高校理工科教師課堂教學能力評估與診斷研究

紀志榮　林玉蕊　曹彥　鄧水云　傅瑋韡

[摘 要]學生評教數據包含豐富的教師教學能力信息，該研究基于某高校現(xiàn)行的教學評價量表，利用3個學期141位理工科教師的評教成績，診斷學生評教所關注的教師能力。因子分析結果表明，學生在評教時主要關注基本教學技能、學生滿意度和高級教學技能；決策樹分析得到影響評教的關鍵因子以及關鍵指標，建立理工科教師課堂教學能力診斷模型；關聯(lián)規(guī)則分析得到與關鍵指標高度關聯(lián)的指標關系。研究結果不僅有助于改進和完善學生評教的指標體系，而且對促進教師改進教學行為、提高教學能力等都具有重要的意義。

[關鍵詞]理工科教師；教學能力評估；因子分析；決策樹分析；關聯(lián)分析

[中圖分類號] G40-058 [文獻標識碼] A [文章編號] 2095-3437（2018）12-0191-04

教學質量是高等學校的立校之本，是學校生存與發(fā)展的生命線，學生評教作為高校內部教學質量保障體系的重要組成部分，已經成為教學管理的一項常規(guī)工作，為學校實施教育管理提供了重要依據。學校和教師對學生評教十分重視，但實踐中仍存在一些問題，學生評教結果體現(xiàn)教師的教學能力結構以及其好壞的程度不夠詳細，導致教師過分關注評教成績，對于教學中存在的不足以及需要改進的方向不明確，學校也無法有效開展有針對性的教師培訓工作。事實上，學生評教數據包括了豐富的教師課堂教學能力的信息，充分挖掘這些數據信息，將學生的意見整合為明確的教師教學能力評估結果，具有非常重要的價值與意義。學校應該可以通過學生的評教結果了解教師的課堂教學情況和教師的整體教學水平，以便提出相應的培訓方案與合理有效的教育管理措施。教師也可以根據評教結果發(fā)現(xiàn)自己教學中存在的不足并加以改進。

縱觀國內外關于學生評教的相關研究，發(fā)現(xiàn)大多數都是從管理者層面或者教師經驗角度出發(fā)，而從學生角度展開的研究甚少。國外的研究始于20世紀20年代[1]，主要包括學生評教的可靠性、有效性、評教指標體系是否合理以及對學生評教的影響因素分析[2]等方面，其研究方法主要有信度分析、評價量表分析、模糊集分析、因子分析以及多元回歸分析等[3]。而國內相關研究則起步較晚，20多年來，眾多學者對評教的有效性、評教內容、評教指標體系、評教的途徑與實施過程、評教數據的處理方法、評教結果的處理與反饋以及評教影響因素的研究等進行了深入研究，其研究方法日新月異，受青睞的主要有決策樹分析、關聯(lián)分析、主成分分析等數據挖掘方法[4-7]。

相關研究盡管在高校教師課堂教學能力評估與診斷方面已經取得了一些成效，但是從學生視角出發(fā)，將課程按照學科分類之后的評教研究卻不多見。高等教育中，理工科教學相比于其他學科，其教學內容較為枯燥，很多學生對其學習有畏難情緒，如何提高理工類教師課堂教學效果顯得尤為重要。本文以某高校理工科課程教學評教數據為基礎，從學生視角深度挖掘數據背后所隱藏的理工科教師課堂教學能力的評估與診斷情況。

一、數據來源

數據來源于某高校教務處提供的2015-2016-1、2015-2016-2、2016-2017-1計算機與信息學院共3個學期141位中青年理工科教師的學生評教成績。該高校中青年教師比重較大，且中青年教師的教齡和資歷都差不多，因此其評教結果具有一定可靠性。依據指標分類、教師職稱結構等方式對數據進行整理，得到一個評教成績數據庫。該數據庫包含了豐富的學生對教師課堂教學情況評價的信息，比如學生關注的教師語言表達能力、延伸拓展能力、豐富課堂內涵能力以及專業(yè)知識儲備等，這些因素會直接影響學生評教成績。因此，充分挖掘這些數據并進行分析，本質上就是將學生的意見加工、處理、分析后整合為較為明確的教師教學能力評估結果。

對該高校3個學期學生評教結果進行Pearson相關性分析，結果顯示3個學期學生評教結果兩兩之間顯著相關。進一步對該高校不同學期、不同職稱青年教師的評教結果進行方差分析（見表1），發(fā)現(xiàn)不同學期的理工科教師的職稱與學生評教的平均分之間并沒有顯著差異，即表明中青年理工類教師課堂教學能力是穩(wěn)定的，所選數據合理有效。

二、基于因子分析的評教指標分類研究

基于某高校現(xiàn)行評價量表（表2），共17個指標，對其進行信度分析，計算得到Cronbachs Alpha值為0.988，大于0.9且接近于1，表明該評價量表指標間的內部一致性好，能真實、客觀反映學生的打分情況，利用此學生評教數據分析是有意義的。

KMO與Bartlett 球度檢驗結果顯示，KMO值高達0.97，Bartlett 的球度檢驗顯著，數據非常適合因子分析。因子分析結果表明，前3個公因子的累計方差貢獻率已達98.069%，故提取這3個公因子F1、F2、F3。根據旋轉后的因子載荷矩陣對進行因子的命名與解釋， 其具體指標及相應載荷如表2所示。

在F1因子上具有較高載荷的指標分別是I6、I7、I8、I9、I10、I11、I16，表示教師所必備的基本教學行為準則，故將F1命名為基本教學技能。

在F2因子上具有較高載荷的指標分別是I1、I2、I3、I13、I14，體現(xiàn)教師在課堂教學中應該具備的基本要求，一定程度上體現(xiàn)了學生對理工科教師教學水平的評價與滿意度，故將F2因子命名為學生滿意度。

在F3因子上具有較高載荷的指標分別是I4、I5、I12、I15、I17，體現(xiàn)教師教學更深層次的能力，故將F3因子命名為高級教學技能。

三、基于決策樹的教師課堂教學能力診斷模型建立

決策樹[8]是利用二叉樹圖建立決策模型，其中樹的最頂層節(jié)點是根節(jié)點，每個內部節(jié)點表示在一個屬性上的測試，每個分支代表一個測試輸出，而每個葉節(jié)點代表類或類分布?；诟饕蜃拥梅?，通過決策樹分析找出關鍵因子，得出關鍵指標，作為評判教師能力的依據，建立理工科教師課堂教學能力診斷模型。

決策樹處理的數據屬性為分類數據，故首先對數值型的因子得分進行離散化處理，分成3個區(qū)間，據此將各因子得分與理工科教師評教總得分劃分為3個等級：中等、良好、優(yōu)秀。

進行數據的可視化處理后得到以下結果。圖1、圖2、圖3中3種深淺度不同的方塊分別代表理工科教師評教總得分的優(yōu)秀、良好、中等3等，前3個柱形圖為占3個因子的各個區(qū)間的人數，柱形中不同深淺度的方塊所占比例即表示理工科教師評教總得分不同等級在該處的分布。

（1）從不同顏色等級人數的比例分布看到，理工科教師評教總得分優(yōu)秀，在3個因子上的顏色分布顯示，3項能力成績都至少達到良好級別。

（2）從單個因子的顏色分布看到，理工科教師評教總得分優(yōu)秀全都分布在基本教學技能成績優(yōu)秀，這說明若教師基本技能得分優(yōu)秀，理工科教師評教總得分也較優(yōu)秀；對于后2個因子，理工科教師評教總得分都落在良好，則可以看出教師在學生滿意度和高級教學技能上對理工科教師評教總得分的影響不大，所以這2項并不是理工科教師評教總得分的主要因素。

決策樹結果（圖3）表明，影響理工科教師評教總得分的主要因素為基本教學技能F1、學生滿意度F2，將其轉換成“如果—則—”，可得如下結論：

如果 F1基本教學技能的成績中等，則成績中等；如果 F1基本教學技能的成績良好且F2學生滿意度中等，則成績中等；如果 F1基本教學技能的成績良好且F2學生滿意度良好，則成績良好；如果 F1基本教學技能的成績優(yōu)秀且F2學生滿意度優(yōu)秀，則成績優(yōu)秀；如果 F1基本教學技能的成績優(yōu)秀且 F2學生滿意度良好，則成績優(yōu)秀。

下面利用決策樹分析各因子的關鍵指標。

（1）基本教學技能的關鍵指標結果顯示（圖4），影響基本教學技能的最重要指標是I10“授課時重點突出，難點分析透徹”，其次是I9“授課能夠承上啟下，按章節(jié)適當歸納，并有適當的課后要求”，再次是I8“多媒體課件設計清晰直觀，板書工整規(guī)范，講解、板書和課件演示結合得當”，這3個指標與基本教學技能直接相關，而其他指標則無明顯影響。

（2）學生滿意度的關鍵指標結果表明（圖5），影響學生滿意度的最重要指標是I13“上課能夠合理有效安排課堂時間”，然后按照重要性程度遞減依次是I2“嚴格考勤，有效管理課堂紀律”、I1“準時上下課，沒有隨意調停課和課上使用手機現(xiàn)象”、I3“平等地對待每一位學生”，這4個指標與學生滿意度直接相關，而其他因素影響不大。

（3）高級教學技能的關鍵指標結果顯示（圖6），影響高級教學技能的最重要指標是I15“講解、提問能有效引導學生獨立思考，提高學生分析解決問題的能力”，其次是I12“鼓勵學生提出問題，并能及時給予解答”和I5“在課程開始時明確地告訴學生本課程的培養(yǎng)目標、學習要求以及課程考核方法”，這3個指標直接影響著高級教學技能，而其他因素則無明顯影響。

根據以上結論，可以對該高校的學生評教量表進行完善。對于因子F1教師基本教學技能、因子F2學生滿意度、因子F3教師高級教學技能，可在不同程度上分別提高I10、I9、I8、I13、I2、I15、I12、I5的指標權重，使得該高校學生評教量表更有針對性與側重點，同時也更有利于該高校對理工科教師教學能力的正確評價與考核。

綜上，可以得到該高校理工科教師課堂教學能力評估與診斷模型（圖7）。

該模型可以對理工科教師評教總得分的成因做出判斷。在得知各項因子得分與理工科教師評教總得分之后，可以分析影響理工科教師評教總得分的因素。此外，也能對教師的教學表現(xiàn)進行預測，為教師的培訓與考核提供有針對性的指導依據。

四、基于關聯(lián)規(guī)則的指標關聯(lián)分析

關聯(lián)規(guī)則[9]能挖掘大量數據中項集間的相關聯(lián)系，構建規(guī)則為X→Y，解釋為若發(fā)生X則發(fā)生Y，關聯(lián)規(guī)則可以發(fā)現(xiàn)不在人們常識范圍內的相關性?？梢酝ㄟ^關聯(lián)規(guī)則方法研究關鍵指標和其他指標之間的關系，并找到與關鍵指標主要相關的指標。

利用Weka軟件運行得到置信度為1的關聯(lián)規(guī)則的運算（見表3）：

表中規(guī)則可以表示為“如果—則—”的形式，我們重點關注與關鍵指標有關的規(guī)則。

（1）{x10=A}=>{x16=A}：表示如果I10“授課時重點突出，難點分析透徹”=“優(yōu)”，則I16“不僅教授知識，還傳授學習方法”=“優(yōu)”。

（2）{x10=A}=>{x15=A}：表示如果I10“授課時重點突出，難點分析透徹”=“優(yōu)”，則I15“講解、提問能有效引導學生獨立思考，提高學生分析解決問題的能力”=“優(yōu)”。

（3）{x10=A}=>{x17=A}：表示如果I10“授課時重點突出，難點分析透徹”=“優(yōu)”，則I17“對學科的前沿介紹能加深學生對該學科的認識，增強學生學習興趣”=“優(yōu)”。

（4）{x13=A}=> {x3=A}：表示如果I13“上課能夠合理有效安排課堂時間”=“優(yōu)”，則I3“平等地對待每一位學生”=“優(yōu)”。

（5）{x10=A，x15=A，x16=A} => {x17=A}：表示如果I10“授課時重點突出，難點分析透徹”和I15“講解、提問能有效引導學生獨立思考，提高學生分析解決問題的能力”以及I16“不僅教授知識，還傳授學習方法”皆等于“優(yōu)”， 則I17“對學科的前沿介紹能加深學生對該學科的認識，增強學生學習興趣”為“優(yōu)”。

（6）{x4=A，x5=A，x12=A}=> {x3=A}：表示如果I4“主動與學生交流，重視學生對教學的意見反饋”和I5“在課程開始時明確地告訴學生該課程的培養(yǎng)目標、學習要求、課程考核方法”以及I12“鼓勵學生提出問題，并能及時給予解答”皆等于“優(yōu)”，則I3“平等地對待每一位學生”為“優(yōu)”。

（7）{x9=A，x15=A，x16=A}=>{x3=A}：表示如果I9“授課能夠承上啟下，按章節(jié)適當歸納，并有適當的課后要求”和I15“講解、提問能有效引導學生獨立思考，提高學生分析解決問題的能力”以及I16“不僅教授知識，還傳授學習方法”都為“優(yōu)”，則I3“平等地對待每一位學生”為“優(yōu)”。

關聯(lián)分析結果表明，有些指標是主要相關的，比如I10、I15、I16以及I17。對于理工類課程，這些是學生學習重點關注的內容，關聯(lián)度最高，這在一定程度上反映了教師綜合課堂能力的重點內容。這些指標分別來自不同的因子，進一步說明了3個因子間有一定的理論聯(lián)系，評價量表的指標內部相互聯(lián)系，環(huán)環(huán)相扣，結構嚴謹。其中與關鍵指標高度關聯(lián)的指標包括I10、I3、I13、I16以及I11。這些主要來自關鍵因子內部，進一步證實因子分析的結果可靠有效，與理工科教師評教總得分主要相關的關鍵因子是教師基本教學技能與學生滿意度，評教總得分起著主要的影響作用。

五、結論與討論

教學是學生與教師的雙向反饋，學生作為學校教學工作的主要受益者與反饋者，全程參與教師的教學工作，因此能更全面、直接地了解教師教學水平。本文從學生視角出發(fā)，對該校理工科教師教學能力進行評估和診斷研究。通過因子分析法從原始評教指標體系中提取出影響理工科教師評教總得分的3個主要因子即教師基本教學技能、學生滿意度和教師高級教學技能，這是教師教學能力診斷的基礎?；谝蜃臃治鼋Y果，運用決策樹分析法得出影響理工科教師評教總得分的關鍵因子為教師基本教學技能與學生滿意度，關鍵指標為I10“授課時重點突出，難點分析透徹”與I13“上課能夠合理有效安排課堂時間”，以此作為評判教師能力的依據，建立理工科教師課堂教學能力診斷模型。最后利用關聯(lián)規(guī)則發(fā)掘出關聯(lián)度較高的關鍵指標，這些指標來自不同的因子，反映了學生關注理工類課程教師的綜合課堂能力的重點內容，也表明該高校的理工科評價量表的指標內部相互聯(lián)系，結構嚴謹。本文所建立的理工科課堂教學能力評估與診斷模型，可使教師加深對自身教學能力結構及其好壞程度的認識，積極反思，以更好地開展教學。同時對高校充分挖掘學生評教信息，尋找教師教學問題根源具有重要參考價值。

[ 參 考 文 獻 ]

[1] KENNETH. A.FELDMAN. Effective College Teaching from the Students and Faculties View： Matched or Mismatched Priorities[J]. Research in Higher Education，1988（4）： 291.

[2] BRASKAMP LA， ORY JC. Assessing Faculty Work[J].Enhancing Individual and Instructional Practice[M].San Francisco， CA： Jossey-Bass，1994.

[3] JANGEN J D. Student Assessment of Teaching Effectiveness[J].Improving College and University Teaching， 1966（14）：22.

[4] 岳娜莉.學生評教數據的知識挖掘研究[D].天津：天津師范大學，2012.

[5] 李麗芳.學生評教數據知識挖掘方法應用研究[D].廣州：華南理工大學，2014.

[6] 潘慶先，于萍，婁蘭芳.關聯(lián)規(guī)則算法的研究及其在教學評價中的應用[J].煙臺大學學報（自然科學與工程版），2010（2）：127-131.

[7] 曹俊.高校教師課堂教學能力評估與診斷研究：基于學生評教數據分析[D].上海：華東師范大學，2012.

[8] 陳青山.決策樹算法在高校教學質量評價系統(tǒng)中的應用研究[D].成都：西南交通大學，2010.

[9] HAN J，KAMBER M，PEI J.數據挖掘[M].范明，孟小峰，譯.北京：機械工業(yè)出版社，2012.

[責任編輯：龐丹丹]