随着教育评价改革的推进以及高等教育的普及,高校教师教学质量评价已经成为了教育评价领域的重要议题。高校教师能否获得客观公平的教学质量评价,是提高教师教学积极性的动力源泉,也是提升教师教学水平和学校办学质量的关键因素。大数据时代下,海量教学数据仅被记录却未被有效利用的情况依然存在,“分析现实教学数据、剖析现实教评问题”有助于高校教育评价改革的发展。本文的主要工作和成果如下:1.针对当前高校教师教学评价工作存在的评价结果科学性与客观性不足、评价过程时间与人力资源消耗较大等问题,采用成绩预测与增值评价相结合,提出一种基于成绩增值的高校教师教学质量评价新方法。该方法由客观真实的数据为主导贯穿整个评价过程,根据建立的“高校课程成绩相关特征表”借助机器学习算法对成绩进行回归预测,结合实际考核成绩获得预测外成绩增值,通过建立增值评价机制和成绩增值贡献原理,以具有实际意义的成绩增值对教师教学质量进行标准量化,从而获得基于大数据的教师教学质量评价值。2.进一步分析挖掘教师授课相关信息和影响变量,完善成绩增值贡献原理及评价方法改进。通过对教师授课相关数据的分析,仍以客观数据为主导,分析教师因素对成绩增值的影响程度,丰富“高校课程成绩相关特征表”,提高模型预测效果及预测值的真实性,使得“教学质量”对预测外成绩增值的解释度得到增强,改进了基于成绩增值的高校教师教学质量评价方法。本文通过高校课程成绩相关特征表与成绩预测和增值评价的结合,实现了成绩增值在高校教学评价领域的应用,提出的高校教师教学质量评价方法具有创新性,评价结果更具科学性和客观性,为高校教学质量评价改革提供新的路径参考,是数字赋能高校教育评价改革发展中的有效尝试。该方法仍有许多改进空间,如获取学校相关数据继续根据成绩增值贡献原理改进“高校课程成绩相关特征表”,可使评价方法更具有说服力。