论文部分内容阅读
【摘要】教学质量诊断与改进是提升教学质量的必要条件。文章从影响高校教学质量的因子入手，对教学质量诊断数据回归分析方法进行了简单介绍，并提出了构建基于大数据分析的教学质量诊断指标体系的措施。
【关键词】教学质量诊断指标体系；大数据分析；构建
一、引言
高校的立身之本是人才培养的质量。学生学习效果的好坏与教师教学质量的高低密不可分。如何构建较为完善的教学质量诊断指标体系，从而促进教师对于课堂教学的准备和教学水平的提高是必要之举。结合日常教学中的学生评教、督导评教、成绩分析等数据，进一步挖掘、分析大数据，从而提炼教学质量的诊断指标，构建诊断指标体系，能够为教学质量的评价打好坚实的基础。
二、教学质量诊断数据回归分析方法
随着数据库技术、网络技术的高速发展，数据采集、数据分析、数据挖掘技术也不断提升，隐含于日常教学中的许多数据经过全面的采集和分析之后，可以为管理决策、质量评价提供依据。大数据是一个多学科交叉的研究领域，涉及数据采集、数据存储等数据库技术，涉及深度学习、信息检索和分析的人工智能技术，也涉及数据分析的主要方法，包括线性回归和非线性回归。线性回归（linear regression）说的就是用直线方程来描述两个变量间依存变化的近似的线形数量关系，由此得到的直线方程叫线性回归方程（linearregression equation）。
三、构建基于大数据分析的教学质量诊断指标体系
（一）信息集成
信息集成是数据采集的前提，是规范数据采集的关键。许多数据包含多种格式，例如学生对于教师的评价，如果用文本语言则无法完成集成，这个时候就必须进行规范，可以从教师的教学态度、教学水平、教学效果等几个方面给出评价的选项，每个选项赋予一定的分值，学生通过评分完成数据提交，同时系统就完成了一次数据采集，这样采集的数据才能够实现系统集成。另外，在信息集成的过程中，还要注意以下因素。
1.数据识别及集成
班级数据、学生数据、教师任课情况等存在于不同的数据表中，数据识别的关键就是“主键”的设置，一般可以把教师的编码设置为主键，并依靠这个主键链接不同数据表中的记录。这样，可以准确地对实体进行识别并减少集成数据的冗余。
2.基础数据表的规范
基础数据表的规范能够为后续的数据分析带来便利。如何保证数据的准确和可信是这一过程着重要解决的问题。本系统要求产生绝对准确的数据，否则，系统的可信度会直接被不准确的数据影響。比如某学生是在教学班级一班，但数据表中却把他定位在二班。这样的情况一旦出现，系统的可信度将受到很大的影响。为确保数据不出现错误，一是各类表格的设计要遵循严格的规定，二是部分偏差信息要进行人工核对。
3.学生评教数据
学生评教数据一般每学期都要进行一次，每个学生必须对相关的任课教师进行评价。评教的结果汇总之后形成该教师该学期的评教综合分数，是学生评教的最终结果。同时，为了确保学生评教数据的完整性，要求学生必须评教才能查询成绩以及参加下个学期选修课的选课。
4.督导评教数据
许多学校建立起了校级督导员队伍，通过督导员队伍实现“全员听课”；有些学校受时间和空间的限制，并没有大规模地让同行或专家对课堂教学质量的评价信息进行采集。无论采用哪种方式，均应当及时采集评教信息并录入系统。同时，为了保证数据的完整性及评价的公正性，学校应当建立起完整的校级督导—院系督导的多层级督导体系，应当鼓励同行听课并制定相应的政策。这样得到的数据才是更加完整有效的评价数据。
（二）数据采集
数据采集的面要广，这样得到的数据才是有效的数据。数据采集可以从多方面进行，一是来自学生的数据，如大规模地组织学生评教；二是来自第三方评价的数据，如督导听课，要求学校具备较为完整的督导员队伍，可以由大量的退休教師组成；三是客观存在的数据，如通过考教分离之后产生的学生成绩数据。
（三）数据处理
作为系统运行的重要环节，数据处理主要是以大数据分析模块准备数据为目的。为了达到大数据分析的要求，要提前对数据进行处理。数据处理主要完成下面几个任务。
1.学生评教数据的处理
许多学校对于学生评教是非常重视的，如浙江大学的学生评教占教师评价比重的80%，一般为30%-60%。同时，学生评教的数据要进行多层次、多周期的跟踪和处理，如同一教师在不同课程授课过程中获得的学生评教，不同教师在同一院系、同一课程中获得的评教比较等。这些数据的处理和比较可以得出许多不同的结论，而长期形成的结论可以构成教师评价的主要指标。
2.督导及同行评价数据的处理
督导及同行评价可以从另一个维度评价教师课堂的组织及知识传授情况，分别从教学准备、教学效果、学生接受等多方面进行评价。督导员或专家的打分有自身的习惯，在进行数据处理的时候应当计算每一个督导员的平均打分，求得方差，并对相应教师的得分进行修正，从而做到尽量公平公正。同行评价不宜占过高的比例，一般不超过10%。
3.考试数据处理
许多高校都已经实施考教分离，考教分离产生的成绩结果可以作为教师教学评价的指标，但是在处理过程中要注意不同课程之间成绩的修正。有些科目在不同院系之间的成绩差别很大，比如英语课，明显文科类的学生的英语成绩要高于工科类的院系学生的英语成绩，则这种修正是很有必要的，修正的方法也可以参照督导评价的修正方法。
对以上数据进行数据处理操作，可以从课堂、第三方、成绩等多个维度对教师的教学质量进行评价，这是一种综合有效的评价方式。
（四）大数据分析
大数据分析是系统的核心。根据前面采集到的海量数据，为每项数据设置一定比例的权重，再根据权重构建教学质量诊断的指标体系，形成多方位的教学质量评价结果，供教学管理部门对教师的教学质量进行考核。
1.统计计算
对学生评教数据、督导评教数据、考试成绩数据等进行综合计算，先设定好比例，再对修正后的相关数据按比例进行计算，统计出相应的结果。结果可以是侧重于课堂教学效果的，也可以是侧重于学生满意度的。学校可以根据自己对教师的要求设定不同评价方式占的比重，从而形成学校自身的教师综合评价系统。
2.大数据分析
通过大数据分析，可以给出教师的教学质量评价结果，如教师更擅长哪门课的课程教学；采取不同教学方法的班级所获得的学生满意度评价；实验实训对于课堂教学效果的影响；核心课程的重要度和满足度等。
四、总结
教学质量诊断指标体系的构建离不开大数据分析，而大数据分析的关键则是多方位教学质量数据的采集。日常教学数据的采集是得到最终评价结果的重要因素。本文从影响高校教学质量的因子入手，对回归分析方法进行了简单介绍，并给出了构建基于大数据分析的教学质量诊断指标体系的措施。同时，学校可以利用教学质量诊断指标体系得到的结果，更加有效地促进课程的合理设置、教学资源的分配及对教师的激励。
【参考文献】
[1]张光亚.基于大数据的教学质量分析与评价[J].高等农业教育，2016（01）：37-44.
[2]孙卫东.高职教学质量之大数据管理模型[J].职教论坛，2016（19）：52-57.
【关键词】教学质量诊断指标体系；大数据分析；构建
一、引言
高校的立身之本是人才培养的质量。学生学习效果的好坏与教师教学质量的高低密不可分。如何构建较为完善的教学质量诊断指标体系，从而促进教师对于课堂教学的准备和教学水平的提高是必要之举。结合日常教学中的学生评教、督导评教、成绩分析等数据，进一步挖掘、分析大数据，从而提炼教学质量的诊断指标，构建诊断指标体系，能够为教学质量的评价打好坚实的基础。
二、教学质量诊断数据回归分析方法
随着数据库技术、网络技术的高速发展，数据采集、数据分析、数据挖掘技术也不断提升，隐含于日常教学中的许多数据经过全面的采集和分析之后，可以为管理决策、质量评价提供依据。大数据是一个多学科交叉的研究领域，涉及数据采集、数据存储等数据库技术，涉及深度学习、信息检索和分析的人工智能技术，也涉及数据分析的主要方法，包括线性回归和非线性回归。线性回归（linear regression）说的就是用直线方程来描述两个变量间依存变化的近似的线形数量关系，由此得到的直线方程叫线性回归方程（linearregression equation）。
三、构建基于大数据分析的教学质量诊断指标体系
（一）信息集成
信息集成是数据采集的前提，是规范数据采集的关键。许多数据包含多种格式，例如学生对于教师的评价，如果用文本语言则无法完成集成，这个时候就必须进行规范，可以从教师的教学态度、教学水平、教学效果等几个方面给出评价的选项，每个选项赋予一定的分值，学生通过评分完成数据提交，同时系统就完成了一次数据采集，这样采集的数据才能够实现系统集成。另外，在信息集成的过程中，还要注意以下因素。
1.数据识别及集成
班级数据、学生数据、教师任课情况等存在于不同的数据表中，数据识别的关键就是“主键”的设置，一般可以把教师的编码设置为主键，并依靠这个主键链接不同数据表中的记录。这样，可以准确地对实体进行识别并减少集成数据的冗余。
2.基础数据表的规范
基础数据表的规范能够为后续的数据分析带来便利。如何保证数据的准确和可信是这一过程着重要解决的问题。本系统要求产生绝对准确的数据，否则，系统的可信度会直接被不准确的数据影響。比如某学生是在教学班级一班，但数据表中却把他定位在二班。这样的情况一旦出现，系统的可信度将受到很大的影响。为确保数据不出现错误，一是各类表格的设计要遵循严格的规定，二是部分偏差信息要进行人工核对。
3.学生评教数据
学生评教数据一般每学期都要进行一次，每个学生必须对相关的任课教师进行评价。评教的结果汇总之后形成该教师该学期的评教综合分数，是学生评教的最终结果。同时，为了确保学生评教数据的完整性，要求学生必须评教才能查询成绩以及参加下个学期选修课的选课。
4.督导评教数据
许多学校建立起了校级督导员队伍，通过督导员队伍实现“全员听课”；有些学校受时间和空间的限制，并没有大规模地让同行或专家对课堂教学质量的评价信息进行采集。无论采用哪种方式，均应当及时采集评教信息并录入系统。同时，为了保证数据的完整性及评价的公正性，学校应当建立起完整的校级督导—院系督导的多层级督导体系，应当鼓励同行听课并制定相应的政策。这样得到的数据才是更加完整有效的评价数据。
（二）数据采集
数据采集的面要广，这样得到的数据才是有效的数据。数据采集可以从多方面进行，一是来自学生的数据，如大规模地组织学生评教；二是来自第三方评价的数据，如督导听课，要求学校具备较为完整的督导员队伍，可以由大量的退休教師组成；三是客观存在的数据，如通过考教分离之后产生的学生成绩数据。
（三）数据处理
作为系统运行的重要环节，数据处理主要是以大数据分析模块准备数据为目的。为了达到大数据分析的要求，要提前对数据进行处理。数据处理主要完成下面几个任务。
1.学生评教数据的处理
许多学校对于学生评教是非常重视的，如浙江大学的学生评教占教师评价比重的80%，一般为30%-60%。同时，学生评教的数据要进行多层次、多周期的跟踪和处理，如同一教师在不同课程授课过程中获得的学生评教，不同教师在同一院系、同一课程中获得的评教比较等。这些数据的处理和比较可以得出许多不同的结论，而长期形成的结论可以构成教师评价的主要指标。
2.督导及同行评价数据的处理
督导及同行评价可以从另一个维度评价教师课堂的组织及知识传授情况，分别从教学准备、教学效果、学生接受等多方面进行评价。督导员或专家的打分有自身的习惯，在进行数据处理的时候应当计算每一个督导员的平均打分，求得方差，并对相应教师的得分进行修正，从而做到尽量公平公正。同行评价不宜占过高的比例，一般不超过10%。
3.考试数据处理
许多高校都已经实施考教分离，考教分离产生的成绩结果可以作为教师教学评价的指标，但是在处理过程中要注意不同课程之间成绩的修正。有些科目在不同院系之间的成绩差别很大，比如英语课，明显文科类的学生的英语成绩要高于工科类的院系学生的英语成绩，则这种修正是很有必要的，修正的方法也可以参照督导评价的修正方法。
对以上数据进行数据处理操作，可以从课堂、第三方、成绩等多个维度对教师的教学质量进行评价，这是一种综合有效的评价方式。
（四）大数据分析
大数据分析是系统的核心。根据前面采集到的海量数据，为每项数据设置一定比例的权重，再根据权重构建教学质量诊断的指标体系，形成多方位的教学质量评价结果，供教学管理部门对教师的教学质量进行考核。
1.统计计算
对学生评教数据、督导评教数据、考试成绩数据等进行综合计算，先设定好比例，再对修正后的相关数据按比例进行计算，统计出相应的结果。结果可以是侧重于课堂教学效果的，也可以是侧重于学生满意度的。学校可以根据自己对教师的要求设定不同评价方式占的比重，从而形成学校自身的教师综合评价系统。
2.大数据分析
通过大数据分析，可以给出教师的教学质量评价结果，如教师更擅长哪门课的课程教学；采取不同教学方法的班级所获得的学生满意度评价；实验实训对于课堂教学效果的影响；核心课程的重要度和满足度等。
四、总结
教学质量诊断指标体系的构建离不开大数据分析，而大数据分析的关键则是多方位教学质量数据的采集。日常教学数据的采集是得到最终评价结果的重要因素。本文从影响高校教学质量的因子入手，对回归分析方法进行了简单介绍，并给出了构建基于大数据分析的教学质量诊断指标体系的措施。同时，学校可以利用教学质量诊断指标体系得到的结果，更加有效地促进课程的合理设置、教学资源的分配及对教师的激励。
【参考文献】
[1]张光亚.基于大数据的教学质量分析与评价[J].高等农业教育，2016（01）：37-44.
[2]孙卫东.高职教学质量之大数据管理模型[J].职教论坛，2016（19）：52-57.