摘要：目的：探究在时尚设计智慧教学资源库平台上，建立艺术设计类AI人工智能教学质量督导评价的构想，以及AI人工智能教学质量督导评价模块应达到的功能。方法：浅要分析学院现有的传统人工教学质量督导的劣势，以及针对传统督导评价模式进行信息化、人工智能督导评价功能探究。结论：研究分析出艺术设计类AI人工智能教学质量督导评价模块用达到的具体功能。

关键词：时尚设计专业群；艺术设计类AI人工智能教学质量督导评价；功能

1、时尚设计专业群以及专业群对接时尚产业链的基本逻辑

上海东海职业技术学院艺术设计学院现开设服装与服饰设计、环境艺术设计、室内艺术设计、艺术设计（多媒体广告设计）四个专业。2022年学院成功申报上海市教委高水平专业群项目。时尚设计专业群是以服装为核心专业、以艺术设计、环境艺术室内艺术为两翼的专业群。时尚产业链特指学院所在长三角一体化区域内、集中从原料到成品一体化的服装生产销售的产业链。即从原料，经过设计、制版、服装加工，再经过策划、广告、包装、展示、销售等企业单位组成产销链条。

只有当专业集群对接区域产业集群时，才能实现专业集群与产业集群协同发展，达到高职教育服务于地方经济发展的目的。时尚设计专业群（以下简称“专业群”）中的各个专业对应到时尚产业链中的产销环节开展教学实训和企业服务，以专业群为主干，融合产业链的企业，建成时尚设计产业学院。服务于学生、服务于教学实训、服务于产业链、服务于长三角一体化建设。专业群产教融合模式。专业群中的专业对接产业链相对应的环节，开展课程协同和实训协同，实现专业群中的人才培养、实训、教学团队三协同。以时尚产品的研发、设计、生产、推广传播、展示销售的全过程为纽带，各专业对应到具体产业链环节。

2、时尚设计智慧教学资源库

2022年上海市高水平专业群项目申报成功后，专业群建成了含有四个智慧实训室、21个智慧实训空间的“时尚设计中心”，拥有了交互能力和远程教学能力。经过一年的教学实践，专业群迫切需要通过整合各类信息化资源来提升和企业的协同程度，更需要信息化和智能化的手段提升教学和实训能力。借2024年“市级示范性专业教学资源库立项申报”项目契机，专业群在运行一年之际，尝试边建边用一套适用于专业群的、信息化智能化的教学资源库以满足校企教学、实训、设计的需求。在建设教学资源库的同时，搭车建设一套智能化、信息化、面对但不仅限于专业群的教学质量评价督导系统。

专业群各专业在多年的教学实训的实践中发现，传统陈旧的人工化、纸面化的教学评价督导越来越不适应在网络交互时代飞速发展的专业群，专业群希望有一套能实时数据反馈、实时评价、实时跟踪、能根据预先输入的主客观因子实现智能化教学评价督导的人工智能系统。

3、时尚设计专业群教学质量督导评价工作中存在的问题

教学质量评价是利用教育评价理论和技术对教学过程及其结果是否达到一定质量要求做出价值判断。不可否认，高职院校教学质量督导评价对于技术技能类教学实训的质量监控起着至关重要的作用，以至于各类高职院校仿照本科院校建立了督导处、督导室、教学质量监控室等机构，笔者所在院校也不例外，且惯例是聘请同类院校或高一级的本科院校中已退休的、具有丰富教学经验和教务管理经验的老教师担任督导。就目前而言，教学质量监控和评价工作对普通文理科专业的教学质量的提升起到一定的作用，也体现了一定的成效。但是笔者所在的专业群为艺术设计大类的专业群，学生规模680人，仅占在校学生7740人的8.8%。学院督导室并没有配备专门的艺术类督导，艺术类的教学质量督导评价仍然沿用普通文科理工类的督导评价模式，在督导评价过程中不可避免的出现了督导形式化、内容片面化、制度体系趋同化的现象。

到目前为止一级学院仍然是人工化的教学质量督导评价方式，信息采集也是原始的人工调查统计方式。当课表变更或者出现调课时，督导手里的课程表无法及时更新，会对督导的查课带来相当多的不便。另外，制作的督导课表使用率比较低，但是工作量大，一旦查课结束后就没有其它作用，形成了高投入低效率的情形；督导面对大量的调查记录，需要人工整理，还要对学生评教进行统计，对评教的有效性作出甄别，这些都是人工作业，增加了督导的工作量。而教学督导过程中仅仅是统计工作就占了督导的绝大部分上班时间，几乎无时间对对于任课教师个体的数据深入分析，只能对某个专业进行教学质量的整体评价而没有时间对个体教师进行深入的教学评价，督都解决不了，导更是无从谈起。

现有督导体制并不适应艺术类的课程。艺术类职业教育无论是教育教学体系、教育规律还是教学行为等机制均有别于其他学科的高等教育教学的基本模式，教学方法上针对性更强，教学管理上更加尊重学生的个性，教学过程中更加注重以技能培训和训练为主。对于课程教学所展开的质量评价，其中需要重点关注是在课程教学中如何科学有效地评价每一位学生的学习情况。艺术类职业教育的个性教学、示范性教学、针对性教学、辅导性教学还有普遍意义的理论性教学、实验或实践性教学等模式决定了艺术教育所具有的非规则性因素。所以现有的规则性督导评价模式并不适合实验实践性的艺术类职业教育。如实践性课程或者项目制课程，课程处于紧张的制作、辅导，甚至时常进出课堂、进出学校、进出企业的状态，就是课堂上也是网页、微信全开，不时与企业人员和上下游人员网络交流。完全就是企业办公室的场景，在督导看来就是乱糟糟的课堂无序状态，根本无法接受，更无法督导。

4、在教学资源库平台上实现针对本专业群评教工作的智能化构想

以智能技术为依托的在线教学质量评价促进了高校课堂教学模式的理念变革、体系再建、工具开发和资源再调配。智能时代在大数据、互联网、人工智能等技术支撑下，基于教育数据挖掘，结合教学领域知识，提升教学智能化水平是当前在线教学应对日益增长的大规模个性化教育需求提质增效的重要实现路径。资金紧缺的民办高校也非常清楚信息化、集成化能带来效率的飞速提升和成本节约，但需要前期的硬件系统和软件系统的大量投入。笔者所在的民办高职通过教学团队的勤恳耕耘，近年来连续成功申报各类项目，获得一系列政府专项经费，目前正在积极重建更智能化的教务OA系统，也希望在OA系统上实现更智能化的教学质量督导评价模块，但可以预见的是，新的OA系统并不会为占小比重的艺术类设置专门的教学质量督导评价页面，要解决艺术类教学质量督导评价智能化的问题，还须立足专业群自力更生建设。市级高水平专业群的专项建设给解决这个问题创造了契机。2024年，专业群决定持续投入，边建设边使用教学资源库。并在资源库平台上搭建AI教学评价督导模块，借助平台记录下教学环节的各项数据指标，包括教师发布任务的情况、师生互动情况、学习资源发布与更新情况、线上与线下教学考核等，为动态监测提供精准的数据支持，简化监测方式，提升监测效率与准确性。在资源库上实现教学智能化和集成化的功能，特别是要有教学质量督导评价的智能化功能。这就要从教学资源库的建设伊始，针对艺术设计类教学实训的特点，开发出适合艺术设计类教学质量监控的督导系统，将督导从原始的人工调查统计法，改变为利用先进的互联网技术、发挥教学资源库的网络信息集成的强大优势，将网络化的信息收集、统计及流行的人工智能AI分析手段应用于教学质量督导评价工作过程，动态记录教师教学实训活动、灵活设定统计、AI随时随地的分析、及时给个体教师乃至给个体学生教学建议和学习建议。

目前，专业群和资源库平台的软件设计方还在探讨教学质量监控评价模块针对艺术设计专业所实现的功能框架。首先，教学质量督导评价模块应当使用便捷化。考虑到邀请的艺术大多数督导老师的电脑信息化不熟练，使用信息化手段进行评教的模块应该更大程度地考虑用户的使用便捷性，照顾到不同年龄层面教师及学生的信息化素养水平，降低系统的使用门槛；要从艺术类用户使用体验考虑，例如按钮式、傻瓜式的操作，降低系统使用门槛，覆盖不同的终端，使用手机、pad或者电脑都可以随时随地进行评教的任务发起及回复，为教师、督导、学生的评教工作提供最大的便利。

其次，评教模块的系统需多样化、灵活化。评价指标、指数、因子应具备标准多样化、指标灵活化的特征，以实现评价系统的科学性和公正性。专业群正在探讨将技能大赛的客观+主观的艺术设计作品的评价模版植入督导评价系统中，可以由学院和专业群个性化定义各项评价指标，形成专业群特有的客观分评价指标库，同时，根据不同专业不同年级的要求，组成不同的评价体系标准问卷，满足专业群各专业的需求。

最后，资源库教学质量督导评价模块必须要能辅助专业群教学管理岗位进行教学实训管理、对教学质量评价进行决策，服务于时尚设计专业群的教学管理、对教学质量进行监控、掌握及分析数据，并能借助人工智能AI及时提出质量预警、教学事故预警、及时给与个体进行智能评价建议。助力专业群完善质量评价体系和质量保障体系。根据上述的设想，教学资源库必须要实现的教学质量方面的功能基本上定为六个。

5、教学资源库的专业群教学质量督导评价模块要做到的系统功能

功能一，资源库要能智能化的生成针对艺术设计类课堂教学的督导评价问卷。前提是输入课程标准人才培养方案，让系统智能判断，自由组合问卷形式；能根据作业的评价方法来智能设置评价指标且能自由定义评价指标，各个专业还可以搭建符合本专业特点的评价问卷。

功能二，能形成各种方式的督导评价问卷。多类型的评价方式比如普通的公开问卷，针对专业教师的评教师问卷、针对学生的学生互评问卷、教师评学生的问卷。教师评专业、学生评专业的问卷、评实训问卷、评竞赛问卷等等、利用专业大数据和人工智能来生成多角度、多方向的评价；问卷发放设置智能化，还能智能判断一些无效的问卷并进行过滤、能进行问卷隐私设置、对出现不符合思政，有不良倾向的问卷能通过网络大数据的关键词实现预警，防止出现督导评价事故。

功能三，基于大数据和艺术类专业数据、本专业群的人培、教案、课程标准数据而实现基本准确的教学评价分析报告。人工智能评价报告能从教室上课数据、实训情况数据多角度分析、多形式、形成报告。可以自动将各专业、各年级、各班级形成的高中低评分，平均分对比，各专业各指标得分对比，完成率对比，教师得分排名一览等功能；这些人工智能的评价报告生成后，会自动提交给教学评价督导室，给督导们的质量监控提供数据支撑。

功能四，人工智能评分功能。设想是先开发出教学评价的主观+客观教师综合得分程序：主观成绩指态度、课堂活跃度、创新程度、学生满意度等主观因素。客观成绩指知识点覆盖、技能点覆盖等客观因素。再将数据进行汇总，设置不同的权重，得出教师综合得分。

功能五，教师综合能力智能评价。包括教师专业技能、授课技能、实训技能、项目管理能力、课赛融合能力。这主要通过整个学期或者学年教师参加各类技能大赛、授课评分等数据进行智能评价。此评价不作为教学督导的参考值，仅仅作为教师自身的自评参考值。

功能六，录播过滤功能，人工智能过滤不符合思政、不符合局势情形，将不符情形直接提供给录播教师，请教师进行文字修改，系统根据文字自动匹配生成还原视频。最大程度用人工智能规避教学风险。

6、教学质量督导评价报告的智能自动生成

除了上述针对艺术类的教学质量监控和评价的功能以外，教学资源库的教学评价还有一些常规化的功能。支持管理员在后台生成学评教校级/院级报告，对学生的评教数据进行汇总分析，生在报告后支持在线编辑，同时支持导出word，报告包括：评价完成情况、教师覆盖情况分析、课程覆盖情况分析、教师教学质量分析、课程质量分析等。

最后还要给教学质量评价督导系统增添近期流行的，在教委层面比较认可的数据可视化功能。例如智能生成教师个人画像或者数据图谱功能。此画像不仅能对教师进行卡通化插画画像，还能通过对督导领导的听课数据、学生的评教数据进行汇总分析形成教师的数字画像，其实就是数据描述。画像内容包括开设课程门数、被评次数、个人平均分与院系、全校平均分对比情况、个人历年平均得分趋势等。然后能形成本学期听评课数据与学评教数据汇总，以数据大屏图谱的形式直观展示。包括院系教师排名、课程质量排名、被评教师数等统计数据。

就在本文收尾之际，我已将现有的时尚设计教学资源库向教委申报“市级示范性专业教学资源库”，并在申报书中规划了此项教学质量评价督导系统的功能构想。在2024年的资源库建设中，就要将上述教学质量评价督导系统的功能构想和委托企业进行前期系统开发。并在现有的教学资源库平台上试验运行。最终获得运行数据再来完善本篇论文，或另写一篇关于智能教学质量评价系统运行的相关文章。

作者简介：葛颂（1976.2-）男，汉，安徽蚌埠人，研究生，副教授/高级工艺美术师，艺术设计学院副院长，研究方向：艺术设计/职业教育

参考文献：

[1]王蕾.高职专业集群对接区域产业集群的机理研究[J].时代经贸，2023，20（6）：156-160

[2] 陈玉琨.教育评价学[M].北京人民教育出版社，1999：70.

[3] 徐瑶.高职艺术设计专业教学督导工作的探索——以苏州工艺美术职业技术学院为例[J].江苏工程职业技术学院学报，2019，19（3）：104-106

[4] 孙恩乐，黄慧民.构建科学的艺术设计教学督导与评价机制[J].艺术探索， 2009， 23（4）：2.DOI：10.3969/j.issn.1003-3653.2009.04.029.

[5] 李玉明，姜显臣.基于AHP-模糊综合评价法的艺术类院校教学督导评价体系研究[J].吉林省教育学院学报，2023，39（6）：62-68

[6] 张庆堂，孙移，沙印.基于超星泛雅平台的混合式教学质量评价体系的构建实践[J].中国新通信，2023，25（12）：60-62

[7] 郭振山，沈晓平.教学督察和指导制度的建构——设计艺术学院教学质量督导工作事志[J].北方美术：天津美术学院学报，2011（2）：69-70

[8] 刘永林，周海涛.后疫情时代高等在线教育治理：实践逻辑与政策应对[J].中国电化教育，2021（3）：8-14

[9] 马星.基于大数据的高校教学质量评价体系构建[J].国内高等教育教学研究动态， 2018， 000（015）：P.10-10.

[10] 郑钊.AI赋能智慧教学质量评价体系与动态监测创新研究[J].中文科技期刊数据库（引文版）教育科学，2023（2）：0150-0153