基于評教文本挖掘的評教指標體系構建

教學質(zhì)量評價是提升和確保高校教學質(zhì)量的核心環(huán)節(jié)，而學生評教是教學質(zhì)量評價的重中之重。完善的學生評教體系可以激勵教師不斷提升教學水平，從而推動大學教學質(zhì)量的全面提升。

一、學生評教的現(xiàn)狀

學生評教內(nèi)容包含客觀評價和主觀評價。客觀評價包含教學效果、教學態(tài)度、教學內(nèi)容、教學方法和師德師風五個一級指標，考查學生對教師教學能力的滿意度，然后根據(jù)各指標的權重自動生成評教分數(shù)；主觀評價是學生對教師和課程的意見、建議。在進行主觀評價時，學生需輸入不超過200字符的文本。

（一）學生評教成績存在偏差

學生的評教結果存在偏差的主要原因是每個學生對教師的評價標準不同。評價標準較高的學生給教師的評分一定偏低，評價標準較低的學生給教師的評分一定偏高。

每個教師的授課對象為不同班級的學生，不同班級的學生對同一教師的評價標準也不相同。例如，教師在A班的評教成績?yōu)?0分，而在B班的評教成績?yōu)?0分。這說明，B班學生對教師的評價標準整體偏高。因此，學生對教師的評價只能在同一班級進行評比。在全校進行是不具有可比性的。通常采用 z? -score標準化方式進行處理，數(shù)據(jù)量大且繁瑣。

（二）學生評教成績差異性小

傳統(tǒng)的評教模式主要是對客觀評價結果的應用。在該評教模式下，教師的成績普遍在 8 5 ～ 9 2 分之間。全校有600多名教師，教師之間的評教成績結果差異性不大，很難以其作為教學工作的指導。同時，學生對教師主觀性的評價呈現(xiàn)非結構化的特點，很難對其進行量化處理。因此，對評價文本的深度挖掘尤為重要，不僅可以實現(xiàn)對文本的自動化處理，還可將結果進行可視化呈現(xiàn)，以幫助教學管理人員直觀了解學生對教學的滿意度，從而提升教學質(zhì)量。

二、研究的技術路線

通過分析學生的評教文本并深度挖掘，結合大數(shù)據(jù)時代教育評價特點，研究分析主觀評價信息與評價指標體系的關聯(lián)性、學生評教的關鍵信息與評教指標的匹配度，以及學生主觀評價信息對教師評價的滿意度，從而構建高質(zhì)量的學生評教指標體系。

本文從學校教務管理系統(tǒng)中獲取學生評教成績的文本建議，并對獲取的數(shù)據(jù)進行預處理與數(shù)據(jù)統(tǒng)計分析。首先，進行了數(shù)據(jù)清洗，剔除了不完整或異常的數(shù)據(jù)記錄，利用分詞軟件將評教文本分詞，形成了用于分析的數(shù)據(jù)集；使用ROST軟件對文本數(shù)據(jù)進行詞頻分析、語義網(wǎng)絡分析和情感分析，從而構建高質(zhì)量的學生評教指標體系。本文的研究技術思路見圖1：

三、學生評教文本挖掘

本文調(diào)取了某應用型高校2023-2024-2學期的學生評教數(shù)據(jù)，包括對800余門課程的68029條主觀評價文本。去除冗余數(shù)據(jù)，如無、0、1、6或者表情符號等。經(jīng)篩選和初步整理后，保留有效評價共計61935條，占保留條目的 9 1 . 0 4 % 。這些文本信息直接反映了學生對教學的看法和感受，是研究教學質(zhì)量的重要數(shù)據(jù)源。

為了對評價文本進行有效的分析，利用ROSTCM6軟件進行了語義分詞、詞頻統(tǒng)計和預處理。通過分詞技術，將文本信息轉(zhuǎn)化為結構化的詞匯數(shù)據(jù)，從而為后續(xù)的詞頻聚類分析、網(wǎng)絡語義分析和情感分析奠定基礎。

（一）詞頻聚類分析

詞頻聚類分析是挖掘文本信息的重要手段之一。通過統(tǒng)計文本中各個詞匯的出現(xiàn)頻率，可以識別評教文本中的關鍵主題和熱點問題。在本研究中，利用ROSTCM6軟件對分詞后的數(shù)據(jù)進行了詞頻統(tǒng)計和聚類分析，得到學生對教學的主要關注點和意見分布，見表1。

通過分析，學生對教學的關注度主要集中在以下幾個方面：教學態(tài)度和教學方法的靈活性與創(chuàng)新性、教學內(nèi)容的深度與廣度、課堂氛圍的活躍程度、師生互動的有效性，以及教學資源的豐富性等。這些可為教育工作者深度了解學生對教學的需求和期望提供重要依據(jù)。

（二）情感分析

情感分析是評估學生對教學滿意度的重要方法。本研究利用ROSTCM6軟件對評教文本進行了情感傾向分析，得到了學生對教學的整體滿意度和具體情感傾向，見表2。

學生對教師的評價總數(shù)高達27535條，整體滿意度達 8 5 . 5 8 % ，這一顯著數(shù)據(jù)彰顯了學生對教師教學效果的廣泛認可與正面評價。通過深人分析，積極情緒的評價尤為顯著，中度積極和高度積極的評價條數(shù)分別占據(jù)8372和10482條，合計占比近 6 0 % 。這充分體現(xiàn)了學生對任課教師的深切喜愛與高度認可。特別是高度積極情緒的百分比高達 3 2 . 5 8 % ，成為所有情緒強度中的最高占比，進一步反映了學生對教師的滿意度。

同時，對中性情緒和消極情緒的評價不可視而不見。中性情緒占比 1 1 . 2 4 % ，這可能反映出部分學生對教師的教學效果持中立態(tài)度，既無顯著的喜歡也無不悅之感。盡管消極情緒的占比相對較低，但中度消極情緒的217條和高度消極情緒的16條依然不容忽視，反映出部分學生對教師教學效果存在不滿或負面評價。這需要引起教師的重視和反思。

盡管消極情緒的評價總體比例不高，但每一條負面評價都可能源自教學方法、課堂互動、教學內(nèi)容、考試難度等多個方面。需深入探究這些負面評價的根源，以便采取針對性的改進措施，進一步提升教學質(zhì)量。

通過以上分析可知，雖然學生對教師的整體滿意度較高，但仍存在差異。為持續(xù)提升教學質(zhì)量和教師滿意度，教師和教學管理者應正面傾聽持中性情緒和消極情緒學生的聲音，深度剖析他們的學習需求和遇到的問題，制定切實可行的改進措施，從而為提升教學質(zhì)量提供更為有力的支持。

（三）網(wǎng)絡語義分析

為了進一步探究評教文本中關鍵詞之間的關聯(lián)關系，應對其進行網(wǎng)絡語義分析。通過構建關鍵詞共現(xiàn)網(wǎng)絡，揭示了不同主題之間的內(nèi)在聯(lián)系和相互影響，見圖2。

從關聯(lián)結構來看，通過觀察節(jié)點之間的直接連接、連接距離、連接中心點、聚類k-means等并進行分析。

兩個節(jié)點直接連線，反映出它們之間可能存在直接的關系；節(jié)點之間距離的遠近能反映節(jié)點間關系的緊密程度；具有更多連線的節(jié)點能反映出他的重要性，被認為是更重要的節(jié)點；節(jié)點間的聚類能反映出相似性質(zhì)或特征的組成。

四、基于評價文本的評教指標體系構建

依據(jù)詞頻聚類分析、情感傾向解析及網(wǎng)絡語義分析結果，采用層次分析法，精準構建評教指標體系。一級指標涵蓋教學素養(yǎng)、課堂教學、教學內(nèi)容、師生互動、教學態(tài)度以及教學效果這六個維度，全面反映高校課堂教學的多元化。二級指標的構成依據(jù)挖掘詞頻統(tǒng)計數(shù)據(jù)及其權重分布，細化并構建相應二級指標。學生評教指標體系見表3。

通過Rostcm6軟件和聚類詞頻分析，深度分析學生評教文本的關鍵信息與評教指標的匹配度，發(fā)現(xiàn)主觀評價信息與評價指標體系存在很大的關聯(lián)性，從而構建了新的學生評教指標體系。該評價指標體系可以更準確地反映教師的教學效果和學生的成效。學生評教指標體系的優(yōu)化，不僅有助于教師教育教學能力的穩(wěn)步提升，更能為學校教學管理工作提供寶貴的建設性意見，從而推動學校教學質(zhì)量的持續(xù)提升。

作者單位：張薇 山西工商學院

參考文獻

[1]魏星.高校學生評教影響因素的實證研究——以山西某高校為例[J].山西能源學院學報，2024，37（02）：37-39.

[2]張薇.數(shù)據(jù)挖掘技術在高校學生評教中的應用研究[J].數(shù)字通信世界，2024，（03）：145-147.[3]李建龍，李立國.基于評教文本挖掘的高校教學質(zhì)量評價指標構建與應用[J].重慶高教研究，2024，12（03）：11-24.

張冕，趙晨.高校學生評教信息中文本語義因素的挖掘與運用研究[J].現(xiàn)代商貿(mào)工業(yè)，2024，45（03）：24-2421.

[5]張嘉芮，余根亞．“以學生為中心”的高校課堂評教指標體系初步建構研究——以西南某高校為例[J].昭通學院學報，2023，45（06）：119-124.