基于大数据的高职学校教学质量监测研究

摘要：大数据技术为高职学校教学质量监测提供数据挖掘、可视化分析、智能决策等价值，是高职教育教学改革与质量提升的重要支撑。本文通过分析新时代高职学校教学质量监控现状，提出基于大数据开展高职教学质量监测的现实意义，探究基于大数据的教学质量监测实践，旨在提升高职教学质量监测水平，助力实现职业教育内涵式发展。

关键词：大数据；高职学校；教学质量；教学质量监测

引言

教育部在《教育信息化2.0行动计划》中明确提出，要完善教育管理信息化顶层设计，全面提升利用大数据支撑保障教育管理、决策和公共服务能力[1]。2023年，《数字中国建设整体布局规划》进一步强调，要推动数字技术在教育等重点领域的融合发展，尽快完成数字技术的创新应用工作[2]。数据为教育赋能已逐渐受到教育领域的广泛关注。借助大数据、“互联网+”等先进技术手段，对教育大数据进行全程监控、持续收集、数据挖掘、深入分析，将为教学管理、学生管理、评价诊断、教育决策等方面带来诸多便利。开展基于大数据的教学质量监测与评估，对于全面提升职业教育人才培养质量，推动教育管理现代化具有深远的现实意义。

1. 教学质量监测现状

1.1 教学评价合理性不足，制约教学质量评价客观性

当前教育教学过程中仍存在以下问题：（1）评价指标过于单一，主要集中在显性的教学成绩上，忽视了学生的综合素质评价、教师教学方法和学校管理等，导致评价结果无法全面反映教育教学的真实状况。（2）评价指标片面，高职学校常见课程类型有理论课、理实一体课、体育课、思政课等，未针对不同课程类型设置相应的评价体系，导致同一种评价体系应用于所有课程类型，评价指标缺乏动态生成。（3）高职学校的教学评价体系尚未适应教育信息化进程发展趋势，仍采用通用的评价指标体系，未能构建符合自身发展需求的评价体系。

1.2 监测平台智慧化不足，制约教学质量诊断的精确性

随着教育信息化的发展，教学诊断在提高教学质量、促进教育改革方面发挥着重要作用。当前教学诊断过程中监测平台存在以下问题：（1）数据采集与分析能力不足。现有的监测平台数据采集不全面、不连续，导致教学诊断的结果失去了客观性和科学性，影响诊断的准确性。（2）智能化算法与应用不够成熟。教学诊断需要对大量数据进行深入挖掘和分析，以找出影响教学质量的关键因素，而当前监测平台所采用的智能化算法在处理复杂教育问题时存在局限性，难以满足教学诊断的多元化需求。（3）监测数据融通不够。数据“孤岛”现象仍然存在，尚未形成数据融合，阻碍了数据价值的最大化发挥，还可能造成数据资源的浪费。

1.3 教学决策科学性不足，制约教学质量提升的有效性

传统教学决策过程存在诸多问题：（1）决策过于依赖经验。由于教师个体差异，难以实现客观、全面的决策。（2）决策主体主观化现象严重。教师作为教学决策的主体，在教学过程中由于数据获取的限制和教师时间、精力的有限，难以在有效的时间内采集到全面、连续的数据，无法精准了解学生的个体情况，因材施教和个性化决策受到制约。（3）决策过程缺乏数据统计分析。学生学习情况、学习风格、学习行为等数据统计与分析的缺失，将影响教师对学生学习结果的直观评估，不利于教学决策的及时调整[3]。这些问题直接影响教学质量的有效性，导致教学质量监控工作低效。

2. 开展基于大数据的教学质量监测的实践探索

2.1 构建教学质量监测指标体系

构建教学质量监测指标体系要围绕学校管理质量、教师教学过程、学生学习过程、学业质量四个方面进行构建[4]，以推动学校“管”、教师“教”、学生“学”良性发展，为全面评估教学质量、制定教育决策提供有力支持。

2.1.1 学校管理质量

依据《江苏省五年制高等职业教育办学单位人才培养工作水平评估实施方案（试行）》[5]，围绕提升教学质量总目标，经过讨论，并结合专家函询意见，梳理出对教学质量具有显著影响的3个一级指标，分别为师资队伍、教学条件、课程教学。师资队伍包含师德师风、师资结构、专业成长、激励机制，教学条件包含基础条件、设施设备、投入保障，课程教学包含专业设置、培养方案、课程教材、教学实施、质量监控。

2.1.2 教师教学过程

教学评价采用问卷形式，根据各类课程的教学特征分为四类问卷，包括理论课、理论－实践课、体育课、思政课，针对四类问卷设计多维度评价指标。以学生评教为例，评价维度分为三个维度，包括评课（课程内容评价）、评教（教师教学评价）、评学（学习成果评价）。为确保问卷设计的科学性，开展了问卷信度和效度分析，利用SAS工具进行相关分析。Alpha信度系数显示，理论课、理论－实践课、体育课、思政课四类课程类型各维度的α可靠性系数均大于0.8，说明构建的评价体系具有较高的可信度；进行KMO因子分析和巴特利球形检验，四种课型KMO值均大于0.9，巴特利特球形度检验显著性值小于0.01，说明变量间的相关程度无太大差异，数据适合做因子分析，表明构建的课程教学过程性评价体系具有良好的效度。

2.1.3 学生学习过程

学生学习过程监测指标初期建设存在一定的局限性，指标体系主要集中在学习目标、学习表现、学风、学习效果以及思想品德等方面，一定程度体现了对学生学习行为的监测需求，但全面性和深入性仍有不足。依据专家指导意见，为全面贯彻党的教育方针，落实立德树人根本任务，推动学生全面发展，对学生学习过程进行德、智、体、美、劳五个维度的拓展，构建学生综合素质评价指标。

2.1.4 学生学业质量

学业质量指标的构建最初仅以考试质量特性的数据，如学科考试成绩和试卷答题情况作为统计分析常态指标。根据专家观点，仅以学科考试成绩和试卷答题情况作为学业质量的衡量标准，无法充分体现新时代职业教育的特点。职业学校的学业质量应涵盖学生知识获取、技能习得，以及职业素养和职业理想的培养与内化。经修改，主要选取学生学习质量（包括学科成绩、毕业论文设计、岗位实习成绩等）、技能水平、就业质量作为监测指标。就业质量是入职后学业质量的外现，也是学生职业阶段学习质量在社会实践中的检验及体现，通过对就业质量的监测，有助于实现职业教育教学质量的监控与优化，培养出更符合社会需求的高素质技术技能人才。

2.2 建立基于大数据的教学质量监测平台

教学质量监测平台的构建策略遵循“技术引领平台功能、平台保障监控执行、监控推动质量提升”的原则，结合教师教学过程评估、学生学习过程评价、学生学业质量评估、学校管理效能的综合需求，确立科学的质量监控路径。为满足监测需求，教学质量监测平台支持多种类型的数据采集，同时具备存储大量多样数据的能力。平台基于模块化设计理念进行构建，在整体架构上实施分层架构策略。整个系统采用JAVA和Mysql技术构建三级架构，从顶层到底层分别是表示层（UI）、业务逻辑层（BLL）、数据访问层（DAL）。表示层为用户提供一个交互式的操作界面，职责是接收用户输入的数据信息，并显示系统处理的数据信息；业务逻辑层的任务是执行所有业务相关操作，主要处理来自表示层的请求，并向数据访问层发出数据库操作的指令，确保业务流程的顺畅进行；数据访问层为表示层和业务逻辑层提供数据服务和数据支持。

2.3 构建基于大数据的教学质量监测运行流程

2.3.1 基于大数据技术，实现数据精准采集

高职学校在学校管理、教师教学、学生学习、人才培养质量过程中，势必会产生大量的数据信息。传统的数据采集方式依赖于人工操作，耗时耗力且准确性难以保证，学生和教师的数据获取呈现明显的碎片化特征，难以为教学质量监测提供可靠的依据。大数据技术为教育教学提供了全新的视角和解决方案，使数据获取变得更加精准与连续，通过智能设备、网络平台等手段，可以实时采集各项教学基础数据，如学生的出勤情况、学习进度、答题正确率、课堂互动、作业完成等，教师的教学态度、授课进度、教学时间分配、教学内容、教学资源、提问等。这些数据可以实时传输至云端，便于教师和学生随时查看和分析，有助于学校精准掌握教学过程，基于海量数据开展教学评价与分析。

人工智能和大数据技术的快速发展，极大地丰富了教学质量监控数据，如通过结合图像识别技术，分析学生在课堂上的表情与动作，收集学生抬头率、互动频次等听课积极性数据。为保障数据质量和数量，在数据采集过程中，学校需要树立大数据意识，加强基础设施建设，提升教师和学生的数据素养，为教学质量监控提供有力支持。

2.3.2 基于大数据技术，实现深度教学分析

在数据采集基础上，运用数据挖掘等技术与方法，对大量数据进行深度分析和处理，实现数据的分类、聚类、预测等，探究学生学习状况、教师教学、学校教育管理等，挖掘教学规律，为教学质量监控提供坚实依据。大数据时代，新型“智慧教学平台+智慧学习终端+学生”的教学模式与传统“学校+教师+实体教室”教学模式相比，具有显著优势。新模式有助于开展基于全过程学习的数据分析，课前基于预习情况统计分析和检测，深化学情分析，优化教学设计；课中进行即时学习数据分析和反馈，调整教学进程；课后通过作业统计分析，实现针对性辅导。

利用大数据技术进行深度教学分析，能够精准把握学生的学习需求，找出学生学习中的规律和问题，为教师的教学提供帮助。根据数据分析与挖掘结果，教师根据学生的个体差异制定个性化的教学方案，以满足学生的不同需求。例如，通过分析学生的学习进度，发现学生的学习滞后或超前现象，及时调整教学策略；通过分析学生的学习时长和频率，了解学生的学习积极性，对学习动力不足的学生进行针对性引导。此外，基于大数据技术的教学评价，可以实现对学生学习过程和教师教学过程的全面监测，教育管理者可以依托教学评价和数据分析展开深度剖析工作，提高教学干预的针对性。

2.3.3 基于大数据技术，实现科学教育诊断

教育诊断是对教育教学过程及结果进行系统、全面、深入地分析和评价，旨在发现问题、优化策略、提升质量。运用大数据技术进行科学教育诊断，有助于更加深入地了解教育教学实际情况，为教育改革和发展提供有力支持。基于大数据分析技术，可以实现不同角度的教育诊断，采取纵横向对比和多因素协同对比的手段，精准判断教育教学现状与问题，掌握问题产生的原因。

一是诊断学生学习过程，通过分析学生综合评价过程性数据，深入了解学生的学习行为、学习进度、学习困难及兴趣爱好等，形成学生综合素质诊断分析报告，为学生指明努力方向，并及时提供适合其最近发展区的学习服务。二是评估教师教学过程，基于教师授课数据分析及学生学习成效数据分析展开课程诊断，诊断教学目标是否达成，甄别教学流程中值得肯定和需要改进的方面。利用平台开展课程教学整改，通过大数据分析，对比不同教师在教授同一门课程时学生的学习成效，形成数字评估机制。三是优化教育资源配置，通过对历年学生需求和教育资源使用情况的分析，发现教育资源建设中存在的问题，通过合理配置教育资源、优化课程设置等，推动教育公平发展。四是提升学校教学管理质量，通过对教学质量的实时监控，智能识别教学目标管理、任务管理、过程管理方面的短板，实现持续优化[6]。

2.3.4 基于大数据技术，实现动态决策管理

数据分析和问题诊断的核心目的在于优化调整。达成目标的关键策略是利用大数据技术使教学管理决策更具动态性。通过数据的深入分析和问题的精确识别，全面、准确地把握教学过程的基本规律和特征，并针对发现的问题及原因分析，进行灵活的决策管理。首先聚焦诊断现存问题，综合评估和预测教师教学能力、课堂教学方案和学生个体状况，关注教育教学的全过程，全面把握教学发展需求，从宏观到微观，实现教育资源、教学方法、授课计划、学生发展等方面的全局优化。其次，结合数据实时更新情况，实施动态管理。大数据技术能够呈现并实时分析教学活动调整后的最新数据，进行灵活、动态管理，确保科学性和有效性。最后，大数据技术可实现实时反馈，为教育管理、教学实施以及学生成长提供智能动态的评估与决策参考。

结语

在大数据技术深度应用的时代背景下，强化教学质量监控既是高职学校自我诊断分析、个性化发展的必然选择，更是大数据时代赋予学校的新使命。高职学校应以数据驱动为核心指导原则，以数据应用为根本，建立健全教学域数据生态系统，完善多维度观测体系，利用大数据技术数据采集、教学分析、教育诊断、决策管理等功能，构建常态化评估机制，形成保障教学质量的管理闭环，助力实现职业教育内涵式发展。

参考文献：

[1]教育部.教育部关于印发《教育信息化2.0行动计划》的通知（教技〔2018〕6号）[A/OL].（2018-04-18）[2024-03-05].http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[2]渠晨曦.大数据赋能高校治理的机理与实践路径研究[D].徐州：中国矿业大学，2023.

[3]王英彦，杨刚，曾瑞.教育大数据背景下高职教学质量提升策略[J].中国职业技术教育，2020（14）：61-66.

[4]刘丹.基于大数据的教学质量监测与评估方法研究[D].贵阳：贵州师范大学，2020.

[5]省教育厅关于印发《江苏省五年制高等职业教育办学单位人才培养工作水平评估实施方案（试行）》的通知（苏教职〔2021〕8号）[A/OL].（2021-08-09）[2024-03-05].http：//jyt.jiangsu.gov.cn/art/2021/8/10/art_58320_9978635.html.

[6]张明，张一春.基于大数据技术构建高职院校教学质量监控体系的研究[J].中国职业技术教育，2021（35）：19-23.

作者简介：恽菲，博士研究生，副教授，研究方向：药学及职业教育；通信作者：丁珏，本科，副教授，研究方向：计算机教学；徐伟刚，本科，副教授，研究方向：化学教育、学校管理。

基金项目：江苏省教育科学规划课题——基于大数据的高职校教学质量监测与评估研究（编号：C-c/2021/03/40）。