南京财经大学张庆民主持完成了江苏省高等教育学会2021年江苏高校“教学研究工作”专项课题“超星大数据驱动的“全景式”教学质量评价与提升研究”（课题编号：2021JSJY065），课题组主要成员：万兴、吴士亮、欧亚。

一、课题研究进展与价值
     (一)提出教育数字化转型下的教育大数据过程管理框架。采用数字化方式对教、学、考、评等业务进行集成融合再设计，使用一组通信领域和教育学领域的方法、技术和工具来策划、实施、监控和改进学习资源、教学过程、考试测评、管理服务四个关键场景的数字化。探索构建以教师、学生、教学、科研、财、物为核心要素的多级管理数据，打通教学、教研、课程、实践、资源等多个环节，确保教师、学生、管理者等获得高质量数据和信息。对教的数字化、学的数字化、考的数字化、评的数字化与教科管的数字化均要实现业务流程的数字化、业务过程的实时化、业务结果的可视化。
   （二）构建大数据驱动的“全景式”教学质量在线测度模型。大数据有利于发现在教学供给过程中涌现出的传统线问卷难以捕捉到的教学质量特征，通过事前质量策划、事中过程质量监测、事后质量综合评价实现教学质量的在线测度。基于APQP方法，其事前质量策划的主要功能是基于服务过程中的各类质量数据与相关公共资源，致力于制定满足学生满意度等质量目标；事中过程服务质量监控的关键是如何有效利用大数据下的学习需求质量链、平台质量链、教学质量链形成一体化教学质量系统；事后质量综合评价更多地考量整个教学服务精准供给系统性地服务质量，涉及教学服务质量的要素多、覆盖面广、评价周期相对较长等特点，对整体评价在线教学质量供给具有全局意义。
  （三）设计大数据驱动在线教学质量智能评价新模式。传统教学测量评价大多采用局部事后的少量数据，教学质量的评价是局部、片面、滞后的，当前院校所使用的基本是以教师讲授灌输为中心的课程教学测评模式。大数据驱动的教学服务精准供给新模式贯穿着一种“以学生为中心”代替“以教师为中心”的教学服务合作协同新模式。大数据驱动的“全景式”在线教学准供给新范式是基于多源大数据，由大数据基础层、应用层、决策层、服务层构成，该模式形成了以“由下而上”学生需求为导向，以大数据挖掘为基础，通过多主体在线参与化、服务流程连接化、服务决策实时化、质量管控过程化的“全景式”在线教育服务，实现了“实时数据挖掘—数据模型决策分析—人为辅助制定政策推进实施”的在线教学质量评价模式。
  （四）建立大数据驱动的在线教学质量评价指标体系。在线教学本质上是教的供给侧与学的需求侧之间在线化的精准匹配问题。事实上在线教学供给过程是基于超星等教学平台的多教师参与、多学生参与、多任务组成的复杂系统教学线上配置过程。这里从在线教学实践的学习需求侧、教学供给侧以及教学课程资源三个方面建立“全景式”在线教学质量评价指标体系。学习需求侧由学生个体特性组成的主体域、网课学习者需求构成的需求域、在线呈现的学生学习情况的效果域组成；教学供给侧包含教师在线授课、在线答疑的视频域和交互域组成；教学课程资源包括在线平台行教师上传的课件、视频、图片、音频、文档等所有资源。
  （四）提炼大数据驱动的“全景式”在线教学质量提升的内在机制。基于大数据的三个基本特征（全样本、非精确、相关性）与在线教学体系与模式特征，探讨“用数据驱动决策”，以大数据思维、大数据技术和大数据资源为基础的质量提升机制。提出由主体联结+平台链接+业务连接组成的在线教学质量体系的拓扑结构、由事前质量策划+事中质量监测+事后质量评价组成的在线教学质量链。做到事前根据历史数据合理设计在线教学相关事项，事中根据实时数据监控在线教学质量水平变化并及时获取学生发帖、回帖等状况，事后不断跟踪学生反馈和系统数据变化情况进行在线教学质量综合评价。通过实施教学质量链管理将极大地提高应对在线教学“全景式”服务供给能力与质量。
  （五）大数据驱动的“全景式”在线教学质量评价方法。针对大数据分析的评价方法，在研究文本挖掘、内容分析、社会网络分析、机器学习、商业智能等数据分析与可视化技术方法的基础上，不仅采用成熟的服务质量评价方法，也利用大数据分析方法开展研究。成熟的服务质量评价方法包括AHP和熵权法、聚类分析、满意度测评方法等。大数据驱动的“全景式”教学质量在线测度体系遵循“数据导向、质量导向、实时导向”原则，强化教学质量的“全过程、全景式”测评，对教学设施、教师教学、学生学习等方面进行整体质量评价，利用大数据分析方法分析数据中关联关系，绘制教师和学生的用户画像，实现对教学域、学习域的精准识别。
  （六）提出适应新时代教学大数据促进在线教学质量提升的理论框架。提出适应新时代教学大数据促进在线教学质量提升的理论框架，为在线教学质量提升新思路，形成新方略。基于大数据驱动的在线教学精准供给研究新视角，构建以“学生需求”为中心，建立大数据驱动的“全景式”在线教学预测、实施、监测一体化的精准供给模式，开展在线教学供给事前策划与预判、事中规范高效执行、实施过程质量实时监测与事后教学供给效果综合评估的思路，对有效改进在线教学质量与具有现实意义。框架重构的关键是基于大数据的需求识别，优化教学资源，实现精准施策，建立“联网+教学”的服务新模式；质量测度的重点是实现在线教学的过程重构，质量测度传递了教学质量管理由事后评价延伸到全过程管控的新思路。框架的核心是学生需求，运用大数据资源实现了从传统教学向大数据驱动的在线教学评价的转换。提炼的新框架是开展“全景式”在线教学质量评价的理论基础，是对实现新路径全过程的质量测度。 
  （七）教师大数据驱动的“全景式”在线教学质量评价的实践分析。基于两个学期的超星平台大数据，根据上下两个学期的教师数据比较分析了在线教学质量情况，为下一步继续推进在线教学服务提供重要的参考。在教学供给侧，主要对专业教师教学质量进行评价。针对线上授课教师数量来说，目前已有了固定和一定规模的线上授课专业教师数量；从在线课堂互动情况分析，两个学年的专业教师线上参与度基本稳定，说明部分教师已经深度参与了线上教学；从教师发帖量分析，发现部分专业教师已经习惯性地深度使用在线教学平台；从专业教师建课情况分析，在线活跃课程数量稳定，这些课程将成为持续推进在线教学的主阵地；从教师上传资源情况分析，部分在线活跃度高的教师是上传教学资源的主力军。
  （八）学生大数据驱动的“全景式”在线学习质量评价的实践分析。同样基于两个学期的超星平台大数据，根据上下两个学期的学生数据比较分析了在线学习质量情况。从学生在线参与度分析，约85%的学生参与了整个学期的在线学习；从学生发帖、回帖数量分析，学生参与次数和参与频率不算高；从线上完成作业情况分析，线上作业完成的质量一般；学生两个学期的整体签到率较高。
二、下一步举措
  （一）建立持续投入在线教学的专业教师队伍和线上课程的培育机制。针对后疫情时代，遴选一批优质的线上、线上线下混合式课程、线上教学参与度高的专业教师队伍持续开展在线教学全过程的培育。目前，超星学习通平台已经培育了一批优质的在线课程、拥有了一批从事线上教学的专业教师队伍。如何持续支持、服务好这类专业课程与专业教师，建立什么样在线教学大数据助力在线教学质量提升、制定什么样的在线专业教师培育机制促进他们在线教学能力提升，更好地适应线上教学改革，这些均可作为在线教学平台下一步的发力点和重点服务对象。
  （二）重视学生在线学习与教师在线教学一体化教学质量评价体系建设。教育数字化转型要求发动多主体在各个层级、各个价值链上采用数字技术（如高级分析、人工智能、自动化和流程数字化等）改变教、学、考、评等管理方式，以满足日益增长的数字教育需求。数字教育成功的基础在围绕业务链、运用数据链实现流程再造，如通过课程教材、教育内容、教学模式、评价方式、教师能力、学习环境等流程再造实现全系统的教育数字化。要加快实现教育内容和教学过程等教育流程的数字化再造，让数字教育真正改变课堂教学，打通教学、教研、课程、实践、资源等多个环节，形成以师生为核心的一体化在线教学质量评价体系。
  （三）从教育高质量发展视角重构大数据驱动的在线教学质量管控评体系。近年来，各高校积极投入到线上教学，学习通平台积累了大量教的数据、学的数据、课程的数据、资源的数据、考的数据、评的数据等，为学习通平台从多个维度对在线教学质量进行控制与评价提供了数据资源。教育大数据成为推动教育高质量发展的重要生产资料，是开展在线教育质量管理、控制与评价的核心数据，搭建“以学生学为中心”与“以教师解惑为场景”的在线教学模式，以大数据思维、大数据资源、大数据技术为基础，推动形成以学生大数据驱动的“全景式”在线学习质量与教师大数据驱动的“全景式”在线教学质量管控评价体系，建立教育大数据驱动的在线教学质量的管控评一体化模型，促进在线教学质量提升。
  （四）强化大数据平台的数据、算法与算力等数字计算能力建设，积极融入国家教育大数据云平台。教育数字化转型的目标是应用数字化技术改变传统的工作思路和流程，形成数字化治理体系和机制，提升数字素养，构建智慧教育发展新生态。为实现学生、教师、课程、资源的千人千面画像，激活学习通平台中的各类大数据、加强学习通平台的各类智能算法与计算模型开发、强化平台的计算能力建设等尤为重要，夯实学习通后台底座，也为全面推动企业教育平台与国家智慧教育公共服务平台的共建共享奠定基础。