王艳娥，梁 艳，丁心安

（西安思源学院 理工学院，陕西西安 710038）

0 引言

课堂教学质量是高校教学活动的重要组成部分，是高校培养高质量人才的保证［1］。2007 年，国家教育部提出关于进一步深化本科教学改革全面提高教学质量的若干意见［2］，将全面提高教学质量作为高校工作的重要内容。2019 年，推进全国职业教育高质量发展现场会在深圳职业技术学院召开，将提高教育教学质量作为高校建设的重要内容。课堂教学质量涉及的主体是学生与教师，教师的教学水平和学生的学习能力关系着课堂教学质量，其中教师专业知识、课堂组织、教学方法的运用直接影响学生学习效果。制定有效课堂教学质量评价准则，不仅有助于教师自我认识，也为高校教师队伍建设提供可靠依据。

有关提高课堂教学质量的国内外文献众多。国外文献主要从两个方面进行研究：一种是从开发有效的课堂教学评价工具出发，如文献［3-5］开发有效的评价工具从各维度对教师教学效果进行有效评价；另一种是从影响课堂教学效果的各因素出发，如文献［6-8］从教师课堂管理、信息化教学手段运用、教学内容、职业道德等去测试这些特质与教学质量关联。国内研究的主要内容是如何构建合理的教学评价指标，如谢冬兴［9］以高校体育课堂教学为研究基础，分析课堂教学质量的关键因素，提出新的评估指标体系，将教学效果、教学态度、教学内容、教学方法和职业素养作为一级指标，并将5 个指标赋予不同的权重，从而体现课堂教学质量的教与学，实现多元化评价，重视和加强教师自评；唐顺定等［10］以教学组织、教学内容、教学方法、教学态度和教学效果作为课堂教学质量的一级评价指标，采用极差化法和层次分析的模糊综合评价方法对课堂教学质量进行评价；董晓萌等［11］运用K-means 算法对教师的教学效果进行评价，分析出教师的教学态度，教师对课堂的把握以及学生课堂参与的活跃度对教学效果有着重大影响，应加强这方面的管理；亢婷［12］使用对应分析法分析课堂教学质量中的关键因子，针对不同特质的教师进行有效管理。

本文先优化传统的K-means 算法，用优化的K-means算法将教师课堂教学质量的评价数据按等级进行分类，分析不同等级的教师差异点，再使用SPSS 数据分析软件［13］分析不同职称在不同指标上存在的差异，协助高校完成对教师针对性专业能力的提升，保证课堂教学效果达到预期。

1 聚类分析K-means 算法原理

K-means 算法［14］是基于划分式的无监督聚类算法，因原理简单、运行速度快、易于实现而得以广泛应用。该算法基于“物以类聚”思想，将相似性较高的数据划分为一类，相似性较低的划分为不同类。算法执行过程是先随机选取K 个数据作为初始聚类中心，然后按照相似性原则将其它数据与相似性最高的聚类中心划分为一类，重新选择划分类的聚类中心，计算数据集的聚类误差平方和，如果聚类误差平方和满足条件，聚类结束，否则再次进行划分直到满足结束条件。

传统K-means 算法随机选择初始聚类中心，因而极有可能选择离群点，导致聚类时间长且结果陷入局部最优。本文针对传统的K-means 算法缺陷进行优化，在选择初始聚类中心时，将数据与其它数据之间的距离之和作为选择聚类中心的参考值，将距离和最小的K 个样本作为初始聚类中心。

相关概念如下：

设待分析的数据集为X，X=。

定义1 数据xi、xj的相似度定义为d(xi,xj)。

d(xi,xj)的值越小，xi,xj的相似性越大，值越大，相似性越小。

定义2 数据xi在数据集X的距离均值为Vd(xi)。

计算每一个样本到其余样本之间距离之和的均值，值越小该数据集就越处于数据集的稠密区域或中间区域。值越大该数据处于数据集的稀疏区域。

定义3 数据集的距离均值VD。

定义4 第i类的聚类中心Ci。

定义5 聚类误差平方和E。

其中，Ci是第i类的聚类中心，ni表示i类中的数据个数，xj∈C（i）表示数据xj属于第i类。

优化的K-means 算法在选择初始聚类中心时，根据式（1）计算每一个数据xi的距离均值Vd(xi)，并将按照从小到大的顺序排序，再根据式（2）计算数据集的距离均值VD，选择K 个Vd(xi) 值最小且他们之间的距离大于或等于VD的数据作为初始聚类中心。按照式（1）计算所有样本与聚类中心的相似度，将所有数据与相似性最大的聚类中心划分为一类，再根据定义4 计算新的聚类中心，根据定义5 计算数据集的聚类误差平方和，如果聚类误差平方和满足结束条件，聚类结束，否则重新按照相似性原则进行划分。

将优化K-means 算法应用于教师课堂评价结果数据，通过聚类结果分析不同等级教师之间存在的差异，从而得出决定教师课堂教学质量的关键因素，协助学校制定更优化的课堂教学质量评价表，提高教师教学能力［15］。

2 课堂教学质量评价设计

2.1 课堂教学质量表

根据专家、教师和学生常用的评价指标进行分析和归纳，将课堂教学质量评价表分为5 个一级教学指标教学态度、教学内容、教学方法、课堂氛围和教学效果，10 个二级指标，如表1 所示。

为了研究教师课堂教学质量与教师职称是否具有较强关联，在分析教师课堂教学质量时分析不同职称教师之间的等级差异。将教师的职称按照助教、讲师、教授分为3个类别进行分析。

教师课堂教学质量结果按照最终总分分值划分为5个等级，如表2 所示。

Table 1 Evaluation of classroom teaching quality表1 课堂教学质量评价

Table 2 Class quality evaluation grade table表2 课堂质量评价等级表

2.2 数据来源

本文对西安某高校2017 级学生进行问卷调查，发放调查问卷135 份，回收有效调查问卷127 份。调查问卷形式参考表1，每一个二级指标设定为5 个等级，分别是优、良、中、合格和差。统计的教师职称分布为正副教授42人、讲师70 人、助教15 人。

对数据从两个方面进行分析，先根据课堂质量评价等级表分析教师等级及各等级教师占比，从而得到全部教师的教学质量分析表，学校可以针对性地对教师队伍进行建设。从10 个二级指标分值，分析评价指标的离散度，如果一个评价指标的离散度大，说明该指标对教师课堂教学效果影响大，如果一个指标的离散度小，但指标分值相对较低，则表示该指标需要进行优化或针对该指标对教师队伍能力进行培训。

3 实验分析

对课堂质量评价数据集进行分析的软件为SPSS19 数据分析软件，运行环境为联想笔记本、CPU 为Intelcorei5、内存4G。

将课堂教学质量评价等级分为5 个等级，将聚类结果划分为5 类，在k值等于5 的情况下，使用优化的K-means对质量评价结果数据集进行聚类分析，聚类后不同等级的教师数量如表3 所示。

Table 3 Clustering results of K-means algorithm表3 K-means 算法聚类结果

从表3 聚类结果可以看出，19% 的教师在课堂教学中表现优秀，45% 的教师表现良好，27% 的教师表现中等，9% 的教师基本满足最低要求，不合格的教师为零，反映出高校教师在进入课堂前都进行了严格的实习和考核，达到课堂教学基本要求。

表4 分析了127 位教师在10 个不同指标上的均值和标准差，通过分析这10 个指标的均值和均方差能够得到教师需要进行培训提升的方向。

Table 4 Mean and standard deviation of different evaluation indexes of classroom teaching quality表4 课堂教学质量不同评价指标均值和标准差

本文基于SPSS 软件工具分析的比较均值方法得到不同指标的均值和均方差。

表4 得出教态的3 个三级指标分值较高、教学效果的两个三级指标值最低，教学内容和教学方法的分值在这两者之间。其中，教学内容、教学方法和教学效果的标准差相对较大。通过这些分值反映出教师均有较为严谨的教学态度，在教学内容安排上需要花费较多时间和精力进行提高，教师的教学方法应适应当前学生学习习惯，他们的标准差较大，反映出教师在教学内容和教学方法的使用和创新上具有较大差异，在教师培训中可选分值较低的教师参加进修从而提高教师教学能力。

按照教师职称分析不同职称教师的课堂教学质量评价情况，以针对不同职称的教师进行对应的能力提升培训，加强教师队伍建设。不同等级在不同职称的占比如图1 所示。

Fig.1 The proportion of different titles in different classroom teaching quality evaluation grades图1 不同职称在不同课堂教学质量评价等级的占比

根据图1 可以得出，教授在优秀和良好级别占比中均比讲师和助教高，在中等和合格级别中占比少，在合格的占比为零。进一步分析教授在课堂教学的高分值主要落在课程内容设置、专业前言知识方面，在教学方法应用上相对其它指标较低，因此现代化的教学手段是对教授们做进一步培训。同时，反映出教授在专业知识上既具深度也有广度，因而学生能从整个课堂教学中学到更加专业的知识。

4 结语

本文通过聚类分析和SPSS 软件对教师课堂教学质量进行分析研究，发现教师在师德、教学态度和专业知识储备上均受到学生好评，教学效果差异主要在于教学设计、教学方法和教师对专业前言知识的把控方面。因此，在设计教学质量评价表时需要细化这些方面，同时应针对性加强不同年龄和职称教师的继续教育培训。随着数字化的不断发展，教师的课堂教学质量评价应更具实时性，开发有效的课堂教学实时评价系统不失为一种有效的解决方法。