多维度评价，多方面分析：高校教学质量大数据应用介绍

2019年03月29日 11:48:09 来源：中文科技资讯

　　课堂教学质量是学生培养过程中最重要的环节，是普通高校发展的生命线。目前国内各高校开展的课堂教学质量评价活动仍存在一些问题，应该优化评价指标体系、合理确定评价主体、科学运用评价结果，以此完善现行高校教学质量评价体系。

　　Smartbi致力于为客户提供一站式的BI解决方案，在教育行业拥有广泛的客户群体，如中山大学、西安交通大学、重庆大学等一批知名的高校。Smartbi推出的“高校教学质量大数据分析挖掘平台”就是为了帮助高校建立一套科学的教学质量评价体系，从而培养出更多合格的、适应新时期发展要求的人才。

　　教学质量评价体系的建立，必须以大数据为依托，才能保证评价的科学性与有效性，借助大数据技术对教学质量进行评价与分析已是必然趋势。因此，Smartbi高校教学质量大数据分析挖掘平台首先采集数据，建立基本状态数据库，然后对数据进行多维度评价和多方面分析，用于指导教学工作的改进。

　　1. 数据准备

　　Smartbi具备大数据采集、整合能力，提供RDBMS、OLAP、Big Data、NOSQL、文件等多类型数据源支持和多源异构数据跨库查询。Smartbi通过对高校内部业务系统和外部互联网数据的采集建立基本状态数据库，包括数据采集和校验、数据调整和上报、数据检索、数据上报、数据复用等基本功能，为教学质量的评价与分析提供数据支持：

　　填报数据的界面，左边是教育部最新的采集表单，右边是对表单状态的监控：

　　2. 多维度评价

　　教学质量评价是国家政策，2011年下发的《教育部关于普通高等学校本科教学评估工作的意见》明确要求高校必须进行院校评估，高校都非常重视。然而，要想提高教学质量，只有外力不行，学校还要自觉，要主动进行自我评估，包括更细的学院评估、专业评估、课程评估、教学评价等。Smartbi高校教学质量大数据分析挖掘平台支持教育部要求的院校评估，也可以通过学院、专业、课程等对学校的教学质量进行多维度自评，支持评价指标的自定义配置。每个维度的评价都包含了自我评价、专家评价、评价结果、问题整改等流程，并基于这个流程进行循环，形成闭环评价机制，下面以专业评价为例进行说明。

　　1）、专业自评

　　打开某个具体的指标观测点，自评人员填上优缺点，对该指标观测点的自我评价，同时上传相关指标观测点的支撑数据和支撑材料：

　　2）、专家打分

　　专家打分和提建议都必须有理有据，所以自动关联了对应指标观测点的支撑数据和支撑材料，还有刚才院系评审完毕后自动生成的自评报告：

　　3）、评价结果

　　可以直观的看到各个专业的得分排名情况，排名靠前的专业，应该继续加强，而排名靠后的专业，可能存在某些不足，可以根据专家建议，查漏补缺：

　　2、多方面分析

　　大数据之“大”，不在于其表象的“大容量”，而在于对数据进行分析的“大价值”。除了对数据进行描述性的统计报告之外，体现数据价值的关键在于以多样化的方式应用数据。对于教学质量评价来说，采集多方面的数据，对评价的结果进行分析挖掘，可以让教育行政人员、教师、学生家长等做出更加科学、准确的决策。与传统“拍脑袋”的教育决策相比，大数据使高校教学质量评价分析的深度、广度以及细分度不断延伸。在Smartbi高校教学质量大数据分析挖掘平台中，也提供了不同的主题对评价结果进行多方面分析，下面举几个常用的主题进行说明。

　　1）、领导驾驶舱

　　包含目标定位、师资队伍、学生、课程、学科专业、核心指标预警等子主题，校领导对全校的教学状态一目了然，也可以对这些主题进行深入的解读和分析：

　　2）、课堂教学质量分析

　　通过分析课堂到课率、考试成绩数据、课堂互动数据、评价数据等指标建立优秀课堂模型，对学校课堂教学质量及时有效的监测、激发师生共同敬畏课堂，解决如照本宣科、互动少等的课堂问题，提升培养过程的教学质量：

　　3）、学生成长分析

　　分析学生在校行为、课堂行为、宿舍行为、上网行为，分析学生学习状态、生活状态、心理状态、家庭状态，实现了解学生、掌握学生、服务学生：

　　还可以通过学生画像和行为轨迹，挖掘学生异常行为，精准的分析学生安全、学生学业、学生生活情况，提前预警、早期干预、精准帮扶：

　　4）、专业综合分析

　　专业的分析分为三级，第一级是教育部层面有专业评估的需求，重点为专业核心指标的检查和专家诊断，以是否能够达到专业持续运行要求为主;第二级是教育厅层面对省内各个高校的专业进行细化评价评比，以是否达到合格标准为要求，作为建设一流专业的门槛;第三级是学校层面申请，组织领域内专家对自己优势专业进行最细粒度的审核，通过持续改进机制以达到国际先进水平为目标：