楊 翊 趙婷婷

（1.北京語言大學 語言科學院，北京 100083；2.北京航空航天大學 高等教育研究院，北京 100191）

自從疫情期間學?！巴Ｕn不停學”以來，已有很多調查研究分析了我國這段時期高等學校在線教學情況。這些調查研究從研究對象上大體可分為兩類：一類是對單一高校在線教學狀況的研究，這類研究的目的大多是高校的管理需求以及質量保障要求，其研究方法有的是基于問卷調查，有的是基于對在線教學系統(tǒng)的數據分析；另一類是對我國高校在線教學總體狀況的研究，其目的是從宏觀層面分析疫情期間我國高校在線教學情況，其研究方法主要是基于問卷調查，因為疫情期間高校教師使用的在線教學平臺和系統(tǒng)很多，加上平臺和系統(tǒng)上的數據量非常大，因此，現(xiàn)有這類研究大多采用調查數據而不是系統(tǒng)客觀數據。本研究試圖在這方面有所突破，嘗試使用平臺和系統(tǒng)數據來展示疫情期間高等學校教學的運行狀況及教學質量，并結合目前的一些調查結果，對其教學質量狀況進行深入分析。但鑒于系統(tǒng)數據量確實太大，因此我們在超星智慧教學系統(tǒng)（以下簡稱“超星系統(tǒng)”）上選擇了一定數量的樣本，希望通過對這些樣本高校在線教學數據的分析，客觀展示我國高校在線教學的實際狀況，為在線教學的開展和質量評價提供借鑒和啟示。

一、研究問題及研究設計

在線教學系統(tǒng)數據是在線教學用戶在教學實際發(fā)生過程中產生的客觀數據，可分為三大類：一是用戶行為日志，記錄用戶注冊、登錄、點擊、上傳、討論等所有在線操作行為；二是用戶上傳資源，包括因教學需要而上傳的各種視頻、材料、作業(yè)等教學資源；三是教學運行數據，即在前兩類數據基礎上產生的關于課程、教學各環(huán)節(jié)等方面的數據，如課程的門數、某所高?；蚰骋粚W科專業(yè)教學情況、作業(yè)考試情況等后臺數據?？梢哉f，前兩類數據是基于教師和學生個體的數據，在學習科學研究中比較受關注和偏愛；第三類數據則是基于高校或學科專業(yè)的數據，可以反映宏觀或中觀層面高校在線教學的實際情況，目前這類數據還沒有得到充分的關注。本研究就是期望能通過對這類數據的分析，客觀地反映我國疫情期間高校在線教學的實際運行情況。

本研究數據來源于超星系統(tǒng)2019—2020第二學期教學運行數據。之所以選擇超星系統(tǒng)，是因為使用超星系統(tǒng)的高校和教師很多，據鄔大光教授團隊對97所高校線上教學質量報告文本分析的結果顯示，有75%的高校使用超星系統(tǒng)，為疫情期間所有在線教學系統(tǒng)之首［1］4；同時，超星系統(tǒng)的數據也顯示，目前在系統(tǒng)上運行的課程涉及2 500余所高校，但不同高校對系統(tǒng)的使用情況有著很大的差異，有的高?？赡苤挥袀€別教師在使用，有的高校可能大部分教師都在使用。因此，為了保證數據的代表性，本研究對使用超星系統(tǒng)的高校進行了篩選：首先，按每周網上運行課程數超過500門為標準進行了篩選；其次，在篩選后的高校中選取了65所樣本高校，并盡量考慮高校的類型分布和地域分布。從類型上看，樣本高校中“985”高校共7所，“211”高校共 17所，一般本科高校共41所；從地域上看，65所樣本高校來自全國28個省份，除港澳臺外，僅缺少新疆、西藏、青海三個地區(qū)的樣本。因此，總體來看，樣本覆蓋面廣，代表性好，能夠比較客觀地反映全國高校在超星系統(tǒng)的在線教學情況。從選取數據的時間上看，本研究以周報數據為單位，選擇了樣本高校從2020年3月2日—4月25日期間連續(xù)8個教學周的教學運行數據。之所以選擇這8周的教學運行數據，主要是考慮這段時間是高校教學數據最全的時間段，因為一是到2020年3月，樣本高校均已開學，并進入正式在線教學階段；二是有些16學時的課程到第8周或第9周就已經結課，若想反映在線教學整體狀況，選擇前8周教學運行數據比較合適。

以樣本高校在線教學運行數據為基礎，本文力圖分析三個方面的內容：（1）課程建設及運行情況，重點分析樣本高校在線課程的活躍程度、建設情況等；（2）教學活動及過程，重點分析樣本高校在線教學的主要環(huán)節(jié)如課程活動、討論、作業(yè)等情況；（3）教學行為動態(tài)變化，重點分析樣本高校在線教學中教師教學行為和學生學習行為在統(tǒng)計時段的動態(tài)變化特征。

二、疫情期間高校在線教學運行狀況分析

數據顯示，在65所樣本高校中，有59所高校平均每周網上運行課程數超過了1 000門，有34所高校平均每周網上運行課程數超過了2 000門，樣本高校平均每周課程訪問量高達25 120 523.85次。以下我們將對數據進行更深入的挖掘和分析。

（一）課程的建設及運行

1.運行課程總量大，活躍課程數量多

超星系統(tǒng)對運行課程的定義比較寬泛，只要教師發(fā)布了資料、視頻、作業(yè)等教學活動和任務，就相當于在系統(tǒng)上構建了一門課程。表1顯示，樣本高校的運行課程總量非常大，平均每校單周的運行課程數為2 081.80門，其中，平均每校單周最高運行課程數高達2 278.26門。同時，樣本高校中不同類型高校的運行課程數略有差異：“211”高校平均每周的運行課程數最高，為2 492.50門；“985”高校和一般本科高校分別為2 276.09門和1 878.34門。

表1 運行課程與活躍課程的數量及占比

和運行課程不同，活躍課程是更能反映課程建設和運行實際狀況的指標。在超星系統(tǒng)上，活躍課程指日訪問量大于10的課程，因此活躍課程數越多，說明教師和學生的活躍程度越高。從表1數據中可以看出，在統(tǒng)計時段內，樣本高校平均每校單周活躍課程數為1 124.78門，若按高校每學期平均開出1 500門次課程來估算，大約75%的課程均為活躍課程，說明統(tǒng)計時段內課程總體上較為活躍。同時，不同類型高校的活躍課程情況略有差異：“211”高?；钴S課程數最多，其次是“985”高校，一般本科高?；钴S課程數最少。

2.自建課程占比高

疫情期間，樣本高校主要通過自建課程來進行在線教學。雖然超星系統(tǒng)儲存了大量已經錄制好的課程資源，也提供了配套課程教學服務，但樣本高校大部分教師仍傾向于根據所教授課程情況自建課程進行教學。在統(tǒng)計時段，樣本高校在平臺上運行的自建課程占運行課程總量的84%（見表2）。 數據顯示，“985”高校、“211”高校、一般本科高校的運行課程均以自建課程為主，占比差別很小。自建課程在運行課程總數中占比最高的是“211”高校，比例高達 87%；其次為“985”高校和一般本科高校，占比分別為86%和82%。

表2 運行課程與自建課程的數量及占比

近年來，教育部持續(xù)進行精品開放課程和精品資源共享課程的建設，疫情期間，無論是教育部還是各高校更是積極倡導教師選用已有的優(yōu)質在線課程，但超星系統(tǒng)的數據顯示，大部分教師仍傾向于自建課程，選用已有優(yōu)質在線課程的教師仍占少數。一些大規(guī)模調查也支持這一結論，如鄔大光教授團隊進行的高校線上教學調查［1］5發(fā)現(xiàn)，使用中國大學MOOC平臺的教師僅占被調查總數的28.78%，大部分教師仍傾向于使用超星學習通、騰訊課堂、騰訊會議、QQ直播等這類適合自建課程的平臺；教育部高等學校大學物理課程教學指導委員會等開展的物理類課程線上教學調查也顯示，“只有23.41%的教師采用了中國大學MOOC平臺作為線上教學平臺”［2］16。這一現(xiàn)象值得深入分析和研究。教師為什么傾向于自建課程而不是選用已有優(yōu)質在線課程資源？是這些課程資源不適用于所教授課程的學生特點，還是教師墨守成規(guī)，抑或是所提供的優(yōu)質在線課程在教學實施方面的服務跟不上？我們認為，可能這些原因都或多或少地存在，因此，如何能夠把優(yōu)質在線課程恰當地、充分地應用到高校教學中去，以使這些課程資源發(fā)揮出更大的作用，改變課程低水平重復建設問題，是未來線上教學面臨的一個重要挑戰(zhàn)。

3.課程的訪問量大，但課程活動發(fā)布和完成量較小

疫情期間，在線課程是高校教學的主要方式，因此在線課程的訪問量非常大。表3的數據顯示，平均每周每門課的教師訪問量達到了597.05次，平均每周每門課的學生訪問量更是高達22 154.30次，按每門課有50名學生選課的估計值計算，每周每位學生一門課的訪問量高達443.09次。也就是說，對每門課來說，每位上課的教師和選課的學生每周都會訪問400～600次。不同類型高校的課程訪問量略有差異：從平均每周每門課的教師訪問量來看，“985”高校最高，為666.41次，“211”高校最低，為 560.75次；從平均每周每門課學生訪問量來看，一般本科高校最高，為24 264.32次，“985”院校最低，為 18 888.17次。當然，對學生的平均訪問量并不能僅從現(xiàn)有數據下結論，因為每門課學生訪問量的差異有可能是選課學生人數不同造成的，但教師的平均訪問量高低可以從一個側面說明教師訪問課程的行為頻繁與否。

表3 不同類型高校教師和學生的課程訪問量

與龐大的課程訪問量相比，課程活動發(fā)布量和完成量卻比較小。超星系統(tǒng)用上線教師數量表示登錄過平臺并發(fā)布活動（包括發(fā)布作業(yè)、考試、任務點、章節(jié)測驗、新建課程內容、上傳云盤資料等）的教師數量，同時用上線學生數量表示登錄過平臺并完成活動（包括完成作業(yè)、考試、任務點、章節(jié)測驗等）的學生數量。表4顯示，在統(tǒng)計時段的樣本高校中，平均每周每門課上線教師數為0.72次，上線學生數為15.39次。從高校類型看，“985”高校平均每周每門課教師上線數最高，為1.27次，明顯高于“211”高校的0.69次和一般本科高校的0.61次；“985”高校平均每周每門課學生上線數也最高，為16.36次，略高于一般本科高校的15.62次和“211”高校的14.57次。

表4 不同類型高校在線教師數和在線學生數

在線課程和教學對大多數教師和學生來說都是新生事物，課程的訪問量大正是教師和學生積極接觸在線教學、學習使用在線教學系統(tǒng)及技術的表現(xiàn)。但如此大的課程訪問量，其課程活動發(fā)布和完成量卻相對較小，這說明課程的訪問更多的是簡單的登錄行為，并不是有效的教學行為。同時，平均每周每門課教師發(fā)布活動不足一次，說明大部分教師并不是每周都發(fā)布課程任務，結合平均每門課前8周上線教師總數，說明大部分教師發(fā)布課程活動任務是集中完成的，這種方式對課程運行以及學生學習會產生怎樣的影響，還需進一步關注和研究。

（二）教學活動及過程

1.錄播視頻教學是教師最為重視的教學方式

疫情期間在線教學有錄播視頻教學、直播視頻教學、任務式教學等多種方式。表5數據顯示，樣本高校平均每周每門課上傳的視頻數為2.41個，視頻時長為37.19分鐘；平均每周每門課直播的次數為0.15次，直播視頻的時長為5.27分鐘。不同類型高校在這方面存在一定差異：一般本科高校上傳視頻資源數最多；“985”高校教師錄播視頻教學時長最長；“211”高校教師直播視頻教學時長最長。

表5 上傳視頻的數量與時長以及直播的次數與時長

對疫情期間教師主要采用哪種方式教學這一問題，目前的研究結論差異較大。有調查顯示，教師在線上教學時更傾向于使用直播教學（均值3.70）而不是錄播教學（均值 2.71）［3］。 筆者也曾就這一問題訪談過部分教師和教學管理人員，有教師表示，由于錄播教學不會受網速、系統(tǒng)負荷等因素的影響，因此他們更傾向于選擇這種方式以保持教學的正常運行；也有教學管理人員表示，所在學校明確要求教師首選錄播教學方式。從超星系統(tǒng)的數據來看，樣本高校平均每周每門課上傳視頻教學資源數量為2.41個，上傳視頻時長接近40分鐘，至少說明錄播視頻教學仍是教師最重視的教學方式，因為教師若想要錄制40分鐘的教學視頻，其工作量肯定遠超40分鐘。當然，若按平均每周每門課2學時估算，錄播視頻時長還不能完全滿足教學需求，因此，實際的情況很可能是大部分教師還采用了除錄播視頻教學以外的其他教學方式，如直播視頻教學，并且直播視頻教學很可能采用了其他的教學平臺和軟件。有調查顯示，同時使用2個在線教學平臺的教師占被調查教師總數的54.06%；同時使用3個平臺的教師占總數的24.31%［1］4；來自對廣東省高校在線教學調查的結果顯示，40%的受訪教師采用多模式在線教學［4］?？梢?，疫情期間高校教師教學方式是多種多樣的，從超星數據看，錄播視頻教學是教師會側重選擇的方式之一。

2.在線課程仍為傳統(tǒng)課程，課程活動和討論均較少

在超星系統(tǒng)上，教師可以發(fā)布的課程活動有很多種，包括簽到、投票、選人、搶答、主題討論、組織測驗、分發(fā)調查問卷、評分、組織分組任務、群聊、發(fā)布通知等。表6顯示了本學期前8周樣本高校中教師發(fā)布活動和學生參與活動的情況。可以看出，平均每周每門課教師發(fā)布的課程教學相關活動數為3.71次，平均每周每門課學生參與的課程教學相關活動數為74.06次，如果以每門課選課學生數為50名來計算，每位學生每周每門課參與的活動數為1.48次。不同類型高校教師發(fā)布的課程活動數也存在差異：一般本科高校教師平均每周每門課發(fā)布的活動數最多，為4.08次，其次是“211”高校為 3.53次，“985”高校最少，為2.41次；學生參與活動數在不同類型高校中也呈現(xiàn)類似狀況。若從傳統(tǒng)課程的角度看，平均每周每門課教師發(fā)布的活動數和學生參與的活動數都不算低，甚至可能比傳統(tǒng)課程略高；但若從在線課程的角度看，這些指標遠遠沒有體現(xiàn)出在線課程的特點，也沒有發(fā)揮出在線課程的優(yōu)勢?？梢哉f，樣本高校的大部分在線課程仍是傳統(tǒng)課程模式，只是把線下課程簡單地遷移到了線上網絡環(huán)境里。

表6 教師發(fā)布活動數與學生參與活動數

在各種課程活動中，我們特別關注了課程討論的情況。表7顯示，樣本高校教師平均每周每門課發(fā)起的討論數為1.31次，學生的討論數（包括發(fā)起和參加）為38.94次。如果按每門課50名學生來估算，學生每周的討論數不到1次。不同類型高校平均每周每門課教師發(fā)起的討論數相近，而學生的討論數則存在差異：一般本科高校平均每周每門課學生討論數最高為49.78次，其次是“985”高校為 27.29次，最后是“211”高校為22.73次。一些問卷調查研究也發(fā)現(xiàn)了相似的問題，如教育部高等學校大學物理課程教學指導委員會等開展的物理類課程線上教學調查顯示，51.24%的教師認為目前線上教學師生互動溝通有困難，40.21%的教師認為學生間的交流討論困難，32.47%的學生認為跟老師互動困難，29.07%的學生認為跟其他學生交流討論困難［2］17；鐘欣芮等報告的針對四川大學化學類課程在線教學調查顯示，目前的在線課程缺乏有效的互動環(huán)節(jié)與討論組織方式［5］。

表7 教師發(fā)起討論數與學生參與討論數

在線教學模式突破了時間和地域的限制，本來應該為多種課程教學活動的開展、教師與學生的有效互動等提供更為便捷的途徑和手段，但可以看到，目前的在線教學并沒有充分發(fā)揮出這方面的優(yōu)勢，所沿用的仍是傳統(tǒng)課堂教學甚至是講授教學的模式，而沒有建立起以互聯(lián)網技術為核心的跨時空、個性化和交互性的新型教學模式。當然，在疫情突發(fā)的情況下高校師生被迫采用在線教學模式，無論是觀念上還是技術上都準備不足，因此出現(xiàn)這些狀況也是可以理解的，但經過一個學期的實踐，未來高校在線教學如何改革和推進，是我們必須要思考和面對的問題。

3.教師發(fā)布作業(yè)量正常，學生完成作業(yè)比較積極

表8顯示了樣本高校在本學期前8周中教師發(fā)布、批閱作業(yè)和學生完成作業(yè)的情況?？梢钥闯?，樣本高校教師平均每門課發(fā)布作業(yè)數為5.61個，批閱作業(yè)數為92.58個，學生完成作業(yè)數為225.93個。不同類型高校在發(fā)布、批閱和完成作業(yè)的情況上略有差異：從發(fā)布作業(yè)的情況看，“985”高校教師平均每門課發(fā)布的作業(yè)量最大，其次是一般本科高校，次數最少的是“211”高校；從批閱作業(yè)的情況看，一般本科高校教師平均每門課的批閱作業(yè)數最多，其次是“985”高校，次數最少的是“211”高校；從完成作業(yè)的情況看，一般本科高校居首位，其次是“211”高校，次數最少的是“985”高校。

表8 發(fā)布、批閱與完成作業(yè)的數量

在前8周的教學時間里，樣本高校教師平均每門課發(fā)布的作業(yè)數約為5個，這個作業(yè)量與以往線下課程的作業(yè)量大致相當。高治國等學者針對新建本科院校在線教學的調查也發(fā)現(xiàn)疫情期間在線課程教學中教師布置的作業(yè)量與線下課程作業(yè)量持平或更高［6］。對在線課程的作業(yè)量應該多少合適？是比線下課程作業(yè)量更大，還是大體相當？目前尚無定論。另外，從批閱作業(yè)和完成作業(yè)的數據看，兩者相差較大，其原因可能是學生提交作業(yè)比較積極，但教師在第8周截止時并沒有全部批閱完成。這可以在一定程度上反映學生完成作業(yè)的主動性和積極性。

4.教師發(fā)布的各類教學材料比較豐富，但對材料學習效果監(jiān)控不夠

在統(tǒng)計時段內，樣本高校教師在超星系統(tǒng)上傳了大量的教學材料，這些資料類型多樣，包括視頻、音頻、圖片、Word文檔、PDF文檔、PPT幻燈片、Excel表格等。表9顯示了樣本高校教師前8周平均每門課上傳的各類材料數量，可以看出，平均每門課上傳材料總數為318.38個，其中，視頻資源數為19.24個，文檔數為17.77個，其他類型材料數為281.37個。不同類型高校在平均每門課上傳的教學材料數上略有不同：一般本科高校上傳的各類材料數最多，其次是“985”高校，最少的是“211”高校。

表9 各類教學材料的數量

應該說，樣本高校平均每門課上傳的教學材料數量很大，類型多樣，材料非常豐富。在這些材料中，視頻資源數大約占6%，文檔數大約占6%，剩余88%的材料是音頻、圖片、PPT、表格等其他類型的教學材料。若結合前面的一些數據，可以發(fā)現(xiàn)：第一，結合教師發(fā)布活動數和作業(yè)數可以看出，大部分教學材料都是提供給學生參考和瀏覽的，作為任務和作業(yè)發(fā)布給學生的材料較少，說明教師只是發(fā)布了大量的材料讓學生自學，但沒有切實的手段監(jiān)控學生自學的效果；第二，結合對上線教師數的分析可以看出，教師發(fā)布教學材料是集中進行的，也就是說，大部分教師可能在時間充裕時一下子發(fā)布大量的教學材料，而不是根據課程和教學進度有規(guī)律地發(fā)布教學材料。

（三）教學行為的動態(tài)變化

1.學期初教師建課熱情高漲，教學行為調整期大約為一個月

圖1顯示了統(tǒng)計時段內樣本高校在8周中的運行課程、自建課程、活躍課程的動態(tài)變化情況，從這些課程數量的變化中可以看出教師教學行為的變化過程。數據顯示，第一周校均運行課程數和自建課程數達到最大，分別為2 278門和2 116門；從第四周開始兩類課程數逐漸平穩(wěn)回落，運行課程數和自建課程數分別穩(wěn)定在校均2 050門和1 650門，分別比第一周減少了228門和466門?；钴S課程數在8周間變化不大，基本穩(wěn)定在校均1 100門左右，高峰出現(xiàn)在第三周，為1 172.32門。

圖1 運行課程、自建課程以及活躍課程數量的動態(tài)變化

統(tǒng)計時段內校均各類課程數量的變化體現(xiàn)了疫情期間教師在線教學行為變化的特點。開學之初，教師對在線教學的模式和所需要的技術都還不夠熟悉，但建課熱情高漲，因此第一周的運行課程數、自建課程數都達到峰值。之后隨著教學活動的開展，教師逐漸熟悉了在線教學的技術和方法，找到了適合自己開展教學的平臺和系統(tǒng)，教學活動開始步入正軌，這個調整適應期大約經歷了一個月左右。另一方面，活躍課程數一直變化不大，在很大程度上說明有相當一部分教師對在線課程教學有較為明確的認識和規(guī)劃，并不是匆忙之下的無奈應對之舉，這種較為明確的認識和規(guī)劃可能來自于學校的指導，也可能這些教師在疫情前就已經具有了一定的在線教學經驗。

2.學期初教師教學投入較多，中期呈現(xiàn)倦怠狀態(tài)

圖2顯示了在統(tǒng)計時段的8周時間里教師多種教學行為的動態(tài)變化情況?？梢钥闯?，在第一周，課均發(fā)起討論數、課均發(fā)布作業(yè)數、課均直播次數等多項教師教學行為數據達到峰值，之后逐步減少。另外統(tǒng)計數據也顯示，教師訪問量和上傳視頻的時長也呈現(xiàn)相似的變化特點：第一周平均每門課教師訪問量最高為937.56次，第二周開始大幅度下降，為630.84次，到第八周平均每門課教師訪問量降至521.04次；第一周平均每門課教師錄播視頻教學時長104.75分鐘，第二周降至58.69分鐘，第三周為 22.98分鐘，第八周為14.10分鐘，應該說下降幅度都較大。平均每門課教師發(fā)布活動數雖然不是在第一周而是在第四周達到峰值，但第一周到第四周均處于較高水平，之后大幅度下降。

圖2 教師多種教學行為的動態(tài)變化

學期初教師多項教學行為數據達到峰值，說明教師在這一時期的教學投入較多，其原因一是在線教學對很多教師來說是新生事物，為了保證在線教學的正常運行，教師不得不投入很多時間和精力進行課程建設；二是經過一段時間的建設，課程進入平穩(wěn)運行狀態(tài)，如果學校沒有進一步的教學質量要求，教師難免進入倦怠期，錄播視頻時長從第一周的課均100多分鐘降到第八周的14分鐘就是典型的倦怠行為表現(xiàn)。因此，對在線教學來說，教學質量的監(jiān)控是十分必要的，但如何進行質量監(jiān)控，卻是需要深入研究的問題。

3.學生在熟悉在線教學模式后，討論和互動表現(xiàn)更為積極

統(tǒng)計數據顯示，學期初學生訪問課程的熱情高漲。從平均每門課學生訪問量來看，第一周學生平均每門課訪問量高達32 319.64次，達到峰值，第二、第三周這一數值大幅下降至23 000次左右，從第五周開始平均每門課學生訪問量穩(wěn)定在20 000次左右。同時，圖3顯示了學生多種學習行為的動態(tài)變化情況?？梢钥闯觯骄块T課學生參與課堂活動數和學生完成作業(yè)數總體上都呈下降趨勢，但中間略有波動，兩種學習行為的波峰都在第一周，波谷都在第六周；平均每門課學生討論數則不同，總體上呈明顯的上升趨勢，波峰出現(xiàn)在第八周。

圖3 學生多種學習行為的動態(tài)變化

學期初學生的高課均訪問量在很大程度上是由于對在線教學還不太適應造成的，學生頻繁登錄實際上也是學習使用在線教學工具的過程。從學生學習行為的波動性來看，則體現(xiàn)了學生的學習心理和規(guī)律，值得深入研究。對于課均學生討論數的增加應引起足夠關注，這在一定程度上說明學生在熟悉了在線教學工具以后，充分利用了其在討論互動方面的優(yōu)勢，因此課均學生討論數有明顯提升。從某種意義上講，當今的大學生對信息技術的接受能力在很多方面要優(yōu)于教師，他們也是熟悉網絡溝通模式的新生代，因此如何進一步挖掘在線教學與當今大學生認識特點的內在共通性，應該是未來深化在線教學改革的突破點。

三、后疫情時期對高校在線教學質量評價問題的思考

如果單從對抗疫情、停課不停學的角度來說，我國高校教師已經交出了令人滿意的答卷，他們在極短的時間里克服了各種困難，保證了高校在線教學的正常運行，體現(xiàn)了作為教師的責任感和專業(yè)能力。但是，在線教學模式并不是針對疫情才出現(xiàn)的，它體現(xiàn)了近年來信息技術發(fā)展與教育的深度融合，是大勢所趨，因此，如果說疫情前在線教學模式還只是少數教師在使用，那么疫情后在線教學已經具備了在高校中推廣的條件和基礎。所以，如何對在線教學質量進行評價，既是我們迫切需要思考的問題，也是我們下一步需要積極付諸行動的領域。

（一）從在線教學特點出發(fā)構建新型質量評價模式，并引導在線教學的發(fā)展

從前面對在線教學運行狀況的分析中可以看出，疫情期間我國高校在線教學質量還存在著很多亟待改進的問題，如教學活動發(fā)布數量少、師生討論少、課程材料學習效果無監(jiān)控、教師教學行為無監(jiān)督等，這些問題有些是線下教學也存在的問題，但大部分問題是在線教學所獨有的。因此，以往傳統(tǒng)教學質量評價要想用于在線教學質量的評價，還需要從在線教學特點出發(fā)進行改革和完善，主要體現(xiàn)在以下三個方面。

第一，超越時空限制，構建融課內和課外為一體的教學質量評價模式。由于傳統(tǒng)教學模式被局限在相對固定的時空范圍內，因此其質量評價也主要以課堂教學為主，重視教師和學生在課堂內的教學內容、教學活動等，而對課堂外的教學準備、教學活動等重視不夠。但在線教學則不同，它本身所具有的跨時空性使得課內和課外的界限變得模糊，教學變成了超越時空的連續(xù)性活動，因此對其質量的評價也應突破傳統(tǒng)觀念束縛，從在線教學活動全過程構建質量評價模式和標準。從前面的分析中可以看出，在線教學評價至少應包括課程建設、課程運行和師生教學行為三個大的方面，而課程資源建設、課程任務設計、師生互動等以往傳統(tǒng)教學質量評價中不大重視的環(huán)節(jié)，恰恰應是在線教學評價重點關注的內容［7］。第二，超越教與學評價的沖突，構建融教師教學和學生學習為一體的教學質量評價模式。傳統(tǒng)教學質量評價更重視教師的教，忽視學生的學，原因當然是多方面的，但其中重要的一點是學生的學尤其是學習過程和學習行為比較難以評價。在線教學系統(tǒng)及信息技術應用為解決這一問題提供了新的可能性，學生的學習過程和行為在系統(tǒng)中全程留痕，為實時監(jiān)控和評價學生的學習時間、學習內容、學習方式等提供了基礎；同時，也將有機會改變學生對教師教學評價的模式。傳統(tǒng)的學生評教一般采用問卷調查的方式，但一直以來效果都不好，總是無法真實反映教師教學的實際狀況，但在在線教學環(huán)境下，我們可以通過學生學習的投入程度、學生在各種教學活動的參與程度、學生在教學過程中的活躍程度等來評價教師教學質量，這無疑將更加客觀地反映教師教學的實際狀況。因此，未來在線教學質量評價應將教師教學和學生學習都納入質量評價的范疇。第三，超越教學投入難以評價的困境，構建融教學投入、教學行為以及教學成果為一體的教學質量評價模式。對教師教學投入的評價一直是教學質量評價中的難點，因此目前大多數教學評價所關注的主要是教師的教學成果和課堂教學行為，對教師的教學投入和課堂外教學行為的評價涉及很少。但在線教學在這方面將發(fā)揮出優(yōu)勢，教師對課程和教學所付出的全部努力都會留存在在線教學系統(tǒng)之內，這將有助于構建更為全面、合理的教師教學質量評價標準，也將從深層次改變傳統(tǒng)教學評價中教師過分關注各種教學成果項目和獎勵、忽視真正把精力投入教學的狀況。以上所提到的在線教學新型質量評價模式所關注的重點，由于也是在線教學自身的特點所在，因此從這些方面對在線教學進行評價，將有助于在保證在線教學質量的基礎上，引導在線教學的健康發(fā)展。

（二）完善在線教學平臺和系統(tǒng)的質量評價功能，使教學質量評價常態(tài)化、人性化

近年來，由于社會各界對高等教育質量的重視，高等學校都建立了比較完善的內部教學質量評價體系。概括地說，當前高校教學質量評價有以下三個特點：第一，重視規(guī)范化管理，制度和文件都比較健全，但體現(xiàn)教師教學個性化的空間不夠；第二，教學評價主要還是依靠督導、抽查等傳統(tǒng)手段，無法覆蓋所有教師和所有教學環(huán)節(jié)，體現(xiàn)常態(tài)化不夠；第三，教學評價工作為教師帶來了很多填表、準備材料等額外工作量，體現(xiàn)人性化不夠。這些問題在傳統(tǒng)教學質量評價模式下很難解決，但在線教學平臺和信息技術在教學質量評價中的應用將有助于改變這種狀況，突破傳統(tǒng)教學質量評價模式的束縛，而這其中至關重要的一點是要進一步開發(fā)和完善在線教學平臺和系統(tǒng)的教學質量管理和評價功能。

目前高校教師使用的在線教學平臺和系統(tǒng)主要有三種：一是高校自建的在線教學平臺和系統(tǒng)，主要是滿足校內在線課程運行的需要，它們有一定的教學質量評價和管理功能，但不太注重用戶體驗等方面；二是高校和政府出資建設的公共在線教學平臺和系統(tǒng)，主要是為了給國家的精品在線課程提供展示和運行的空間，因此質量評價問題并不在這類平臺和系統(tǒng)的關注范圍之內；三是企業(yè)研發(fā)的在線教學平臺和系統(tǒng)，它們主要是面對教師、學生等個體用戶，因此比較關注用戶體驗，也會關注高校的一部分教學管理需求，但關注度不夠。據鄔大光教授團隊對97所高校線上教學質量報告文本的分析顯示［1］4，97所高校一共使用了66種在線教學平臺，其中高校和政府平臺共11種，占比17%，市場化平臺共55種，占比83%；97所高校平均每校使用平臺數為6.9個?？梢钥闯觯咝Ｊ褂迷诰€教學平臺和系統(tǒng)是比較分散的，因為不同的在線平臺和系統(tǒng)側重點不同，其功能也各有側重。這種情況在目前應對疫情挑戰(zhàn)時尚可，但若面對未來在線教學普遍開展、需要進行教學質量評價時就會顯露出其局限。因此，進一步開發(fā)和完善在線教學平臺和系統(tǒng)的功能就顯得非常必要和迫切。我們認為，一個完善的在線教學平臺和系統(tǒng)至少應具有三方面的功能：第一，為教師和學生提供通過各種形式進行教和學的支持功能和服務功能；第二，為教師提供能夠分析學生學習行為和學習成果的自我教學評價功能；第三，為高校提供能夠對學校在線課程運行及教學質量進行監(jiān)控、評價和管理的功能。在線教學平臺和系統(tǒng)只有具備了完善的功能，使得教師、學生和教學管理部門的在線教學需求能夠在同一個平臺上得到滿足，在線教學質量評價才能成為可能。

教學質量評價若能通過在線教學平臺和系統(tǒng)實現(xiàn)，將有助于促進教學評價的常態(tài)化和人性化。首先，教學評價不再是外在于教學的活動，教學評價所依賴的證據就是教師在日常在線教學建設和運行中的所有行為的總和，這是教學評價常態(tài)化的最好體現(xiàn)；其次，教學評價不再需要教師付出額外的時間和精力，教師只需要把精力都投入到教學中來、專注于提升教學質量即可，教師可以從應對教學評價的工作中解放出來；最后，教師對學生、學生對教師、高校對教師的評價都將更加及時和有效，教學評價將有可能真正發(fā)揮出其改進教學質量的作用，而不僅僅是管理和監(jiān)督教學質量的作用。

致謝：

感謝廈門大學教師發(fā)展中心和超星公司對本研究給予的支持！