大数据技术在教学质量评价中的运用与探索

来源:用户上传      作者:

　　摘  要： 针对职业院校传统教学质量评价存在的问题，提出利用大数据技术构建教学质量评价体系。通过搭建数据仓库、建立数据集市以及上层数据的分析与应用，实现基于大数据技术的教学质量评价，提高了教学质量评价的可信度和有效度。
　　关键词： 大数据; 教学质量; 质量评价; 数据分析
　　中图分类号：G710          文献标识码：A     文章编号：1006-8228（2020）04-85-03
　　Application of big data technology in teaching quality evaluation
　　Li Xiaolong， Wei Kongpeng， Gu Hongbin
　　（Panjin Vocational and Technical College， Panjin， Liaoning 124000， China）
　　Abstract： In view of the problems existing in the traditional teaching quality evaluation of vocational colleges， this paper proposes to construct the teaching quality evaluation system by using big data technology. Through the construction of data warehouse， data mart and the analysis and application of upper level data， the teaching quality evaluation based on big data technology is realized， which improves the credibility and effectiveness of teaching quality evaluation.
　　Key words： big data; teaching quality; quality evaluation; data analysis
　　0 引言
　　乔布斯之问提出“为什么IT改变了几乎所有领域，却唯独对教育的影响小得令人吃惊？”。当前，大数据、人工智能和区块链技术的广泛应用加速了社会各领域的信息化进程，尤其在职业教育领域[1]，通过信息技术与职业教育教学深度融合，教学模式、教学质量、管理服务和校園文化生活品质普遍提高，信息技术已成为现代职业教育体系建设重要抓手[2]。片面的、单一的、唯分数论的教学质量评价方法已不能适应职业院校快速发展的需求。大数据的多样、大量、高速、真实的特点给教学质量评价的模式和方法的创新创造了条件。
　　1 教学质量评价存在的问题
　　在传统的教育体系根深蒂固的教育背景下，高校已习惯于曾经信息技术匮乏情况下的督导评教和学生评教为主的教学质量评价体系。这种评价体系拘泥于教师的教学传授和学生的知识技能掌握情况，并没有参考教学以外学生所参与活动的学生综合素质。客观的看待这种评价体系可以发现：评价主体、评价方式单一，重结果轻过程、缺少时效性是该体系最大的缺陷[3]。不仅如此，对于教学质量评价数据的采集上，缺少全样本、大范围、深层次的关联性挖掘，过于形式化，采集上来的数据缺乏权威性，极大地降低了参考价值。
　　2 针对问题现状的措施与对策
　　2.1 多维度指标数据的挖掘与分析
　　目前，高校对信息化的重视程度已经不言而喻，多数高校已经建立健全数字校园或智慧校园结构体系，其中数据仓库（数据中台）的存在为获取教学相关数据提供了极大的便利。通过数据交换平台实时抽取教学环节数据、学生日常活动数据、学生消费信息数据、学生顶岗实习数据等信息，实现数据全面覆盖，使教学评价指标多元化形态分布。在教学质量动态分析与诊断过程中，采用多维度（课程建设、课堂管理、课堂活跃度、学生学习活跃度、教学评价、成绩评价）、多指标对课堂教学进行评价[4]。借助这种多元化的教学质量评价体系，分析其数据之间的关系，从而为教学评价质量评价体系的构建提供强力的数据支撑依据，如图1所示。
　　2.2 教学质量评价平台体系搭建
　　由于支指标维度数据来源于众多业务系统，那么想要高效合理的使用这些业务数据，则必须要借助于大数据平台来完成以上操作。大数据平台的整体架构如图2所示，通过大数据平台的抽取与挖掘功能将各业务系统的数据整合到数据仓库中，那么要想打破各个业务系统之间的数据信息壁垒，彻底解决数据孤岛问题则需要建立科学的数据标准，并对抽取过来的数据进行有效的清洗，最终整合出具有教学质量价值的数据。
　　⑴ 搭建数据仓库。所需业务数据来源于众多的业务系统，然而这些业务数据在各业务系统之间具有重叠性。欲建立准确科学的数据仓库，就要首先解决数据来源问题，对抽取来的数据进行转换和清洗，使数据具有唯一的标准，唯一的来源（如学生数据标准来源于学工系统，教学数据标准来源于教务系统，教学过程中产生的数据标准来源于网络教学平台及填报系统，学生消费数据来源于一卡通系统等），共计6个维度，25个指标项，如图1所示。对于学校业务系统不能覆盖的数据，通过填报系统解决在教学过程中面临的数据补全及业务需求快速定义表单数据填报的问题，如教学日志，教学评价等，解决数据缺失及填报需求。对于传统方式下产生的非结构化数据，通过数据治理平台，将这些数据按照制定的标准转化为结构化数据并录入到数据库中加以利用。
　　⑵ 建立数据集市。数据仓库的作用只是把清洗过后的标准化数据存储在数据仓库中，此时的数据很难直接用于数据分析，故需要在搭建的数据仓库基础上，针对于业务需求，进一步梳理各个维度的数据，分类和归纳，提取出更加直观，更具价值的数据。并对这些数据的操作权限做限制，禁止用户对其做增删改操作，建立高可用的数据视图，并赋予视图查询权限。通过对视图提供数据的趋势分析，建立合理的数据分析模型，对其归纳总结，找出数据走势规律，并对其结果进行验证，最终获取与教学质量相关的隐藏数据。 　　⑶ 上层数据分析与应用。结合学校自身的特色及发展需求，制定学院、专业、课程、教师、学生五个层面的指控点，建立健全院校指标体系。针对不同层面的教学质量评价指标详细管理，运用大数据技术做深度分析，通过预警信息、趋势分析、工作报表、规则得分、雷达图等形式体现诊改的各项数据[5]，实现管理、监控、预警，实时诊断和分析，通过趋势图、柱形图、雷达图等查看指标完成趋势及完成进度及分析，依据校本数据生成诊断报告及改进建议。以院校指标体系为依据、以校本数据为基础，设计五横画像系统，包含学校、专业、课程、师资、学生维度的画像展示。并且具有单独的预警模块，实时、动态的掌握全校发展，为及时纠偏提供大数据的支持。
　　3 结论
　　通过以上分析可以看出，在“大数据”时代下，高校的教学质量评价的最重要一步则是制定科学的教学质量评价体系。科学的教学质量评价体系不仅可以提高教育教学质量，还可以更加客观的评价学生的价值，这需要信息技术与教育教学深度融合。教学质量是所有教学要素综合相互作用的结果，将分散在各个业務系统的教学要素数据通过数据抽取挖掘，打破传统数据孤岛的制约，搭建数据仓库，建立数据集市，使所有与教学质量有相关性的数据都集中在一个数据集市下，为多维度的数据指标分析提供了极大的便利，同时也为管理者的科学决策提供有力的数据依据，从而更加全面准确的把握教学质量现状，实现对教学数据的实时监控。利用大数据技术综合提升高教学质量评价水平，对职业院校构建现代职业教育体系意义重大。
　　参考文献（References）：
　　[1] 丑鑫，魏孔鹏.信息技术与职业教育教学深度融合的研究[J].辽宁高职学报，2018.6：5-7
　　[2] 杨宗凯，杨浩，吴砥.论信息技术与当代教育的深度融合[J].教育研究，2014.3：88-95
　　[3] 黄秋明，王正，龚蓓.高等学校教学质量监控与评价体系研究[J].职业技术教育，2003.1：19-23
　　[4] 姜义林，李联卫.基于诊改理念的高职院校智能课堂建设[J].中国职业技术教育，2019.23：42-45
　　[5] 吴菁，王苹.诊改背景下高职院校课堂教学评价大数据的挖掘与分析[J].宁波职业技术学院学报，2018.22（3）：23-26
　　[6] 任青青.高职院校内部质量保障体系诊断与改进的若干思考[J].高教学刊，2018.16：174-176
转载注明来源:https://www.xzbu.com/8/view-15228775.htm