摘要：课堂教学质量监控与评价是提升课堂教学质量的重要手段。当前，对课堂教学质量的监控和评价主要基于教师课堂教学行为，运用行为科学理论构建了课堂教学质量监控与评价指标体系，并运用数据挖掘技术建立了课堂教学质量预警系统，运用模糊综合评价技术建立了课堂教学质量的综合评价体系。该体系有利于充分发挥课堂教学评价的积极作用，进一步提高课堂教学质量，对中职学校改革传统的教师评价方式具有重要意义。

关键词：大数据分析；中职；教学质量监控；评价体系

引言

课堂教学质量监控与评价是提高课堂教学质量的重要手段，对于提升课堂教学效果具有重要意义。随着信息化、智能化时代的到来，大数据技术对教育的影响不断加深，教育信息化从1.0向2.0演进。大数据时代的课堂教学质量监控与评价面临新的挑战，首先是教师信息化能力不足，其次是数据量大且种类多，最后是数据处理效率不高。面对新挑战，教师信息化能力不足影响了教学质量的提升；数据量大且种类多，制约了信息资源的共享；数据处理效率不高，影响了教学质量评价的客观性。随着大数据技术和人工智能技术不断发展，课堂教学质量监控与评价逐渐从传统的课堂观察走向信息化、智能化，从个人行为走向大数据分析。通过课堂教学质量监控与评价体系对教师行为进行智能分析和诊断，能够及时发现教师存在的问题并进行预警，从而为改进和提高教师教育教学水平提供重要依据。本研究运用行为科学理论、数据挖掘技术和模糊综合评价技术对课堂教学质量监控与评价进行研究，从教学组织、学生学习、教师专业发展、课程建设四个维度对课堂教学质量进行监控和评价，并对课堂教学质量监控与评价体系中存在的问题进行分析，提出相应的建议。

一、研究背景

教学质量是学校办学水平的集中体现，课堂教学质量是学校教学管理的核心工作，是提高教育教学水平和人才培养质量的关键。课堂教学质量监控与评价的目的是通过课堂观察、问卷调查、数据分析等方式了解教师教学质量，发现问题，并在此基础上进行改进，从而不断提升课堂教学质量。随着教育信息化的快速发展，课堂教学质量监控与评价逐渐走向信息化、智能化，教师借助信息化工具记录、分析和评价教学过程，利用大数据技术对课堂教学进行诊断。本文将利用行为科学理论、数据挖掘技术和模糊综合评价技术对课堂教学质量进行监控与评价，从而为优化课堂教学提供指导。

（一）课堂教学质量监控与评价发展现状

课堂教学质量监控与评价在我国的发展历程是从20世纪80年代开始，目前还处于探索阶段，存在许多不足。如：在评价体系方面，现有的课堂教学质量评价体系大多是以课堂观察、问卷调查等方式收集数据，缺乏科学的数据分析；在监控和评价方面，主要是以教师个体的课堂教学行为评价为主，缺乏系统的课堂教学质量监控与评价体系；在方式方法方面，主要是以传统方式为主，缺乏信息技术支持。这些不足严重制约了课堂教学质量监控与评价工作的开展，因此有必要构建一种基于大数据分析的课堂教学质量监控与评价体系。本文将以课堂观察为例进行研究。

（二）大数据技术在课堂教学中的应用

目前，课堂教学质量监控与评价多以问卷调查和座谈形式开展，借助信息化手段获取教师的课堂教学行为数据。这些数据虽然可以反映教师的课堂教学状况，但存在着主观性强、信息不全、效率不高等问题。随着信息技术的快速发展，大数据技术作为一种新型的数据处理方法，为课堂教学质量监控与评价提供了新思路。首先，通过大数据技术可以从海量的课堂教学行为数据中提取有效信息，并利用这些信息对课堂教学行为进行分析；其次，大数据技术可以通过对学生行为数据、学习结果数据进行分析来了解学生的学习情况；最后，大数据技术还可以通过数据挖掘的方法找出隐藏在教学行为背后的规律，从而为课堂教学提供参考。

二、课堂教学质量监控与评价指标体系

课堂教学质量监控与评价是对课堂教学过程进行监测和评价的过程，是中职学校对课堂教学质量进行科学管理的重要手段。目前，中职学校主要基于行为科学理论来构建课堂教学质量监控与评价指标体系，主要从教师的教学行为、学生的学习行为、师生互动行为以及其他课堂教学质量的影响因素等方面进行考察，主要采用主观评价、专家判断、问卷调查等方法进行。而基于大数据分析构建的课堂教学质量监控与评价指标体系主要采用数据挖掘技术对课堂教学数据进行分析，对教师课堂教学行为、学生学习行为以及师生互动行为等进行大数据分析，在此基础上建立预警系统，形成由一级指标、二级指标和三级指标组成的评价指标体系（如图1所示）。根据行为科学理论，构建的课堂教学质量监控与评价指标体系主要包含三个方面：一是教师在课堂上的表现；二是学生在课堂上的表现；三是师生互动过程中的表现。通过对三个方面进行大数据分析，构建出相应的课堂教学质量监控与评价体系。

三、数据挖掘技术

数据挖掘是从大量数据中发现隐藏的、潜在有用的知识和规则。它是对大量的数据进行分析，从而发现数据中存在的模式或规律，它可用于决策支持、在线学习、市场预测、销售预测等方面。数据挖掘技术可分为基于统计方法的数据挖掘和基于知识发现的数据挖掘两类。前者主要针对分类问题，如客户信息的挖掘、客户关系管理等；后者则针对回归问题，如预测商品销售量、股票价格走势等。

根据数据挖掘技术在不同领域中的应用程度，可分为通用型和专用型。通用型数据挖掘系统是一种通用性强、可重用性高的数据挖掘系统，其分析处理数据能力较强，适用于多个领域；专用型数据挖掘系统则针对某一特定领域或行业的特点，具有特定功能。在中职学校课堂教学质量监控与评价中，专用型数据挖掘系统则主要针对某一特定方面进行分析处理，如在教学管理方面应用的课程评价系统。将数据挖掘技术运用到课堂教学质量监控与评价中，有利于提高教学管理工作效率和质量，从而促进课堂教学质量提升。

（一）聚类分析

聚类分析是数据挖掘的常用方法，它通过对样本数据的聚类，发现数据间的内在联系，揭示出数据中的有用信息。聚类分析是指将数据划分为不同类别的过程，主要分为三类：距离法、密度法和层次法。距离法和密度法是对一组数据进行聚类分析，而层次法则是对几个分类层次进行聚类分析。

距离法将样本数据划分为不同的集合，通过计算各样本点到最近邻、次近邻、最远次邻的距离，并计算它们之间的相似系数。将样本点归为一类，并以这类样本为中心形成一个簇。密度法是利用样本之间的距离来度量样本点之间的差异性，从而发现不同样本之间存在着内在联系。层次法则是将所有的样本按照其共同特征进行分类，即由一个或多个层次组成，每个层次对应于一个类别。

聚类分析是一种常用的统计分类方法，它是基于样品点之间的距离或相似性将样品划分为不同类别。在聚类分析过程中，需要通过聚类分析算法来确定样品点间的距离或相似性。在分类过程中，可采用密度法、层次法和距离法等方法来进行聚类。

（二）关联分析

关联分析是指从一个数据集中发现某些强而有力的关联规则，从而有助于人们发现隐藏在数据中的有用模式或知识。关联分析是数据挖掘中一种常用的方法，它通过从大量数据中找到内在的关联关系，从而在商业决策、市场营销、科学研究等多个领域中发挥着重要作用。

关联分析包括最大频度分析和最小频度分析。最大频度分析是指给定一组事务集，寻找每个事务之间的最大的关联，同时生成一个事务数据库。当某一类问题的数据量很大时，可采用最大频度分析算法。

在中职学校课堂教学质量监控与评价中，最大频度算法可以用于分析学生对课程学习程度和成绩之间的关系。例如，可以找出同一班级不同学生对同一课程学习程度和成绩之间的关系、同一班级不同学生对同一课程学习程度和成绩之间的关系等。该方法能够揭示学生对某一课程学习程度和成绩之间存在的内在联系。

（三）预测分析

预测分析是在掌握大量数据的基础上，利用模型算法对未来进行预测的过程，包括预测误差分析、模型评估和模型改进等。它是在对现有知识和信息进行挖掘，并对已有知识和信息进行集成、应用以及修改的基础上，建立未来事物发展的概率模型，从而能够对未来事物发展进行预测。在教育领域，预测分析主要用于教育资源的合理配置。例如，可以根据学生的学习情况对学生进行选课指导；根据教师授课情况进行课程调整；根据教学设施设备使用情况进行资源配置。预测分析作为一种有效的决策支持方法，在很多领域中都有应用。预测分析技术可以应用于教学过程的各个环节，如教学计划制定、课程内容安排、课程评价等。对于学生而言，学生可以通过学习成绩来了解自己在一定时期内学习情况。在这个过程中，学生可以根据自己的学习情况选择适合自己的课程和适合自己的教师。

预测分析技术是对知识、信息及行为等各种变量之间关系进行分析后，建立模型并对未来事物发展做出预测。例如，对于学生而言，如果他们认为自己通过努力学习后可以通过考试或获得奖学金来改善生活条件，那么他们就会选择努力学习；如果他们认为自己通过努力学习后可以获得一份工作或获得奖学金来改善生活条件，那么他们就会选择努力学习。此外，对于教师而言，如果学生认为自己通过努力学习可以提高教学质量或获得更高的收入待遇，那么就会选择努力教学。

四、预警系统

课堂教学质量预警系统是指根据课堂教学质量评价体系的各项指标，运用数据挖掘技术，对教师课堂教学行为的数据进行分析和挖掘，获得课堂教学质量预警信号，以便学校和教师根据预警信号采取相应的措施。在数据挖掘过程中，要保证挖掘结果的客观性、准确性和有效性。目前，课堂教学质量预警系统主要有两种类型：一是基于统计分析方法的预警系统，通过对课堂教学数据进行分析和挖掘，实现课堂教学质量预警；二是基于数据挖掘方法的预警系统，通过对课堂教学数据进行挖掘和分析，实现课堂教学质量预警。在大数据背景下，采用数据挖掘技术构建课堂教学质量预警系统具有可行性。

具体来说，中职学校利用数据挖掘技术建立课堂教学质量预警系统主要包括以下两方面内容：

（一）建立预警数据库

根据学校的实际情况，确定预警数据库的数据结构。其次，确定数据收集方式。

一般采用网络爬虫技术，将其他学校的课堂教学质量评价数据和本校的相关数据进行收集，形成一个庞大、准确的数据库。最后，对数据进行清洗和预处理。通过对课堂教学评价指标体系中各项指标进行分析，发现其中存在的异常现象或不一致现象，并通过各种渠道收集这些数据。然后对这些异常现象进行分类，并对不同类别的异常现象进行归类和总结，形成一个完整、准确的数据库。

（二）运用数据挖掘技术进行预警分析

运用数据挖掘技术进行预警分析的主要内容包括：课堂教学质量评价体系中的各项指标以及影响学生学习成绩的因素，利用数据挖掘技术进行数据分析，提取出影响学生学习成绩的主要因素，并以此为依据制定相应措施，以提高课堂教学质量。以学生课堂学习成绩为例，学校可以从以下几个方面分析影响学生学习成绩的因素：（1）学生的基础知识掌握情况；（2）学生的学习态度；（3）学生对所学课程的兴趣和态度；（4）教师教学方法及组织方式；（5）教师的教学效果；（6）学校管理方面。通过对上述影响因素进行分析，找出对学生学习成绩有影响的主要因素，并提出相应的措施，从而达到提高课堂教学质量和促进学生学习成绩提高的目的。

五、模糊综合评价体系

模糊综合评价是以模糊数学为基础的，是在专家意见的基础上，综合考虑各种因素，对被评价对象进行量化评分。这种评价方法具有操作简单、评价结果直观、操作性强等特点，因此得到广泛应用。它利用模糊数学的方法把定性的事物或概念量化处理，从而使其达到量化的目的。由于数学模型是在一定条件下对事物或概念进行量化处理后得出的，因此这种评价方法具有很强的灵活性和适用性。

课堂教学质量是一个涉及多方面因素的复杂问题，它可以用一个相对简单的指标体系来进行评价，因此本研究采用层次分析法确定各指标的权重系数，根据模糊综合评价模型来对课堂教学质量进行综合评价。

首先，依据上述指标体系和课堂教学质量预警系统得到各指标权重系数矩阵A：

其次，根据模糊综合评价模型构建课堂教学质量评价集U={u1，u2}。根据各指标权重系数矩阵A={u1，u2}，构建课堂教学质量评价矩阵R：

最后，依据各指标权重系数和综合评分值建立隶属度矩阵R：

（一）一级模糊综合评价

一级模糊综合评价是以各个评价因素的权重为依据，根据每个评价因素对各目标的隶属度，对各因素进行模糊评价，从而得到各因素的综合评判结果。

一级模糊综合评价主要考虑一级指标中的各个影响因素，在确定一级指标的权重时，主要参考两方面的意见：一是本研究制定的二级指标体系，二是在平时收集的资料基础上。由于本次研究主要是对课堂教学质量进行综合评价，所以二级指标体系中对于各指标重要性程度、权重以及隶属度都没有做出具体规定，在确定各指标权重时只参考了平时收集资料的结果。

（二）课堂教学质量预警系统

课堂教学质量预警系统是指根据对课堂教学质量评价结果的分析，判断出某一门学科或某一门课程的课堂教学质量处于何种程度的预警状态。本研究主要采用层次分析法来确定各指标权重系数，运用模糊综合评价法来构建课堂教学质量预警系统，实现对课堂教学质量的动态监控与评价，同时对评价结果进行分析和处理，以便于及时发现教学中存在的问题并加以改进。在该系统中，通过运用大数据技术，采集学生在学习过程中产生的大数据信息，包括学生在课堂上学习过程中出现的问题、学生对教师教学和课程资源的评价等，根据这些大数据信息结合层次分析法来判断课堂教学质量预警系统是否处于合理状态。

六、实施建议

第一，要改变观念。中职学校领导要认识到课堂教学质量评价的重要性，将课堂教学评价作为学校教师管理的重要内容来抓，从根本上改变传统的教师评价方式，在教学中体现以学生为中心的思想，重视学生学习过程，促进学生全面发展。

第二，要加强理论学习和实践探索。课堂教学评价是一项复杂的系统工程，需要学校领导、教师、专家学者等各方共同参与，充分发挥专家学者、教研组长的引领作用，不断提高理论水平和实践能力。

第三，要建立和完善课堂教学质量监控与评价体系。通过构建基于大数据分析的课堂教学质量监控与评价体系，促使教师加强专业学习和研究，不断提高专业水平和教学能力。

（一）中职课堂教学评价的流程

课堂教学评价的流程主要包括三个步骤：一是明确评价目的，即课堂教学评价的目的是促进教师不断提高课堂教学质量，使课堂教学质量监控与评价体系能够更好地服务于教学；二是制定评价指标，即针对具体的评价指标，根据中职学校专业特色、人才培养目标、课程标准等，制定出科学合理的评价指标；三是确定评价方式，即针对具体的课堂教学环节进行现场监测，通过问卷、访谈等方式收集信息并进行分析，从而得出课堂教学质量监控与评价的结论。如图1所示，中职教师课堂教学质量监控与评价的流程包括五个步骤：确定教学目标、设计课堂教学活动、收集课堂教学数据、分析课堂教学数据。

（二）大数据分析方法

在大数据环境下，课堂教学质量监控与评价系统可以采集到的数据包括：教师教的数据、学生学的数据、学校管理的数据等。其中，教师教的数据包括教学设计、教学反馈等；学生学的数据包括学生听课情况、学生成绩等。利用大数据进行课堂教学质量监控与评价，首先要对采集到的相关数据进行处理，然后将处理后的数据用于课堂教学质量监控与评价，分析结果是对课堂教学质量进行评价和诊断的重要依据。本文运用 SPSS软件对采集到的相关数据进行统计分析。首先，对教师教的相关指标进行量化，建立教师教与学生学指标体系。然后，用 SPSS软件中统计模块对教师教与学生学指标体系中各指标进行聚类分析，根据聚类结果将教师教与学生学指标体系划分为三类，即第一类为“不合格”指标；第二类为“良好”指标；第三类为“合格”或“优秀”指标。最后，通过层次分析法对各类指标进行权重计算。

结语

本文基于大数据分析技术，运用行为科学理论，构建了课堂教学质量监控与评价指标体系，运用数据挖掘技术建立了课堂教学质量预警系统，运用模糊综合评价技术建立了课堂教学质量综合评价体系。该体系构建了一套完整的课堂教学质量监控与评价机制，为中职学校教师和管理者提供了科学有效的教学质量监控与评价手段。该体系有助于及时发现课堂教学过程中存在的问题，促进教师改进课堂教学行为，提高学生学习的积极性和主动性。但该体系还存在一些不足：一是教师在填写课堂教学质量反馈表时，需对所有指标进行筛选和排序。二是仅通过课堂教学质量反馈表来收集数据，未能将教师在课堂上的所有行为数据纳入其中。三是未能将评价结果与教师职称评定、年度考核以及评优评先等直接挂钩。四是所建立的指标体系存在一定的局限性，需要进一步完善。

参考文献：

[1]张慧.基于大数据的课程教学质量监控与评价研究[J].创新创业理论研究与实践，2021（14）：3.

[2]马丽，刘雪峰，王颖.基于大数据分析的翻转课堂过程性教学质量评价体系的构建与应用[J].2021.

[3]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：高教版（中），2022（5）：4.

[4]石全珍，曹留成.大数据视阈下高职教学质量监控与评价机制研究——基于驻马店职业技术学院的分析[J].漯河职业技术学院学报，2021，20（3）：5.

[5]陶依贝.基于大数据的课堂教学质量评价体系构建[J].科技视界，2021（31）：2.

[6]徐正伟，马海峰.构建基于大数据与区块链的智能中职课堂云教学评价系统[J].中国信息技术教育，2021.

[7]邹立仁.基于大数据分析的高校教学质量监控与评价研究[J].文化创新比较研究，2021，5（4）：3.

[8]何力.基于大数据分析的高校教学质量监控与评价[J].中文科技期刊数据库（全文版）教育科学，2022（1）：4.

[9]陈亚囡.大数据背景下提升中职数学课堂教学质量的研究[J].数学学习与研究：教研版，2021，000（035）：P.98-100.

[10]王庆超，蒋晨曦.基于大数据的中职课堂精准教学模式构建[J].职业教育，2021.

作者简介：魏瑾（1980.06-），女，湖北武汉人，本科，武汉市供销商业学校讲师，主要研究方向：教育数据分析研究，教师发展。

基金项目：2022年湖北省职业技术教育学会科学研究课题《基于大数据分析的中职课堂教学质量监控与评价体系研究》ZJZA202222