大数据背景下的高校教学评价

韩成勇

摘要：传统的教学评价存在评价主体单一、评价数据采集不完整、数据分析能力弱和评价结果反馈不及时等问题，不利于做出科学合理的教学管理决策。文章阐述了基于大数据的教学评价优势，即多方参与教学评价更顺畅，采集到的评价数据更全面、更真实，数据处理和分析能力更强，评价结果反馈更及时、更具体，教学管理决策更趋于合理，并立足高校教学管理工作实际，提出基于大数据的教学评价过程主要包括数据采集、数据挖掘与分析、结果反馈和结果应用等几个阶段。

关键词：大数据；教学评价；数据采集；数据分析；教学管理

中图分类号：G45 文献标识码：A 文章编号：1009-3044（2017）17-0159-03

在移动互联网、云计算、物联网等现代信息技术的广泛应用背景下，大数据应运而生，大数据泛指巨量的数据集，因可从中挖掘出有价值的信息而受到重视。教育逐渐被认为是大数据可以大有作为的重要应用领域，越来越多的教育机构与教育工作人员以及研究者开始关注大数据在教育教学改革与发展尤其是教育评价中的应用价值。在《促进大数据发展行动纲要》中明确提出要发展教育文化大数据，探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用。如何在大数据背景下开展高校教学评价，使高校教学管理者能够基于数据来提升决策质量和管理效率，教师能够基于数据来改进教学、提升教学质量，学生能够基于数据能够更清楚地掌握自身的学习和成长轨迹，是高校亟待解决的问题之一。

1传统教学评价存在的问题

教学评价是高校教育教学工作的重要内容之一，关乎学校的教学质量、学生成才和学校教育事业的发展。教学评价指的是在系统、科学、全面地搜集、整理、处理和分析教育教学信息的基础上，对教育教学的价值做出判断的过程。教学评价一直以来在掌握学生的成长和学习情况、评估教师的教学质量、促进高校进行教育教学改革等方面具有发挥重要作用。在国家《国家中长期教育改革和发展规划纲要（2010-2020年）》指出：“要改进教育教学评价，根据培养目标和人才理念，建立科学、多样的评价标准。开展由政府、学校、家长及社会各方面参与的教育质量评价活动。做好学生成长记录，完善综合素质评价，探索促进学生发展的多种评价方式。”

传统的教学评价主体较为单一，主要是高校内部的教学管理部门和相关人员来进行评价，评价重“总结性评价”轻“过程性评价”，评价时多采用“经验主义”，“人情分”时有发生，主观程度较高。导致这一现象，很大一部分的原因是受客观条件的限制，比如无法及时、持续地收集来自各方的评价数据，无法科学合理地对数据进行筛选、整合、分析和反馈，更谈不上对数据进行深层次的挖掘、发现隐藏在其背后的有价值的信息。

1.1评价主体单一

教学评价是一项系统工程，是由多个部门、多个评价主体参与的一项综合性工作。目前大多数高校都建立了较完善的评价体系，实行学生、同行、督导和社会评价相结合的方式进行评价。但在具体实践中，评价工作主要由学校相关部门主导完成，而且在各种评价数据整合过程中存在诸如评价标准不统一、评价体系难协调等问题，导致高校的教学评价体系较为封闭、评价数据难以整合。而当前强调教学过程的质量监控，教学评价须贯穿整个教学过程，覆盖教学的方方面面，必然要求开展教学评价时须基于多种来源、结构不同的数据，来分析教师的课堂教学和学生的学习情况，并通过数据的不断积累，逐步提高分析的精确性和针对性。

1.2数据采集不完整

通过教学评价可以更好地了解学生的学习和教师的教学过程，从而更好地提升教学质量和教学效果。在以往的教学环境下，在采集教学评价数据时，存在数据难以采集、采集数据的准确度不高、过程数据不全或无法采集以及不同来源之间的数据难以整合等多种弊端，导致采集到的数据不完整、持续性差和数据之间隐含的关联性不高，而建立在这样的数据上所得到的分析结果，缺乏综合性和有效性。例如任课教师的普通话水平对学生的课程学习兴趣影响分析，学生的课堂学习行为和任课教师的课堂教学组织之间所存在关系的挖掘等等都难以实现。

1.3数据分析能力弱

在高校数字化校园和教育教学信息化程度越来越高的环境下，每个一学生、每一个教师、每一个教学管理人员，每一个学习行为、每一个教学过程、每一个管理环节，都是一个个鲜活的数据源，每时每刻都在产生各种各样的过程数据和结果数据，与此同时，各种数据在各种系统、各个业务环节中交替流动，汇聚成海量的校园大数据。在大数据之前，如何及时、动态地整合和分析这些数据，持续不断地形成教学质量评价报告，是一项几乎无法完成的工作，蕴含在数据中的规律和其他有用信息就无法发挥作用。

1.4结果反馈不及时

现代高校越来越倾向于基于数据进行教学管理决策，这就对数据分析结果反馈的时效性提出了更高的要求。传统的终结性教学评价的主要目的是为了对学生或教师一段时间的表现由分数或等次来作出评判，然而形成性和适应性评价是使学生的学习状态和需求数据实时地为学生每一步的学习内容、进度和方法提供参考。在教学管理决策方面，要求采集到的评价数据能够及时反映各个教学环节的运行情况以及可能存在的问题，从而可以提升教学过程管理效率，提升教学质量。同时，在向各级教学管理部门和教师反馈信息时，不能仅仅只反馈所采集到的原始数据细节，这不利于实际问题的解决，而是要采用合适的形式，使得反馈信息具有可视性、可读性和可理解性。但这些，在传统的教学评价中，都难以实现，导致教学评价结果反馈严重滞后，无法为教学管理决策提供数据支持。

2基于大数据的教学评价

大数据技术和基于大数据的管理思想的兴起，为高校在收集、整理、挖掘分析以及利用教学评价数据等方面，提供了全新的思維和方式，为开展教学评价提供了很好的解决思路，为克服现有教学评价中的不足提供了有效的解决方案。大数据以其复杂的计，算结构构筑了庞大的数据存储能力、综合数据处理能力、复杂模型建构能力和高速精准的运算能力等信息技术高价值能力，为高校的教学评价和教学管理提供了更适切的信息平台。

2.1多方参与教学评价更顺畅

实践中，高校的教学大数据直接产生于各种教育教学环节和活动，包括教学过程、管理环节、教科研活动、社团活动、校园创新创业活动、企业实习环节等，数据覆盖范围广、数据采集周期短、频次高、数据量巨大、数据类型众多、数据开放程度高。在大数据环境下，教育教学过程中的每一个参与者既是大数据的生产者同时也是大数据的使用者，基于开放性大数据的教学评价活动，为那些能够掌握和提供教师和学生在不同情境下的教学和学习数据的相关主体共同参与评价架设了桥梁。

运用大数据技术和互联网+的开放思维，吸引越来越多的教学评价参与者，每个参与者都有发言权，评价立场、层次、角度各不相同，一方面有利于提升评价数据的透明性、真实性、立体性和完整性，另一方面也有利于促成教学评价指标的自我更新和完善，及时淘汰不适合的评价指标、增加新的评价指标。这些有利于真正发挥教学评价工作的价值，使其在高校的教学管理、课堂教学指导、教学创新、学生学习管理、专业发展等方面起到实效。

2.2教学评价数据采集更全面、更真实

在大数据环境下，采集到的教学评价数据越来越多元化、多层化和非结构化，能够更加全面真实地反映教与学的情况和教学效果。基于大数据的教学评价数据，一方面能覆盖教育教学过程中各个层面有可能与教学有关的各种因素，另一方面也可以从巨量的数据中挖掘到前所未知的知识和信息。此外，大数据背景下，教学评价数据的采集渠道和采集方式越来越多样化，同时可以采集到大量的非结构化的数据，比如音频、视频、图像、文本等信息形式，这些非结构化的数据为教学评价提供了更多的细节和方面，更生动、真实地记录了教与学的过程，其中蕴含了丰富的有价值的信息。

2.3数据处理和分析能力更强

在大数据时代，综合运用物联网、互联网+、云计算、智慧校园等新的技术手段和系統，可以实现对海量的教学数据进行收集、存储，进行动态分析和处理，挖掘隐藏在数据背后的知识，提高决策水平，优化教学过程，解决教与学过程的新情况和新问题。例如，在课堂教学过程中，学生可以手机等设备及时回答一些关于课堂学习情况的问题，教师可以在课下根据学生的回答情况，进行有针对性的回复和互动，帮助学生解决在学习中碰到的问题，并据此及时调整课堂教学内容和节奏，以保证课堂教学质量。对于教学管理部门而言，可以通过类似的方式，可以较容易地收集到大量与教学相关的数据，从而可以为教学管理决策提供强大的数据支撑。

2.4结果反馈更及时、更具体

大数据具有数据流速快，处理速度快和时效性强的特点，从而可以很好地适应现代高校管理对教学评价数据的时效性的要求，及时有效地利用校园大数据为改进教学和教学管理服务。在大数据时代，基于海量校园大数据的收集、分析和挖掘，让高校的教育教学管理从宏观群体走向微观个体，让跟踪每一个学生个人的学习行为数据和教师个人的教学行为数据成为可能，可以从微观层面来分析个体的学生学习情况和教师的教学状况，为无论是高校的教学管理部门，还是校长、教师，以及学生和家长，都可以提供一份独特的、具有不同数据粒度和视角的个性化分析报告，让参与教学和教学管理过程的每一个角色都能够及时、准确地了解当前的状况，为其下一步的决策提供数据支持。

2.5教学管理决策更趋于合理

用数据说话，用数据来决策，基于数据不断改进教育教学，在科学数据分析基础之上进行课程教学、管理评价和教学指导，是现代高校教育教学管理的必然趋势和要求。相对于根据经验和直觉作出的决策而言，基于数据的决策更为科学、合理，可以更好地提升教学管理效能。同时，基于数据的教育决策更具说服力和公信力。美国普渡大学的“课程信号灯”（Course Signals）项目是国际知名的大数据诊断学生、提供教育决策的典型案例之一。

3基于大数据的教学评价过程

3.1数据采集

有效的教学评价依赖于全面、可靠和多元化的教学评价数据，在大数据时代下，既要充分采集尽可能多的教学评价数据，保证数据的多样性和完整性，但同时也要避免盲目采集，而降低数据的可靠性。

在高校的教育教学过程中，在教师的教学和学生的学习过程中会产生海量的数据，这些数据大致可以分为两类，即静态数据和动态数据。静态数据也可称为结果数据，反映一个阶段、一种状态或一种结果信息，例如班级成绩分析数据、通过评教系统采集到的学生评价老师的授课情况数据等。动态数据也可称为过程数据，反映某一个时间点、一个瞬间的状态信息，处在不断变化之中，例如学生在课堂上参与的教学情况、任课教师在讲台上授课状态等信息。静态数据和动态数据，往往也是一个事物的两个不同侧面，可以互相印证，让数据更具有说服力。例如，某一门课程考核成绩整体不理想，其原因可能是该门课程任课教师的课堂教学存在这样那样的问题，而这些可以在学生的听课、教师的教学过程数据中发现端倪。

针对不同类型的数据，采取不同的策略和技术手段进行数据采集、分析和处理。静态数据往往数据量大、涉及面广、数据结构规范、来源相对单一、可信程度高，需要长期保存，可以通过各种经典业务系统进行收集、分析和存储。而动态数据一般比较灵活、数据结构多样、来源广泛、数据冗余大，并需要进行及时过滤、分析和响应，达到及时改进或纠偏的目的，就需要结合实际，综合运用多种技术手段和技术方案，设计、开发新的信息系统来进行收集和处理，同时要积极拓展平板电脑、智能手机等移动终端的应用，更好地解决过程数据的采集难题。

3.2数据挖掘与分析

采集巨量的教学评价数据以后，应当根据需要综合运用多种方法对数据进行提炼、萃取和加工，而不是仅仅只做简单的统计，从而可以从中获取更多的规律和知识，真正做到用数据说话，基于数据做决策，同时也能充分体现出教学评价工作的价值和意义。

教育大数据主要是通过两大类方法来得以分析并应用于教学决策和实践的——教育数据挖掘和学习分析。教育数据挖掘使用预测、聚类、关系挖掘、数据提炼、基于模型发现等经典的数据挖掘方法，从巨量教学评价数据中发觉隐藏在其背后的教学管理和教学规律，从而更好地为教育教学决策提供科学依据。学习分析需要综合运用计算机科学、教育学等相关学科的理念和方法，使教育教学更好地适应个体学生的需求和能力水平。

经典的数据挖掘和分析方法对于结构化数据非常有效，却难以构建出非结构化数据内部的正式关系。在大数据环境下，需要引入新的数据分析技术和手段，呈现教育大数据中隐含的信息和知识，例如使用信息可视化分析技术以可视化图形方式呈现隐含在其中的信息和规律。

3.3结果反馈

如何将评价结果，包括其中蕴含的知识、规律以及可以公开的数据细节，及时、有效地进行反馈，是教学评价工作能否真正发挥作用的关键一环。在大数据条件下，可以采取多种方式公布评价结果，变被动公布为主动推送，变单一的数据结果为包括统计、对比图形等多种形式的数据可视化结果，让包括校长、各级教学管理部门负责任人、任课教师和学生能够享受到高质量的信息服務，同时可以改变教学评价给人以刻板、枯燥的印象，从而提升各方参与和关注教学评价的积极性。在实际当中，高校教学管理部门可以在采取传统的信息系统发布评价结果，同时加入基于手机等移动端的信息推送系统、微信公众号等及时性、灵活性很强的公布方式和渠道，确保评价结果在最短时间内推送给每一个相关人手上。

3.4结果应用

教学评价结果对了解和预测学生的个人学习行为、程度和态度、分析任课教师教学情况、指导教师及时调整教学内容和方法、帮助教学管理部门实时调整或出台相关教学管理规定等方面都会起到积极作用。

利用评价结果，教师可以依据学生信息大数据，分析和了解学生的基础知识储备、学习能力、学习态度等情况，制订独一无二且适合的教学计划，并向学生推荐一些可取的学习策略。教学管理部门可以通过评价结果数据，及时发现日常教学过程中难以发现的深层次问题，实时调整教学管理策略，使得教学管理更具有针对性，提高教学管理效率，提升教学管理决策水平。例如可以对得分较低的评价指标所反映的问题，进行实地调查了解，提出进一步的改进措施或有针对性的指导意见。

4结束语

在大数据环境下，高校可以更好地利用信息技术和大数据思想，开展教学评价，吸引多方参与评价，采集多层次、多样化、多元化的全过程教学评价数据，并综合运用多种数据挖掘和分析技术对教学评价数据进行挖掘和分析、并及时进行反馈。能够让关心教学和参与的教学的各方，及时准确地观察和了解教师教学与学生学习和成长情况，帮助管理者用数据来进行管理决策、提升决策水平和效率，帮助教师有效改进教学、提高教学质量，同时能够帮助学生清楚地了解自身的成长过程。