一種基于成績數據的教學質量評價方法

曲超，歐陽驥，王岸雄，邵光明

（東莞理工學院，東莞 523808）

一種基于成績數據的教學質量評價方法

曲超，歐陽驥，王岸雄，邵光明

（東莞理工學院，東莞 523808）

教學評價是高校教學過程的重要組成部分，然而現有教學質量評價中由于存在課程性質差異、主觀評價差異、小范圍樣本的客觀差異等因素，導致評價效果失真。針對此問題，提出一種以考試成績作為基礎數據的教學質量評價方法。該方法以數據挖掘技術作為支撐，有效地實現教學質量評測的客觀性和公正性。

成績；數據挖掘；班級差異度；班級質量；教學質量評價

0 引言

為適應新形勢下社會各界對高級人才的需求，我國高等教育需要通過改革和創新不斷地完善、提升自身的教育水平，培養出更多具有專業知識和技能的高水平人才。在高等教育中，高校是傳授知識、培養技能的主要陣地，高校教師的課堂教學則是實現這一目標的主要載體，因而需要通過采取各種措施來提升和衡量教師的教學質量。其中，教學評價是教學過程的重要組成部分，它以教學目標為依據，制定科學的評價標準，運用一切有效的技術手段，對教與學活動的過程及結果進行測量，并給以價值判斷[1]。教學評價系統能有效地提高教學質量，目前國內外高校亦有進行廣泛的研究和應用。

1 現有評價方法存在的差異性問題

自20世紀70年代以來，學生評教作為評價教師教學質量的一種可行、可靠、最直接的方式在國內外許多學校中廣泛運用。相關的研究工作例如文獻[3]采用因子分析法，以方差貢獻率確定公共因子的權重，文獻[4]使用因子負荷計算教師教學質量二級指標的權重，文獻[5]則采用層次分析法進行客觀賦權。但其結果的真實性并未得到教師的廣泛認同，不少教師對評教結果的真實性、代表性持懷疑態度。其差異性原因主要如下：

（1）教學評價沒有充分考慮不同課程本身性質的差異。不同的課程對學生的要求、學習難度都會有所不同，同樣對教師的要求也會出現差別。如果以統一的標準進行評價難免產生評價結果的偏差。

（2）學生主觀評價標準和評價尺度的差異。由于受到知識面與評價能力的限制，以及評價態度甚至是感情因素的影響，學生從主觀上很難做到對教師教學質量進行客觀、公正地評價，更有甚者會使教師跟學生之間產生了不正常的教學關系。

（3）班級之間的差異性使學生的評教成績不能整體上反映教師的教學情況。由于整體意識形態的差異，經常會發生有的班給教師打的分數普遍過低，以至于該班教師最高評教成績低于其他班教師的最低成績的情況，這也將導致評價結果的失真。

總體來說，雖然我國在高校教學評價系統研究和開發等方面有了一定的實踐和實施，但是存在的高校教學評價系統大多不能保證公平、公正、有效地評估教師教學質量。傳統意義上的高校教學評價系統目前仍是采用人工的方式，由學生進行主觀打分后再結合教學主管部門意見進行評估，指標較為單一簡單。所以，高校教學評價系統的研究與開發對于我國的高校來說，仍然存在較大的契機和發展潛力。

2 挖掘成績數據的教學質量評價方法

在大數據時代的今天，如何分析海量的學生評教數據，設計合理的評教體系，從數據中分析出目前教學運行中存在的問題，成為各高校面臨的重要課題。只有設計一種科學、簡便的數據分析處理方法，才能保證學生評教的合理、公正，進而實現對教師課堂教學質量有效、客觀的評價，以此達到對教學質量監控的作用[2]。為此僅以教學質量而非教學態度、能力、方法等其他指標為研究對象，運用數據挖掘技術以考試成績作為數據支持對其進行分析和評價。該方法僅用于表征教授相同課程的教師之間對該門課程的教學質量評價。

2.1 條件與假設

針對差異性問題，采用數據挖掘技術可有效避免偶然事件造成的結果失真。首先，我們需要做如下假設：（1）考試成績真實有效?？荚嚦煽兊恼媸怯行园◣追矫娴囊螅浩湟槐ＷC考題的有效性，不存在考前泄題漏題；其二保證考試過程的公正性，杜絕作弊行為；其三保證試卷審閱的統一性，不存在閱卷過程中的徇私舞弊行為。（2）教師任課隨機分布。即在全校范圍內，教師在確定所授課程的前提下，對上課班級沒有選擇權，完全采用隨機分配的方式下達教學任務。（3）合班上課教學權重相同?？陀^地認為由同一名教師對不同班級在同一時間段內所授的同一門課程的教學內容、所采用的教學方法、教學態度均相同。

其次，結合假定對問題做如下分析。首先，在保證考試成績真實有效的前提下，試卷成績可以反映出學生的真實水平和努力程度，可以作為評價學生學習效果和教師教學質量的重要依據。然而，以學生個體作為教師教學質量評價依據并不具備說服力和可信性，因此只有利用具有統計規律的整體成績作為研究對象才能保證評價的公正有效性。其次，不可否認的是，相同專業、相同年級的不同班級之間必然存在學生總體素質的差異，也會導致評測的不公平性。因此根據前述假設，由于教師任課的隨機性，不存在某些教師長期為素質較高班級授課及相反的情況，這就保證了在大范圍樣本下統計規律的可靠性。最后，根據前述假設，班級素質差異可根據合班上課的最終考試成績差異進行統計和計算。

2.2 教學質量評價流程

挖掘成績數據的教學質量評價方法是以學生成績作為基礎數據，用于分析的數據通常采用的是待評測學年之前的歷史成績數據。在選定數據后即可進行評價：首先以相同的年級、專業、課程、授課教師的不同班級的考試成績作為評判基準，進行挖掘分析，以確定不同班級之間的相對差異，確定班級質量權值。其次，將待評教師的待評課程根據授課班級的該課程成績計算各班之間該課程的成績差異值。然后，根據班級質量權值和課程的成績差異值計算出待評教師某門課程的教學質量權值。最后，將該門課程的歷史成績數據進行統計分析，與教學質量權值共同計算出待評教師該門課程的教學質量量化值。在有必要的情況下，可以將本次待評測的成績數據與歷史數據合并作為原始數據，并進行過程迭代。過程如圖1：

1.不管哪門課程的學習，預習都是非常重要的一個板塊[2]。俗話說凡事預則立，不預則廢。例如，在學習前，將學習課程的目標放在預習方案中，要充分利用錄制的短視頻將教師的想法和學習中所要解決的問題融合在視頻中，讓學生通過觀看視頻進行有效預習，這不僅有利于學生提前對所學內容進行思考，而且能幫助學生在進行課程學習時養成一種獨立自主思考的學習習慣，更重要的是可以提高學生學習的效率，點燃學生學習英語的熱情。

圖1 教學質量評價流程圖

2.3評價模型與方法

以成績作為數據挖掘原始數據的教學質量評價方法主要以班級間相對差異、班級質量權值、待評課程成績差異和教學質量作為主要的計算數據和目標。因此需要通過數據挖掘及統計的方法分別計算以上數據。班級間相對差異值的計算

計算班級間相對差異首先要挖掘班級間的關聯關系。在本文所提出的教學質量評價方法中，具有關聯關系的兩個班級Ci和Cj的關聯關系指的是兩個班級同時上同一門課程，并且由相同教師講授，其差異值可由下式計算得出：

其中Wk為班級Ci和Cj由相同教師同一時間所上課程k的學分，Ak（Ci）為Ci班課程k的考試成績均值（也可以是加權平均值），m為課程數。需要指出的是，在強約束條件下，課程k的選擇必須是班級Ci和Cj“同時”、“同師”的課程，滿足T、S和I，也即合班上課，這樣的差異值計算才較為準確。在弱約束條件下，課程k的選擇可以去除T的約束，但由于在不同時間段（例如2014年和2015年）教師可能會改進教學方法、內容等導致后一時間段的教學效果優于前以時間段，可能對最終的計算時結果的準確性產生影響。（例如，假設2014級Ci班與2015級Cj班實際差異值為零，且由同一名教師教授同一門課程，由于該教師改進了教學方法，使Cj班成績有所提升，結果導致差異計算值Cj班高于Ci班）。

在強關聯規則下，經過初步的計算，可以獲得任意兩個關聯班級的差異度矩陣D，Dij表示班級Ci和Cj的差異值。很明顯，班級差異度矩陣D是一個稀疏矩陣，因為絕大多數班級之間并不會存在關聯關系，為此我們需要對差異度矩陣進行變換，使得任意兩個班級的差異度都存在。在實際教學過程中，很難出現某個班級與其他班級完全沒有關聯的情況，即所有課程都是單獨開班上課，因此無關聯關系的班級之間往往可以通過關聯關系的傳遞而發生聯系，因此對與沒有直接關聯的班級之間的差異度可通過下式計算得到：

式中Pk表示由Ci到Cj的一條路徑，|PK|表示路徑長度。計算公式對Ci到Cj的路徑k上的差異值求和后乘以路徑長度得到路徑差異值后再對所有路徑差異值求和。最終我們得到班級差異矩陣D，若Dij＞0則表示班級Ci比Cj在質量上要好，反之則表示班級Ci比Cj差，Dij=0說明兩個班級在學習效果上基本相同。

（2）班級質量權值及教學質量計算

課程成績差異是教學效果評價的主要依據，我們只對教授相同課程的教師在該門課程的教學質量上給出評價值，表示各位教師在該門課程上的教學質量好壞，而不做綜合性的評判。

在班級差異度矩陣D中可以獲得任意兩個班級的差異值，然而并不能以此作為課程成績差異值的修正參數。其原因在于在構造差異度矩陣D的過程中并未做出邏輯約束，有可能出現C1班優于C2班，C2班優于C3班，C3班優于C1班這樣的邏輯死鎖。因此需要將相對差異度進行正規化，以得到一個拓撲有序的班級質量權值，計算方法如下：

期中Qi表示第i個班級的質量權值，N為班級總數，Dik為差異度矩陣中的差異值。經過計算，每個班級會被賦予一個質量權值，權值越大，說明該班級的總體學習質量越好。在確定了班級質量權值后，可以將其作為課程成績差異值的修正參數。

假設某一門課程待評價的教師集合T={t1，t2，…，tm}，假設其對應所教班級的平均成績集合為S={s1，s2，…，sm}，對應班級的質量權值集合為Q={q1，q2，…，qm}，則每位教師的教學質量值QT（ti）可通過下式計算得到：

其中Si為教師ti所教授課程的所有班級的平均成績；Qi為教師ti教授課程班級的班級質量的平均值。公式4說明教師的教學質量主要是由所教班級的平均成績決定的，但由于班級之間存在質量差異，質量權值高的班級理應取得較高的成績，因此需要用班級的平均成績減去班級質量權值的差異度（該班質量權值減去所評班級質量權值的平均值）來消除由于班級質量對教師教學質量的影響。

表1 某年級軟件工程四個班主修課程數據

3 測試分析

為驗證上述評價方法，我們采用我院已畢業某年級軟件工程專業四個班大一和大二主修課程成績作為評測數據，對數據結構課程任課教師T1和T2進行教學質量評價。采用數據如表1所示。

經過挖掘班級間的課程關聯關系，并按前述方式計算得到的班級間相對差異度矩陣如表2所示。

表2 班級間差相對異度矩陣

進一步計算得到四個班級的質量權值如表3所示：

表3 各班級質量權值

對應得出教師T1和T2數據結構教學質量QT（T1）=69.875，QT（T2）=74.875。

從課程成績我們可以看出，軟件三、四班的整體成績相對其他班級要好，計科三、四班成績相對較差，反映到班級差異度矩陣中表現為軟件三、四班所在列均為負值而計科三、四班均為正值。班級質量權值計算結果也充分表現出班級間的差異。最后對教師T1和T2數據結構教學質量的計算結果說明：教師T2通過教學使質量權值較小的計科三、四班成績接近于所有班級的平均成績足以標明其教學質量較高。另外雖然軟件一、二班質量權值也較低，但數據結構課程平均成績卻是最高，但并不能說明T1教師的教學質量較高，因為在的統計規律下也可能存在個別的異常情況，只有統計規律所表現出的結果才是最接近真實的。另外，實際的情況是：在教學過程中教師T2采用了OBE導向的教學方法，調動了學生的積極性，提高了學生的學習興趣，因而相對教師T1達到了較好的教學效果，這與我們通過成績數據計算出的結果相吻合。因此我們最終可以得出結論教師T2的數據結構教學質量優于教師T1。

4 結語

本文所論述的基于成績數據的教學質量評價方法在前提約束條件下以客觀的成績數據作為研究對象，采用數據挖掘手段對其進行統計分析，通過計算班級間的差異度確定班級質量，并以此為依據對教師的教學效果進行評價。該方法有利于保證公平、公正、高效、直觀地檢測與診斷教師教學質量，對教育教學質量的提高有十分重要的意義。另外，該方法仍存在某些不足，例如計算中采用的平均成績會使結果產生一定的偏差，因此仍需進一步研究與完善。

參考文獻：

[1]宋中山，吳立鋒.關聯規則挖掘在教學評價中的應用[J].中南民族大學學報（自然科學版），2006，01:72-74

[2]梅麗，魏曉光，趙嘉偉.雙均值偏離數據分析法在學評教中的應用[J].金融教學與研究，2014，05:71-72

[3]張明虎.基于統計分析的教學評價研究[D].山東經濟學院，2010.

[4]張春紅.中學化學教師課堂教學藝術評價指標體系的研究[D].內蒙古師范大學，2009.

[5]張振友.基于層次分析法的課堂教學質量評價[J].廣東工業大學學報（社會科學版），2010，10（6）:25-27.

A Method of Teaching Evaluation Based on Score Data

QU Chao，OUYANG Ji，WANG An-xiong，SHAO Guang-ming

（Dongguan University of Technology，Dongguan 523808）

Teaching evaluation is an important part of the high education teaching process,but for the factors of nature differences between courses, subjective evaluation differences and small sample objective differences the teaching evaluation always distorted.In order to avoid these problems,proposes a method to evaluate the teaching quality based on score data.The method is supported by data mining technology and achieves the quality of teaching evaluation objectivity and impartiality.

Score Data;Data Mining;Class Difference;Class Quality;Teaching Evaluation

1007-1423（2016）35-0050-05

10.3969/j.issn.1007-1423.2016.35.010

曲超（1979-），男，碩士，副教授，研究方向為數據挖掘、信息網絡、信息檢索、物聯網

歐陽驥（1964-），男，碩士，副教授，研究方向為人工智能、數據挖掘

王岸雄（1993-），男，學士

邵光明（1994-），男，本科生

2016-10-11

2016-11-12

東莞理工學院2015年校級教育教學改革與研究項目（No.1E150533）、2014年大學生創新創業訓練計劃項目