论文部分内容阅读
摘 要 数据工程专业随着大数据的快速发展，成为教育部新设立的新专业。通过对学生评教数据、科研业绩数据的分析。配对T检验分析结果表明，职称对于学生评教无显著差异，评教较好的教师、评教较差的教师的科研业绩都无显著差异，副教授与讲师的学生评教存在显著差异。
关键词 学生评教 科研业绩 数据工程 配对T检验
中图分类号：G424 文献标识码：A DOI：10.16400/j.cnki.kjdkz.2019.03.050
Abstract With the rapid development of big data， data engineering has become a new major in the Ministry of education. Through the analysis of student evaluation of teaching data and scientific research achievement data， the results of paired T test show that there is no significant difference in the evaluation of teaching Titles among students， and there is no significant difference in the scientific research performance between teachers with better teaching evaluation and teachers with worse teaching evaluation.
Keywords student evaluation of teaching； research achievement； data engineering； paired T test
数据工程专业既是传统的理工类专业，也是当前信息技术、计算机技术、统计科学的支撑专业，在信息技术人才培养、科技研发、数据挖掘、人工智能等方面发挥越来越重要的作用。与研究型本科院校不同，應用型本科院校的数据工程类专业还较多地承担着教学和社会服务作用。[1]数据工程类专业的相关知识发展非常迅速，大数据、云计算、区块链、人工智能发展日新月异，几乎每隔几个月就会有令人耳目一新的新技术、新产品出现。同时，从事本专业的工程师需要不断地更新知识才能跟上行业的发展，这对应用型数据工程类专业的人才培养是一个很大的挑战。学校的教学需要在稳定中逐步更新，但是社会对专业知识的更新速度却不会减慢。如何让应用型本科院校的数据工程类专业教育适应这一专业的特殊背景，是当前数据工程类专业建设迫切需要解决的难题。[2，3]
1 研究方法与方法
通过获取宁波工程学院2016-2017年统计年鉴数据以及教务评教数据，数据通过脱敏处理，提取数据工程专业2016-2017年的科研业绩、学生评教信息。针对科教融合的理念，选择学生评教前30%、后30%的科研业绩，以及科研业绩30%、后30%的学生评教排名进行配对T检验，判别两者之间是否存在显著性差异。科研业绩-评教成绩、教龄采用模型拟合的方式对以上数据进行拟合， 通过回归分析判断科研、教学之间内在的关系。
2 数据工程专业科研、教学业绩调查
2.1 数据工程学生评教、科研业绩
数据工程专业2016年所有教师的平均学生评教排名为268名（样本总量559），表明数据工程专业教师的学生评教处于中等水平。数据工程专业2017年学生评教前30%教师信息，所有教师的平均学生评教排名为243名（样本总量591），相比较2016年的学生评教排名，排名提升6%，2017年数据工程专业学生教学满意度有提升。
2016年学生评教中，教授的平均排名为217名，中位数为263名，副教授的平均评教排名为285名，中位数249名，讲师的平均评教排名为218名，中位数244名。2017年学生评教中，教授的平均排名为242名，中位数为126名，副教授的平均评教排名为205名，中位数202名，讲师的平均评教排名为260名，中位数260名。探索性统计分析结果表明，教授更加重视教学过程的管理，对学生学习的要求更加严格，因此学生评教成绩并不占优势。
2.2 人均科研业绩的配对T检验
将学生评教2016年前30%教师的科研业绩（A-1），后30%教师的科研业绩（A-2）、全体教师的科研业绩（A3），2017年学生评教前30%的科研业绩（A4），后30%教师的科研业绩（A5）、全体教师的科研业绩（A6）进行配对T检验，配对T检验的结果表明，2016年、2017年前30%，后30%的科研业绩无显著差异（p<0.05）（见表1）。
2016年理学院学生科研业绩前30%教师的学生评教平均成绩为296名。2017年理学院学生科研业绩前30%教师的学生评教平均成绩为212名。2016年理学院学生科研业绩前30%教师的学生评教平均成绩为322名。2017年科研业绩后30%教师的学生平均评教成绩为364名。将科研业绩前30%（B-1），后30%（B-2）、以及学院平均评教成绩（B-3）进行配对T检验，配对T检验的结果表明，前30%，后30%、平均评教成绩无显著差异（见表2）。
2.3 职称对学生评教的影响
在2016年的学生评教中，教授与副教授的学生评教具有负相关，教授与讲师的学生评教相关性接近0，副教授与讲师评教的相关度最高。教授16评教（A1）、副教授16评教（A2）、讲师16评教（A3）进行配对T检验，检验结果如表3所示。讲师与教授、副教授的学生评价具有显著性差异。
在2017年的学生评教中，教授、副教授、讲师的学生评教正相关，副教授与讲师评教的相关度最高。教授17评教（B1）、副教授17评教（B2）、讲师17评教（B3）进行配对T检验，检验结果如表4所示，讲师与副教授的学生评价具有显著性差异。
将2016、2017年的教授、副教授、讲师的学生评教进行相互配对T-检验，其中教授16评教（A1）和教授17评教（B1）具有的相关度最高，副教授16评教（A2）和副教授17评教（B2）具有明显的负相关，讲师16评教（A3）和讲师17评教（B3）具有明显的负相关。进行配对T检验结果如表4所示，教授、副教授和讲师的学生评价没有显著性差异。
3 结论
通过对数据工程专业的评教数据进行统计分析，教授、副教授与讲师的评教成绩在2016年有显著差异，副教授与讲师在2017年有显著差异。在人均的科研业绩中，教授、副教授与讲师没有显著的差异。
参考文献
[1] 杨现民，骆娇娇，刘雅馨，等.数据驱动教学：大数据时代教学范式的新走向[J].电化教育研究，2017（12）：13-20.
[2] 吴南中.混合学习视域下的教学设计框架重构——兼论教育大数据对教学设计的支持作用[J].中国电化教育，2016（5）：18-24.
[3] 李葆萍，周颖.基于大数据的教学评价研究[J].现代教育技术，2016.26（6）：5-12.
关键词 学生评教 科研业绩 数据工程 配对T检验
中图分类号：G424 文献标识码：A DOI：10.16400/j.cnki.kjdkz.2019.03.050
Abstract With the rapid development of big data， data engineering has become a new major in the Ministry of education. Through the analysis of student evaluation of teaching data and scientific research achievement data， the results of paired T test show that there is no significant difference in the evaluation of teaching Titles among students， and there is no significant difference in the scientific research performance between teachers with better teaching evaluation and teachers with worse teaching evaluation.
Keywords student evaluation of teaching； research achievement； data engineering； paired T test
数据工程专业既是传统的理工类专业，也是当前信息技术、计算机技术、统计科学的支撑专业，在信息技术人才培养、科技研发、数据挖掘、人工智能等方面发挥越来越重要的作用。与研究型本科院校不同，應用型本科院校的数据工程类专业还较多地承担着教学和社会服务作用。[1]数据工程类专业的相关知识发展非常迅速，大数据、云计算、区块链、人工智能发展日新月异，几乎每隔几个月就会有令人耳目一新的新技术、新产品出现。同时，从事本专业的工程师需要不断地更新知识才能跟上行业的发展，这对应用型数据工程类专业的人才培养是一个很大的挑战。学校的教学需要在稳定中逐步更新，但是社会对专业知识的更新速度却不会减慢。如何让应用型本科院校的数据工程类专业教育适应这一专业的特殊背景，是当前数据工程类专业建设迫切需要解决的难题。[2，3]
1 研究方法与方法
通过获取宁波工程学院2016-2017年统计年鉴数据以及教务评教数据，数据通过脱敏处理，提取数据工程专业2016-2017年的科研业绩、学生评教信息。针对科教融合的理念，选择学生评教前30%、后30%的科研业绩，以及科研业绩30%、后30%的学生评教排名进行配对T检验，判别两者之间是否存在显著性差异。科研业绩-评教成绩、教龄采用模型拟合的方式对以上数据进行拟合， 通过回归分析判断科研、教学之间内在的关系。
2 数据工程专业科研、教学业绩调查
2.1 数据工程学生评教、科研业绩
数据工程专业2016年所有教师的平均学生评教排名为268名（样本总量559），表明数据工程专业教师的学生评教处于中等水平。数据工程专业2017年学生评教前30%教师信息，所有教师的平均学生评教排名为243名（样本总量591），相比较2016年的学生评教排名，排名提升6%，2017年数据工程专业学生教学满意度有提升。
2016年学生评教中，教授的平均排名为217名，中位数为263名，副教授的平均评教排名为285名，中位数249名，讲师的平均评教排名为218名，中位数244名。2017年学生评教中，教授的平均排名为242名，中位数为126名，副教授的平均评教排名为205名，中位数202名，讲师的平均评教排名为260名，中位数260名。探索性统计分析结果表明，教授更加重视教学过程的管理，对学生学习的要求更加严格，因此学生评教成绩并不占优势。
2.2 人均科研业绩的配对T检验
将学生评教2016年前30%教师的科研业绩（A-1），后30%教师的科研业绩（A-2）、全体教师的科研业绩（A3），2017年学生评教前30%的科研业绩（A4），后30%教师的科研业绩（A5）、全体教师的科研业绩（A6）进行配对T检验，配对T检验的结果表明，2016年、2017年前30%，后30%的科研业绩无显著差异（p<0.05）（见表1）。
2016年理学院学生科研业绩前30%教师的学生评教平均成绩为296名。2017年理学院学生科研业绩前30%教师的学生评教平均成绩为212名。2016年理学院学生科研业绩前30%教师的学生评教平均成绩为322名。2017年科研业绩后30%教师的学生平均评教成绩为364名。将科研业绩前30%（B-1），后30%（B-2）、以及学院平均评教成绩（B-3）进行配对T检验，配对T检验的结果表明，前30%，后30%、平均评教成绩无显著差异（见表2）。
2.3 职称对学生评教的影响
在2016年的学生评教中，教授与副教授的学生评教具有负相关，教授与讲师的学生评教相关性接近0，副教授与讲师评教的相关度最高。教授16评教（A1）、副教授16评教（A2）、讲师16评教（A3）进行配对T检验，检验结果如表3所示。讲师与教授、副教授的学生评价具有显著性差异。
在2017年的学生评教中，教授、副教授、讲师的学生评教正相关，副教授与讲师评教的相关度最高。教授17评教（B1）、副教授17评教（B2）、讲师17评教（B3）进行配对T检验，检验结果如表4所示，讲师与副教授的学生评价具有显著性差异。
将2016、2017年的教授、副教授、讲师的学生评教进行相互配对T-检验，其中教授16评教（A1）和教授17评教（B1）具有的相关度最高，副教授16评教（A2）和副教授17评教（B2）具有明显的负相关，讲师16评教（A3）和讲师17评教（B3）具有明显的负相关。进行配对T检验结果如表4所示，教授、副教授和讲师的学生评价没有显著性差异。
3 结论
通过对数据工程专业的评教数据进行统计分析，教授、副教授与讲师的评教成绩在2016年有显著差异，副教授与讲师在2017年有显著差异。在人均的科研业绩中，教授、副教授与讲师没有显著的差异。
参考文献
[1] 杨现民，骆娇娇，刘雅馨，等.数据驱动教学：大数据时代教学范式的新走向[J].电化教育研究，2017（12）：13-20.
[2] 吴南中.混合学习视域下的教学设计框架重构——兼论教育大数据对教学设计的支持作用[J].中国电化教育，2016（5）：18-24.
[3] 李葆萍，周颖.基于大数据的教学评价研究[J].现代教育技术，2016.26（6）：5-12.