基于大数据的教学质量监测平台的设计研究

丁珏 恽菲

关键词：大数据；教学质量监测；平台

大数据技术的快速发展，不仅改变了人们的生活方式，也对于各行业的发展产生了深远的影响。在教育领域，大数据技术的应用也逐渐从理论走向实践，为教育信息化进程注入了新的活力[1]。教学质量是教育的核心，直接关系到学生的成长和未来的发展。对教学质量进行监测和评估，是保障并提高教育质量的重要手段。基于大数据技术的教学质量监测平台，可以整合各种教育资源，形成全方位、多层次的教学质量监控体系，有助于提高教学质量，促进教育公平。

1 目前教学质量监测存在的问题

教学质量监测是教育过程中的重要环节，对于提高教育质量和学生学习效果具有重要意义。然而，当前教学质量监测存在一些问题，影响了其作用的发挥，主要包括以下几个方面：

1） 监测机制不足

现行教学质量监测机制不够完善，缺乏对教师教学质量的全过程监测和评估，导致无法及时发现问题并采取有效措施。

2） 监测数据准确性不高

由于数据采集方式的局限性，教学质量监测数据存在一定的误差，影响了对教学质量的准确判断。

3） 缺乏有效反馈机制

教学质量监测结果往往缺乏及时、有效的反馈，导致教师无法明确了解自己的教学不足，从而难以改进。

分析原因，一是监测机制完善程度不足。现行教学质量监测机制主要依赖于传统的听课、学生评价和教学资料审查等方式，缺乏现代化的监测技术和手段，影响了监测的全面性和准确性。二是数据采集方式的局限性。目前教学质量监测数据采集主要依靠人工方式进行，受到时间、地点、人力等多种因素限制，导致数据采集不全面、不准确。三是缺乏有效的反馈机制。教学质量监测结果未得到及时、有效的利用，缺乏与教师、学生和学校的沟通与反馈，导致监测结果无法对教学质量的提升产生实质性影响。

2 基于大数据教学质量监测平台设计原则

1） 实用性原则

平台的功能应满足实际教学管理的需要。平台应具有数据采集、处理、分析、展示等功能，能够为教学管理者提供全面、准确的数据支持，提高教学管理效率。

2） 可靠性原则

平台的数据采集、处理、分析、展示等过程应具有较高的可靠性。平台应采用先进的数据处理技术，保证数据的安全性和准确性。

3） 可扩展性原则

平台应具有可扩展性。随着教学管理工作的不斷发展和变化，平台应能够适应新的需求，不断更新和完善。

4） 安全性原则

平台的数据采集、处理、分析、展示等过程应具有较高的安全性。平台应采用先进的数据加密技术，保证数据的安全性和保密性。

5） 可维护性原则

平台应具有可维护性。平台应采用模块化设计，方便后期维护和升级。

6） 开放性原则

平台的数据接口应具有开放性。平台应能够与其他教学管理软件进行数据交互，实现信息共享和数据互通。

7） 用户友好性原则

平台的界面应简洁明了、易于操作。平台应采用人性化的设计理念，方便用户使用和操作。

8） 可持续性原则

平台应具有可持续性。平台应采用绿色环保的设计理念，降低能源消耗，提高资源利用率。

3 基于大数据教学质量监测平台的设计

基于大数据的教学质量监测平台旨在通过对海量教学数据的收集、分析和可视化，为学校提供科学、准确的决策支持，从而提高教学质量[2]。

3.1 系统架构

基于大数据的教学质量监测平台采用分层架构，主要包括数据采集层、数据处理层、数据分析层和应用层。

数据采集层主要负责收集各类教育数据，包括学生成绩、教师教学评价、课堂视频等。这些数据通过多种数据源进行采集，如数据库、文件系统、传感器等。

数据处理层负责对收集到的数据进行清洗、转换和整合，形成统一的数据模型。数据处理层实现了对敏感数据的脱敏和加密处理，确保数据安全。

数据分析层利用大数据分析技术对处理后的数据进行深入挖掘和分析，包括数据挖掘、可视化分析和预测分析等。数据分析层为教育管理部门和学校提供多维度的数据分析报告，帮助他们了解教学质量现状和趋势。

应用层则是面向教育管理部门和学校的用户界面，包括Web端和移动端。用户可以通过应用层进行数据查询、报表生成和决策支持。

3.2 关键技术

大数据采集技术：平台采用ELK（Elasticsearch+Logstash+Kibana） 架构进行数据采集和日志分析。此外，平台还使用了SNMP（Simple Network ManagementProtocol） 协议，通过SNMP工具从网络设备中获取数据。

大数据处理技术：平台采用Hadoop分布式文件系统（HDFS） 作为分布式计算的基础架构，能够处理海量数据。Hadoop还提供了ZooKeeper，用于协调和配置管理。数据预处理阶段包括数据清洗、数据转换、数据归一化等操作，以及去除噪声、处理缺失值、标准化数据等。数据挖掘则是通过关联规则挖掘、聚类分析、异常检测等方法，发现数据中的模式和规律，为教学质量评估提供支持。

大数据分析技术：平台使用大数据分析工具如Spark SQL、Spark Streaming和 MLlib。Spark SQL可以对结构化数据进行快速查询，Spark Streaming能够处理实时数据流，以便及时发现教学质量问题并采取相应的措施。Spark Mlib提供了丰富的机器学习算法。利用统计分析、机器学习、深度学习等技术对处理后的数据进行深入分析，提取有价值的信息和知识。

数据库技术：平台使用了MySQL和PostgreSQL数据库。MySQL主要用来存储非结构化和结构化数据，而PostgreSQL则提供高可靠性和可扩展性。

可视化技术：平台采用了ECharts和D3.js两种可视化技术。ECharts可视化技术主要用于折线图、柱状图、饼图等基础图表展示，D3.js可视化技术实现更复杂的交互式图表和动态图形。

3.3 功能设计

系统的主要设计功能包含了通知发布子系统、用于督导听评课、学生评教、教师评学、同行评教、教学检查等业务环节的教学评测子系统、自主性调研问卷子系统，负责数据分析的大数据统计分析子系统，负责结果反馈处理的跟踪反馈系统及师生交流子系统。通过这样的分类形式从而构建了一套方便、便捷的质量管理监测体系。

1） 通知发布子系统

为了提高学生的主动参与评教率，系统提供了相应的信息设置工具，支持自动触发并将相关信息推送至需要参与评教的手机上。收到信息的人只需点击信息即可直接跳转到相应的模块，从而实现了通知评测（调研）的一体化。不仅师生可以随时随地利用碎片化的时间完成评测，而且也减轻了管理人员的事务性工作[3]。

2） 教学评测子系统

教学评测子系统提供灵活多样的评价体系设置，支持针对评价的指标、环节、适用人群以及时间频率进行灵活的定义和配置，从而满足学校不断发展的需求。系统既可以支持现阶段的需求，同时也支持未来的不断发展，真正地为管理者提供一套可以配置的工具[4]。系统以移动互联网+即时通信工具的方式，使得师生使用更加的方便快捷。

3） 调研问卷子系统

除定期的质量监控评教外，还需要具备行程性、过程性的评教、调研手段的调研问卷子系统，方便督导员随时随地发起调研投票以便充分了解教师教学过程中存在的问题，并对其进行指导。

为了实现随时随地自行发起调研投票，调研问卷子系统具备灵活自定义的指标库和组卷功能，从而方便使用者快速地通过指标库导入的方式进行组卷，同时该系统也支持自行定义对应的指标以此形成有特色的问卷。系统还支持对问卷的发布进行管理，可以根据人员的不同职位设定是否可以发布调研问卷及调研的范围。针对没有进行回答的用户，系统支持通过后台进行查看并选择未参与的人员进行通知的补发等一系列的操作。为了方便问卷发起者对问卷回答情况的掌握，系统也为使用者提供了实时的数据统计反馈功能。

4） 大数据统计分析子系统

大数据分析子系统根据学校具体需求进行定制及拓展。 系统支持从参评率、评价成绩等方面对数据的有效范围进行设置，并进行整体或各项指标、各评测范围的成绩分析、排名分析、比较、趋势分析以及参评率监测等。同时系统支持通过指标推导结论，即通过各個问卷指标的自由组合拓展分析，满足学校的个性化分析，例如教师年度教学质量评价分析等。

排名分析：系统支持对各项评测调研的结果进行综合排名的分析，同时也支持查看具体的排名明细，以及根据学校的需求选取截取数据的有效区间，从而保证针对有效数据的合理分析。

参评率分析：系统支持根据参评率对参与评测调研的信息进行查询，支持直观地显示实际的参与人数和应参与人数。

指标综合分析：系统支持通过选取不同问卷中的全部指标或者个别指标，并对选取的指标进行权重设置，组合成新的分析主题，系统自动生成该分析主题的结果进行拓展分析。

比较趋势分析：系统支持针对教师、学院、课程等进行比较分析，通过雷达图的形式展现比较对象与院系、全校等不同维度的比较结果，简明直观。同时系统支持按学年学期展现教师、学院、课程等不同维度的趋势分析结果，实现长期监控比较。

人工智能分析：包含情感分析与标签、画像。情感分析支持针对所有主观意见进行情感分析，通过情感值与可信度判断属于正向评价或负向评价，对于可信度高的负向评价自动反馈至相关负责部门，进行后续跟踪处理。利用人工智能对大量的主观意见进行自动情感分析，通过系统实现自动判断负向评价进行反馈，大量减少人工干预。

自动数据分析报告：系统根据运行数据及内置模板，自动生成学生评教、督导听课、教师评学的报告，并支持导出下载。

5） 跟踪反馈子系统

系统支持基于指标的日常诊断整改工作，利用学校现有的指标库进行自由组合，并自动对历次评教情况进行追踪，最终展现出总体的整改效果，支持按照指标或对象进行统计。对于信息员反馈的教学质量、教学管理、师德师风、后勤服务等维度的问题分流至各负责端口部门，处理时间和处理意见实时记录和反馈至信息员，教学质量监管部门也可介入问题的处理机制，宏观把控诊断反馈流程。

6） 师生交流子系统

师生交流子系统可以在教师了解到学生的教学评测结果或调研结果后，提供一个让教师即时和学生深度沟通交流的渠道。教师可根据结果进一步了解其产生的原因，也可以根据结果做如教辅答疑、教学补充等进一步的处理。

教学班交流：系统可以根据学校的教学班自动地生成对应的教学班群组，方便师生在群组中进行实时的沟通和交流。

点对点交流：系统同样也支持点对点的沟通和交流的模式，方便一对一交流进一步了解师生的问题所在，从而促进教学质量的改革和提升。

4 基于大数据教学质量监测平台的应用场景

基于大数据的教学质量监测平台的应用场景主要包括教学管理部门决策支持、学校教学质量评估和教师教学能力提升[5]。

4.1 教学管理部门决策支持

平台通过对海量教育数据的分析，为教学管理部门提供教学质量监测报告，帮助他们制定科学、合理的教学管理制度。

4.2 学校教学质量评估

平台可以为学校提供教学质量评估工具，帮助学校全面了解教学质量现状。学校可以根据平台提供的数据进行教师教学能力评估、课程评估和学生评估等，为教学改进提供有力支持。

4.3 教师教学能力提升

平台可以为教师提供教学能力提升工具，帮助他们了解自身教学能力和教学方法的优缺点，为教学改进提供有力支持。例如，平台可以为教师提供个性化教学建议、教学案例分享等资源，帮助教师提升教学能力。

5 结束语

基于大数据的教学质量监测平台设计为学校提供了有效的教学质量监测工具，帮助学校制定科学、合理的教学制度以及全面了解教学质量现状，为教学改进提供有力支持，着力提升教师教学能力。