王英彦，杨刚，曾瑞（1.义乌工商职业技术学院，浙江义乌322000；2.温州大学教育学院，浙江温州325035）

摘要：由于我国高职教育信息化、数据化相对滞后，数据素养能力不足，导致高职教学决策缺乏科学性，影响教学质量的有效性；教学评价缺乏合理性，影响教学质量评价的客观性；诊断工具信息化不足，影响教学质量诊断的精确性；教学资源缺乏统一标准，影响教学质量的公平性。教育大数据的蓬勃发展已具备推动教育改革的巨大潜力，为教学质量的提升提供了条件和机遇。通过构建基于数据驱动的高职教学决策体制，重构多维利益相关者的高职教学评价体系，搭建高职教学质量诊改平台，构建公平开放包容的高职教学数据系统等路径，以充分发挥教育大数据的潜在价值，推动高职教学质量的发展。

关键词：教育大数据；教学质量；高职；教学决策

当前，我国高职教育已进入一个更加关注质量建设的发展新阶段，教学质量是高校生存和发展的前提和基础。优质的教学质量要求教学主体、教育管理者借助先进的技术工具或教育理念在充分掌握学生真实数据的前提下，规范教学流程，制定客观、科学有效的教育教学决策。而受困于信息化教学处理技术的落后和教育者数据素养的限制，高职教学在教学评价、教学决策、教学诊断、教学资源层面存在诸多问题，影响教学质量。在大数据的广泛应用下，大数据为破解我国教育发展不均衡、教育决策粗放、教学评价单一等问题带来了机遇，也为高职教学质量的提升带来了机遇，成为教育质量系统变革和创新的重要手段。借助教育大数据的实时性、多维性、真实性等特征，分析当前高职教学质量存在的问题，并借助数据挖掘、学习分析技术的不断提升，提出教育大数据助推高职教学质量的路径。

一、当前高职教学质量存在的问题

（一）教学决策缺乏科学性，影响教学质量的有效性

美国管理学家、社会科学家郝伯特·西蒙（Her-bentSimon）指出，任何实践活动无不包含着决策和执行。在教学治理体系中，教学决策在诸多利益相关者中的地位举足轻重，我国教学数据包括学习过程数据、学习测评数据、学生心理和生理数据，在教学决策时，如果教学信息收集不及时、不准确，同时缺乏对信息的分析与判断，就会导致决策不科学。英国教育学家艾格莱斯顿曾指出：“在课堂上，教师无时无刻不在制定决策，甚至可以说，制定决策就是教师的中心任务。”从课前根据课程内容、学生发展水平制定的教学设计决策，课中教学互动中生成的教学决策，到课后的教学反馈决策等所有环节都涉及教师的教学决策。然而在以往教学决策过程中面临诸多问题：一是决策理念经验化。以往决策过分依赖于直觉、经验，以经验型教学决策为主，而教师因个体的差异存在“固执己见”的偏见。二是决策主体主观化。教师是教学决策的主体，目前，高职院校教学仍以班级授课制为主，教师采用统一的教学目标、教学内容、教学方法对一个班的学生进行课堂授课，由于教学过程中数据获取的限制，教师时间、精力的有限，教师难以掌握每一位学生的个体情况，难以实现因材施教个性化决策、精准教学。三是决策过程缺乏数据统计分析。对高校教学及管理数据进行统计与分析,有利于教师了解学生的学习兴趣、学习风格、学习行为等信息并及时调整教学决策，有利于学生直观评估学习结果。然而，由于教师数据素养的不足，对教学过程中的数据缺乏统计与分析。这些问题会直接影响课堂教学的进展以及效果，进而影响教学质量的有效性。

（二）教学评价合理性缺乏，影响教学质量评价的客观性

课堂教学评价，是衡量高职教学质量的重要尺度。当前，高职教育评价过程中出现了诸多问题。评价指标体系缺乏动态生成随着教育信息化的不断发展，高职院校教学评价体系并没有体现一个动态的不断发展的过程，仍然采用通用的评价指标体系，缺乏适合自身发展要求的评价体系。评价方式、过程的单一性评价中只以考试测评（即单元测试、期中测试、期末测试等）中产生的结果性数据为主，对过程性数据，如学习动机、学习行为等数据采集不足，评价存在重结果轻过程的问题，忽视学生的全面发展。评价主体多以教师为主，造成评价数据的单一性、片面性，不能精准反应教学质量问题。教学评价方式往往以学生评教、同行点评或教学督导听课为主，但由于其“滞后性”“偶然性”和“临场性”，评价活动的诊改作用没有充分发挥，教学评价是静态的，各评价指标收集的数据都是静态、孤立的，虽然数量与日俱增，但办学质量并未提升。评价制度的非全面性教学质量监控与评价仍采用行政管理制，缺乏民主氛围和监督机制，评价制度的全面性和完整性有待提高。

（三）诊断工具信息化不足，影响教学质量诊断的精确性

自2015年教育部发布《关于建立职业院校教学工作诊断与改进制度的通知》以来，教学诊断成为职业院校教学质量控制和改进的重要工具。教学诊断一般指诊断主体根据诊断标准，借助诊断工具，通过对课堂教学全过程地看师生交互过程以及学生观看视频资源中的行为、态度、表情，听课堂中师生互动对话，问教师对教学的反思、学生对课堂教学的内心感受等多元化的诊断方法，在客观、理性思考的基础上，发现教学过程中存在的问题并提出相关改进意见的教育教学方法，包括课前制定诊断方案，课中收集信息、发现问题，课后分析原因，提出解决措施三个阶段。教学诊断作为组织管理教学活动的重要组成部分，受到各种因素的影响，如诊断主体、工具、环境，特别是随着信息技术的发展，信息化的诊断工具对教学质量的诊断产生非常重要的影响。教学诊断工具主要对教学诊断过程中的一切教学信息进行收集、处理，获得更多的教学过程中的客观数据，形成数据链，以摆脱经验主义的观点，从教师的教和学生的学两个维度对课堂教学进行评估和改进。随着大数据、人工智能、物联网等信息技术的运用，教学诊断工具日益信息化、多样化。然而，随着“互联网+职业教育”的发展，大量复杂的数据和信息高速流转，教学诊断主体难以辨别干扰信息和有价值的信息。同时信息的碎片化导致信息的完整性和时效性受到挑战，不—完善数据量的剧增使得决策者面对更多复杂的诊断信息，导致决策失误，影响诊断的精确性。

（四）教学资源缺乏统一标准，影响教学质量的公平性

党的十九大会议强调要“建设教育强国”“推进教育公平”，教育公平是社会公平的前提。瑞典教育家胡森将教育机会均等概括为起点公平、过程公平和结果公平三个阶段。随着信息技术的发展，高校教育公平可分为入学机会公平、教学质量公平和教学评价公平三个阶段。入学机会公平旨在个体享有平等接受入学教育的权利和机会；教学质量公平是指学习过程中，师资配置的公平和教学资源配置的公平。教学评价公平是对教学采用科学、合理的评价方式和评价指标，确保评价的科学性、合理性。然而，由于我国东西部地域的差异，优质资源不能顺利流转，师资配置上存在一定的差异，再者，我国高职院校优质校的等级评定，以及优势、特色、骨干等专业级别的划分，使得教学资源在分配上也存在较大的差异，对教学质量的公平性产生影响。互联网可以最大限度地汇聚社会教育服务资源，大数据可以提供精准的导向，为教育资源配置提供科学决策。教育大数据的应用不仅需要平台和技术，更需要教育数据无缝流转的生态系统。而教育数据无缝流转的生态系统，实现数据在不同用户、不同参与者之间无缝流转，既要生成数据又要使用数据，因此，需要数据接入和交换的统一标准。然而，随着“互联网+教学”改革的推进，各种在线学习平台层出不穷，实现了优质师资以及学习资源的共享，但各平台之间相互独立，平台间的数据无法实现共享，教育管理者在教学资源分配上由于缺乏足够的数据依据，只能借助主观意识进行判断，不能做出科学、合理的决策，因此，学生无法获得平等的教学资源，对跨领域、跨学科知识的接触较少，教学质量差异较大，不利于高校复合型人才的培养。因此，在国家推进大数据创新教学改革的大趋势下，高职院校应提高数据意识、数据素养，形成数据思维，应用大数据的科学化评价、精细化管理、智能化决策，建立教育大数据生态化体系下的教学质量保障体系。

二、教育大数据在教育中的价值

大数据与教育的深度融合驱动着教育的变革，产生了教育大数据，它是教育领域中各种信息的集合。教育大数据是整个教育活动过程中所产生的以及根据教育需要采集到的一切用于教育发展并可创造巨大潜在价值的数据集合。其中的“大”强调的是“价值”之大而非数量之大。教育大数据借助资源共享、优化资源配置，实现个性化学习与科学决策，推动教育的发展、教育治理转型等功能的发挥。其中所蕴含的巨大价值是不容置疑的，教育大数据的具体价值包括分析价值、评价价值、诊断价值、决策价值，四者之间逐层递进，形成了不同的价值层次。

（一）教育大数据的分析价值

大数据技术从缘起至今，仍在快速发展中。分析技术是基于大数据进行模型构建，并进行评价、推荐和预测等具体应用的基础，具有智能化、实时化和易用性特征。大数据技术的广泛应用产生巨大的价值，与机器学习相结合形成的人工智能，数据分析结果驱动智能化活动为智慧生活、智慧教育奠定基础。各应用领域对大数据的实时分析和处理提出更高的要求。随着教育领域“互联网+”时代的到来，“学校+教师+实体教室”的教学模式已成为过去，“智慧教学平台+智慧学习终端+学生”教学模式脱颖而出，上万门精品课程上平台，学生任选教师和课程，学生可以跨校、跨平台选择课程进行学习，通过课程互通，学分互认完成学习。教育大数据精确的学情分析，使因材施教差异化教学、个性化学习、精细化管理和科学化决策成为可能，教育大数据能有效融入智慧课堂、智慧校园，促进智慧教育的生成。学生可以突破教室的限制，通过智能学习平台得到个性化的教学和辅导，学生享有均等的受教育机会。教育管理者通过对教育教学数据的挖掘、分析、建模和科学决策，完成教育资源的合理、均衡配置，实现区域教育均衡发展。

（二）教育大数据的评价价值

根据马斯诺的需求理论，尊重需求是人的一种高层次需求，尊重需求得到满足后，人会更自信，易于创新、创造力的培养，实现人的全面发展，个性化教学就是满足人的最高需求的一种方式，展的需求趋势，从而进行科学的教学决策与适宜的资源推送，由事后补救转向事前预警，使资源推送更实时、准确。但在教学过程中，教师常常依据经验、直觉或流行趋势来做出决策，这已是很多教师以及学者的共识，也一直是教育界中颇受关注的不足之处。基于数据驱动的教学决策正是应对这个不足的解决方法之一。基于数据驱动的教学决策是指对教学过程中已有的数据资源的系统分析，对教学过程中产生的数据进行分析，进而分析学生的行为表现，创新教学并将这些创新应用于教学实践。基于数据驱动的教学决策贯穿于教学的整个过程，有利于提高教学的质量。在高职院校建立教学决策体系，首先，培养教师的数据意识，提升数据素养。数据意识是数据素养的前提。学校结合教师特点制定灵活的数据素养教育模式，构建数据素养教学评价体系。着力于实现数据收集常态化、数据应用多样化和数据管理制度化。其次，学校应增加投入，开设与实际生活中大数据相关的实训课程以及常用的数据分析技术培训，如SPSS数据处理软件，通过理论联系实际提升教师大数据技能，为教师参与科研技术项目提供物质基础。学校应制定教师参与大数据科研课题的管理办法和奖励措施，鼓励教师使用信息化教学平台收集学习数据，分析数据并进行教学决策。最后，完善互联网+教学平台，使互联网+与教学紧密结合。国家或地区层面制定相应的教育大数据标准，消除“信息孤岛”，实现数据最大程度的共享，发挥教育大数据的价值。数据在教育决策中的作用，是能够将淹没在众多信息系统中的海量数据加以挖掘，为相应的决策提供方向、依据甚至证据，从而帮助相关者做出知情的决策。

（二）构建多维利益相关者的高职教学评价体系传统的高职教学评价主要是教学管理部门为了考核教师，以学期末的生评师为主的评价，这种评价方式是满足上级管理部门需要的、单一的、共性的、非过程化的评价体系，存在着数据质量参差不齐，客观公正度低等问题，难以满足大数据环境下教学质量评价的要求。提升教学质量是高职院校发展的中心工作，而教学是人才培养以及提升教学质量的主要路径。因此，教学评价改革是高职改革的重点。利益相关者理论强调对组织中利益相关者需要的关注和满足,认为唯有如此,才能促进组织的不断发展。高职院校的发展需要获得多方的关注和支持，争取多方利益相关者共同参与。因此，迫切需要改革教学评价体系，科学规划提升教学质量的方法和途径。首先，在已有评价标准基础上，对评价标准进行重构，构建多维利益相关的评价体系。评价指标是评价体系的核心，评价的最终目的是促进师生的共同发展，提升教学质量。建立新的教学评价标准，教师和学生作为直接利益相关者应参与评价标准的制定，确保评价与学术以及各类服务相融合，促进多元主体共同参与评价。其次，在国家推进“互联网+高职教学”的进行程中，顺应智慧教学发展潮流，推进评价技术的发展。伴随着学习分析、情境感知等新兴技术的出现以及应用，评价指标的生成性、差异性成为可能。传感器、动作捕捉器、人工智能等技术的融合应用，广泛收集了学生的学习生活数据，对学生学习过程中的表情、操作进行了跟踪记录，形成“数据画像”，借助数据挖掘和分析技术获取了教学的全程数据。数据获取的即时性和完整性，使教学评价标准在内容、形式等方面更具包容性和多样性,促进教学质量的发展。

（三）构建高职教学质量诊改数据平台

基于大数据技术的教学质量诊改平台兼具教学功能和教学分析功能。教学质量诊改数据平台对教学诊改全过程进行管理，包括教学目标管理、教学任务管理、教学过程管理、预警管理等，具备设定目标、制定标准、分配任务、重于分析、智能画像、内容推送等功能。教学质量诊改数据平台的建设与实施，以及与其他信息化软件平台的集成融合，将有效推动教育信息化和智慧校园的建设，促进智慧教育的发展，教学质量的提升。国家构建规范教育数据治理和安全教育数据共享的教育数据生态系统，建设功能完备的数据平台“互联网+教育”，有助于教育资源共享。学校依据国家教育数据机构标准建立数据中心，同时在推进平台建设中立足各部门工作实际，构建教师、学生、科研和后勤系统，各系统间的数据互通，形成全校—而个性化评价是个性化教学中的重要组成部分。大数据则为个性化教学创造了条件。在教育大数据生态系统中，人和数据是密切相关的，人既是生产者又是消费者，传递者是互联网，人们把感兴趣的事物数据化后发布到互联网上，这些数据就是知识的重要来源，而消费者借助大数据技术通过传递者获取知识，数据在互动的过程中实时、动态生成。大数据、人工智能技术的发展为教学数据的采集、分析、评价提供了新思路。与教育深度融合，改变了传统以考试为主并结合经验进行评价的教学评价方式，细化了教学评价指标，使评价更科学。借助大数据技术，对课堂教学过程中师生的互动、教学行为、表情、态度等所有数据加以挖掘、整理、分析，可以了解学生的学习兴趣、潜在问题、学习结果等，并形成“数据画像”，对统计数据进行深度分析可以构建多元分析模型，挖掘数据间的关联规则，给教师、学校管理部门提供参考，为教学评价提供支持。

（三）教育大数据的诊断价值

教学评价和诊断均属于教学质量保障体系范畴，教学评价侧重于教学价值，是对教学是否有效的价值判断活动，重在“评”出好坏优劣，而教学诊断重在“判断”并找到解决问题的途径。由此可见，教学诊断本身带有“评价”的意味，但教学诊断的目的不仅仅是为了了解教学诸要素、教学过程和教学效果的好坏，更重要的是帮助教师发现教学中存在的问题、分析问题产生的原因，并协助教师找出解决问题的方法与途径。大数据平台可以对学习情境信息、知识建构信息、学习行为信息以及学习结果信息的过程性数据进行采集，通过数据挖掘和分析技术对数据进行分析，在数据的支持下教师结合自身的教学经验对学生进行诊断和干预，找出学困生以及学困根源，并及时提供适合其最近发展区的学习服务与指导，同时诊断教师教学目标是否达成。

（四）教育大数据的决策价值

教育部办公厅《2015年教育信息化工作要点》指出：“全方位推进国家教育科学决策服务系统建设，规范数据的规划、采集、共享和使用，推进大数据应用，发挥监测、评价、预测功能，为科学决策、宏观管理提供依据”，以大数据技术为依托，形成大数据思维，对教学进行科学合理的决策，形成课堂教学新生态。大数据具备的多类型、可量化计算、可视化呈现等特征，能够为教学、学生管理提供科学决策。教学过程实际是一系列决策组成的活动集合，教育大数据的应用在教学层面，可连续地、自然地采集学生学习过程中的行为表现、认知变化、学习适应等信息，并进行数据分析，提出诊断报告，为学生提供学习策略、方法以及学习能力等方面的改进建议，从而改善学生的元认知，让学生学会如何有效学习，并通过社交网络分析，给学生推荐恰当的学习同伴支持。教师利用学生的诊断报告，动态调整教学进度，选择恰当的教学模式，推送适宜的教学内容，选择合适的教学方法及策略，为教学提供决策。在学生管理层面，大数据对学生的行动轨迹进行跟踪记录，发现学生的学习兴趣，掌握学生的思想动态，并提供科学的管理决策支持。因此，大数据以及AI技术的出现，改变了教学范式，从“经验模仿教学范式”转向“数据驱动教学范式”，教师和学生的各种行为以数据化的形式进行存储，利用数据分析、筛选提取有价值的信息，为教师的教学决策，学生的学习决策提供更加精准、及时、全面的支持。

三、教育大数据生态体系视域下高职教学质量提升之路

2017年，教育部高等教育教学评估中心《中国高校本科教育质量报告》指出，“随着大数据时代到来，科学化、系统化教学质量保障体系建设亟待深度融合先进技术手段。”针对高职教学质量不高的现状，应结合当前教育大数据的发展以及价值分析，探索教育大数据视域下高职教学质量提升的路径，以保障教育大数据在教学质量中发挥有效的作用。

（一）构建基于数据驱动的高职教学决策体制

大数据应用于教学决策，是由教学治理的外在需求驱动的。教育大数据可以将学生的具体学习过程转化为具体的数据，它能实时、真实地反映教学过程中的进展状况，蕴含教学运行中的内在规律。数据挖掘技术可以将这些内在规律可视化展现，使教师或教育管理部门可以预测到教学发—教学质量管理数据仓库，制定数据安全协议确保数据采集过程中数据交换的安全性。诊改数据平台，可以完善学校各层面的质量数据，学校可以进行各类数据分析，纵横对比，形成诊断原因分析、调整改进措施、回溯性总结等机制，使教学质量信息反馈成常态化并具有实时性，推动高校教学质量内部保障机制的形成。

（四）构建公平开放包容的高职教育数据系统

大数据的流动性、海量性和开放性表明只要有畅通的网络，各种资源就会传输到世界各地，给因地理位置偏远，人才资源匮乏而导致的发展落后的学校提供新的机会。教育信息化2.0时代的到来，推动了教育的发展，但也加深了数字鸿沟、技术鸿沟。整合利用多种大数据，推动高职教育中各部门间数据从孤立到共享，消除数字鸿沟，确保教育公平，对促进教学质量的提升非常重要。高质量的教育大数据生态系统具备三个特征：第一，数据的准确性。准确性和可靠性是数据分析的前提，否则会导致数据分析结果的错误。第二，数据的开放性。数据在确保安全的情况下要保持开放，实现资源共享。第三，数据的动态性和多样性，数据要保持实时动态更新，确保信息的有效性。教育大数据中与学生相关的数据包括学生的基础数据、行为数据和学习数据。近年来，在我国信息化教学政策的推动下，信息化教学平台百花齐放，如中国大学MOOC、职教云、学堂在线等，各省建立了省级在线开放课程平台，各高职院校也建立了校本在线教学平台，如义乌工商职业技术学院的“凤鸣学堂”，这些教学平台分别记录学生参与平台学习过程中产生的所有学习过程和结果数据。除教学平台外，各职能部门也都建立了基础数据库和行为数据库，记录学生的个人信息、参与活动、社交活动等数据，但这些数据都封闭在各自的数据库中，缺乏统一的标准，难以实现共通共享，再者数据间缺乏深层次的关联。因此，要建立统一的数据标准，建立开放包容的教育数据系统，打通封闭的数据通道，实现高效的数据流。