大數據分析在地方高校教學質量保障平臺中的應用研究

劉艷輝，張玉霞

（邯鄲學院 a.電子信息工程實驗與實訓中心；b.信息工程學院，河北 邯鄲 056005）

引 言

在發(fā)達國家，比如美國對于高校教學質量評價與教學管理的監(jiān)控以及反饋已經通過一系列諸如“帆布”“學習管理系統”等教學系統實現了基于大數據的質量保障體系[1]。我國相對于許多發(fā)達國家，高校信息化建設較晚，起始于20世紀90年代，但我國的發(fā)展速度是不容小覷的，逐漸從最開始的初級階段轉換為深度的應用，更是廣泛應用到高校教學中，并且取得了良好的效果。以北京大學教學質量保障體系構建為例，以外部保障和內部保障兩方面為核心，開展資源—評價—獎勵的保障體系研究與探索，同時構建了相對完善的以數據為中心的教學質量監(jiān)控系統，開展深度學習和數據分析，從而展開教學過程的反思與改進，這對我國重點院校的質量保障建設提供了新思路和指導方向[2]，但相對信息化技術進展較慢的應用型地方院校來說，還具有較大的難度。

一、目前地方高校教學質量保障平臺的現狀

高校是培養(yǎng)綜合性人才的主要場地，教學管理直接影響著學生的學習效果，教學質量的高低與否是衡量一個院校發(fā)展情況的基礎標準[3]。目前，傳統的教學質量保障方式使用較初級的辦公軟件來收集、分析，并通過人為活動反饋教學質量數據的管理方式，已經不能滿足日益復雜的教學質量保障系統有效運行的需要。地方高校由于其相似的發(fā)展路徑，或者是地方普通高校轉型發(fā)展而來，或者是高職高專院校升格而來，所以內部教學質量保障體系與保障方式相對不夠完善，教學質量保障信息化應用較低，并且具有相同的特點，都沒有及時跟進技術發(fā)展潮流，實現教學質量保障體系的信息化建設。

自升本以來，地方高校始終堅持質量保障建設，在迎評促建的過程中，地方高校圍繞應用型人才培養(yǎng)的辦學定位，堅持以提高質量為核心的內涵式發(fā)展道路，完善了教學質量管理保障體系，并逐步形成教學質量保障的長效機制，諸如相對完整的組織機構，明確的質量保障主題責任體系，制度保障體系，質量文化協同體系、教學質量常態(tài)監(jiān)控體系等，這些工作在很大程度上保障并提高了地方高校教學質量的水平，但是對于信息技術滲透到教學質量保障體系中的應用相對薄弱，尤其在信息化技術的高速發(fā)展下，教育部需要高等教育質量保障體系強調新方法，引入大數據技術，對高校開展周期性評估和質量常態(tài)監(jiān)測，搭建自己的教學質量數據平臺，基于大數據平臺開展專業(yè)評估、課程評估、教學質量過程化評估、數據分析、數據決策支持等，是高校構建和完善內部教學質量保障體系的堅實基石，是實現教學質量保障體系“常態(tài)化監(jiān)控、及時反饋、持續(xù)改進“閉環(huán)運行的有效途徑[4]，因此地方院校積極開展質量保障平臺信息化建設，對提高高校教育與管理水平有著深遠的意義。

二、基于大數據的地方高校教學質量保障平臺的建設方案

根據應用型地方高校目前的教學質量保障體系所提出的問題，將大數據應用于高校質量保障平臺的建設中具有較強的現實意義，因此本文提出以多數應用型高校已有質量監(jiān)控體系為起點，以信息技術應用為目標，搭建基于大數據的教學質量保障平臺的實踐方案，具體方案內容包括以下幾方面。

（一）建設教學質量評價平臺（核心）

該平臺建設以學生為中心，以達成度為目標，建立系列評價系統，主要包括過程評價，按照課堂評價-課程評價-教師評學-學業(yè)成績評價線性順序開展階段性評價，多元評價主體，包括學生評價、教學督導、專家聽課、教師自評、教師評學、同行聽課等、實現過程化評價的全面性和多元性；實踐評價，以即將畢業(yè)的學生為參加主體，評價畢業(yè)設計、實習實訓以及學科競賽等多方面，分析培養(yǎng)目標和畢業(yè)要求達成度，提供改進與完善措施；教師考核，作為一種激勵考核參考，提升教師自我改進與完善的步伐；調研反饋，通過在校生調查、教師調查與訪談、畢業(yè)生調查、校友調查等，以市場需求為導向，推進教學質量改進工作。

（二）建設教學質量信息采集平臺（基礎）

教學質量監(jiān)控體系有效運行的第一步，是對校內各項信息數據進行采集，完成以數據為驅動的建設模型，本課題以影響教學質量因素的相關性為準則，按照數據源頭的性質、種類和范圍對數據進行了業(yè)務劃分，采用與神經網絡類似的層次結構，分為基礎數據(專業(yè)、課程、教師、學生等基礎信息數據)、資源數據(教學課件、教案、微課、教學軟件、教學視頻、圖片照片等教學資源)和行為數據(教師教導行為、學生學習行為、課堂活動等)，為數據分析平臺采用深度學習技術學習與分析提供支持。

（三）建設大數據決策分析與持續(xù)改進平臺（進階）

借助于教學質量信息采集平臺的數據模型，采用基于深度學習的類神經網絡的層次分析方法，探究現有數據與教學質量之間的潛在量化關系，生成質量分析報告，包括：教師課堂教學分析報告、學生學習質量報告、課程達成度報告、培養(yǎng)方案達成度報告、畢業(yè)要求達成度報告等，以數字化/圖形化等可視化方式展現，實現智能統計分析，為學校提升管理水平、教師改善教學方法、學生成績早期預警提供大數據決策支持，從而達到提升教學質量，提高人才培養(yǎng)質量的目標。

二、大數據分析在高校教學質量平臺中的應用

數據平臺的建立是進行大數據分析的基礎，因此大數據分析模塊在質量保障平臺中占據核心位置，基于大數據的高校質量保障平臺的框架結構（如圖1）。在此基礎上，通過采用大數據分析常用的聚類、神經網絡、決策樹等算法應用到教學質量數據挖掘與分析中，以此更好推動教學質量的持續(xù)改進[5]。下面介紹在本文中使用的神經網絡算法對線上學習效果的數據挖掘與分析的實踐應用與分析。

疫情防控常態(tài)化下的高校教學模式正在發(fā)生改變，課堂教學作為高校學生獲取知識的主要來源也在悄然改變，在線學習給了學生更多的學習機會和資源，在線學習總會有多種多樣的學習行為，每一種學習行為也會對課程的學習效果產生影響，如何通過某種技術手段來量化這種影響呢？并通過分析這樣的影響對課堂教學進行改進與指導呢？神經網絡是根據人的認知過程而設計的一種問題求解算法，網絡就像人的大腦一樣，經過調整網絡中的“各個神經元”之間的權值，不斷地對輸入和輸出進行訓練，從而產生更接近理想的輸出，當訓練結束后，這個訓練好的網絡就可以根據神經元上的權值對給定的輸入計算輸出結果，從而利用這個輸出結果來預測目標。本文中我們通過將大學生的學習行為數據，包括課堂出勤率、網絡課堂學習進度、課程作業(yè)完成率、在線學習時長、討論與發(fā)帖次數、測試成績、單元練習成績等過程化考核內容與期末考試成績作為輸入和輸出，通過對輸入數據按照一定的規(guī)則進行訓練，確定好激勵函數、訓練的次數等，并不斷地測試與修改網絡層數，每層上的神經元數，完成神經網絡模型的構建，并通過python進行試驗環(huán)境的搭建，并對學生線上學習的數據進行學習與分析。為了說明神經網絡學習在學習效果預測的可行性，選擇輸入數據時，選擇了同門課同老師和同門課不同老師以及不同課不同老師的數據進行分析，發(fā)現利用基于機器學習的神經網絡算法對學生在線學習效果進行了預測和回歸分析，可以得出有意義的結論，因此不斷分析和挖掘教育大數據潛在的知識和價值，持續(xù)改革和創(chuàng)新教育教學運行和管理機制，促進教學運行和學生自主學習，對提高教學質量具有非常重要的現實意義。

圖. 1大數據高校質量保障平臺框架

結 語

在大數據的時代背景下，海量數據帶給各行各業(yè)新的機遇與挑戰(zhàn)，如何在海量數據中快速準確地獲取有效信息是核心，而這有效信息不僅可以進行預測性分析，也可以進行總結性展示，這對提高行業(yè)發(fā)展前景來說都是行之有效的途徑。因此將大數據技術應用到高校教學質量保障平臺中具有較強的現實意義，但是大數據平臺建設并非一朝一夕的事情，這需要將數據的收集、分析、應用與反饋等各方面形成一個閉環(huán)建設，不僅僅是技術的問題，規(guī)范化的管理、制度化的要求等都是保障該平臺可持續(xù)發(fā)展的關鍵因素，需要各個部門共同參與進來，形成教學過程管理、制度管理、結果量化管理、反饋持續(xù)改進管理等循環(huán)性的過程。同時，對于數據的采集、分類、篩選也是一個動態(tài)變化的過程，根據時代和需求的變化，數據需要不斷的修整，檢驗，形成新的數據模型，再進行下一輪數據分析等，只有多方面的并進，才能真正保障基于大數據的教學質量保障平臺不斷完善與改進，發(fā)揮可持續(xù)作用。