钟珊 潘威

摘要：疫情期间很多中外合作办学专业纷纷开始远程授课的网络教学方式。然而，网络课程的教学质量难以把握，具有学生状态难以全面监控、缺乏对教师的监督机制、课后反馈和辅导困难等问题。课程教学效果进行有效评价是教学的效果的重要方法。本论文对本校中外合作教学中实施网络教学的课程，针对学生和任课老师所具有的特点，设计了适用于疫情期间中外合作专业网络课程教学评价的一套具体方法，该方法利用当前热点的人工智能技术，不仅能充分利用传统教学质量评价模式的优点，而且能结合深度网络模型对图片和视频等大数据的处理，具有评价客观和全面的优点。

关键词：中外合作;教学质量;教学评价;网络课程

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2021）25-0278-03

1 引言

随着经济的发展和社会的进步，高等教育开始逐渐从精英化向大众化发展[1-2]。因此，使高等教育更好地适合我国国情，并满足国家和社会对高层次人才的需求，是高等教育改革急需解决的问题[3-5]。教育教学水平的提高，不仅需要有大量具有优良品德和高水平教学能力的优秀教师[6-8] 因此，因此，提高教师质量并完善教师队伍建设是目前高等教育当前和今后长期需要解决的迫切任务，而建立完善的教学质量考核评价制度是保证该任务顺利实现的关键[9-10]。

自2020年3月以来，因为全球疫情原因，大部分的中外合作专业的学生都开始实施网络教学。然而，目前已有的教学评价方法主要适合于传统的课堂教学，往往借助单一的评价方式，评价的结果取决于学生和教师的评价，由于这样的评价方法无法细分到每条规则上，对于“评什么”和“怎么评”存在着较大的争议。因此，无法将传统的教学质量评价方式直接应用于应用到网络教学中。对于中外合作专业的网络教学而言，开发出一套客观、全面和标准的评价体系是需要迫切解决的问题。

2 传统的教学质量评价存在的问题

传统的教学质量评价机制虽然取得了较大的进步，但仍然存在着一些问题：

（1） 评价的主体单一。大部分的高校往往采用以学生为主、以督导为辅的教学质量评价机制，从总体上来说，学生的评价虽然在一定程度上反映了课程教学质量的教学水平，但有时也存在着评价不客观、不真实的情况，同时高校的督导也无法做到对每位教师的全面评价，因此，引入更多的评价主体，构建多个评价主体共同作用的评价体系是一个需要解决的问题。

（2） 评价的参照指标不全面。评价的参照指标往往就是若干评价原则，体系结构不够完善，包含的指标大部分是对作业是否按时批改、上课是否互动、是否及时考勤等信息进行评价，评价的指标不全，很难实现对教师的课堂教学效果进行真实的评价。因此，如何有效地设出一个全面的参照指标体系，从而构建更全面和综合的评价系统是影响评价评价真实度的关键问题。

（3） 虽然高校教学质量评价体系的构建是一个热点问题，但是目前已有的研究通常侧重构建教师评价的理论体系，而对于具体如何去实现，缺乏有效的模型，同时多种理论各有可取之处。如何有效融合各种评价指标，并将其加入模型设计中，是将评价体系进行落地并实时应用的保障性问题。

本论文将致力于解决以上三个问题，即构造更为完整的指标体系，结合学生、督导、考勤系统、作业提交系统、课堂摄像头所提供的多模态信息，构建一个具有较大表示能力的模型。该模型能够融合以上多方面提供的信息，对教学质量的水平进行全面综合的判断，并基于判斷的结果给出具体的改进错误，实现对教师教学的全方位正反馈。

3 评价体系设计

3.1 课程教学评价参考指标体系的设计

课程教学评价参考指标体系的设计将在原来有的学生和督导评价体系的基础上，利用现代信息技术，使得高校中均普遍存在各类系统，如考勤管理系统、作业提交和批改系统、小组谈话记录系统等信息能被有效应用，这些系统中蕴含了重要的信息，与课程教学质量有着非常密切的关系，将这些信息均作为教学质量评价参考体系的组成部分，从而设计一个完整的指标体系。

教学质量评价体系的参照指标主要包括：考勤系统、学生评价系统、上课视频、作业提交和批改系统和小组谈话记录系统，其体系结构如图1所示。

3.2 数据的预处理

参考指标体系中对应的数据均是服务器中存在的数据，这些数据往往无法没有标签，不能采用机器学习模型来直接学习。因此，需首先对这些进行预处理，即对这些数据加上标签。当数据加上标签后，就可以将其输入深度模型并模型进行训练。例如，对考勤管理系统指标进行预处理时，就可以将其当场出勤人数与班级总人数的利率作为数据，而标签则是某一比例对应的教师对学生管理能力的分值，这样就实现了数据的打标签。要利用机器学习模型来学习教师评价系统，需要对参照师表系统中的数据进行格式化处理：

（1）考勤系统：将上课对应的出勤率作为数据，而标签为老师对上课的管理能力，此时的标签设计如下：a）出勤率为95%的数据对应的标签为老师对学生的管理为“优”;b）出勤率为80%-95%的数据对应的标签为老师对学生的管理为“中”;c）出勤率为小于80%的数据对应的标签为老师对学生的管理为“差”。

（2）学生评价系统：学生评价系统的数据则直接将规则作为数据，而学生给出的评价作为标签。

（3）上课视频系统：上课视频系统将视频帧作为数据，每个视频帧中学生抬头的数量和做笔记的数量作为输入，此时标签设计如下：a）抬头和作笔记的人数超过90%时对应的标签为上课教学效果为“优”;b）抬头和作笔记的人数超过75%-90%时对应的标签为上课教学效果为“中”;c）抬头和作笔记的人数超过60%-75%时对应的标签为上课教学效果为“差”。