基于大數據的高職院校教學評價研究

摘 要：教學評價一直是職業教育人才培養的重點工作內容之一。文章創新性地將大數據理念和技術引入教學評價，該思路可在區域范圍內實現引領和推廣。文章對教學評價和大數據概念進行界定，分析了傳統教學評價模式存在數據量過大、規范程度低等弊端，在此基礎上構建了數字化高職院校教學評價監控模式。

關鍵詞：大數據；高職院校；教學評價

1.問題的界定

《教育評價辭典》對教學評價是這樣定義的：“教學評價是指以教學研究為評價對象，進行價值判斷的過程。”

大數據時代的一個顯要特征，表現在從數據中尋找答案，用數據說話，它的戰略意義不在于掌握龐大的數據信息，而在于對含有意義的數據進行專業化處理， 挖掘出大數據的潛在價值。

2.運用大數據模式解決傳統教學評價的弊端

（1）統計信息量過大，處理速度慢。采用紙質打分的方式回收打分表后進行統計分析，首先要處理掉無效打分表，其次要對逐條信息進行統計，最后采用數理方法對信息數據進行結果處理。該方式統計信息量過大，而基于大數據的集成化系統，可幫助管理人員減少處理大量數據的操作，簡化評價的基礎統計分析工作，提高效率。

（2）數據規范程度低，為統計分析帶來難度。由于受認知障礙、評價者情緒、填寫習慣、人為干擾等因素的限制，現實的打分數據往往數據不規范。而基于規范信息標準的大數據系統的信息，錄入過程中會自動篩選剔除不規范數據的填寫，全部數據都在規定的標準和技術限定范圍內，為統計分析帶來了便利。

（3）樣本數量過小，導致統計結果不一定真實。傳統媒介下的紙質單據錄入由于數據處理技術限制，評價組委會往往通過減少評價者數量的方式以方便操作。這樣一來，抽樣樣本量較低，便很難反映教學評價對象的真實表現和教學效果。

3.構建數字化高職院校教學評價監控概念模型

基于大數據分析方法的數字化高職院校教學評價監控模式并不能直接進行教學評價和管理，卻可以有效地為教學質量的管理提供信息支撐。概念模型中的聯機分析處理（OLAP）可以對基層數據進行多維分析操作，為決策者提供一種直觀易懂的形式從而將查詢結果提供給決策者；數據挖掘（DM）則對數據進行高度自動化的分析、推理，從海量數據中挖掘出正確的、有用的以及用戶感興趣的知識。

通過應用大數據理念及技術來對高職院校教學評價體系的各個環節進行業務流程再造，可以使原本封閉的監控環節變成開放模式，使傳統的靜態數據流變成動態數據流。將大數據理念及技術應用到教學評價之中，可在區域范圍內實現可持續發展的示范和引領作用，值得應用推廣。

參考文獻：

[1]徐樂軍.高職課堂教學質量評估存在問題及對策研究[J].遼寧高職學報，2013（4）.

[2]楊 麗，曾 忠.基于商務智能的智慧校園的構建研究[J].中國管理信息化，2013（16）.