徐广宇 内蒙古财经大学计算机信息管理学院

基于大数据理论的高校教师教学能力评估模型研究

徐广宇 内蒙古财经大学计算机信息管理学院

教学成效评价是高校教学质量管理的重要环节和参考依据，教学成效评价一直是教学管理中一个重要的研究课题，传统的教学成效评价主要是通过几个评价指标做简单的求和后平均，其只能对教师教学成效有一个粗略的评价，不能够全面、真实、客观反映教师教学成效，有时还会出现一些偏差。本文提出在教学成效评价中建立基于大数据理论的评价体系，通过大数据聚类分析的方法，对评测教师教学成效评价，挖掘其隐含的信息和规律，分析影响教师教学成效评价较低的原因，为教学管理者全面掌握教师的基本情况、提升教师教学能力做决策支持。

教学成效评价 教学能力提升 大数据 聚类分析

高等教育质量提升是21世纪80年代以来世界高等教育发展的一个核心议题，为提升高等教育质量，各国政府和高校采取了诸多内外部质量保障措施，美国和英国20世纪60年代开始关注高校教师发展的研究与实践，加拿大、瑞士、印度、日本以及中国的台湾、港澳地区也从20世纪末开始关注教师发展实践。我国开展真正意义上的高校教师发展的研究与实践是从21世纪初，到2011年，国家和政府提出将“提升青年教师教学能力”作为《高等教育教学改革与教学质量工程二期建设》意见的一项重要内容，进而掀起了关注教学和教师教学能力发展研究的热潮。

促进教师发展其中一个重要的策略是纷纷成立以改善教师教学效果、提高教学质量为目标的教师发展中心。科学、全面、动态评估教师教学能力是教师发展中心促进教师发展最重要的一项基础性工作。

大数据技术是一项目前已经比较成熟的技术，并且已经逐渐开始应用于教育领域。目前评价教师教学能力通常的做法是跟据高校中的学生给任课教师的教学评价结果，该结果对教师教学能力有其大的参考作用，但是只通过这一个结果还是不能科学、全面、动态评价教师的教学能力。例如，一些教师的教学评价分数比较低，可能并不是该教师的专业素养较差，也可能只是该教师对待学生过于严厉、苛刻，或缺乏与学生的沟通的结果，如果我们没办法科学评价、找到教师评价较低的原因，就很难帮助该教师提高教学能力、发展自己。本课题以大数据理论作为研究背景，通过建立评价教师教学能力的模型，挖掘出能体现出教师教学能力、令人信服的数据，一方面可以作为教师发展过程中的一面镜子、为教师提高教学能力提供参照参考，又可以为促进教师发展提供数据决策支持，使得促进教师发展工作更加有针对性，达到事半功倍的效果。

关于教学能力的研究国内教育专家有着不同的见解。

总体来说，我国教育专家将教师的教学能力具体概括为五个方面:

1.认识能力：主要表现为敏锐的观察力,丰富的想象力和良好的记忆力,尤其是逻辑思维能力及创造思维能力等认识能力。

2.设计能力：教学设计能力,主要包括明确教学目标的熟悉、钻研教材,对教学组织,讲究教学策略,实施教学评价。

3.传授能力：主要包括教师的言语表达能力,教师的非言语表达能力,运用现代教育技术的能力。

4.组织能力：主要包括组织教学能力,组织学生各种谋外活动的能为,组织、培养优秀学生参与集体的能力,思想教育能力,协调内外部各方面教育的能力,组织管理自己学习、工作与生活的能力。

5.交往能力：主要指教育教学中的师生交往能力。

国外教育专家对教学能力的理解：

日本冈山理科大学教授小山悦司认为，教学能力分为技术和人格两个维度，技术维度包括：专业技能、智谋技能、交际技能；人维度格包括：个性和动机。PhilipA.Streifer（1987）认为教学能力包括计划能力、教学技能、评估学生的能力、专业知识、专业职责。Ronald（1993）认为教学能力应包括六项技能：学术能力、计划能力、管理能力、表达和交流能力、评估和反馈能力、人际交往能力。Franziska（2009）认为教学能力包括四个维度，分别是学科知识、教学诊断、教学方法运用和教学管理。

结合国内外教育专家的理论，本文提出教学能力三个维度评价模型。

教学能力评价模型共分为3个维度，包括13个一级分类，45个二级评价要素，如下图1所示。

图1 教学能力三个维度模型

教学能力评价模型中个人特质(A)，包括5个二级要素：教师形象(A1),思维逻辑(A2),创新能力(A3)，科学研究(A4),职业素养(A5)。态度(B)，包括2个二级要素：工作态度(B1),品德态度(B2)。知识(C)，包括2个二级要素：专业知识(C1),学科知识(C2)。技能(D),包括2个二级要素：专业技能(D1),职业技能(D2)。沟通能力(E),包括2个二级要素：师生关系(E1),问题解答(E2)。专业能力(F),包括2个二级要素：专业知识(F1)，专业技能(F2)。课程能力(G),包括6个二级要素：课程体系(G1)，课程意识(G2),课程目标(G3),课程内容(G4),课程资源(G5),课程整体(G6)。教学能力(H),包括9个二级要素：教学目标(H1),教学内容(H2),教学方法(H3),媒体与技术(H4),教学对象(H5),教学氛围(H6),学生评价(H7)，教学进程(H8),教学整体(H9)。教学维度，每个内容都是与工作维度相关联的内容，如下图2所示。

图2 教学能力评价模型

本文认为应该结合以上模型建立高校教师发展数据，利用大数据技术进行分析与挖掘。本文提出了将计算机科学领域的大数据技术引入到教育质量工程领域解决其存在问题的思路，提出了通过建立一个新的教学能力评价模型，对模型中影响教师教学能力的多个要素，进行分析，最终评价教师教学能力的理论。运用聚类分析方法对高校现有评价系统进行深层次的分析,根据教师的各个评价指标的得分,将教师聚集分成不同的类,每类具有各自的特点,从而试图构建比较公正、合理、科学的综合全面的评价模型，更好地实现评价的诊断功能,为今后选择的评价项目和指标提供依据,充分发挥评价体系的积极作用,促进教师教学水平、授课质量的提高。

构建基于大数据理论的评价体系主要内容有以下几方面：

1.确定影响教师教学能力的各个要素有哪些，将来可作为评价指标体系的重要内容。

2.确定在教师教学能力的各个要素的重要程度，确定其在将来评价指标体系中的权重。

3.建立一个新的教师教学能力评价计算模型，四是对影响教师教学能力的各个要素进行编码、存储，建立一套新的数据标准，作为教师教学能力评价的基础数据。

聚类分析方法是大数据统计分析的一种有效方法,也是非监督模式识别的一个非常重要的分支。聚类分析方法是将一组对象划分成簇，使簇的内部高相似度，簇与簇之间低相似度。聚类不同于分类方法，分类是一种有监督的学习，即利用已经标记过的对象数据进行训练，构造数据模型，然后将模型用于新对象数据的分类;而聚类分析方法是一种无监督的学习，即根据对象各自的特征进行划分，没有任何模式可供参考或者可以遵循。聚类分析方法是数据挖掘中的一项重要技术，被广泛地被应用于大数据应用的各个领域。

在数据挖掘中聚类分析技术是数据挖掘及模式识别等研究方向的重要内容之一，在识别数据的内在规律方面具有极其重要的作用，其原理主要通过不断选取离种子点最近均值的方式实现，算法具体描述如下，算法流程见图3。

1.根据需要，对样本数据集D划分k个簇，并选择k个样本点，将k个样本点值分别赋给初始的聚类中心ai(i=1，2，…，k)

2.针对数据集D中所有样本点bj(j=1，2，…，n)，依次计算到各个簇中心ai的距离

图3 聚类算法流程图

3.通过运算找出bj关于ai的最小距离 min(d(i，j))，将bj归并到和ai距离最小的簇当中

4.重新计算到各个簇的聚类中心距离

5.计算数据集D中所有点标准差E(t)，并与前一次标准差E(t－1)比较;

6.若 E(t)＜E(t－1)不收敛转到(2)，否则计算结束。

通过在教师教学能力评估模型中引入在大数据技术中的聚类算法，对教师综合测评进行聚类，与简单的求和取平均值产生的测评结果相比教，聚类分析对各个教师之间的差异性进行比较，将具有相似特点的教师聚成一类，通过大数据技术，挖掘其内在隐藏的规律，将有利于为教学管理者更加准确、客观地掌握教师的特点，制定更加有效的培养策略，更加有利于全面提高教师综合素质。

[1]基于模糊聚类分析的教师评价模型，张千,时念云,张琼声，计算机系统应用，2012，12

[2]基于大数据多层变权云计算的高校工科教师授课质量综合评，徐镇凯，现代教育管理，2016，9

[3]K均值聚类在高校教师评价分析中的应用研究，王悦，冷泳林，鲁富宇，鄂旭，计算机技术与发展，2014，5

[4]基于灰色聚类分析的新型教学评价在开放大学教学当中的应用，黄少珍，电子科学技术，2016,9

[5]聚类算法在教学评价中的应用研究，黄敏，中国电力教育，2011,16

[6]教学测评数据的对应聚类分析法研究，都会兵，李春萍，刘峰，科技信息，2012,3

内蒙古财经大学教师发展研究项目（项目编号：JFZC1603）。

徐广宇，1978.6，男，内蒙古呼和浩特人，硕士，讲师，主要研究领域为数据挖掘、并行计算、教学改革、教学成效评价等。