基于大数据的高校教师教学质量画像的研究与实现

郑晋

摘要：教师教学质量的提升是教师群体永恒的话题，通过对大数据技术、企业用户画像思想、教育教学理念的有机融合，构建可视化的教师教学质量数字画像，助力教师教学能力的提升与精准改进，这对促进学校师资队伍建设具有重要意义，“教师教学质量画像”展现出了强大的发展潜力和应用前景。希望研究成果能对教师画像、教师教学质量画像领域的研究提供一些有价值的参考。

关键词：教师画像；教学质量画像；大数据；评价

一、前言

传统的评估方法主要依赖于教学评估问卷、学生评价和观察记录等手段，这些方法往往受限于主观性、样本有限以及时间和成本的限制。因此，我们迫切需要一种更科学、全面、准确的方法来评估高校教师的教学质量。基于大数据的教师教学质量画像正是应运而生的解决方案。利用数据挖掘、机器学习和人工智能等技术，我们可以建立起教师教学质量的量化模型，为教师提供有针对性的反馈和改进建议，以实现教学质量的提升。

二、教师画像、教师教学质量画像概述

教师画像起源于企业用户画像[1]，其能够具象化用户的行为表征，从而帮助企业精准了解用户数据。用户画像的理念被引进到了多个领域，在教育领域，根据用户身份的不同，孵化出多种画像产物：如教师画像、学生画像、课程画像等等。“教师画像”是通过对学校各类信息化系统及用户网络数据进行大数据分析，总结出教师个人行为，如教学行为、科研行为、教学质量行为、个人职涯发展情况等特征信息，据此构建起立体化、多维度的虚拟教师，通过这个虚拟形象能够从多角度精确刻画教师的专业表现，即将教师这个人“数据化”[2]“可视化”“电子化”，促进教师的专业发展和学校师资队伍建设。画像的生成是实现精准诊断、有效干预和提供个性化推荐服务的基本前提。

“教师教学质量画像”是教师画像的重要组成部分。教学质量是高校的生命线，教师在其中扮演着重要角色，是提高教学质量的关键节点。利用新技术刻画教师教学质量，通过对教师教学相关行为进行大数据分析、整理、比较，生成教师教学质量数字画像，从而诊断出教师在教学能力上的优势与不足，帮助教师提升自身的教学水平，明确未来改进方向，同时也为教学管理部门调整学校教学相关政策措施提供参考。呈现教师教学质量特征数据有利于激发教师的热情工作，有助于教师改进教学，提高教学质量。教学质量离不开数据，借助大数据助力教师教学质量的提升与改进，必将成为未来教育领域新的发展趋势之一[3]。

目前国内教育领域对个体画像的研究多集中于学习者，较少关注教师，现有研究还不算深入。截至2023年5月，在中国知网（CNKI）以“教师画像”作为关键词进行检索，显示出了75篇文献，以“教师教学画像”作为关键词进行检索，显示出了18篇文献，对这18篇文献进行进一步筛选阅读发现，单独做教师教学质量画像的文章是凤毛麟角，关于教师画像的研究在国内还属于一个新兴领域，在国家大力提升师资队伍背景下，针对教师群里画像和教师个体画像十分必要。本文以笔者所在的大连东软信息学院数据画像分析系统为例，提出教师教学质量数字画像的设计、建构、实现、实践路径。

三、教师教学质量画像要素的选择

教师画像的研究设计思路源自企业用户画像领域，由于涉及多门学科与理论，不同学科的聚焦点与切入点有所不同，呈现出的教师画像内容也有所差异。教师教学质量画像以促进教师教学质量的提升为根本目的，依托学校已有的信息化系统，如人事管理系统、学生评教系统、督导听课系统、教务管理系统等，基于渠道丰富、表现多元的数据，从中选取出最能代表教师教学质量的核心要素，本研究选取的教学质量要素包括教师个体特征、课程特征、教学评价结果特征三大类，对以上选取的要素设定标签。其中，教师个体特征包括教师姓名、年龄、职称、所在系部等；课程特征包括教师所授课程的名称、类别、数量等；教学评价结果特征包括各项评价指标、各项评价结果、听课人意见、教师本人与系部平均分横纵向对比等。画像元素的选择尽量完整地描绘一位教师的教学质量内涵，尽量全面多维多层次，不能仅从一个维度去分析，这样描绘出来的画像才更准确，更接近老师的实际授课水平，从而便于教师全面了解自己的教学优缺点，学校也可据此为教师提供更精准的个性化服务、指导与培训[4]。

四、教师教学质量画像的设计与实现

教师教学质量数字画像系统是一个基于Web的应用程序。在前端方面，它采用了Bootstrap作为前端框架，用于快速开发Web应用程序和网站。HTML、CSS和JavaScript被用于创建用户界面和交互效果，使系统界面友好且易于使用。后端方面，系统使用Java作为主要的编程语言，并结合Oracle数据库进行数据存储和管理。Java的强大功能和稳定性保证了系统的高效运行和数据处理能力。通过这种前后端的结合，教师教学质量数字画像系统能够提供全面的教师教学质量数据分析和展示功能，帮助用户深入了解教师的教学表现。教师教学质量数据画像实现过程包括如下三个阶段。

第一阶段：数据获取阶段。数据画像分析系统从其他数据源获取与教师教学、教学质量相关的数据，包括教师个人基础信息、授课课程信息、各类评教结果数据等。教师基本信息可以从学校人事管理系统读取，课程数据可以从学校教务管理系统读取，评教结果可以从学校学生评教系统、教学督导听课与评价系统读取。

第二阶段：数据处理阶段。由于数据来自不同的系统数据库，数据格式不同，因此获取数据后要对数据进行预处理，包括数据清洗、缺失值的补全、数据合成等，使多方数据能最终有效匹配与整合。对于结构化的数据需要按照教师画像的指标体系对部分属性进行标识，并运用统计学方法进行分析处理，得到教师教学质量数字画像的多重属性。对于非结构化评教文本数据需要对其进行中文识别，并使用特征提取法提取出文本的特征。

第三阶段：画像构建阶段。提炼特征标签，构建标签体系，选择合适的挖掘算法建立分析模型，本研究采用了多层架构多层次进行划分，利用大数据挖掘技术结合数据采集和分析技术、指标体系、标签体系、应用体系等对教师教学质量数据建立画像原型。

第四阶段：原型实现与验证。包括教师个体页面和教师群体页面的制作与实现，将教师直观化，输出有效教师教学质量画像，适用系统并做效果评估等。

该画像系统统计分析了老师近3年学生评教成绩、教学单位评教成绩、督导评教成绩、教学质量等级、本人与系部平均分比较、本人所授课程学生课下学习时间对比等数据，并对近一学年学生评价的主观意见进行提炼，学生姓名做了加密处理，不会透露学生个人信息。据此，老师可以调整教学策略，为改进教学提供参考。

在教师画像生成的过程中，最困难的就是学生评教意见的提取与分析，因为学生意见文本往往书写都很随意，不是固定句式，有很多是网络用语“老师讲课666”“老师讲课so fast”，句法复杂多样，也存在很多“无意见”“没有”“no”等无价值信息，在文字评语上存在大量的缺失和噪声，学生意见对教师改进教学又非常重要，因此在提取情感词方面笔者团队投入了大量精力。首先对包含评教文本的数据进行标注，标注结果包括方面词和方面情感词对的提取、词对的情感标注以及整条评语的情感分类。据此得到一个数据集合，该数据集记录了学生评教文本精确提取和方面情感值以及整体的情感分析结果，采用Aspect和Opinion情感评估挖掘，使用词典方法和机器学习方法，最终得出解析结论[5]。

五、结语

教师教学质量画像全方位、多维度、多视角呈现了教师教学质量相关因素的趋势变化情况，让教师的教学能力样貌更加清晰、具体、量化，不仅能帮助教师了解自己的教学水平现状，精准助力教师下一步改进。当然本文的研究还仅仅是一个开端，随着大数据技术应用的不断深入，其在人才培养、教学活动、组织行为等方面还会积累更多元丰富的数据。后续研究还将纳入更全面智能的教学质量要素，如纳入课堂到课率、抬头率等观测点，以及如何更快捷更深层次地分析学生评教文本等。让教师能够从教师教学质量画像中获得更多维有效的信息，为个人职业发展提供数据支持。

参考文献

[1]胡小勇，林梓柔.精准教研视域下的教师画像研究[J].电化教育研究，2019，40（7）：84-91．

[2]方丹丹，王海涛，李颖，等.对外经济贸易大学，用大数据描绘“教师画像”[J].中国教育网络，2017（7）：61-63.

[3]陈尧.教师画像与评分系统的设计与实现[D].重庆：重庆大学，2018.

[4]杨彩霖.基于大数据的师生教学行为画像的构建与应用研究[J].高教学刊，2021，7（31）：78-81.

[5]何杜.基于大数据的高校教师绩效考核方案研究[J].成才之路，2021（31）：18-20.