| 标题 | 基于云计算的教学质量评价系统研究 |
| 范文 | 陈佳 吴兴隆 黄晋 摘 要：为了利用已有海量教学数据进行教学质量监控，并构建合理的教学质量评价系統，设计一个基于云计算技术的教学质量评价系统。系统平台架构分为数据采集层、数据存储层、数据分析层及数据显示层。该系统通过对大数据的挖掘与分析，能够更全面、合理地对教学质量进行评价，从而有效提高高校教学质量。 关键词：云计算;教学质量评价;大数据;数据挖掘;数据仓库 DOI：10. 11907/rjdk. 182186 中图分类号：TP319文献标识码：A文章编号：1672-7800（2019）004-0108-03 0 引言 提高专业人才培养质量，是增强我国综合国力、实现“十三五”规划各项目标的重要保证。2018年1月，教育部下发《普通高等学校本科专业类教学质量国家标准》（以下简称为“国标”），这是全国发布的第一个高等教育教学质量国家标准，该标准旨在建立健全教学质量监测与保障体系，从而提高高校教学质量。 教学质量是高校生存与发展的基础，也是高等教育国际化的必然要求[1-4]。因此，高校评估工作的重点之一就是教学质量评价。目前，随着信息技术的发展，各高校积累了大量评教数据，如学籍管理数据、成绩管理数据、人事管理数据等。“云计算”技术的出现，为高校低成本、高效率地利用相关数据提供了解决方案[5-8]。本文立足于教育信息化资源建设，针对“计算机科学与技术”专业特征，结合云计算平台的大数据分析，在评教资源共享平台上进行信息化教学质量评价设计，以期提高高等学校本科教学质量。 1 相关研究 南开大学是国内最早进行教学评价研究的高校，并取得了一定成果[9]。2005年，李继云等认为，采用定性或定量方式进行教学评价并不能获得全面、准确的评价结果，而应将定性与定量方法相结合，比如模糊综合评价法和层次分析法，从而更好地对教学质量进行评价。 综合评价方法可分为静态综合评价方法与动态综合评价方法。20世纪70年代，Saaty提出一种对复杂现象进行决策的方法，即层次分析法（Analytic Hierarchy Process，AHP）。将该方法应用于教学质量评价中，首先将教学质量评价因素分解为教学内容、创新手段、教学态度等多个因素，再按一定方式组成评价模型。该方法计算简单，实用性强。但层次分析法可能对因素分解过多，从而造成判断困难，而且很多环节需要人为参与，导致评价不够准确[10];另一种多目标决策方法逼近理想解排序法（Technique for Order Preference by Similarity to Ideal Solution，TOPSIS），将评价指标归一化后分别得出最优指标数据集和最劣指标数据集，并计算两个数据集之间的距离，采用最接近最优方案，同时又与最差方案距离最远为标准进行对象评价[11-12]。该方法排序明确，应用范围广。但TOPSIS法只能体现内部对象的相对距离，当增加或删除某些内部对象时，结果会发生较大改变，无法提供决策信息;1965年，美国的Zadeh提出模糊综合评价法（Fuzzy Comprehensive Evaluation，FCE），该方法建立在模糊数据理论基础上，利用模糊关系评价事物隶属的等级状况。模糊综合评价法能对对象进行模糊性评价，因而更加贴近实际结果，同时该方法还能对对象进行排序。但模糊综合评价法的各因素权重为人为主观设置，从而影响了评价结果的客观性[13-14];1982年邓聚龙提出灰色系统理论（Grey Theory，简称灰理论或灰论），之后冉燕辉等[15-17]依据空间理论提出基于灰色关联分析对对象进行评价的方法。该方法主要有两种途径：一种是首先选出反映各种特征的序列，然后计算关联度和关联系数，最后根据关联度对评价对象进行排序;另一种是先将教学质量进行灰色分类，然后确定指标权重并进行灰聚类分析，得到教学质量聚类等级。以上研究主要是基于完全信息的静态综合评价方法，而对于不完全信息下的综合评价方法主要有两种[18-19]：一种是对不完全信息直接进行处理，另一种是先将不完全信息转化为完全信息。 上述方法主要为静态综合评价方法，即如果只是在学期末进行评价，只需要“评价指标”和“评价对象”数据集。但是随着时间推移，教学质量可能发生变化，此时静态评价无法动态反映整个教学过程质量情况，需要采用多个时间点的数据建立三维立体数据集。目前有关动态综合评价的研究刚刚起步，因而鲜有报道，但其具有广阔的应用前景[20]。 本文提出基于云计算的教学质量评价系统，底层系统全面采集不同时间段的大量基础数据，中间层对大数据进行各类分析，最后进行分析展示，从而动态、全面、客观地对教学质量进行评价。 2 基于云计算的教学质量评价系统建设思路 针对高校教学质量评价中存在的问题，本文提出基于云计算的教学质量评价系统建设思路，以期为后期教学质量评价系统建设与实施打下基础。 2.1 传统教学质量评价系统中存在的问题 （1）评价指标不全面。教学质量评价需要充分考虑各个因素，能够充分体现教师综合素质，包括教学态度、教学内容、教学基本技能、教师知识水平、教研能力、教学设计与创新能力等。同时，随着信息化技术的发展，教师也应具备熟练运用多媒体技术及网络资源的能力。但目前评价指标涉及因素比较单一，无法全面反映教师综合素质。 （2）指标权值分配不合理。目前大多数高校建立评价体系时，为了工作方便，对各项指标采用相同权值或主观设定各项指标权重。然而各项指标的权重分配会直接影响评价结果，人为主观的设定不仅会降低评价结果的可信度，还影响后续评价数据挖掘。因此，对指标权重进行合理分配是完善评价体系的关键步骤。 （3）传统评价方法与手段评价效率低。目前高校广泛采用“求和法”或“加权求和法”等简单运算方法进行评价，因而无法实现跨班级、跨专业或不同院系之间的比较。同时，教学质量评价仍采用纸质表格方式让参与者打分，不仅浪费资源，还大大降低了工作效率。随着“云计算”技术的发展，资源网络化成为解决该问题的有效方法。 （4）大数据分析与应用问题。目前，各高校评教数据库中存在着大量数据，传统数据分析方法只能得到数据间的浅层次关系与信息，而无法挖掘出深层次的有价值的信息。因此，如何利用现有信息技术提取有价值的信息是教学评价实施的重要目的。 2.2 基于云计算的教学质量评价系统建设思路 从上述分析可以看出，传统评价体系存在一定主观性与片面性。为了减少教学管理者决策失误的概率，需要建立一套科学的教学质量评价体系。基于云计算平台，在大量数据有效组织的前提下进行评教数据知识提取，是提高教育管理者决策能力的重要手段。 3 基于云计算的教学质量评价系统平台设计 本文从评价系统工作流程出发，提出基于云计算的教学质量评价系统平台设计结构。将该平台分为数据采集、数据存储、数据分析与数据查询4个不同层次的平台，如图1所示。 3.1 数据采集模块分析与设计 数据采集模块为整个教学质量评价系统的基石，为了广泛地采集数据，将其分为3个子模块，分别为用户注册模块、用户登录模块与调查问卷模块。其中调查问卷模块又分为5个小模块，即领导评价调查子模块、督导评价调查子模块、同行评价调查子模块、学生评价调查子模块以及自我评价调查子模块。用户通过注册及登录模块进入调查问卷模块，系统自动判定用户身份从而进入不同评价调查子模块。通过对不同人群、不同院系专业以及不同课程的调查，大量收集数据。 3.2 数据存储模块分析与设计 采集大量数据之后，为了充分发挥数据效用，需要对数据进行整理，并实现从数据到信息，再到知识的转变过程。因此，本文采用数据仓库技术进行数据存储。 （1）面向主题的数据组织。根据需求，主题域设定为：教师、课程、单位。因此，数据组织如表1所示。 （2）数据仓库逻辑模型选择。星形模型是数据仓库逻辑模型的一种，其以事实表为中心，各维表通过键值与事实表连接，构成一个星型结构。该结构的最大优点在于通过一步连接即可获取所需的大部分数据，并快速得到结果，这在常规事务型数据库中是很难做到的。具体模型设置如图2所示。 3.3 数据分析模块分析与设计 在数据仓库基础上对数据进行分析，得出合理的教学质量评价结果。本文采用云计算技术，在Hadoop 平台上运行，并且主要采用并行化的MapReduce 编程模型。采用的分析任务包括聚类分析、关联规则挖掘、分类挖掘、预测分析及模糊分析。每一类任务有多种分析算法，比如关联规则分析子模块中包含Apriori算法、基于哈希表的优化算法、基于事采样的优化算法及FP-Growth算法等。这些数据分析任务在云平台上将分解成多个可执行的并行子任务，并在Map和Reduce上自动进行分解与合并，从而提高分析效率。 3.4 数据查询模块分析与设计 当用户请求查询各类评价结果时，为用户提供一种交互式操作界面，如查询计算机学院整体教学质量，评分为85分，并以图形化方式展现评分组成。用户如果发现某项分值较低，可以继续查询详情，包括哪些教师在该项评分较低并分析原因，从而作出决策。 4 结语 在“互联网+教育”的大背景下，针对传统教学质量评价系统存在的问题，提出基于云计算的教学质量评价系统。将评价系统分为数据采集、数据存储、数据分析与数据查询4个不同层次的平台，通过对大数据的挖掘与分析，能够更全面、合理地对教学质量进行评价。然而，该系统在教师授课教学评价指标设计方面还不够完善，未来需要对各项指标及其权重作进一步补充与完善。 参考文献： [1] 张国梁，朱汉. 高等教育国际化与人才培养的若干思考[J]. 辽宁教育研究，2002（10）：45-46. [2] 陶西平. 教育评价辞典[M]. 北京：北京师范大学出版社，1998. [3] 陈玉琨. 教育评价学[M]. 北京：人民教育出版社，1999. [4] 冷余生. 从质量争议看高等教育质量评价的现状和任务[J]. 高等教育研究，2007（3） ： 23-27. [5] 孔祥杰，杨卓，夏锋，等. 基于云计算的教学资源共享平台[J]. 中国教育信息化，2012（11） ：31-33. [6] 曹军委.? 基于云计算的教学资源共享体系的研究与实现[D]. 淮南：安徽理工大学，2012. [7] 高苛，华菊翠. 基于改进 AHP 法的高校创新创业教育评价[J].? 现代教育管理，2015（4）：61-64. [8] 岳守春. 基于计算机模拟的云模型评价方法研究[D]. 哈尔滨：黑龙江科技学院，2012. [9] TSAIWAI C，LIN J，CHEN K. Selecting a supplier by fuzzy evaluation of capability indices CPM[J]. International Journal of Advanced Manufacturing Technology，2003，22：534-540. [10] 董国玉，祁迎春. 层次分析法在高校课堂教学质量评估中的应用研究[J]. 中国成人教育，2017（9）：53-56. [11] 李婷婷. 加权 TOPSIS 法对本科生参与创新、开放型实验教学质量的综合分析[J]. 数理医药学杂志，2017（9）：1418-1420. [12] 王一任，任力锋，陈丽文，等. 一种新的改良TOPSIS 法及其医学应用[J]. 中南大学学报：医学版，2013，38（2）：196-201. [13] 黄海午，陶其林，程浩. 基于模糊综合评价法在教师课堂教学质量评估中的应用[J]. 教育教学论坛，2017（13）：200-202. [14] 戴春. AHP模糊综合评价法在项目化教学质量评价中的应用研究：以高职院校市场营销课程为例[J]. 成都师范学院学报，2017（3）：12-16. [15] 黃少珍.? 基于灰色聚类分析的新型教学评价在开放大学教学当中的应用[J]. 电子科学技术，2016（5）：654-661. [16] 冉燕辉. 基于灰关联分析的教师教学质量评价研究[D]. 重庆：重庆师范大学，2014. [17] 占辉斌. 基于灰色系统理论的《推销学》课程教学质量评价研究[J]. 科技视界，2015（2）：56-57. [18] 姚爽. 不完全信息下的综合评价方法研究[D]. 沈阳：东北大学，2009. [19] FEELGOOD S，SCHAEFER G A. Dealing with missing data[J]. Research Letters in the Information and Mathemat Sciences，2001，3（1）：153-160. [20] GUO Y J，YAO Y，YI PT Y I. Method and application of dynamic comprehensive evaluation[J]. Systems Engineering-Theory & Practice，2007，27（10）：154-158. （责任编辑：黄 健） |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。