基于云計算的教學質量評價系統研究

陳佳 吳興隆 黃晉

摘 要：為了利用已有海量教學數據進行教學質量監控，并構建合理的教學質量評價系統，設計一個基于云計算技術的教學質量評價系統。系統平臺架構分為數據采集層、數據存儲層、數據分析層及數據顯示層。該系統通過對大數據的挖掘與分析，能夠更全面、合理地對教學質量進行評價，從而有效提高高校教學質量。

關鍵詞：云計算;教學質量評價;大數據;數據挖掘;數據倉庫

DOI：10. 11907/rjdk. 182186

中圖分類號：TP319文獻標識碼：A文章編號：1672-7800（2019）004-0108-03

0 引言

提高專業人才培養質量，是增強我國綜合國力、實現“十三五”規劃各項目標的重要保證。2018年1月，教育部下發《普通高等學校本科專業類教學質量國家標準》（以下簡稱為“國標”），這是全國發布的第一個高等教育教學質量國家標準，該標準旨在建立健全教學質量監測與保障體系，從而提高高校教學質量。

教學質量是高校生存與發展的基礎，也是高等教育國際化的必然要求[1-4]。因此，高校評估工作的重點之一就是教學質量評價。目前，隨著信息技術的發展，各高校積累了大量評教數據，如學籍管理數據、成績管理數據、人事管理數據等。“云計算”技術的出現，為高校低成本、高效率地利用相關數據提供了解決方案[5-8]。本文立足于教育信息化資源建設，針對“計算機科學與技術”專業特征，結合云計算平臺的大數據分析，在評教資源共享平臺上進行信息化教學質量評價設計，以期提高高等學校本科教學質量。

1 相關研究

南開大學是國內最早進行教學評價研究的高校，并取得了一定成果[9]。2005年，李繼云等認為，采用定性或定量方式進行教學評價并不能獲得全面、準確的評價結果，而應將定性與定量方法相結合，比如模糊綜合評價法和層次分析法，從而更好地對教學質量進行評價。

綜合評價方法可分為靜態綜合評價方法與動態綜合評價方法。20世紀70年代，Saaty提出一種對復雜現象進行決策的方法，即層次分析法（Analytic Hierarchy Process，AHP）。將該方法應用于教學質量評價中，首先將教學質量評價因素分解為教學內容、創新手段、教學態度等多個因素，再按一定方式組成評價模型。該方法計算簡單，實用性強。但層次分析法可能對因素分解過多，從而造成判斷困難，而且很多環節需要人為參與，導致評價不夠準確[10];另一種多目標決策方法逼近理想解排序法（Technique for Order Preference by Similarity to Ideal Solution，TOPSIS），將評價指標歸一化后分別得出最優指標數據集和最劣指標數據集，并計算兩個數據集之間的距離，采用最接近最優方案，同時又與最差方案距離最遠為標準進行對象評價[11-12]。該方法排序明確，應用范圍廣。但TOPSIS法只能體現內部對象的相對距離，當增加或刪除某些內部對象時，結果會發生較大改變，無法提供決策信息;1965年，美國的Zadeh提出模糊綜合評價法（Fuzzy Comprehensive Evaluation，FCE），該方法建立在模糊數據理論基礎上，利用模糊關系評價事物隸屬的等級狀況。模糊綜合評價法能對對象進行模糊性評價，因而更加貼近實際結果，同時該方法還能對對象進行排序。但模糊綜合評價法的各因素權重為人為主觀設置，從而影響了評價結果的客觀性[13-14];1982年鄧聚龍提出灰色系統理論（Grey Theory，簡稱灰理論或灰論），之后冉燕輝等[15-17]依據空間理論提出基于灰色關聯分析對對象進行評價的方法。該方法主要有兩種途徑：一種是首先選出反映各種特征的序列，然后計算關聯度和關聯系數，最后根據關聯度對評價對象進行排序;另一種是先將教學質量進行灰色分類，然后確定指標權重并進行灰聚類分析，得到教學質量聚類等級。以上研究主要是基于完全信息的靜態綜合評價方法，而對于不完全信息下的綜合評價方法主要有兩種[18-19]：一種是對不完全信息直接進行處理，另一種是先將不完全信息轉化為完全信息。

上述方法主要為靜態綜合評價方法，即如果只是在學期末進行評價，只需要“評價指標”和“評價對象”數據集。但是隨著時間推移，教學質量可能發生變化，此時靜態評價無法動態反映整個教學過程質量情況，需要采用多個時間點的數據建立三維立體數據集。目前有關動態綜合評價的研究剛剛起步，因而鮮有報道，但其具有廣闊的應用前景[20]。

本文提出基于云計算的教學質量評價系統，底層系統全面采集不同時間段的大量基礎數據，中間層對大數據進行各類分析，最后進行分析展示，從而動態、全面、客觀地對教學質量進行評價。

2 基于云計算的教學質量評價系統建設思路

針對高校教學質量評價中存在的問題，本文提出基于云計算的教學質量評價系統建設思路，以期為后期教學質量評價系統建設與實施打下基礎。

2.1 傳統教學質量評價系統中存在的問題

（1）評價指標不全面。教學質量評價需要充分考慮各個因素，能夠充分體現教師綜合素質，包括教學態度、教學內容、教學基本技能、教師知識水平、教研能力、教學設計與創新能力等。同時，隨著信息化技術的發展，教師也應具備熟練運用多媒體技術及網絡資源的能力。但目前評價指標涉及因素比較單一，無法全面反映教師綜合素質。

（2）指標權值分配不合理。目前大多數高校建立評價體系時，為了工作方便，對各項指標采用相同權值或主觀設定各項指標權重。然而各項指標的權重分配會直接影響評價結果，人為主觀的設定不僅會降低評價結果的可信度，還影響后續評價數據挖掘。因此，對指標權重進行合理分配是完善評價體系的關鍵步驟。

（3）傳統評價方法與手段評價效率低。目前高校廣泛采用“求和法”或“加權求和法”等簡單運算方法進行評價，因而無法實現跨班級、跨專業或不同院系之間的比較。同時，教學質量評價仍采用紙質表格方式讓參與者打分，不僅浪費資源，還大大降低了工作效率。隨著“云計算”技術的發展，資源網絡化成為解決該問題的有效方法。

（4）大數據分析與應用問題。目前，各高校評教數據庫中存在著大量數據，傳統數據分析方法只能得到數據間的淺層次關系與信息，而無法挖掘出深層次的有價值的信息。因此，如何利用現有信息技術提取有價值的信息是教學評價實施的重要目的。

2.2 基于云計算的教學質量評價系統建設思路

從上述分析可以看出，傳統評價體系存在一定主觀性與片面性。為了減少教學管理者決策失誤的概率，需要建立一套科學的教學質量評價體系。基于云計算平臺，在大量數據有效組織的前提下進行評教數據知識提取，是提高教育管理者決策能力的重要手段。

3 基于云計算的教學質量評價系統平臺設計

本文從評價系統工作流程出發，提出基于云計算的教學質量評價系統平臺設計結構。將該平臺分為數據采集、數據存儲、數據分析與數據查詢4個不同層次的平臺，如圖1所示。

3.1 數據采集模塊分析與設計

數據采集模塊為整個教學質量評價系統的基石，為了廣泛地采集數據，將其分為3個子模塊，分別為用戶注冊模塊、用戶登錄模塊與調查問卷模塊。其中調查問卷模塊又分為5個小模塊，即領導評價調查子模塊、督導評價調查子模塊、同行評價調查子模塊、學生評價調查子模塊以及自我評價調查子模塊。用戶通過注冊及登錄模塊進入調查問卷模塊，系統自動判定用戶身份從而進入不同評價調查子模塊。通過對不同人群、不同院系專業以及不同課程的調查，大量收集數據。

3.2 數據存儲模塊分析與設計

采集大量數據之后，為了充分發揮數據效用，需要對數據進行整理，并實現從數據到信息，再到知識的轉變過程。因此，本文采用數據倉庫技術進行數據存儲。

（1）面向主題的數據組織。根據需求，主題域設定為：教師、課程、單位。因此，數據組織如表1所示。

（2）數據倉庫邏輯模型選擇。星形模型是數據倉庫邏輯模型的一種，其以事實表為中心，各維表通過鍵值與事實表連接，構成一個星型結構。該結構的最大優點在于通過一步連接即可獲取所需的大部分數據，并快速得到結果，這在常規事務型數據庫中是很難做到的。具體模型設置如圖2所示。

3.3 數據分析模塊分析與設計

在數據倉庫基礎上對數據進行分析，得出合理的教學質量評價結果。本文采用云計算技術，在Hadoop 平臺上運行，并且主要采用并行化的MapReduce 編程模型。采用的分析任務包括聚類分析、關聯規則挖掘、分類挖掘、預測分析及模糊分析。每一類任務有多種分析算法，比如關聯規則分析子模塊中包含Apriori算法、基于哈希表的優化算法、基于事采樣的優化算法及FP-Growth算法等。這些數據分析任務在云平臺上將分解成多個可執行的并行子任務，并在Map和Reduce上自動進行分解與合并，從而提高分析效率。

3.4 數據查詢模塊分析與設計

當用戶請求查詢各類評價結果時，為用戶提供一種交互式操作界面，如查詢計算機學院整體教學質量，評分為85分，并以圖形化方式展現評分組成。用戶如果發現某項分值較低，可以繼續查詢詳情，包括哪些教師在該項評分較低并分析原因，從而作出決策。

4 結語

在“互聯網+教育”的大背景下，針對傳統教學質量評價系統存在的問題，提出基于云計算的教學質量評價系統。將評價系統分為數據采集、數據存儲、數據分析與數據查詢4個不同層次的平臺，通過對大數據的挖掘與分析，能夠更全面、合理地對教學質量進行評價。然而，該系統在教師授課教學評價指標設計方面還不夠完善，未來需要對各項指標及其權重作進一步補充與完善。

參考文獻：

[1] 張國梁，朱漢. 高等教育國際化與人才培養的若干思考[J]. 遼寧教育研究，2002（10）：45-46.

[2] 陶西平. 教育評價辭典[M]. 北京：北京師范大學出版社，1998.

[3] 陳玉琨. 教育評價學[M]. 北京：人民教育出版社，1999.

[4] 冷余生. 從質量爭議看高等教育質量評價的現狀和任務[J]. 高等教育研究，2007（3） ： 23-27.

[5] 孔祥杰，楊卓，夏鋒，等. 基于云計算的教學資源共享平臺[J]. 中國教育信息化，2012（11） ：31-33.

[6] 曹軍委.? 基于云計算的教學資源共享體系的研究與實現[D]. 淮南：安徽理工大學，2012.

[7] 高苛，華菊翠. 基于改進 AHP 法的高校創新創業教育評價[J].? 現代教育管理，2015（4）：61-64.

[8] 岳守春. 基于計算機模擬的云模型評價方法研究[D]. 哈爾濱：黑龍江科技學院，2012.

[9] TSAIWAI C，LIN J，CHEN K. Selecting a supplier by fuzzy evaluation of capability indices CPM[J]. International Journal of Advanced Manufacturing Technology，2003，22：534-540.

[10] 董國玉，祁迎春. 層次分析法在高校課堂教學質量評估中的應用研究[J]. 中國成人教育，2017（9）：53-56.

[11] 李婷婷. 加權 TOPSIS 法對本科生參與創新、開放型實驗教學質量的綜合分析[J]. 數理醫藥學雜志，2017（9）：1418-1420.

[12] 王一任，任力鋒，陳麗文，等. 一種新的改良TOPSIS 法及其醫學應用[J]. 中南大學學報：醫學版，2013，38（2）：196-201.

[13] 黃海午，陶其林，程浩. 基于模糊綜合評價法在教師課堂教學質量評估中的應用[J]. 教育教學論壇，2017（13）：200-202.

[14] 戴春. AHP模糊綜合評價法在項目化教學質量評價中的應用研究：以高職院校市場營銷課程為例[J]. 成都師范學院學報，2017（3）：12-16.

[15] 黃少珍.? 基于灰色聚類分析的新型教學評價在開放大學教學當中的應用[J]. 電子科學技術，2016（5）：654-661.

[16] 冉燕輝. 基于灰關聯分析的教師教學質量評價研究[D]. 重慶：重慶師范大學，2014.

[17] 占輝斌. 基于灰色系統理論的《推銷學》課程教學質量評價研究[J]. 科技視界，2015（2）：56-57.

[18] 姚爽. 不完全信息下的綜合評價方法研究[D]. 沈陽：東北大學，2009.

[19] FEELGOOD S，SCHAEFER G A. Dealing with missing data[J]. Research Letters in the Information and Mathemat Sciences，2001，3（1）：153-160.

[20] GUO Y J，YAO Y，YI PT Y I. Method and application of dynamic comprehensive evaluation[J]. Systems Engineering-Theory & Practice，2007，27（10）：154-158.

（責任編輯：黃 健）