孫彥超

摘 要：隨著教育信息化的不斷發(fā)展，高校采取各種手段評估課堂教學(xué)的質(zhì)量及效果，傳統(tǒng)的督導(dǎo)組聽課及學(xué)生網(wǎng)上評教等方式存在不能完全反映課堂教學(xué)的整體情況，同時評教結(jié)果帶有很強(qiáng)的主觀性。因此，筆者提出采用基于移動終端采集器，通過收集學(xué)生移動終端信號，進(jìn)而對數(shù)據(jù)整理并統(tǒng)計(jì)分析，綜合各方面信息得到更有效的課堂教學(xué)數(shù)據(jù)。從而幫助學(xué)校管理層快速準(zhǔn)確地作出管理決策。

關(guān)鍵詞：移動終端；數(shù)據(jù)采集；數(shù)據(jù)分析；數(shù)據(jù)展示

中圖分類號：TP315 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2016）03-0057-04

一、引言

隨著高等教育信息化的不斷發(fā)展，為有效提高教學(xué)質(zhì)量，許多高校都采取各種手段來評估課堂教學(xué)質(zhì)量和效果。傳統(tǒng)的做法是學(xué)校教學(xué)管理部門聘請具有多年豐富教學(xué)管理經(jīng)驗(yàn)的老教師為骨干，成立督導(dǎo)組，采用督導(dǎo)員聽課評價、學(xué)生網(wǎng)上評教等方式，對教師的教學(xué)情況進(jìn)行評估[1]。這些措施在一定程度上能使教師獲得一些反饋信息，促使教師更加注重教育教學(xué)效果。然而，這種評估方式不可避免地具有較大的局限性。首先，教學(xué)督導(dǎo)組對某位教師的聽課每學(xué)期只是一兩次，并不能完全反映某位老師某門課程的整體教學(xué)情況；其次，教學(xué)督導(dǎo)組和學(xué)生對任課教師的評價具有很強(qiáng)的主觀性和個人色彩，這種教學(xué)評價和管理方式缺乏客觀性和全面性，衡量不夠精細(xì)、全面和深入；而且，這種課堂教學(xué)評估只是針對教師，對于學(xué)生的課堂參與情況缺乏一種客觀衡量。教師并非每堂課都點(diǎn)名，如果為了統(tǒng)計(jì)學(xué)生的課堂參與而點(diǎn)名，會占用和浪費(fèi)寶貴的課堂時間。

在當(dāng)今的大數(shù)據(jù)時代，采用大數(shù)據(jù)技術(shù)和數(shù)據(jù)挖掘技術(shù)來進(jìn)行客觀有效的教育教學(xué)管理和評估是時代發(fā)展的要求[2]。大數(shù)據(jù)和數(shù)據(jù)挖掘技術(shù)，不單純依靠直覺和過往的經(jīng)驗(yàn)，不依靠有限抽樣的統(tǒng)計(jì)規(guī)律，更加客觀和全面[3]。通過對全體數(shù)據(jù)的分析，更能發(fā)現(xiàn)現(xiàn)象和事物內(nèi)在的關(guān)系，能夠發(fā)現(xiàn)更多的、深入的有價值的信息，從而具備更強(qiáng)的決策力、洞見發(fā)現(xiàn)力和流程優(yōu)化能力。

本文提出在學(xué)生上課的每個教室安裝移動終端采集器，統(tǒng)計(jì)每節(jié)課的上課人數(shù)、到課率、遲到早退時間等等格式化數(shù)據(jù)，結(jié)合課程表、學(xué)生成績表以及教務(wù)系統(tǒng)中更多的教師和學(xué)生信息，利用分布式計(jì)算基礎(chǔ)構(gòu)架，綜合各方面信息得到更有效課堂教學(xué)數(shù)據(jù)[4]。

針對以上問題和提出的解決方案構(gòu)想，通過在北京信息科技大學(xué)的各種教室，包括大教室、小教室、階梯教室，布放了81個“移動終端采集器”數(shù)據(jù)采集點(diǎn)，對采集的數(shù)據(jù)進(jìn)行大數(shù)據(jù)后臺分析和維護(hù)，并提供大數(shù)據(jù)分析結(jié)果的網(wǎng)絡(luò)訪問頁面，提供各種方式的查詢和分析結(jié)果。例如：對學(xué)生課堂出勤率分析，可以按專業(yè)查詢、按年級查詢、按班級統(tǒng)計(jì)、按課程查詢、按時段查詢，把學(xué)校各個院系、各個專業(yè)和各個年級的學(xué)生上課出勤率按從高到低排列出來；對教師授課課程的學(xué)生出勤率分析，可以列出各個老師所授課程的學(xué)生出勤率，并排出名次。對整個學(xué)期，或者每個教學(xué)月、教學(xué)周的出勤率變化，可以從分析結(jié)果生成的趨勢圖中看出。

二、基于移動終端的考勤監(jiān)控模型的構(gòu)建

目前，幾乎每一個學(xué)生都擁有一部智能手機(jī)，因此可以采用無線追蹤技術(shù)和室內(nèi)定位技術(shù)，在每個教室安裝一個移動終端采集器，用來識別學(xué)生的智能手機(jī)的MAC地址，作為學(xué)生在教室中的唯一標(biāo)識和統(tǒng)計(jì)指標(biāo)。具體操作步驟可以分為：數(shù)據(jù)采集階段、數(shù)據(jù)分析階段和數(shù)據(jù)展示階段，其如圖1所示。

1.數(shù)據(jù)采集階段

部署在教室的移動終端采集器在工作時，會不斷地掃描周邊設(shè)備的無線信號[5]，當(dāng)學(xué)生、教師進(jìn)入部署區(qū)域時，移動終端采集器會根據(jù)手機(jī)等設(shè)備發(fā)射的無線信號，識別設(shè)備的位置，移動終端采集器捕獲移動終端設(shè)備的最長時間間隔為2秒，有效范圍半徑為30M，即兩秒內(nèi)經(jīng)過移動終端采集器30M內(nèi)的無線設(shè)備都將被捕獲。

2.數(shù)據(jù)分析階段

將采集到的移動終端信息進(jìn)行過濾處理，將每個教室采集到的手機(jī)號、手機(jī)Mac地址與學(xué)生學(xué)號進(jìn)行關(guān)聯(lián)，結(jié)合教務(wù)管理系統(tǒng)中的課表信息，按照院系、專業(yè)、年級、班級等不同粒度對學(xué)生出勤率進(jìn)行課程、時段等多維度分析；同時對教師每次授課對應(yīng)教室的出勤率加以分析計(jì)算，多方位、多層次、多角度地獲取學(xué)生的出勤數(shù)據(jù)。

3.數(shù)據(jù)展示階段

根據(jù)數(shù)據(jù)分析階段的分析結(jié)果，生成學(xué)生課堂出勤率圖表，提供各種方式的查詢和分析結(jié)果[6]。例如：對學(xué)生課堂出勤率分析，可以按專業(yè)查詢、按年級查詢、按班級查詢、按課程查詢、按時段查詢，可以將各個院系、各個專業(yè)和各個年級的學(xué)生出勤率按從高到低排列出來；對教師授課課程的學(xué)生出勤率分析，可以列出各個教師所授課程的學(xué)生出勤率，并排出名次；對整個學(xué)期，或者每個教學(xué)月、教學(xué)周的出勤率分析，可以得出不同教學(xué)周期內(nèi)學(xué)生出勤率的變化趨勢，預(yù)測下一個教學(xué)周期的學(xué)生出勤情況。通過不同的展示方式，學(xué)生的出勤情況一目了然。

三、基于移動終端的考勤監(jiān)控模型的應(yīng)用

通過在北京信息科技大學(xué)的大教室、小教室和階梯教室等不同類型的教室中，共布放了81個移動終端采集器。通過對采集到的數(shù)據(jù)進(jìn)行后臺分析和計(jì)算，不斷累積數(shù)據(jù)集，隨著數(shù)據(jù)規(guī)模地不斷增大，分析結(jié)果的真實(shí)性和可靠性也在不斷提高。經(jīng)過一個學(xué)期的數(shù)據(jù)采集、處理、計(jì)算后，得到了全校37個專業(yè)、4個年級、107個班級、174門課程及175位任課教師的學(xué)生上課出勤情況，包括出勤率及排名。

根據(jù)統(tǒng)計(jì)數(shù)據(jù)，從學(xué)生和教師的角度，主要從以下三個方面對學(xué)生出勤率的變化情況進(jìn)行分析：

1.學(xué)生課堂出勤率分析——按專業(yè)統(tǒng)計(jì)、按年級統(tǒng)計(jì)、按課程統(tǒng)計(jì)、按班級統(tǒng)計(jì)

（1）根據(jù)學(xué)生上課出勤率指標(biāo)，把學(xué)校各個院系專業(yè)的學(xué)生上課出勤率按從高到低排列出來。其中，新能源科學(xué)與工程專業(yè)的出勤率最高，達(dá)到85%以上；而英語專業(yè)的出勤率較低，為63.83%。

（2）按年級統(tǒng)計(jì)，出勤率最高的是2011級的學(xué)生，出勤率最低的是2014級的學(xué)生。

（3）按照課程統(tǒng)計(jì)，出勤率最好的是管理學(xué)，其次是日語和戰(zhàn)略管理等課程。

（4）按照班級統(tǒng)計(jì)，可以得出各個年級各個自然班的學(xué)生上課的出勤統(tǒng)計(jì)情況。

2.教師課程出勤率分析——按院系統(tǒng)計(jì)、按課程統(tǒng)計(jì)、按時段統(tǒng)計(jì)

（1）出勤率最高的是科技處開設(shè)的課程，學(xué)生出勤率超過100%（非本課程的學(xué)生參與上課）；

（2）出勤率最低的課程，學(xué)生出勤率不足10%；

（3）出勤率達(dá)到100%的課程數(shù)量不足10%；

（4）出勤率不到60%的課程，占到課程總數(shù)的50%以上。

從上述部分統(tǒng)計(jì)數(shù)據(jù)中，可以清楚地看出不同維度下，學(xué)生上課出勤率的差異。

通過對數(shù)據(jù)的分析，我們可以有針對性地建議教務(wù)管理部門對出勤率較低的課程進(jìn)行調(diào)整，對于出勤率較低的班級、專業(yè)加強(qiáng)監(jiān)督，甚至加大處罰力度。比如，分析顯示：《管理學(xué)》這門課程，出勤率超過200%?？紤]外班、外系、其他年級“蹭課”的學(xué)生較多，說明學(xué)生對管理類的課程感興趣，需求比較大，所以，教務(wù)部門在課程設(shè)置時，可以考慮增加這方面的全校開放選修課，可以擴(kuò)大課容量，安排多個老師進(jìn)行同一內(nèi)容或近似內(nèi)容的“多個頭”的授課，以滿足學(xué)生的需求，更好地服務(wù)學(xué)生。

此外，還可以得到其他一些較有價值的指標(biāo)，比如教師上課學(xué)生出勤率的排行榜，學(xué)生自然班出勤率的排行榜等。這些統(tǒng)計(jì)數(shù)據(jù)可以為優(yōu)秀班級評比、優(yōu)秀教師評比提供客觀確實(shí)的指標(biāo)依據(jù)。同時，如果發(fā)現(xiàn)一些偏離正常值的情況，可以發(fā)現(xiàn)問題，及時干預(yù)。

3.學(xué)生出勤率的變化趨勢分析——每個學(xué)期、教學(xué)月、教學(xué)周，學(xué)生出勤率的變化

課堂教學(xué)與自習(xí)分析系統(tǒng)的大數(shù)據(jù)分析處理平臺具有學(xué)生出勤率變化趨勢的分析繪制功能，從網(wǎng)絡(luò)訪問頁面的“時段統(tǒng)計(jì)”功能，可以按條件檢索得出全校的、各個院系專業(yè)的、不同學(xué)期的、不同學(xué)年的學(xué)生出勤率變化趨勢圖，可以直觀地看出每個學(xué)期、每個教學(xué)月、每個自然月、每個教學(xué)周的時段內(nèi)，學(xué)生的出勤率變化情況。將鼠標(biāo)放在趨勢圖的時間節(jié)點(diǎn)上，浮動窗口可以給出具體的時間信息和精確的出勤率數(shù)據(jù)。

（1）每個學(xué)期

圖2是系統(tǒng)繪制的北京信息科技大學(xué)在2014-2015學(xué)年第一學(xué)期，全校學(xué)生的出勤率變化情況。

筆者們發(fā)現(xiàn)，出勤率有兩個明顯的低點(diǎn)：一個是2014年9月30日至10月8日期間，一個是2014年11月7日至11月12日期間。不難解釋，前一個時間窗是“十一”國慶節(jié)放假期間，后一個時間窗口是2014年APEC峰會北京放假調(diào)休期間。兩個時間段都屬于法定假日期間，無需上課，可以推斷數(shù)據(jù)顯示的是上自習(xí)的學(xué)生人數(shù)。這個例子也從側(cè)面反映了系統(tǒng)數(shù)據(jù)的真實(shí)性、可靠性和合理性。

（2）教學(xué)月

圖3是北京信息科技大學(xué)機(jī)電工程學(xué)院2014-2015學(xué)年第一學(xué)期2014年10月份的學(xué)生上課出勤率趨勢圖。

從圖3中可以看出，十一放假剛過，學(xué)生的返校率不高，所以2014年10月8日的出勤率非常低，但是10月10已經(jīng)恢復(fù)。

（3）教學(xué)周

圖4是北京信息科技大學(xué)儀器科學(xué)與光電工程學(xué)院光信息科學(xué)與技術(shù)專業(yè)2014-2015學(xué)年第一學(xué)期2014年10月第6教學(xué)周的學(xué)生上課出勤率趨勢圖。

可以看出周末的出勤率最低，周一次之，周二到周四的學(xué)生出勤率最好。這是真實(shí)的計(jì)量統(tǒng)計(jì)數(shù)據(jù)提供的結(jié)果，也符合正常的教學(xué)情況。

四、研究成果的意義

總結(jié)而言，通過建立基于移動終端課堂出勤監(jiān)控模型可以幫助學(xué)校更好地對學(xué)生有效管理，主要表現(xiàn)在以下幾個方面：

（1）通過該大學(xué)課堂教學(xué)與自習(xí)分析系統(tǒng)，可以獲知每門課的學(xué)生到堂率，遲到與早退現(xiàn)象，學(xué)生出勤率的變化規(guī)律；

（2）為課程設(shè)置的必要性、授課效果、學(xué)生參與積極性等幾方面的分析提供客觀數(shù)據(jù)；

（3）為學(xué)校的課程設(shè)置決策、教師教學(xué)效果評估、提高教學(xué)效果的上課時間設(shè)計(jì)、學(xué)生學(xué)風(fēng)狀態(tài)分析等提供依據(jù)；

（4）可以獲取自習(xí)教室的學(xué)生占用情況，為自習(xí)教室的科學(xué)分配，防止空間資源不足和教室資源浪費(fèi)提供客觀數(shù)據(jù)分析依據(jù)；

（5）該課題成果可以應(yīng)用于全國各級各類院校，作為教學(xué)管理的大數(shù)據(jù)分析手段，具有廣泛的應(yīng)用前景。

參考文獻(xiàn)：

[1]劉美玲，李熹，李永勝.數(shù)據(jù)挖掘技術(shù)在高校教學(xué)與管理中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010（5）：1130-1133.

[2]Fowlkes C，Belongie S，Chung F，et al. Spectral grouping using the nystrom method[J].IEEE Transactions on Pattern Analysis and Machine Intelligence. 2007，26（2）：27-35.

[3]劉云霞.數(shù)據(jù)歸約的統(tǒng)計(jì)方法研究及應(yīng)用[D].福建：廈門大學(xué)， 2007.

[4]崔陽，楊炳儒.超圖在數(shù)據(jù)挖掘領(lǐng)域中的幾個應(yīng)用[J].計(jì)算機(jī)科學(xué)，2010，37（6）：220-222.

[5]黃伯仲，沈漢威，克里斯托弗.約翰遜等.超大規(guī)模數(shù)據(jù)可視分析十大挑戰(zhàn)[J].中國計(jì)算機(jī)學(xué)會通訊，2012，8（9）：38-43.

[6]劉明吉，王秀峰，黃亞樓.數(shù)據(jù)挖掘中的數(shù)據(jù)預(yù)處理[J].計(jì)算機(jī)科學(xué)，2000（27）： 54-57.

[7]崔貫勛等.基于改進(jìn) Apriori 算法的入侵檢測系統(tǒng)研究[J].計(jì)算機(jī)工程與科學(xué)， 2011，33（4）： 40-44.

[8]RAJARAMAN A. ULLMAN J.D. Mining of Massive Datasets[M].Cambridge： Cambridge University Press， 2011.

[9]Liu Y，Zhang D S，Lu G J，et al. A survery of content-based image retrieval with high-level semantics[J].Pattern Recognition. 2007， 40（1）： 121-134.

（編輯：楊馥紅）