高校學生評教系統中存在的若干問題及對策研究

姜允志 宋新紅

摘要：高校學生評教系統對提高高校教學質量、大范圍收集學生對教學的反饋信息、提高教師教學積極性和大學生學習的主動性有著重要作用。然而，該類系統目前還存在若干問題：課程難度系數沒有動態設置，沒有考慮教師性別、教齡、單門課程重復教授次數，評教數據預處理算法不能準確地選出有效數據，文中給出了上述問題的解決策略。

關鍵詞：高校學生評教系統;課程難度系數;有效數據;數據標準化;k-means算法

中圖分類號：G645? ? ?文獻標志碼：A? ? ?文章編號：1674-9324（2019）44-0239-02

高校課堂教學的質量是大學教育質量的重要體現。目前國內絕大部分高校教務處選擇高校學生評教系統作為高校教學質量監控的重要方式之一，把教師的評教得分作為教師工資、職稱評定、聘期考核等的重要依據。高校學生評教系統的使用對大范圍收集學生對教學的反饋信息、提高教師教學積極性和大學生學習的主動性有著重要作用。然而，在該系統實際的運行過程中發現了不少問題需要進一步的完善和解決。本文聚焦于該系統本身的研究，從課程難度系數動態設置策略，考慮教師性別、教齡、單門課程重復教授次數因素、評教有效數據的選擇算法等幾個方面給出相應的解決策略，以提高高校學生評教系統的效能。

一、課程難度系數動態設置算法

由于高等院校設置的二級學院及每個學院開設的專業種類較多，對于不同的學院、不同的專業，其學生理解水平、對課程的感興趣程度及課程難度系數等方面存在一些差異。簡單地說，如果一個班級中絕大部分學生對某門課程內容比較感興趣，他們的學習積極性就較高，學習過程中就會收獲更多的知識和樂趣，該門課程的任課教師就會更加受學生們的歡迎及得到較高的學生評分;反之，遇到難度大、較難理解并且課時量又比較少的課程，大部分學生很難學懂或者需要花較多的時間練習才能掌握的課程，他們的學習積極性就較低，甚至在學習過程中有抵觸情緒，在對該門課程任課教師評價時，就會比較隨意，給出比較低的評分，有失客觀性。因此在高校學生評教系統，對不同類別的課程應該設置不同的難度系數，以對評分數據進行標準化處理（數據標準化）。本文給出一種動態設置課程難度系數的算法，步驟如下：（1）把一個學校的所有課程按照專業、課程性質等因素分成N類（A1、A2…AN）。（2）根據上一年度的評教得分，計算每一類課程的平均得分，分別記為：AVG（A1）、AVG（A2）…AVG（AN）。（3）選出最大值，記為M=max（AVG（A1）AVG（A2）…AVG（AN））。任意一類課程Ai的評分經過數據標準化之后的得分為：AME（Ai）=Ai*（M/AVG（Ai）），M/AVG（Ai）為課程類別Ai的難度系數。（4）一個年度之后，更新評教得分數據，轉步驟（2）。

二、教師性別、教齡、單門課程重復教授次數

有相關文獻研究得出結論：不僅僅是教師的課堂教學情況影響學生的評教結果，高校教師的性別、年齡、職稱等方面都也可能影響學生評教。文獻[1]作者認為女教師的學生評教得分高于男教師，性格外向的教師的學生評教得分高于性格內向的教師。文獻[2]作者借助多元線性回歸分析技術發現職稱對學生評教也有較多影響。基于對該學生評教的研究和已有文獻的分析，我們認為職稱和年齡對學生評教的影響的核心要素是教齡和同一位教師單門課程重復教授次數。下面給出這三個因素的數據標準化方法。

（一）教師性別

基于上一年度的評教數據，針對課程類別Ai分別計算出男教師的平均得分Male（Ai）和女教師的平均得分Female（Ai），那么標準化之后的得分為：

AME（Male（Ai））=Male（Ai）*max（Male（Ai），Female（Ai））/Male（Ai）.

AME（Female（Ai））=Female（Ai）*max（Male（Ai），Female（Ai））/Female（Ai）.

（二）教齡

基于上一年度的評教數據，針對課程類別Ai我們選出教齡分別為0—3年（Age1）、3—6年（Age2）、6—10年（Age3）、10—35年（Age4）的教師，分別計算他們的平均得分，記為：Age1（Ai）、Age2（Ai）、Age3（Ai）、Age4（Ai）。Age1（Ai）標準化之后的得分為：

AME（Age1（Ai））=Age1（Ai）*（max（Age1（Ai），Age2（Ai），Age3（Ai），Age4（Ai））/Age1（Ai））.

同理可以得出Age2（Ai）、Age3（Ai）、Age4（Ai）標準化之后的得分。

（三）單門課程重復教授次數

對于同一門課程，按照不同的教師教過該門課程的重復次數分成重復1次（記為R1）、重復2—3次（R2）、重復3—6次（R3）、重復6—20次（R4）幾類，計算他們的平均得分，分別記為：R1、R2、R3、R4。以R1為例修正后的得分為：AME（R1）=R1*（max（R1，R2，R3，R4）/R1）.

三、評教數據預處理算法

影響評教數據有效性的原因較多。多數高校進行學生網上評教的時候，常常帶有強制性，而不是讓學生主動地參與到教學評價活動中來，這樣他們在評教時就會帶有一些反感情緒，給出的評教得分就不夠客觀公正。此外，如果有部分學生上課出勤率較低，對本課程教學方式和過程不熟悉，對本課程學的知識一知半解，他們提供的評教數據就不夠準確，還有一些有影響力的學生會較多影響到其他學生的評教。部分高等學校對于學生網上教學評價的結果進行分析和處理的時候，缺乏有效的數據分析方法和技術，僅僅是對數據的簡單排序，并沒有針對評價結果去深入的進行分析和探究[3]。本文給出一種篩選有效數據的設計方案（其參數可以根據實際情況進行調整），該方案分為兩個子算法：①清洗掉不符合評教資格的學生評教數據;②清洗掉惡意評教的學生評教數據。

針對子算法①，我們除了讓學生填寫課堂教學質量學生評教表外，還需要讓學生填寫一份個人聽課情況表，其內容可以設置為以下幾項指標：對該門課程的興趣指數、課前預習情況、課堂注意力集中情況、該門課程的出勤情況、課堂提問情況、課后復習及和同學討論情況等。邀請學生對于每一個指標打分，最低0分，最高10分。接下來，我們可以對獲得的數據采用k-means算法分成四類：C1類（學習認真的學生）、C2類（學習一般的學生）、C3類（學習不認真的學生）、C4類（學習極其馬虎的學生）。對四類學生的評教分數分別設置不同的權重：50%、40%、10%、0%。

針對子算法②，我們是基于以下的分析。當前高校教務處給出的課堂教學質量學生評教表至少有10項指標，每項指標的評價選項至少有五種選擇，所以兩份表格上的數據完全相同的概率至多為5—10。基于此，我們可以把課堂教學質量學生評教表的數據采用k-means算法分成若干類：對于任意兩張表格，如果10項指標完全相同，歸為D1類;如果相同的指標個數小于10大于等于7，那么歸為D2類;如果相同的指標個數小于7大于等于5，那么歸為D3類;如果相同的指標個數小于5，歸為D4類。對D1類—D4類數據依次設置不同的權重：0%、10%、20%、70%。

四、總結

通過對高校學生評教系統的研究和文獻分析，我們可以在以下方面完善該系統，以得出更加公平、合理的評教分數：在該類系統中采用動態設置課程難度系數策略，考慮教師性別、教齡、同一位教師單門課程重復教授次數因素，增加數據預處理算法以篩選出有效數據。

參考文獻：

[1]賀永平，周鴻.提高高校學生評教有效性的策略研究[J].中國成人教育，2010，（02）：43-45.

[2]邱鍇，薛雨平，朱建勇.普通高校體育教學“學生網絡評教”的影響因素研究[J].山東體育科技，2012，34（01）：71-74.

[3]蔣鷺婷.淺談高校學生網上評教的問題及對策[J].科教導刊（上旬刊），2018，（09）：16-18.