SCI论文（www.lunwensci.com）
摘要：为了更好地提高课程教学质量，文章以“程序设计基础及应用”课程为例，首先阐述了基于大数据的 在线课程教学质量评价模型的建构，然后针对基于大数据的在线课程教学质量评价进行了举例。
关键词：在线课程,教学质量评价,大数据
随着线上教学的兴起，慕课在推动教育信息化、 促进教育公平化 、实现教育个性化等方面发挥着重 要作用。慕课革命性地改变了知识的传播方式、教师的教学方式、学生的学习方式。在线教学模式已成为新的时代背景下一种常态化的教学模式[1] 。2020 年， 教育部在印发的相关文件中指出[2]，各高校要充分利用在线课程资源，积极开展线上与线下的教学活动， 保障在线学习与线下课堂的质量， 加强综合管理实 效，积极依托开放课程、在线教育，鼓励多样化在线 教学方案的创新 。目前，我国已经建设了数千门慕课 课程，但这些课程的质量参差不齐，故如何提升在线 课程的教学质量是广大教师十分关切的问题 。在教 学过程(课前 、课中 、课后) 中会产生大量的教学数 据，我们可以凭借这些数据客观地、多维度地、多时 段地评价教师的教学质量和学生的学习效果 。高校 教师教学评价体系建设直接关系到教学质量和人才 培养质量的提升， 是高校教学管理工作的重要组成 部分，即建立专业、科学、实用的评价指标体系，是激 发教学活力的有效手段[3]。公共突发卫生事件不仅使 高校在线教学得到前所未有的应用和推广， 还使高 校基于传统课堂教学模式而构建的内部教学质量评 价在评价导向、评价标准、评价方式、评价机制等方 面面临挑战[4] 。基于“互联网+”技术的网络教学是当 前及未来教育事业发展的重要趋势， 其迎合了信息 时代发展的需求， 为学生适应现代化学习方式和教 师变革传统教学方式做出了很大贡献[5]。教师教学评 价是诊断教师专业素养 、监测学生培养质量的重要 手段，也是教育教学改革的重要依据[6]。
一、基于大数据的在线课程教学质量评价模型的 建构
在“互联网+教育”发展的背景下，在线教育在五 个维度(教师、学生、空间、时间、教室) 与传统教学有 显著的区别 。本文基于 OBE 理论和 IEET 认证，结合 教学过程的三个环节(课前、课中、课后)，面向四个 方面(建课、授课、评课、善课)，构建了在线课程的教 学质量评价模型 。通过大数据挖掘重要价值，强化教 学监控与评价质量，充分应用大数据优势，建设好数 据平台，可使高校教学效果不断提升，推动高校教学 高质量发展[7] 。传统线下课堂教学质量监控与评价体 系并不能满足当前混合式教学的要求， 而基于大数 据的教学质量监控与评价体系可以实现从基于经 验 、片面化数据支撑的定性监控与评价模式向基于 数据分析的量化监控与评价模式的转变， 从事后评 价向基于数据分析的实时、动态 、精准评价的转变， 为推动混合式教学改革 、提升教学质量提供支持保 障[8] 。群体决策方法不仅能够从整体上评价每个单元 教学的优劣情况， 而且还能够帮助教师发现学习存 在一定困难的学生， 为教师及时改善和优化教学过 程与策略、提高在线课程的教学质量提供借鉴[9] 。坚 持以学生为中心的课程质量保障理念 、全面系统的 课程质量标准体系 、稳定高效的课程质量管理组织 架构、教师能力驱动的课程质量改进，对我国高校在 线课程质量保障理论和实践研究具有重要的参考价 值[10]。在线课程的学习管理系统积累了大量的学习者 行为数据，对这些数据进行分析，能够有效地探究教 学与学习的规律，深化高等教育的实践和评估[11]。
(一)总体框架
《礼记·学记》有云：“是故学然后知不足，教然后知 困。知不足，然后能自反也;知困，然后能自强也。故曰 教学相长也。”教师和学生是教学体系的重要组成部 分。面向教师的质量评价系统和面向学生的质量评价 系统是一个有机体。如图 1 所示，在线课程的质量评价 系统由“面向教师的综合评价系统”和“面向学生的综 合评价系统”组成。因为教学过程分为课前、课中、课后 三个阶段，所以评价系统可拆分为六个部分：教师课前 阶段质量评价系统、教师课中阶段质量评价系统、教师 课后阶段质量评价系统、学生课前阶段质量评价系统、 学生课中阶段质量评价系统、学生课后阶段质量评价 系统。本模型在建构总体框架时以“程序设计基础及应 用”课程为依托，它是北京理工大学(以下简称“我校”) 的“线上线下混合式一流课程”，选用智慧树平台中的国家级慕课课程“C 君带你玩编程”(昆明理工大学) 为 线上教学课程， 同时依托问卷星平台设计与完成课前 预习作业、课后巩固作业，依托雨课堂开展课堂数据产 生、统计工作，并利用钉钉、微信、QQ 课程群记录学生 的学习成长(及时确认教师发布的通知会被视为良好 的教学反馈行为，这是培养学生学习习惯的必要举措; 学生在课程群里进行有效提问和互动学习交流也是对 学生自主学习进行评价的依据) 。利用机器学习算法自 动抓取在线课程的教学数据并进行统计分析， 是一种 省时高效的教学质量保障措施。用机器学习算法处理 全教学过程产生的大量数据， 以此作为教学质量评价 模型的依据和考量指标， 可提高评价的可信度和可比 性。采用自顶向下的研究理念、戴明环 PDCA 循环渐近 理念、OBE 成果导向理念和 IEET 认证要求设计在线 课程的质量评价系统，会使得系统成为一个有机体。
(二)教学单元的框架
如图 2 所示，这里展示了某教学单元的框架及其 评价系统构建思路。在线课程的教学质量综合评价系 统由三个教学过程产生的数据库组成，分别是课前数 据库、课中数据库和课后数据库。在每个教学阶段中， 戴明环 PDCA 循环渐进理念都有充分体现。
总体框架在课前阶段，教师先设计好课程的教学计划并根 据教学计划设计好本教学单元的预习任务，之后在课 前通过课程群或在线课程平台等多个渠道发布本单 元的预习任务，要求学生在收到预习任务后先确认并 根据任务通知中的任务清单进行预习，之后教师从问 卷星或在线课程的后台查看预习情况，了解学生的参与情况、错误情况、学习困惑等，并据此设计好课中阶 段的课堂进度。教学单元的难点不能仅仅由教师想当 然地认定，而应该基于学生在预习后所反馈的预习成 效来认定。换言之，同一个知识点，教师认为是简单知 识点，学生却可能认为是难点，上一届学生认为是简 单知识点，本届学生却可能认为是难点，同理，A 教学 班的学生认为是简单知识点，B 教学班的学生却可能 认为是难点 。因此，简明且有效的课前反馈问卷是提 升学生参与度、收集有效反馈信息的重要保障 。预习 用的问卷的题量不宜过多， 针对预讲授单元的知识 点，一点一题即可，且题目难度不宜过高，须有明确的 预习目标(如预习哪个视频、以什么形式反馈给教师、 截止时间节点要讲清楚)， 允许学生自由标注并反馈自认为的教学难点，便于不同的教学班分类统计。
在课中阶段，教师应根据预习反馈情况设计好课 堂进度，调整好本单元的教学课件等教学资源，根据学生反馈的教学难点有权重地讲授新的知识点，每讲 完 1~3 个知识点后随即用雨课堂进行测评，产生课堂 数据并进行即时统计，最后根据统计结果及时调整教 学进程：如果八成以上学生达到教学目标则进行下一 知识点的教学，否则就要有针对性地纠正错误，然后 再进行下一知识点的教学。
在课后阶段，教师根据雨课堂产生的数据设计好 课后巩固作业， 并通过在线课程或课程群布置作业， 让学生通过做课后作业来检验本单元的学习成效，之 后教师通过问卷星或在线课程后台查看作业数据，其 中针对错误率高的知识点，应在讲授下一节知识点时 采用“温故知新”的方式增设雨课堂测试题，以便巩固 和检验学生所学，最后师生通过撰写本单元的教学总 结以系统梳理学习成效与存在的问题。学生可以通过 课程群与任课教师进行答疑，也可以在在线课程中的 “讨论贴吧”进行沟通交流。
(三)加权处理问卷数据
在进行教学评价时，问卷调查是常见的获取评价数 据的方式。在处理问卷数据时，通常有柱形图、折线图、 饼形图、条形图、面积图、雷达图等多种形式，它们在评 价数据时各有千秋。假如某个问卷问题有四个选项，如 “你对网课视频质量的满意程度是什么?A.非常满意，B. 满意，C.一般满意，D.不满意”，假设 A、B、C、D 四个选项 的投票数 n、得票率 r、权重 w、得分 P 如表 1 所示。不同 教学班的学生人数可能是不同的，“满意”选项的投票率 不足以全面反映该教学班的教学质量(尤其是实际投票 人数较少时) 。如果用同一个算法公式计算投票得分，则 不同教学班的教学质量具有可比性。
二、基于大数据的在线课程教学质量评价举例
“程序设计基础及应用”课程选用智慧树平台 中的国家级精品课程“C 君带你玩编程”进行教学 。
2019 年有 64 所学校的 11 000 多人选课;2020 年有60 所学校的 18 000 多人选课;2021 年有 45 所学校的 11 000 多人选课 。鉴于选课的高校多样化、选课的学 生多样化、选课的各校进程多样化、选课的各校人数多 样化，因此从绝对的数量这个角度衡量和评测某个高 校、某个教学班、某位教师的教学质量显然是不合适 的，所以本课题组采用相对的数量，即用本校数据与 所有选修同一门课程的各高校各师生数据进行比较。
(一)近三年的合格率、优秀率、平均成绩比较
如图 3 所示，这是近三年(2019—2021 年) 在线课 程“C 君带你玩编程”的合格率、优秀率和平均成绩统 计表。从图 3 中可以看出：①近三年我校几乎所有数据 都超过了总体数据， 这说明我校的教学质量高于该在 线课程的所有选修高校的平均质量;②2019 年春夏学 期的合格率、优秀率和平均成绩都是比较高的，这是因 为这时候上课形式以面授课为主并以在线课程为辅， 师生能经常面对面交流教学问题;③2020 年春夏学期 的合格率、优秀率和平均成绩都有所下降，这是因为本 学期教学被迫改为在线课程的形式， 师生普遍感到不 适应且教学准备不充分， 教学及其辅导存在交流不畅 通的现象;④2021年春夏学期，这时由于师生已经习惯 了在线课程的形式， 网课平台的技术问题和性能也得 到了改善， 所以合格率、优秀率和平均成绩都有所回 升;⑤近三年的总体数据曲线呈“V”字形变化，但我校 数据呈连续下降变化， 这需要引起教学团队的深思并 及时做出调整;⑥与线下课程相比，网课的合格率、优 秀率、平均成绩较高，符合一般现象。
(二)近三年的问卷得分比较
2019 年我校有效问卷数为 613 份， 总体有效问 卷数为 8 840 份;2020 年我校有效问卷数为 431 份， 总体有效问卷数为 13 190 份;2021 年我校有效问卷 数为 365 份，总体有效问卷数为 10 009 份。而结合智 慧树平台中的问卷问题“综合评价：您认为课程具 有通识性、启发性，课程学习比较有收获? ”在 2019年春夏学期的数据计算如表 2 所示， 我校得分为 91.84 分，总体得分为 90.90 分 。同理，可以计算 2019 年春夏学期的其余问卷问题的我校得分和总体得 分，也可以计算 2020 年和 2021 年的全部问卷问题的 得分 。如图4 所示，我校和总体的问卷问题得分都呈 “先降后升”的变化规律，且 2020—2021 年我校的得 分低于总体的平均水平。
经数据分析，以下六个问卷问题的得分变化也呈 “先降后升”的趋势，这说明公共卫生突发事件给教学 带来了重大的影响。
问卷问题①：[教学设计]课程在线视频讲解清楚， 条理清晰，视频及内容质量较好?
问卷问题②：[教学设计]课程见面课内容设计合 理，讲授精彩，积极鼓励学生参与?
问卷问题③：[教师指导]您认为本校教师指导对 课程学习很有帮助?
问卷问题④：[在线交流]您认为在线论坛、问答 交流对课程学习很有帮助，在线答疑及时、有效?
问卷问题⑤：[网络情况]课程在线视频观看很流 畅，声音、画面很清晰?
问卷问题⑥：[网络情况]课程见面课观看很流畅， 声音、画面很清晰?
三、结语
教学评价制度是高校教学管理制度的重要组成 部分 。教学过程积累了大量的数据，运用大数据技术 促进高校在线课程教学评价体系改革， 有助于提升 教学评价的精准性、科学性和全面性 。即基于大数据 的教学质量评价更有说服力， 更能促进师生的全面 发展。
参考文献：
[1] 王琪,吴明群,章天金.高校本科在线教学的组织重构:以湖北大 学的探索与实践为例[J].高教论坛,2022(3):37-41.
[2] 宋敏.在线教育的进行时与未来时[J].文化创新比较研究,2022.6 (7):62-65.
[3] 黄灿.大数据对高校教师教学评价的影响及应用:评《教学型高 校教师区分性评价研究》[J]. 中国高校科技,2021(9):101.
[4] 肖云,王骥.高校在线教学质量评价体系:价值取向与建设策略[J]. 黑龙江高教研究,2020.38(10):141-144.
[5] 崔红志 .基于大数据的网络教学质量评价模式构建及优化策 略[J].数字印刷,2020(3):125-132.
[6] 吴丹英.共赢抑或俱损:教师教学评价困境的实证研究[J]. 中国考 试,2022(5):1-11.
[7] 张雄.基于大数据分析的高校教学质量监控与评价探究[J].佳木 斯大学社会科学学报,2022.40(4):201-203.210.
[8] 刘琦.基于大数据的混合式教学质量监控与评价体系探究[J].河 南教育(高等教育),2022(5):48-51.
[9] 刘文彬,杨波,屈喜龙.基于学习行为数据的在线课程教学质量精 准评价方法[J].湖南工程学院学报(自然科学版),2022.32(3):49-55.
[10] 陈然. 国外开放大学在线课程质量保障的特点与启示[J].成人 教育,2022.42(9):60-66.
[11] 程罡,孙迪, 尚伟伟.基于教育大数据的大规模私有在线课程中 交互活动模式的研究[J]. 电化教育研究,2022.43(4):40-46.
通讯作者：唐佳林(E-mail：1754566452@qq.com) 。
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/62332.html
