基于大數據的教學質量監測平臺的設計研究

丁玨 惲菲

關鍵詞：大數據；教學質量監測；平臺

大數據技術的快速發展，不僅改變了人們的生活方式，也對于各行業的發展產生了深遠的影響。在教育領域，大數據技術的應用也逐漸從理論走向實踐，為教育信息化進程注入了新的活力[1]。教學質量是教育的核心，直接關系到學生的成長和未來的發展。對教學質量進行監測和評估，是保障并提高教育質量的重要手段。基于大數據技術的教學質量監測平臺，可以整合各種教育資源，形成全方位、多層次的教學質量監控體系，有助于提高教學質量，促進教育公平。

1 目前教學質量監測存在的問題

教學質量監測是教育過程中的重要環節，對于提高教育質量和學生學習效果具有重要意義。然而，當前教學質量監測存在一些問題，影響了其作用的發揮，主要包括以下幾個方面：

1） 監測機制不足

現行教學質量監測機制不夠完善，缺乏對教師教學質量的全過程監測和評估，導致無法及時發現問題并采取有效措施。

2） 監測數據準確性不高

由于數據采集方式的局限性，教學質量監測數據存在一定的誤差，影響了對教學質量的準確判斷。

3） 缺乏有效反饋機制

教學質量監測結果往往缺乏及時、有效的反饋，導致教師無法明確了解自己的教學不足，從而難以改進。

分析原因，一是監測機制完善程度不足。現行教學質量監測機制主要依賴于傳統的聽課、學生評價和教學資料審查等方式，缺乏現代化的監測技術和手段，影響了監測的全面性和準確性。二是數據采集方式的局限性。目前教學質量監測數據采集主要依靠人工方式進行，受到時間、地點、人力等多種因素限制，導致數據采集不全面、不準確。三是缺乏有效的反饋機制。教學質量監測結果未得到及時、有效的利用，缺乏與教師、學生和學校的溝通與反饋，導致監測結果無法對教學質量的提升產生實質性影響。

2 基于大數據教學質量監測平臺設計原則

1） 實用性原則

平臺的功能應滿足實際教學管理的需要。平臺應具有數據采集、處理、分析、展示等功能，能夠為教學管理者提供全面、準確的數據支持，提高教學管理效率。

2） 可靠性原則

平臺的數據采集、處理、分析、展示等過程應具有較高的可靠性。平臺應采用先進的數據處理技術，保證數據的安全性和準確性。

3） 可擴展性原則

平臺應具有可擴展性。隨著教學管理工作的不斷發展和變化，平臺應能夠適應新的需求，不斷更新和完善。

4） 安全性原則

平臺的數據采集、處理、分析、展示等過程應具有較高的安全性。平臺應采用先進的數據加密技術，保證數據的安全性和保密性。

5） 可維護性原則

平臺應具有可維護性。平臺應采用模塊化設計，方便后期維護和升級。

6） 開放性原則

平臺的數據接口應具有開放性。平臺應能夠與其他教學管理軟件進行數據交互，實現信息共享和數據互通。

7） 用戶友好性原則

平臺的界面應簡潔明了、易于操作。平臺應采用人性化的設計理念，方便用戶使用和操作。

8） 可持續性原則

平臺應具有可持續性。平臺應采用綠色環保的設計理念，降低能源消耗，提高資源利用率。

3 基于大數據教學質量監測平臺的設計

基于大數據的教學質量監測平臺旨在通過對海量教學數據的收集、分析和可視化，為學校提供科學、準確的決策支持，從而提高教學質量[2]。

3.1 系統架構

基于大數據的教學質量監測平臺采用分層架構，主要包括數據采集層、數據處理層、數據分析層和應用層。

數據采集層主要負責收集各類教育數據，包括學生成績、教師教學評價、課堂視頻等。這些數據通過多種數據源進行采集，如數據庫、文件系統、傳感器等。

數據處理層負責對收集到的數據進行清洗、轉換和整合，形成統一的數據模型。數據處理層實現了對敏感數據的脫敏和加密處理，確保數據安全。

數據分析層利用大數據分析技術對處理后的數據進行深入挖掘和分析，包括數據挖掘、可視化分析和預測分析等。數據分析層為教育管理部門和學校提供多維度的數據分析報告，幫助他們了解教學質量現狀和趨勢。

應用層則是面向教育管理部門和學校的用戶界面，包括Web端和移動端。用戶可以通過應用層進行數據查詢、報表生成和決策支持。

3.2 關鍵技術

大數據采集技術：平臺采用ELK（Elasticsearch+Logstash+Kibana） 架構進行數據采集和日志分析。此外，平臺還使用了SNMP（Simple Network ManagementProtocol） 協議，通過SNMP工具從網絡設備中獲取數據。

大數據處理技術：平臺采用Hadoop分布式文件系統（HDFS） 作為分布式計算的基礎架構，能夠處理海量數據。Hadoop還提供了ZooKeeper，用于協調和配置管理。數據預處理階段包括數據清洗、數據轉換、數據歸一化等操作，以及去除噪聲、處理缺失值、標準化數據等。數據挖掘則是通過關聯規則挖掘、聚類分析、異常檢測等方法，發現數據中的模式和規律，為教學質量評估提供支持。

大數據分析技術：平臺使用大數據分析工具如Spark SQL、Spark Streaming和 MLlib。Spark SQL可以對結構化數據進行快速查詢，Spark Streaming能夠處理實時數據流，以便及時發現教學質量問題并采取相應的措施。Spark Mlib提供了豐富的機器學習算法。利用統計分析、機器學習、深度學習等技術對處理后的數據進行深入分析，提取有價值的信息和知識。

數據庫技術：平臺使用了MySQL和PostgreSQL數據庫。MySQL主要用來存儲非結構化和結構化數據，而PostgreSQL則提供高可靠性和可擴展性。

可視化技術：平臺采用了ECharts和D3.js兩種可視化技術。ECharts可視化技術主要用于折線圖、柱狀圖、餅圖等基礎圖表展示，D3.js可視化技術實現更復雜的交互式圖表和動態圖形。

3.3 功能設計

系統的主要設計功能包含了通知發布子系統、用于督導聽評課、學生評教、教師評學、同行評教、教學檢查等業務環節的教學評測子系統、自主性調研問卷子系統，負責數據分析的大數據統計分析子系統，負責結果反饋處理的跟蹤反饋系統及師生交流子系統。通過這樣的分類形式從而構建了一套方便、便捷的質量管理監測體系。

1） 通知發布子系統

為了提高學生的主動參與評教率，系統提供了相應的信息設置工具，支持自動觸發并將相關信息推送至需要參與評教的手機上。收到信息的人只需點擊信息即可直接跳轉到相應的模塊，從而實現了通知評測（調研）的一體化。不僅師生可以隨時隨地利用碎片化的時間完成評測，而且也減輕了管理人員的事務性工作[3]。

2） 教學評測子系統

教學評測子系統提供靈活多樣的評價體系設置，支持針對評價的指標、環節、適用人群以及時間頻率進行靈活的定義和配置，從而滿足學校不斷發展的需求。系統既可以支持現階段的需求，同時也支持未來的不斷發展，真正地為管理者提供一套可以配置的工具[4]。系統以移動互聯網+即時通信工具的方式，使得師生使用更加的方便快捷。

3） 調研問卷子系統

除定期的質量監控評教外，還需要具備行程性、過程性的評教、調研手段的調研問卷子系統，方便督導員隨時隨地發起調研投票以便充分了解教師教學過程中存在的問題，并對其進行指導。

為了實現隨時隨地自行發起調研投票，調研問卷子系統具備靈活自定義的指標庫和組卷功能，從而方便使用者快速地通過指標庫導入的方式進行組卷，同時該系統也支持自行定義對應的指標以此形成有特色的問卷。系統還支持對問卷的發布進行管理，可以根據人員的不同職位設定是否可以發布調研問卷及調研的范圍。針對沒有進行回答的用戶，系統支持通過后臺進行查看并選擇未參與的人員進行通知的補發等一系列的操作。為了方便問卷發起者對問卷回答情況的掌握，系統也為使用者提供了實時的數據統計反饋功能。

4） 大數據統計分析子系統

大數據分析子系統根據學校具體需求進行定制及拓展。 系統支持從參評率、評價成績等方面對數據的有效范圍進行設置，并進行整體或各項指標、各評測范圍的成績分析、排名分析、比較、趨勢分析以及參評率監測等。同時系統支持通過指標推導結論，即通過各個問卷指標的自由組合拓展分析，滿足學校的個性化分析，例如教師年度教學質量評價分析等。

排名分析：系統支持對各項評測調研的結果進行綜合排名的分析，同時也支持查看具體的排名明細，以及根據學校的需求選取截取數據的有效區間，從而保證針對有效數據的合理分析。

參評率分析：系統支持根據參評率對參與評測調研的信息進行查詢，支持直觀地顯示實際的參與人數和應參與人數。

指標綜合分析：系統支持通過選取不同問卷中的全部指標或者個別指標，并對選取的指標進行權重設置，組合成新的分析主題，系統自動生成該分析主題的結果進行拓展分析。

比較趨勢分析：系統支持針對教師、學院、課程等進行比較分析，通過雷達圖的形式展現比較對象與院系、全校等不同維度的比較結果，簡明直觀。同時系統支持按學年學期展現教師、學院、課程等不同維度的趨勢分析結果，實現長期監控比較。

人工智能分析：包含情感分析與標簽、畫像。情感分析支持針對所有主觀意見進行情感分析，通過情感值與可信度判斷屬于正向評價或負向評價，對于可信度高的負向評價自動反饋至相關負責部門，進行后續跟蹤處理。利用人工智能對大量的主觀意見進行自動情感分析，通過系統實現自動判斷負向評價進行反饋，大量減少人工干預。

自動數據分析報告：系統根據運行數據及內置模板，自動生成學生評教、督導聽課、教師評學的報告，并支持導出下載。

5） 跟蹤反饋子系統

系統支持基于指標的日常診斷整改工作，利用學校現有的指標庫進行自由組合，并自動對歷次評教情況進行追蹤，最終展現出總體的整改效果，支持按照指標或對象進行統計。對于信息員反饋的教學質量、教學管理、師德師風、后勤服務等維度的問題分流至各負責端口部門，處理時間和處理意見實時記錄和反饋至信息員，教學質量監管部門也可介入問題的處理機制，宏觀把控診斷反饋流程。

6） 師生交流子系統

師生交流子系統可以在教師了解到學生的教學評測結果或調研結果后，提供一個讓教師即時和學生深度溝通交流的渠道。教師可根據結果進一步了解其產生的原因，也可以根據結果做如教輔答疑、教學補充等進一步的處理。

教學班交流：系統可以根據學校的教學班自動地生成對應的教學班群組，方便師生在群組中進行實時的溝通和交流。

點對點交流：系統同樣也支持點對點的溝通和交流的模式，方便一對一交流進一步了解師生的問題所在，從而促進教學質量的改革和提升。

4 基于大數據教學質量監測平臺的應用場景

基于大數據的教學質量監測平臺的應用場景主要包括教學管理部門決策支持、學校教學質量評估和教師教學能力提升[5]。

4.1 教學管理部門決策支持

平臺通過對海量教育數據的分析，為教學管理部門提供教學質量監測報告，幫助他們制定科學、合理的教學管理制度。

4.2 學校教學質量評估

平臺可以為學校提供教學質量評估工具，幫助學校全面了解教學質量現狀。學校可以根據平臺提供的數據進行教師教學能力評估、課程評估和學生評估等，為教學改進提供有力支持。

4.3 教師教學能力提升

平臺可以為教師提供教學能力提升工具，幫助他們了解自身教學能力和教學方法的優缺點，為教學改進提供有力支持。例如，平臺可以為教師提供個性化教學建議、教學案例分享等資源，幫助教師提升教學能力。

5 結束語

基于大數據的教學質量監測平臺設計為學校提供了有效的教學質量監測工具，幫助學校制定科學、合理的教學制度以及全面了解教學質量現狀，為教學改進提供有力支持，著力提升教師教學能力。