胡兴志 刘伟佳

摘  要：提供高等教育是高校的主要职能，因此高等教育的质量常被用作评价高校职能的主要指标，同时高等教育质量也直接影响到人才培养的效果。随着信息技术的发展，大数据的出现逐渐影响到各个行业，当前大数据已经用于对高等教育的质量进行评价，而大数据庞大信息量的特征也使得这种评价更加可靠。文章将以大数据为基础，探索高等教育质量评价的相关内容。

关键词：大数据;高等教育;质量评价

中图分类号：G640       文献标志码：A          文章编号：2096-000X（2022）02-0017-04

Abstract： Providing higher education is the main function of colleges and universities. Therefore， the quality of higher education is often used as the main index to evaluate the functions of colleges and universities. At the same time， the quality of higher education also directly affects the effect of personnel training. With the development of information technology， the emergence of big data has gradually affected various industries. At present， big data can be used to evaluate the quality of higher education， and the characteristics of large amount of information of big data also make this evaluation more reliable. Based on big data， this paper will explore the related contents of higher education quality evaluation.

Keywords： big data; higher education; quality evaluation

大數据技术在商业领域的应用给了教育界启发，推动了该技术在高等教育质量评价中的应用。如果大数据技术可应用于高等教育质量评价体系，显然能够通过对海量人才培养数据的整合与分析，预测出人才在不同层面的发展趋势与潜力，为高等教育的进一步发展提供可靠的数据支持，从而使高等教育具备更强的针对性。从结果上来看，这对于整个社会的发展显然非常有帮助，不仅能够为社会提供所需的人才，帮助人才进一步将自己的价值变现，同时还能实现对教育资源应用的优化，提升各类型教育资源的利用效率[1]。因此，以大数据为基础进行高等教育质量评价是很有必要的，而这也将成为未来高等教育发展的主要方向之一。

一、大数据与高等教育

（一）大数据

大数据（big data）最早出现自IT行业，指的是无法在一定时间内应用常规软件及工具进行捕捉、管理及处理的数据集合。由此可见大数据的信息总量是十分庞大且复杂的，而如此庞大的数据量需要新的处理模式，以从中获得更强的决策能力、洞察力及流程上的优化。由于大数据具有海量、高增长率和多样化的特点，其蕴含的信息也具有非同一般的潜力，因此大数据也可被理解为一种信息资产[2]。通常情况下我们理解的大数据是指大数据处理技术，并非大数据本身，而大数据处理技术也是大数据的价值及战略意义所在。

提到大数据就必然要涉及到云计算，两者就像是一个硬币的正反面。大数据庞大的信息量决定了无法应用单台计算机进行处理，因而大数据的处理技术在架构上会具有分布式特征，通过对海量数据进行分布式数据挖掘并分析，从而使大数据技术拥有相应的效率，并确保这种效率能够满足特定行业乃至整个社会的发展需要。

（二）高等教育

高等教育的进行需要以完成中等教育为基础，在教育内容及教育模式上具有专业性及职业化的特点，其主要目的是为社会培养高级专门人才及职业人才，通常在教育机构中开展。从世界范围内的教育发展情况来看，中国拥有最完备的基础教育体系，而美国拥有最发达的高等教育体系。由于高等教育是人才培养的最后一个阶段，对人才的成型而言至关重要，因此世界各国均十分重视国内高等教育的发展。随着我国社会经济建设水平的飞速提升，高等教育也从精英教育逐渐转化为大众教育，并在近年来因入学率的上升成为普及教育。

二、大数据下高等教育教学质量评价体系的特征

受大数据的影响，数据收集及数据分析被提升到了一个新的高度。大数据在数据表现上体现出以下五方面特征：数据数量上的庞大（volume）、数据收集分析处理的高速化（velocity）、数据种类上的多样化（variety）、数据价值的低密度性（value）及数据的真实性（veracity）。正是由于这些特征的存在，高等教育教学质量评价体系在构建过程中应用了大数据之后呈现出以下几方面特点。

（一）大数据发现与收集将用于评价体系的构成

大数据时代下一切都将围绕数据开展。大数据本身不仅取代了传统的定量研究、定性研究，也使得原本靠样本分析总体的方式不再适用，而是直接针对总体进行剖析，因而不需要再进行样本的选择[3]。由于大数据在所需数据的类型、载体上没有种类限制，因此包括数字、图表、图像、文本、视频、音频等不同类型的数据均可纳入大数据总体中。

当前高等教育教学质量评价体系的数据来源主要来自以下几方面：其一是国家级政府相关部门对高等教育各种教育情况的统计，包括学生数量、资源消耗数量、科研成果、学科建设成果等;其二是各地区教育主管部门要求高等教育机构上交的各类型数据资料;其三则是高等教育机构在自身发展过程中出于发展战略需求所做的各种类型资料统计;其四则是一些科研机构或评估中心收集的教育相关数据。以上是当前实体化高等教育数据资源的主要来源。

大数据所依靠的并不仅仅是实体化的数据，本身大数据诞生于网络信息技术的高速发展，而网络上的各种资源及数据在数量及种类上正呈几何性上升，这些数据也可用于大数据建立高等教育教学质量评价体系的过程中。在大数据的作用下，原本因数量庞大导致的高难度数据资料收集工作将不复存在，随着互联网使用者数量的增加，相关操作人员仅需通过大数据技术即可在互联网上进行数据的采集、生成及处理。

（二）使评价体系具备更高层次的科学性及更可靠

的质量

随着大数据时代的到来，相关工作者也面临着更高的职业能力门槛，只有在具备大数据视野、大数据思维的情况下，才能将大数据应用在高等教育教学质量评价体系中，并使大数据背后的隐藏价值得到充分发掘。也就是说，大数据并没有在技术要求上有所优化，反而对使用者的能力及数据素养提出了更高要求，要求使用者不仅要明确相应研究问题的研究对象，同时还要对高等教育中的各类现象及内容具备一定的洞察力与诠释能力。如果要从一个简单的角度来理解，就是说数据本身只是数据，除表达一些特定内容之外并不具备其他任何的意义。而数据与数据之间的联系及数据本身的深层次含义，则需要使用者通过研究的方式加以探讨及证明，并在数据之间建立起可靠的因果关系，这样才能确保数据拥有相应的说服力，从而使得以数据为基础构成的体系具有更高层次的科学性及更可靠的质量[4]。而大数据则因其庞大的数量，向世人展现了其独到的科学性及可靠性。

（三）评定高等教育的研究成果是否作用于实践

高等教育以研究為主要工作内容，评定高等教育的教学质量在一定程度上要看其研究成果是否能够作用于实践。通常情况下高等教育的研究目的分为两方面内容，一是能否使理论得到进一步的发展与深化;二是能否在实践层面上推动当前社会的发展。就大数据在事物发展趋势上的预测功能来看，大数据可用于检测高等教育的研究成果是否切实有效。由于大数据本身是对总体进行分析，总体即样本，因此能够确保其数据分析成果与事实具有高度的接近性，从而用于评定高等教育在研究成果上是否能够真正作用于实践[5]。

三、基于大数据的高等教育质量评价主要优势

（一）促成评价层次的多元化

当前高等教育质量评价中存在一些很明显的问题，首先是学生与教师无法有效参与到评价活动中，因而评价活动无法激活师生的积极性，也就难以作用于教育质量的提升;其次是评价方式相对较为单一，其评价结果因此展现出参考价值不足的情况，受各方面因素影响，相关部门在对高等教育进行评价时往往难以重视到不同地区、不同层次、不同科目、不同办学理念及培养目标之间的差异性，因此其评价结果上常呈现出严重的同质化现象，导致评价结果的可靠性直线下降。

大数据在高等教育质量评价中的应用则能够有效解决以上问题，这主要还是依托于大数据拥有海量数据种类及数量的这一特征。首先大数据既然能够获得各方面、各种类型的大量不同数据，也就使得高等教育质量评价体系能够拥有高水准的层次化（评价体系的层次化、丰富性与数据量直接相关），而层次化水平的提升又使得评价体系越发完整，不仅能够使学生及教师在评价过程中充分发挥其主动性，也使学校及相关教育主管部门的宏观指导及调控行为拥有更加可靠的数据支持，从而使这种宏观角度的调控能够充分发挥其价值[6]。此外，依托于信息技术的大数据有效解决了因用人单位广泛性及分散性造成的评价困难问题，更有助于高等教育机构调整人才培养理念与方法，以使高等教育能够顺应社会发展的需求。

（二）保证评价的科学化

通常对高等教育的评价包括过程评价及结果评价两种形式，过程评价侧重于高等教育中实际采取的教育行为，而结果评价更加重视对教育结果及成就的评价。过往评价体系中由于无法有效解决过程评价中的问题，而将评价的重点放在结果评价上，将学术计划、教学设备的探索等关于过程评价的内容作为结果评价的一部分，这就使得高级教育机构在教育目的上产生了偏差，绝大多数教学活动均以提升教学结果为主要目的。

大数据的运用则为过程评价提供了可靠的途径。以高等教育机构中学生的出勤情况、作业完成情况为例，这些内容及相关部分均可列入大数据中，通过建立相应的系统及平台收集学生出勤率、作业完成情况、师生互动频率等相关内容，并以大数据技术进行收集、分类、整理、统计及分析等，而更高层次的高等教育内容（如硕士研究生或博士研究生的课题报告通过指数、课题完成情况及评价等）也可运用大数据进行过程评价，从而使高等教育质量评价能够拥有高度的科学化水准。

（三）提升评价结果的客观程度

当前我国高等教育质量评价涉及的内容相对较多，包括但不限于办学条件、教学管理水平、整体教学质量等，这些评价均具有浓厚的学科评估色彩，相对来说已经算是较为全面，但实际评价过程中由于受到客观情况的影响，评价内容中还有很多难以进行界定或衡量的内容，如学生能力的综合评定、学校教学改革情况的评定及在当地与辐射范围内创造的价值等均难以形成可靠的量化评定指标。

（四）提供多方评价途径

在传统评估模式下，学生评价主要是针对学生学科成绩进行测试，评价大多都由教学部门及教师共同完成，整个评价体系过于封闭，不够“人性化”。现阶段，更注重学生发展性评价及综合素养评价，评价活动贯穿了学生学习生活的始终，覆盖学生在校园内、校园外的所有学习活动及学习行为中。评估数据来源多样、评估数据结构不同，通过有效汇总进而充分分析学生综合素养。在教学活动、管理活动、校园活动、科研活动等一系列教育活动中，都会衍生教育大数据[4]。每一个活动相关者，都是教育大数据的生产者。正是因为这些教育大数据的出现，为多方主体共同参与评估活动搭起了桥梁。基于此，数据是驱动教育与质量评估结果改革的重要因素。

（五）促进学生的发展评估

现代教育评价，既测量学生能力、特点，又根据教育目标评价学生未来发展进程及质量。所谓的发展性评价，就是有系统、有目标地收集评价信息，进而对学生教育活动进行细致化判断，了解其向目标发展的全过程。发展性评估，主要体现评价诊断功能，强调凸显评价过程，遵循学生个体差异。基于此，发展性评价常常与学生学习过程息息相关，并且是长期性追踪式评价。以发展性评价理念为指引，持续跟踪学生历史成绩及现实表现，通过时间序列分析、聚类分析等方式，针对学生学习数据进行深入挖掘，创建学科知识地图，进而分析学习风格及学习行为，最终对学生学习能力进行诊断。

随着信息技术的发展，信息网络建设的完善程度也处在不断提升的过程中，这就意味着人们在数据监测与分析上的能力正在不断上升，而这种上升则会使得一些原本难以衡量的内容逐渐实现量化。在应用大数据建立相应的质量内控机制之后，原本宏观角度下高等教育机构各方面的能力均能够获得相应的评价指标，且这些评价指标还能通过细分转化为不同微观个体。以高等教育机构对周边经济效益的推动为例，就可通过收录周边各种商业组织在经济活动中的变化情况，作为评定高等教育机构带动当地经济发展的标准[7]。在另一个角度上，对学生个人发展中难以评估的因素（如个人兴趣、身心发展等）则可以进行大规模的研究调查，这种研究调查在辅助进行一定的实际调查活动之后，即可获取相应的数据，并最终应用于学生个人发展的评价与推断。

四、以大数据为基础的高等教育质量评价策略

（一）目标设定策略

要使高等教育质量评价行之有效，就需要先根据评价的内容设定好相应的目标。在制定目标的过程中，又需要参考高等教育最终的教育目的（学科理论知识的掌握程度及行业综合能力的高低），并以此为基础做好评价目标的设定。由于社会处于一个不断变化的过程中，因而高等教育的教学目标又会随着社会的发展，在不同时期呈现出不同的特征，这就需要高等教育机构运用好大数据技术，定期对社会上行业变化相关的各类数据进行收集、整理及分析，并按照相应分析结果制定出人才培养计划及目标，之后再围绕相关目标完善教育质量评价体系，以确保评价的时效性。

（二）执行策略

对于高等教育质量评价而言，其执行是指对教学活动运行过程的评价，因此也可简单理解为对教学过程的评价。在高等教育质量评价体系中，针对整个教学活动进行的过程性评价，实际上就是执行阶段。如今各种智能网络终端被应用在教学过程中，而网课、微课及新教学方式的出现也需要连接网络才能进行，这就为教学过程相关信息的收集创造了条件。大数据体系中相关的数据收集系统可收集这些数据，并通过大数据技术进行分析，将分析结果上传至教师及上级领导的终端中，进而实现对教育过程的评价，且这种评价还能与高等教育机构的教学评估相同步，而这种同步又体现出了独特的灵活性与建设性。

（三）反馈策略

在执行高等教育质量评估体系时，所有检查教学结果的活动都应围绕相关目标而开展。细致分析教育活动是否达到预期标准，在执行过程中找出问题、总结规律。以“互联网+”为背景，高校学生可通过网络对教师教学活动进行评价，毕业生同样可以通过网络向学校反馈学校教学目标是否与社会对人才需求目标一致，进而更方便学校准确收集信息、全面收集信息。通过收集大数据、整理大数据、分析大数据，有效增强了教师与学生之间的交流，以及管理者与教师间的交流，实现了良性的沟通目标，最终促进整体教学质量提升。

（四）改进完善策略

对已有评价体系的完善与总结，是确保评价体系能够适应社会发展及教育目的变化的关键，其主旨在于推广体系中成功、成熟的内容，同时也纠正体系中的缺陷及不合理的内容，以使评价体系始终保持较高水准的科学性。在大数据被应用在高等教育质量评价中时，要意识到这种应用不是一次性的，而是要随着体系的完善而逐渐发展的，并使体系及大数据技术的应用呈现出动态化特点，最终作用于高等教育教学质量的稳步提升。

若想有效完善教育质量评价，积极构建大数据信息化平台刻不容缓。受人才及资金影响，高校在建设大数据信息化平台时，进程略为缓慢。为此，高校应高度重视大数据思想，坚持与时俱进，有效整合大数据平台底层设计与顶层设计，注重应用多种途径构建大数据信息化平台。首先，高校应积极整合各种数据资源，将零散数据资源进行汇总，应用现有资源开发与本校现实发展状况相符的大数据信息化平台，为日常操作带来便利，保障后期数据的及时更新与定期维护。与此同时，高校应把握自身状况，积极引进第三方系统及大数据分析平台，加强学校各种数据与所购系统的契合性，进而提升学校在大数据应用方面的处理能力、数据分析能力。此外，高校应积极与企业合作，与企业共同研发大数据平台系统，充分发挥自身數据优势及企业技术优势，为高等教育质量评估创建完备的大数据处理中心[8]。

五、结束语

得益于大数据技术的出现及应用，高等教育质量评价的可靠性与准确性能够得到进一步提升，其完善程度也能够实现大幅增长。在大数据环境下，高等教育质量评价得以以新的方式进行，而这种新的方式也凸显出了大数据技术的优点，并最终使评价结果为高等教育质量的提升提供了充分支持。基于大数据背景，高等教育质量评估应朝向公平化、规范化、客观化方向发展。教育大数据技术令高等教育质量评估结果更精准，为校方制定教学方案提供了良好的支持。同样，教育大数据对学生学习过程及未来发展方向也做出了精准的预测、评估，有利于进一步为学生指明发展方向，助力学生成长为综合性高素质人才。应用大数据对高等教育质量进行评估，本是一项工序复杂的事情，需要花费一定精力与时间，通过动态分析过程完善教学策略，为学子们提供良性学习条件，助力教学质量一路飙升。

参考文献：

[1]闫升光，何丽娟.基于大数据的高等教育质量评价探析[J].中国成人教育，2017（14）：49-52.

[2]张芳芳，冯涛.基于大数据的高职教育质量评价体系研究[J].商情，2019（19）：217.

[3]梁永玲，佟凤辉.大数据时代公安高等教育人才培养质量评价模式的思考[J].公安教育，2017（11）：65-68.

[4]张东东，佟凤辉，梁永玲.大数据分析技术在高等教育人才质量评价体系中的应用研究[J].辽宁广播电视大学学报，2017（3）：6-8.

[5]刘红娇.如何保障以质量为基础的高等教育[J].才智，2016（4）：183.

[6]谭正辉.大数据环境下的高等教育质量评估分析[J].才智，2018（31）：123.

[7]张光亚.基于大数据的教学质量分析与评价[J].高等农业教育，2016（1）：39-46.

[8]陈佳欣，李丽波，郑晓宇，等.高校课堂教学质量评价指标的结构方程建构[J].中国继续医学教育，2020，12（8）：58-61.