高校教学常态监测数据的优化处理
[关键词]常态数据监测；学生评教；教学水平评价；评教指标体系
[中图分类号] G642.0 [文献标识码] A [文章编号] 2095-3437（2017）10-0025-03
高校建立本科教学基本状态数据库，采集教学常态监测数据，可帮助学校实时监控教育教学过程，有效落实人才培养中心地位，切实提高人才培养质量。2011年，教育部颁布了《关于普通高等学校本科教学评估工作的意见》（教高〔2011〕9号），文件中提到“高等学校要充分利用信息技术，采集反映教学状态的基本数据，建立高等学校本科教学基本状态数据库。高等学校对数据库数据要及时更新，及时分析本科教学状况，建立本科教学工作及其质量常态监控机制，对社会关注的核心教学数据须在一定范围内向社会发布”。2011年12月28日，时任教育部部长袁贵仁也曾强调，我国要建立普通高校教学基本状态数据库，发布教学质量年度报告，使高校教学状态和教学质量的监测信息化、常态化。
利用当今高速发展的网络技术及数据库技术建设反映高校教学状况的教学基本状态数据库有以下几个好处：一是可以加快学校管理信息化进程，促进学校管理标准化、规范化，决策的科学化，服务于质量评估；二是可以提高评估实际效果，完善监测评估体系，定期发布监测评估报告，形成常态监控的机制[1]，也是高校教育信息化发展的必然趋势。
教学基本状态数据库就是利用信息和网络技术，按照教学工作的基本规律，把高等学校与本科教学工作密切相关的数据按照一定的逻辑关系组织起来，以数字化的方式呈现出来，形成系统化的、反映高等学校教学运行状态的数据集。[2]通常而言，数据库采集的数据大都是原始的数据，要使其变得真正有价值，就必须要经过一个优化处理的过程，以提高数据的有效性和可靠性。[3]高校学生评教是由学校组织学生对教师的教学态度、教学方法和教学效果等方面进行评价的活动，已成为各高校进行教学质量评价的不可或缺的一项制度，对促进教师教学水平的提高发挥了一定的积极作用。[4]同时，学生评教作为高校教学常态数据监测的重要组成部分，目前已被许多高校作为教师教学水平评价的重要依据，其结果直接影响着教师的自身生涯发展和高校教学质量的提升。
随着学生评教制度的重要性日益增强，如何进一步提高其结果的有效性与可靠性成为教学研究者的研究内容。通过阅读文献发现，多数研究者主要是针对学生评教定位是否准确、评价指标体系是否科学、学生是否有评价能力、评价过程是否公开透明等问题从顶层设计上开展研究，少有针对评教数据处理的研究。基于此，本文结合我校实践，详细介绍了对学生评教数据进行系统化纠偏的方法，纠偏处理后的学生评教结果最大限度地保障了学生评教是对教师教学水平的客观反映。
一、去除重修学生的评教数据
SQL Server 2000是Microsoft公司的数据库服务器产品，是一种采用SQL语言的关系数据库管理系统，有着强大的数据存储、查询、更新、删除等功能。它具有良好的性能稳定性、强大的可伸缩性和可靠性，已经成为新一代Web应用程序的最佳数据库和分析解决方案之一。SQL是英文Structured Query Language的缩写，即结构化查询语言，SQL语句可以用来执行各种各样的操作。目前，绝大多数流行的关系型数据库管理系统，如Oracle、Sybase、Microsoft SQL Server等都采用了SQL语言标准。[4]
在学生评教活动中，學生是评教的主体，评教是作为学生的权利和责任存在的。每一位学生无论成绩好坏，表现如何，都有参与评教的责任和义务。然而，对于重修学生来说，由于种种原因，可能存在因为重修而导致其对任课教师评价不客观的情况，这种可能存在的情 况会导致评教数据可信度下降。所以，在对学生评教数据进行统计分析时，应对这些重修学生的数据进行必要的人工干预，在所有评教数据中找出它们并加以剔除，此种做法可以在一定程度上减少学生评教结果的失真度，保障评教数据的可信度。图1即为评教数据在导入到SQL Server 2000服务器后再利用SQL语言去除重修学生评教数据的过程。
二、利用“截尾均值”法去除前5%和后5%的评教数据
“截尾均值”是指在一个数列中去掉两端的极端值后所计算的算术平均数，也称为切尾均值。最常见的截尾均值的例子是在一些比赛中，计算选手的最终得分需要“去掉一个最高分，去掉一个最低分”，这种处理方法，即为计算截尾均值的方法。由于截尾均值去掉了数列中影响数据稳定性的极端值，从而具有较好的稳健性，不易受到极端值的干扰。在数据序列本身存在少量错误的情况下，通过有效地判定极端值，并将极端值去掉来计算算术平均数，可以获得较为真实地反映数据情况的平均指标。
学生评教过程受很多因素的影响。对学生来讲，有时会因一些不确定的心理因素导致对任课教师打分过高或者过低。[5]如果不对这种情况加以纠偏，会在一定程度上影响到学生评教结果的客观真实性。为提高评教结果的有效性与可靠性，对可能存在的这种情况下产生的评教数据必须加以纠偏处理。
利用截尾均值法，对于任何门次的课程，我们采取去掉得分在前5%和后5%的方式对评教数据进行纠偏。比如，对于某位教师的某门课程，共有100名学生进行评教，那么按评分的高低排序后，去掉评分在前5%的学生即100×5%=5名学生和评分在后5%的学生即100×5%=5名学生的评价，最后采用中间90名学生的评教数据。这种去掉最高分和最低分的数据纠偏处理办法更容易让教师理解和接受，也为评教结果的有效性与可靠性提供了支持。图2即为学生评教数据去除前5%和后5%的过程。三、按课程类别分类计算评教成绩
对于一所综合性大学来讲，学校设置的学科专业相对较多，开设的相关课程门类也很多。然而，不同类别的课程之间往往在教学方法、教学内容、教学安排等方面存在着很大的区别。[6]比如，对于外语课和体育课，这两种类别的课程无论在教学方法还是教学内容方面都有着显著差异。如果不考虑不同类别课程之间的这种差异性，而只是简单地用同一种标准去衡量这两种类别的课程显然是不科学、不合理的，基于同一种标准的评价结果也难有很强的说服力。要处理好这个问题，一方面，对于不同类别的课程应制定不同的评教指标，比如在教学方法方面，外语课应注重教师的发音是否标准，而体育课则应注重教师在技术动作方面是否细心指导。另一方面，在数据处理过程中，应按照课程类别的不同对课程进行类别划分，把教授相同类别的课程的教师放在一起进行比较，也就是说，在所有教授外语课的教师之间进行比较，在所有教授体育课的教师之间进行比较。显然，教授同一类别课程的教师之间进行比较更具有科学性和合理性，结果也更有说服力。图3是对一些公共基础类、辅导员系列课程进行种类划分。
图3仅展示了一些公共基础类、辅导员系列课程的类别划分。在评教实践中，需要根据课程性质对全部课程进行“理论课”“外语课”“体育课”“实验课”“艺术课”“实习实践课”“课程设计（学年论文）”“音乐课”等类别划分。
四、按学生年级分类计算评教成绩
在学生评教实践中，有不少教师持有这样的观点：教授学生的年级不同，学生的学习积极性、认真程度也不尽相同。比如，低年级的学生学习积极性高，管理容易；高年級的学生学习积极性不高，管理困难。将给低年级上课的教师和给高年级上课的教师安排在一起比较是不合理的。针对这种声音，学校通过多次召开教学讨论会进行广泛调研，听取教师代表和督导专家的建议，在目前保持对课程类别进行划分的基础上，又实施了按学生年级不同进行分类划分，对教授不同年级学生的教师分别计算评教成绩，即所有教授同一类别、同一年级课程的教师之间进行比较。如果一位教师同时教授不同年级的课程，那么分别按年级不同计算得分后，做平均处理。例如，某位教师分别教授2013级和2014级的外语课，那么在统计这位教师的学生评教成绩时，应分别计算出他和所有教授2013级外语课的教师之间进行比较后的得分以及和所有教授2014级外语课的教师之间进行比较后的得分，最终评教成绩为这两个得分的平均。这种对评教数据的纠偏处理方法得到了广大教师的认可，提高了评教结果的有效性和可靠性。图4即为按年级进行评教成绩计算的部分程序。
五、学生评教数据结果分析
学生评教数据经过“去掉重修学生数据”“利用截尾均值法去除前5%和后5%的评教数据”“按课程类别分类计算评教成绩”“按学生年级分类计算评教成绩”四步纠偏处理后，其客观性和真实性已经大大提高。下表为我校实行评教数据纠偏系统化处理以来，近三个学年（六个学期）的学生评教数据结果。其中，“教师总数”是指本学期被评价的教师总人数，“P”代表教师的评价成绩。可以看出，在所有被评价的教师中，获得优秀的教师比例在10%左右，良好比例在85%左右，评价较差的教师比例在5%左右。学校一直有学校督导专家和学院（部）督导专家对任课教师随机听课的良好传统，专家听课反馈记录完整详实。通过把学生评教结果和校院（部）两级专家的听课反馈情况进行对比发现，学生评教结果基本符合我校教师教学水平的现状，结果也得到了督导专家的认同。
六、结语
高校建立自己的教学基本状态数据库，对教学过程中的数据进程常态监测采集分析，可帮助学校通过自我诊断及时发现问题，找出差距，制定改进措施，并应用到与教学相关的各个环节中，进而避免学校问题的积累，推进教育管理信息化，提高工作效率，不断完善教学质量监控与评估体系。高校建立教学基本状态数据库对引导高校实现自身合理定位、全面落实人才培养中心地位，健全质量保障体系，切实提高人才培养质量和促进学校的整体发展等方面有着重要的意义。然而对于整个数据库系统而言，监测数据的有效性才是决定其真正发挥作用的关键。就作为教学常态数据监测的重要组成部分即学生评教而言，只有引导学生正确认识学生评教的重要意义，积极改进评价体系和数据统计方法。也就是说，一方面要做好顶层设计，建立合理的评价指标体系，使之适应当前的先进教育理念，另一方面也要加强底层设计，优化处理评教数据，不断提高评教结果的有效性和可靠性，才能使学生评教工作保持活力，充分发挥教学常态数据监测在学校发展中的积极作用。
[ 参 考 文 献 ]
[1] 李群英.地方师范大学本科教学基本状态数据采集的实践与思考[J].大学教育，2015（12）：38-39.
[2] 张兵令.浅谈教学基本状态数据在高校教学管理中的应用[J].大学教育，2014（6）：64-66.
[3] 胡海建，曲中林.本科教学水平评估视角下的高校教学基本状态数据库建设[J].高教探索，2013（1）：10-12.
[4] 任进，白文乐，曹淑琴.浅析高校学生评教急需解决的几个问题[J].教育教学论坛，2016（35）：216-217.
[5] 赵增敏主编.SQL Server2000实用教程（第2版）[M].北京：电子工业出版社，2008.
[6] 蔡子鸣.学生评教促进教师教学长进[J].江苏教育，2016（42）：74-75.
