动性与建构性作为认识形成的关键[29]。社会建构主义认为，智能分布在环境与他者之中，人通过直接与他人交互来建构自己的见解与知识，揭示出学习的社会性与情境性。联通主义探索了互联网环境下学习的新特征，即通过寻径和意会发现资源节点、建立连接、发展知识网络对于學习的价值[21]，而建立连接、发展网络实质上就是学生利用互联网自主构建其分布式学习环境以支持其社会建构的过程。上述学习观的转变使在线教学的目标与内容更关注学生的主体性，重视对学生意义建构的促进与支持。

（2）发展性

自主学习是在线学习成功的重要条件，培养学生的自主学习能力一直是各国开放大学与远程教育机构重要的育人目标[30]。进入互联网时代，在世界范围内都开始强调自主发展能力与素养是个体应对瞬息万变的社会环境而必须具备的基本能力。联合国教科文组织在Rethinking Education：Towards a Global Common Good？中指出，青年要具备分析问题、找到适当的解决办法、有效地交流思想和信息等自主发展能力[31]。“中国学生发展核心素养”中的自主发展素养也要求学生在学习和生活中有效管理自己、充分认识和发现自我的价值[32]。可见，无论是满足在线学习需求还是人才培养需求，促进学生自主发展都是在线教学目标和内容的应有之物。

2. 方法与过程

（1）促进性

学生是学习的主体，学生投入是影响学习绩效和结果的重要因素，教学需要激励和促进学生主动投入到学习活动中才能达到预期目标[33]。在依赖学生学习自主性的在线学习情境下，教学是否能够促进学生的自主学习投入是学习达到预期目标的关键。传统在线教学更多关注内容与资源的建设，而忽略了对学习过程中投入的促进，学习投入较低已经成为制约在线教学质量的普遍问题[17，34]。这使得是否有效促进学生学习投入成为评估在线教学方法和过程质量的重要依据。

（2）敏捷性

教学是一个动态的教与学的双边活动，具有生成性特征。正如杜威所指出的那样，“教育过程是一个不断改组、不断改造和不断转化的过程”[35]。当前在线教学过多关注设计的先进性与合理性，而忽略了教学的动态与生成特征。实际上，教学很难被预设，需要及时捕捉学生需求、问题等，根据学生学习的情况，灵活调控和调整。传统在线教学因为师生分离而使敏捷教学成为其短板。随着大数据与AI技术的教育应用，教学可以做到对学情的及时捕捉、分析与响应[36]，优质教学过程的生成性与敏捷性特征日益凸显。

（3）个性化

每个学生都是独特的，其学习特征与学习过程也存在差异，因此，教学应因材施教，提供个性化学习支持。个性化教学在教师“离场”的在线情境下更为重要，因为在线学生相比课堂学生往往需要教师更多关注与支持[25]，且在学习特征与需求方面存在更大差异[37]。在公众日益增长的个性化教育需求驱动下，在线教学逐渐从生产思维转向服务思维，更注重其个性化学习服务能力的提升。

3. 技术与系统

（1）智能化

智能时代，在大数据、互联网、人工智能等技术支撑下，基于教育数据挖掘，结合教学领域知识，提升教学智能化水平，是当前在线教学应对日益增长的大规模个性化教育需求、提质增效的重要实现路径[6]。教学AI作为新教学要素参与到学生、教师和其他教学要素的交互中，将赋能教学目标确定、教学内容与策略选择、教学活动组织、教学评价等各个环节，推动教学的结构化变革[30]。在此背景下，教学技术与系统的智能感知与智能化教学辅导能力逐渐成为在线教学的质量特征之一。

（2）开放性

在线教学作为一种开放、灵活的教学模式，其本身相较于课堂教学具有开放特性。随着互联网以及各种智能终端的普及，公众对在线教学的可获得性，以及教学时空、方式、内容和资源的开放与灵活性提出更高要求。与此同时，5G通信、云计算、大数据、物联网、虚拟现实等技术的发展推动了网络学习空间的重构[38]。搭建开放联通的网络学习空间以支持多空间、多情境、多资源的汇聚和整合，成为在线教学需要面对的新需求。

四、数据驱动的在线教学质量评价框架与

指标构建

（一）评价框架与维度构想

基于前文对智能时代在线教学质量特征的分析，本文提出在线教学质量评价框架，该框架将在线教学相关要素进行整合，从目标与内容（建构性、发展性）、方法与过程（促进性、敏捷性、个性化）、技术与系统（智能化、开放性）三方面的质量特征评估在线教学质量。为支持在线教学质量的动态监测与智能化评测，本文对科大讯飞畅言智慧课堂、Educoder、联想ilearning、奥鹏open2u、华中师范大学小雅平台等五个中小学、高等教育、职业教育的教学平台功能与数据进行调研，定义出在线教学师—机—生交互生成数据可表征的质量维度及代表指标。之后，邀请在线教育、教育大数据、基础教育、高等教育领域的16名专家，通过半结构化访谈形式对质量特征、表征维度和代表指标进行论证与改善，形成如图2所示的评价框架。

建构性评估在线教学支持学生经验构筑、促进意义建构的能力。该维度围绕意义建构所需的情境、同伴、对话等要素展开，包括搭建学习空间、创设情境、促进学生与环境和内容的交互、促进对话与协作等。故该维度从学习环境、学习资源、学习活动、教学交互四方面进行评价，可通过教师/AI在环境创设、资源建设、学习任务设计、教学对话四方面的行为投入、所识别的建构主义要素特征和学生建构行为指标来评测。

发展性评估在线教学促进学生自主学习发展的能力。该维度强调将学生在线学习的自我调节技能培养融入日常教学，从目标导向、工具利用、时间管理、评价反思四方面评价，可通过学生在上述调节行为的投入绩效指标进行评测。

促进性评估在线教学激励和促进学生投入在线学习过程与活动的能力。该维度强调对在线学习过程的激励与支持，从任务完成、资源使用、同伴互动、小组协作四方面评价，可通过表征学生相应学习投入的行为指标来评测。

敏捷性评估在线教学为确保学习成效而在学情分析基础上通过教学交互及时响应需求、调整教学的能力。敏捷性关注教学根据教学事件与学情及时响应需求和问题、灵活调整内容与策略的能力，因此，从学情监控、作业反馈、问题响应、教学调整四方面评估，可通过教师/AI在上述四类活动中的行为绩效指标进行评测。

个性化评估在线教学根据学生特征與需求提供个别化辅导与服务的能力。该维度关注教学在满足和响应学生个性化需求和问题方面的能力，从学习推荐、学习反馈、辅导答疑、同伴支持四方面开展评价，可以通过教师/AI给学生提供个性化学习推荐、反馈与辅导方面的行为投入及其学生评价反馈，以及体现课程社区中同伴互助的行为绩效指标来评测。

智能化评估在线教学向学生提供智能化教学干预和学习服务的能力。教学智能化体现在对学生与学习的智能感知与建模，以及在此基础上对学习的智能化辅导、答疑和测评。故该维度从智能感知、智能答疑、智能评测、智能辅导四方面开展评价，可通过教学系统对学生特征、需求的识别效度与效率，以及智能答疑/测评/辅导相关知识库特征与迭代、执行频次与效率、学生反馈等指标来评测。

开放性评估在线教学在支持学习时空、资源、方式开放方面的能力。教学开放性表现为具有较好的可获得性，以及数据联通支撑下学习时空与方式的灵活开放、资源的动态汇聚和便捷共享。该维度从可获得、计划灵活、资源联通、技术兼容四方面开展评价，可通过接入便捷性、学习灵活性、外在资源联通性、跨平台共享等指标进行评测。

（二）评价指标的智能化建构

对于不同在线教育情境、教学环境和平台，教学的关键质量特征、表征变量与评测指标、可获得数据会存在差异[17]。因此，很难提出适用所有情境的评价指标体系[39]。鉴于此，有必要探索一种智能化评价指标建构方法，以支持评价者运用本文所提出的评价框架构建基于适应实际情境和教学数据的评价指标体系。专家经验对在线教学质量评价虽然重要，但是存在效率不高且受限于专家经验而难以发现有价值的隐性指标等问题，而智能技术支持下机器的数据、算法和算力，能够助力真实且复杂教育场景和教学环节的数据分析和挖掘，帮助领域专家建立可解释、可操作的教育模型[20]。因此，本文提出一种人机协作的智能化指标构建方法，该方法综合了人类专家在指标架构设计与价值评估方面以及机器在细粒度指标捕捉、计算与结构验证方面的优势，以本文定义的评价框架为基础，以专家知识和真实教学数据为驱动，通过专家标注、机器学习与专家辅助决策的反复迭代实现评测指标的智能化构建（如图3所示）。具体建构流程如下：

阶段一：多模态数据采集与处理。以初始评价框架作为输入，采集教学中的多模态数据，包括结构化的行为日志数据，也包括教学文本、师生互动语音、教学图像、教学视频等非结构化数据，形成数据池。采用自然语言处理技术、音视频数据解析技术等对数据进行清洗和处理，得到评价指标的基础数据库。

阶段二：指标筛选与优化。由专家对部分教学评价样本进行标注，并根据评价框架对评价指标完成初始标注。机器学习过程中通过学习已标记的样本来训练指标分类器，将机器选择的新评估指标不断补充到样例池中，直至以综合绩效为目标值的模型检验中的指标解释度达到阈值后，将优化后的指标汇入指标库。

阶段三：指标结构构建。基于初始的指标结构和优化后的指标库更新多模态数据池，通过强化学习算法构建指标关系，并由专家对拟合度不足情况下的指标关系进行标注，决定指标关系的去留和进行指标权重调整，直至模型拟合度达到阈值后输出最终的指标结构，从而得到最终的在线教学质量评价指标体系。

五、结   语

进入智能与互联时代，人机协同的混合增强智能是社会发展的重要方向，也是智能教育的未来实现路径[40]，人机协同共生的在线教学将成为教学新常态，共同支撑知识、能力、素养、人格四位一体的全人教育。建立在对教学伴随式数据智能采集、分析基础上的在线教学质量评测是师—机—生实现混合增强智能的关键。本文立足教育理论和教育发展新需求与新技术条件，定义智能时代在线教学七大质量特征，并在此基础上构建出数据驱动的在线教学质量评价框架及其评测指标的智能化建构方法。相关成果不仅为智能增强时代数据驱动的在线教学质量测评提供了理论与方法支撑，而且也将为在线教学特征的数字化表征与建模提供启示和依据，共同助力技术和数据赋能下更具智慧性和发展性的师—机—生协同共生的新型在线教学生态的形成。后续研究将基于该框架，结合不同教育场景的真实教学数据，邀请相关领域专家，通过本文提出的人机协同智能化指标构建方法对评价框架各维度及其指标进行深入实证研究，验证和优化评价框架，构建不同育人场景下数据驱动的在线教学质量评测模型，定义各场景下在线教学质量的关键特征及其数据表征。

[参考文献]

[1] 赵立莹，赵忆桐.在线教学效果评价及质量保障体系建设[J].高等工程教育研究，2021（2）：189-194.

[2] 中华人民共和国中央人民政府.中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要[EB/OL]（2021-03-13）[2021-11-22].http：//www.gov.cn/xinwen/2021-03/13/content_5592681.htm.

[3] 骆方，田雪涛，屠焯然，等.教育评价新趋向：智能化测评研究综述[J].現代远程教育研究，2021，33（5）：42-52.

[4] 陈玉琨.教育评价学[M].北京：人民教育出版社，1999：70.

[5] GREEN D. What is quality in higher education？[M]. Buckingham： Society for Research into Higher Education & Open University Press， 1994： 3-21.

[6] 兰国帅，魏家财，张怡，等.未来高等教育教学：宏观趋势、关键技术实践和未来发展场景——《2021年地平线报告（教学版）》要点与思考[J].开放教育研究，2021，27（3）：15-28.

[7] 李爽，李梦蕾，赵宏.在线课程质量观和质量要素的质性研究——基于专家、实践者和学习者的视角[J].中国远程教育，2020（3）：42-50，81.

[8] 徐娟.职业院校在线教学质量评价体系构建研究[J].中国现代教育装备，2021（5）：147-148，160.

[9] 周姗颖.线上教学质量评价指标体系设计——以同步在线教学模式为例[J].北京印刷学院学报，2021，29（2）：126-129.

[10] 赵呈领，黄琰，疏凤芳，等.学习体验视角下在线开放课程质量评价模型研究——以教师研修类课程为例[J].现代远距离教育， 2020（3）：32-41.

[11] 陈耀华，郑勤华，孙洪涛，等.基于学习分析的在线学习测评建模与应用——教师综合评价参考模型研究[J].电化教育研究， 2016，37（10）：35-41.

[12] 崔依冉，韩锡斌，周潜.职业院校防疫期间在线课程教学质量评价的成效、问题及建议[J].教育与职业，2021（2）：88-94.

[13] HARRISON R， MEYER L， RAWSTORNE P， et al. Evaluating and enhancing quality in higher education teaching practice： a meta-review[J]. Studies in higher education， 2022，47（1）： 80-96.

[14] 王璐，赵呈领，万力勇.基于扎根理论的在线开放课程质量评价指标体系构建研究——以国家精品资源共享课为例[J].中国远程教育，2017（11）：70-76.

[15] 魏顺平，程罡，王丽娜，等.数据驱动的在线课程实施过程评价指标体系构建研究[J].开放学习研究，2016（2）：42-48.

[16] 马星，王楠.基于大数据的高校教学质量评价体系构建[J].清华大学教育研究，2018，39（2）：38-43.

[17] 李爽，王增贤，喻忱，等.在线学习行为投入分析框架与测量指标研究——基于LMS数据的学习分析[J].开放教育研究，2016，22（2）：77-88.

[18] 魏顺平.在线学习自动评价模式构建与应用研究[J].中国远程教育，2015（3）：38-45，79.

[19] 李逢庆，韩晓玲.混合式教学质量评价体系的构建与实践[J].中国电化教育，2017（11）：108-113.

[20] 郑勤华，郭利明.人机协同的敏捷教育建模及实践应用[J].现代远程教育研究，2021，33（4）：43-50.

[21] SIEMENS G. Connectivism： a learning theory for the digital age[J]. International journal of instructional technology and distance learning， 2005， 2（1）： 3-10.

[22] 李爽，鲍婷婷，王双.“互联网+教育”的学习空间观：联通与融合[J].电化教育研究，2020，41（2）：25-31.

[23] 李爽，林君芬.“互联网+教学”：教学范式的结构化变革[J].中国电化教育，2018（10）：31-39.

[24] SEWART D. Student support systems in distance education[J]. Open learning： the journal of open， distance and e-Learning， 1993， 8（3）： 3-12.

[25] 李爽，王海荣，崔华楠，等.在线学习服务师职业标准框架探索[J].中国远程教育，2021（3）：12-23，76.

[26] 谢幼如，邱艺，刘亚纯.人工智能赋能课堂变革的探究[J].中国电化教育，2021（9）：72-78.

[27] 陈凯泉，沙俊宏，何瑶，等.人工智能2.0重塑学习的技术路径与实践探索——兼论智能教学系统的功能升级[J].远程教育杂志， 2017，35（5）：40-53.

[28] 何克抗.建构主义──革新传统教学的理论基础（上）[J].电化教育研究，1997（3）：3-9.

[29] 钟启泉.知识建构与教学创新——社会建构主义知识论及其启示[J].全球教育展望，2006，35（8）：12-18.

[30] ZHAO H， CHEN L， PANDA S. Self-regulated learning ability of Chinese distance learners[J]. British journal of educational technology， 2014， 45（5）： 941-958.

[31] UNESCO. Rethinking education： towards a global common good？[M]. Paris： UNESCO Publishing， 2015： 41.

[32] 林崇德.21世纪学生发展核心素养研究[M].北京：北京师范大学出版社，2016：57.

[33] FREDRICKS J A， BLUMENFELD P C， PARIS A H. School engagement： potential of the concept， state of the evidence[J]. Review of educational research， 2004， 74（1）： 59-109.

[34] 刘繁华，易锡添.在线学习投入的分析模型构建及应用研究[J].电化教育研究，2021，42（9）：69-75.

[35] 褚洪启.杜威教育思想引论[M].长沙：湖南教育出版社，1998：161-164.

[36] 祝智庭，沈德梅. 基于大数据的教育技术研究新范式[J].电化教育研究，2013，34（10）：5-13.

[37] 王秀凤.基于需求管理的远程学习支持服务优化策略[J].中国电化教育，2019（2）：103-109.

[38] 唐烨伟，沈玉涵，赵一婷，等.智能技术赋能网络学习空间：锚点定位、模型重构与价值探求[J].电化教育研究，2021，42（5）：70-76，85.

[39] 鲁小艳.高校在线教学质量评价体系构建[J].中国高等教育，2021（10）：42-44.

[40] 沈阳，田浩，黄云平.智能增强时代推进新一轮学习革命——访中国科学院院士吴朝晖教授[J].电化教育研究，2020，41（8）：5-10.

Research on Data-driven Online Teaching Quality Evaluation in the Intelligent Era

LI Shuang，  LIU Zijing，  ZHENG Qinhua

（Research Center of Distance Education， Beijing Normal University， Beijing 100875）

[Abstract] In the intelligent era， new educational needs and technical conditions promote the reconstruction and evaluation reform of online teaching quality. Aiming at the problems of lack of high-quality teaching orientation and difficulty in supporting dynamic evaluation in the existing online teaching evaluation， this paper analyzes the transformation of teachers' role， teaching focus， teaching thinking andteaching subject composition of online teaching in the intelligent era. This paper then puts forward seven quality characteristics of online teaching in three aspects of objectives and contents， methods and processes， and technologies and systems： construction， development， promotion， agility， personalization， intelligence and openness. On this basis， this paper proposes a framework and index conception for online teaching quality evaluation based on the teaching platform and expert survey， with the teacher-machine-student action and effectiveness data as the quality representation， as well as an intelligent index construction method for man-machine collaboration to support the application of the framework in multiple scenarios. It is hoped to provide enlightenment for the data representation， dynamic monitoring and evaluation of online teaching quality in the intelligent era.

[Keywords] Intelligent Era; Artificial Intelligence; Data-Driven; Online Teaching Evaluation; Quality Characteristics; Evaluation Framework; Evaluation Index; Human-machine Cooperation

基金項目：科技创新2030“新一代人工智能”重大项目2020年度项目“混合增强在线教育关键技术与系统研究”（项目编号：2020AAA0108804）;国家自然科学基金2019年度面上项目“基于三层空间多维时间特征的在线学习投入分析技术与评价模型研究”（项目编号：61977011）