劉敏 任鐘媛

摘? 要：隨著教育信息化從1.0時代向2.0時代轉段升級，如何通過數據賦能課堂教學質量評價實現深度學習目標正成為研究熱點。目前課堂教學質量評價體系難以滿足深度學習要求。因此，為適應智能時代的發(fā)展，提高教學質量，該文構建深度學習導向下的課堂教學質量評價體系，并且應用主成分分析法發(fā)現傳統(tǒng)課堂教學評價背景下高校學生在認知領域、個人能力方面與深度學習目標差距較大?；诖?，該文為數據賦能課堂教學質量評價提出針對性的建議和措施，以期達到深度學習目標。

關鍵詞：深度學習；教學質量評價；主成分分析；數據賦能；教學改革

中圖分類號：G642? ? ? 文獻標志碼：A? ? ? ? ? 文章編號：2096-000X（2023）35-00４７-0４

Abstract： With the transformation and upgrading of educational informatization from 1.0 era to 2.0 era， how to achieve the goal of in-depth learning through data enabled classroom teaching quality evaluation is becoming a research hotspot. At present， the classroom teaching quality evaluation system is difficult to meet the requirements of in-depth learning. Therefore， in order to adapt to the development of the intelligent era and improve the teaching quality， this paper constructs a classroom teaching quality evaluation system under the guidance of deep learning， and applies the principal component analysis method to find that there is a large gap between college students' cognitive field， personal ability and deep learning goals under the background of traditional classroom teaching evaluation. Based on this， this paper puts forward targeted suggestions and measures for data enabled classroom teaching quality evaluation， in order to achieve the goal of in-depth learning.

Keywords： deep learning; teaching quality evaluation; principal component analysis; data empowerment; teaching reform

教育信息化2.0時代伴隨的淺層讀圖、信息娛樂化、碎片化現象等對高等學校教學應用與研究提出挑戰(zhàn)[1]。新興技術的發(fā)展帶來了學習淺表化和浮躁化，導致學習效率和效果不如預期。因此告別淺層學習，實現深度學習已成為大勢所趨。

科學合理的課堂教學質量評價體系能引導教學決策調整和教學實踐的改進，助推教學過程中學生深度學習能力的實現。目前，數據賦能教學評價，并通過評價反饋進行教學診斷和干預以促進教學質量提升是我國當前教學評價改革的重要方向?；诖?，本文試圖探究智能時代下數據賦能教學全過程多維質量評價，以期實現深度學習目標。

一? 課堂教學質量評價現狀

人工智能等現代技術的應用使得評價反饋時間縮短，評價結果更具客觀性，因此可以有效提升評價效率，優(yōu)化教學質量[2]。事實上，目前教學質量評價并未實現與新興技術的結合。

（一）? 課堂教學質量評價方式簡單、不客觀

高校教學質量評價主要分為評“教”和評“學”。在教學質量評“教”中，通常以督導、學生、同行為評價主體。督導和同行評價往往是采取隨機聽課評分的形式，隨機性以及主觀性較大。而學生評“教”雖是采用教學評分評價，但容易陷入教師期末給分高，則給予教師教學評分高的誤區(qū)，客觀性有待商榷。在教學質量評“學”中，雖然“期末成績與平時成績相結合”的評價方式涵蓋了學生的出勤情況、課堂參與度情況等，但是仍然無法關注到學生課堂集中度、自主學習程度等指標。

（二）? 課堂教學質量評價內容單一、不全面

由于督導、同行進行評“教”時采用隨機聽課評分的方式，往往對教師教學理念、內容、狀態(tài)及成果難以有全面、清晰的認知，無法給出系統(tǒng)的科學的評價。而教師評“學”更是如此，評價元素少，僅對成績關注較多，而無法從深度學習層面進行全面評價。

（三）? 課堂教學質量評價工具傳統(tǒng)、不智能

目前高校的教學質量評價多是應用網絡教學平臺提供量表的形式，沒有提供全面、多維的動態(tài)模型，難以實現教學質量的動態(tài)評估。因此，隨著人工智能等新興技術的不斷深入，傳統(tǒng)的教學質量評價方式由于缺乏系統(tǒng)的評價體系、智能的數據跟蹤及全面的評價數據分析，已經不能充分指導教學活動的開展，不能適應深度學習目標的實現[3]。

二? 深度學習導向下課堂教學質量評價體系構建

互聯(lián)網時代，淺層化學習方式隨著新興技術的發(fā)展又呈現出新的特征，阻礙深度學習的實現。但無論何時，深度學習相對于淺層學習是主動的、批判的且有意義的[4]。本文參考卜彩麗等[5]得到深度學習導向下課堂教學質量評價框架，見表1。

在認知領域層面，深度學習要求學習者能旁征博引，具備將知識遷移應用以及問題解決的能力。具體來說，掌握核心學科知識能力是學習者能理解核心學科知識并能將其應用到新的學習情境或真實世界中。批判性思維和復雜問題解決能力更側重技術和工具的應用，以及信息整合能力對問題解決的影響。

人際領域主要包含團隊協(xié)作能力和有效溝通能力。團隊協(xié)作能力是指學習者能協(xié)作解決學習、個人、社會等多方面的問題。有效溝通能力是指學習者能清晰地組織和表達自己的數據、觀點等。深度學習更多地發(fā)生在“群體情境”中，學生在溝通與協(xié)作的過程中對學習內容的把握更加深刻，更容易產生奇思妙想。

在個人能力上，深度學習表現為學習者具有更強的學習動機和更高水平的自我效能感，具備學會學習和學習毅力的能力。從學會學習能力上看，學習者不僅要掌握專業(yè)知識，還要有學習的技巧和策略，并能在學習過程中實時監(jiān)測自己的學習狀態(tài)。此外，在學習過程中，深度學習者是有堅韌的學習毅力以應對遇到挫折和阻礙。

三? 傳統(tǒng)教學質量評價背景下高校學生深度學習現狀

本文為更有針對性地探究數據賦能教學質量評價體系助力深度學習目標實現，利用主成分分析法研究在傳統(tǒng)教學質量評價背景下高校學生的深度學習現狀。本文以江西省內三所高校學生為調查樣本，發(fā)送問卷564份，回收有效問卷551份。問卷中采用李克特五級量表，對深度學習下掌握核心學科知識能力（x1）、批判性思維和解決復雜問題的能力（x2）、團隊協(xié)作能力（x3）、有效溝通能力（x4）、學會學習能力（x5）和堅韌的學習信念（x6）六個指標進行測量。

（一）? 信度與效度分析

本文基于SPSS 26.0分析問卷整體的信效度。首先得到Cronbach's alpha系數為0.936，這說明該問卷信度高，可靠性強。其次采用KMO和巴特利特檢驗量表的效度，KMO值大于0.8，且巴特利特檢驗在1%的顯著性水平下顯著，說明該問卷效度較高（表2）。結合信效度結果分析，該問卷適合選用主成分分析進行研究。

（二）? 數據分析

主成分分析法可以通過降維達到簡化計算、分析及評價的目的。本文根據累計方差貢獻率超過85%的原則，提取出2個主成分，方差累計貢獻率達86.576%，即能反映大部分原始信息，見表3。

成分矩陣即因子載荷矩陣，反映主成分與標準化后原始變量的相關關系。通過成分矩陣可以得出深度學習各衡量指標的綜合得分系數，最終得到主成分綜合模型，見表4。

F1=0.294x1+0.295x2+0.406x3+0.409x4+0.373x5+0.387x6。

綜合得分系數越大，則深度學習能力越強。根據6個指標的綜合得分系數來看，高校學生目前的深度學習能力在人際領域方面表現較為突出，在個人能力方面需要加強，認知領域方面有所欠缺。但是總體得分較小，意味著目前的評價方式并未助推學生達到深度學習標準。

四? 數據賦能課堂教學質量評價體系——以深度學習為導向

總體上看，目前教學質量評價方式并未給學生深度學習能力帶來質的飛躍。在這個人機協(xié)同的智能時代，探索數據賦能的教育評價創(chuàng)新，是推動我國智慧教育發(fā)展的必由之路，是促進深度學習能力發(fā)展的重要途徑。

（一）? 數據賦能教學質量立體化評價

學生在深度學習能力上，尤其是認知領域和個人能力方面出現欠缺，則教學質量評價應借助智能技術形成更全方位、多層次的評價體系。

首先，智能技術應全方位跟蹤學生學習的各階段，采集學生身心健康、學習情況、人際往來等數據，利用新興技術將學生學習狀態(tài)形成智能可視化，將學生深度學習能力進行動態(tài)畫像。因此，除了學習成績，智能技術還能監(jiān)測到學生的性格特點、思維水平、自控能力等[6]。傳統(tǒng)的教育方式下，唯成績論的思想根深蒂固。而在智能時代下，盡管學生在學習成績上不佳，但是其包含的其他特質，如綜合素養(yǎng)、思維敏捷度等突出，立體化評價反饋的數據就會提醒教師該學生仍有培養(yǎng)和發(fā)展?jié)摿?，需重點關注，利于教師根據促進學生全面和諧發(fā)展的客觀規(guī)律，及時發(fā)現問題，有針對性地解決問題?？傮w來說，數據賦能課堂教學質量評價體系有利于形成對學習者的立體化評價，教師可以通過評價反饋數據進行教學診斷和干預，實現因材施教策略，促進教學質量提升。

其次，智能技術實現教師教學質量評價的客觀性，并利用智能技術繼續(xù)賦予以學生為中心的深度學習課堂新的活力，形成對教師的立體化評價。課堂教學質量還要受到教師方面多個維度的影響，如教師的工作狀態(tài)、職業(yè)感受及發(fā)展需求。因此對教師形成立體化評價同樣有利于提升教學質量。例如，教師的職業(yè)感受，職業(yè)滿意度會直接影響到其課堂狀態(tài)。對自己的職業(yè)不感興趣、不滿意的教師就更不會盡心盡力培養(yǎng)學生成才。另外，如果該職業(yè)的未來前景難以滿足教師的職業(yè)需求，教師就會更容易產生職業(yè)倦怠，形成低迷的精神狀態(tài)。這兩種情況對課堂教學質量的影響都不言而喻，會極大阻礙深度學習目標的實現?；诖?，學校管理部門就更應依據智能課堂教學質量評價體系返回的數據，對教師進行全面科學的評價。管理部門可以依據智能數據洞悉教師課堂中的精神狀態(tài)和思想動向，及時進行深入訪談和調研，有針對性地合理調整?？傮w來說，學校管理部門可針對影響教師教學質量的因素，合理進行管理干預，為深度目標的實現奠定基礎。

（二）? 數據賦能教學質量過程性評價

實際上，傳統(tǒng)的教育方式下，容易出現“一考定終身”的誤區(qū)，這是終結性評價方式的典型特征。隨著深度學習理念的不斷深入，過程性評價取代終結性評價是未來教學質量評價改革的發(fā)展方向。過程性評價目標與過程并重，相關主體能根據評價結果及時調整教學策略。而人工智能、區(qū)塊鏈等新興技術的引入則更為過程性評價在教學過程中的深入提供了技術支撐。

由上文數據結果可知，高校學生仍在認知領域和個人能力上沒有完備的深度學習能力，造成這種現象的主要原因是課堂仍以教師為中心，學生過分依賴教師對知識的講解，缺乏獨立思考、知識遷移應用的過程，難以形成完整的知識建構。在此問題上，智能技術應多渠道采集教與學的數據，形成獨立的成長報告，形成過程性評價。如可利用人工智能技術抓取學生或教師在課堂中的表情、動作形成個人的情感數據、行為數據和過程數據等。借助教育大數據分析工具形成的各階段報告是動態(tài)實時的，是伴隨式的，教師和學生可以依照數據反饋及時調整教學進度、改善學習方法、優(yōu)化學習策略等。

在傳統(tǒng)的教學質量評價體系下，教學質量評價主體存在諸多限制。而數據賦能教學質量評價體系后，允許多元主體共同參與評價，如自我評價、同伴評價、利益相關主體評價及數據智能評價，最終評價結果可根據各部分評價動態(tài)數據建模得出。因此，數據賦能教學質量過程性評價，不僅能洞察學生真實的學習情況，還能發(fā)掘內部教學規(guī)律和影響因素，形成個性化教學體系和教學服務。

（三）? 數據賦能教學質量增值性評價

增值性評價主要以學生學習成效增值作為評價依據，與傳統(tǒng)的看學生平均成績，絕對成績有很大差異，與深度學習能力的培養(yǎng)不謀而合。盡管目前多數高校課程的教學成績由平時成績和期末成績兩部分組成，但是仍存在比重分配不合理，學生不關注平時課程成績的情況。因此，依托智能技術對教師的教學質量和學生的學習效果進行長期、不間斷的跟蹤，形成增值性評價，監(jiān)測學生高階思維能力的獲得與培養(yǎng)至關重要。

智能的教育評價體系是個性化的，會根據個人數據形成不同的、長期的跟蹤性評價方案。能力的提升是該評價體系的關注重點，即在該教學質量評價體系背景下，絕對成績的橫向對比已經不足以支撐學生全面和個性的發(fā)展，水平的提升、未來的發(fā)展?jié)摿Σ攀窃u價教學效果的關鍵要素。

（四）? 即時通訊技術賦能教學質量評價

隨著微信、QQ等移動即時通訊應用程序成為個性化和普遍化相融合的通訊媒介，將教學質量評價和即時通訊技術相結合，是當前教育現代化和智慧化的新發(fā)展方向。應用即時通訊技術可以通過提升教學的智能化、自動化程度來更簡單、有效地記錄教學數據，及時調整課堂節(jié)奏，提升教學效率。與此同時，即時通訊技術的應用打破了傳統(tǒng)課堂的時空限制，消除了信息壁壘，推動課堂教學質量評價體系的完善。如學生通過在線觀看教學視頻、教學課件、做測試題，教師可以清晰地監(jiān)測學生課堂學習效果，并且教師的教學表現也會上傳至云端進行分析，保證了評“教”和評“學”的客觀性、即時性。再加上，以即時通訊技術支撐的應用程序可以在整個課程中疊加使用，這會進一步豐富評價結果。如課前可以應用慕課、超星學習通查找學習資源，課中可以運用“雨課堂”，記錄學習效果，課后相關主體則根據此類應用程序反饋的動態(tài)數據對教學進行分析。

總體而言，數據賦能教學質量評價體系可以依托智能技術始終秉持導向型、增值性、客觀性和綜合性的評價原則，考察教學中深度學習能力的實現，凸顯促進教育教學改革和發(fā)展的獨特價值，使教師善教，學生樂學，為推進課堂教學質量評價改革和促進學生的全面發(fā)展注入新的動能[7]。

五? 結束語

為適應智能時代的發(fā)展，本文提出了對傳統(tǒng)教學質量評價體系的若干思考，通過構建深度學習評價體系，發(fā)現當前教學質量評價體系與深度學習目標間存在的差距，并針對當前存在的諸多問題，提出數據賦能課堂教學質量評價體系的建設性措施和意見，助推深度學習目標的實現。

參考文獻：

[1] 謝幼如，邱藝，劉亞純.人工智能賦能課堂變革的探究[J].中國電化教育，2021（9）：72-78.

[2] 羅利，柳亮.高校在線教學質量評價現狀及對策[J].教育觀察，2020，9（41）：38-40.

[3] 馬青.基于在線教學大數據的教學質量評價與實踐[J].中國多媒體與網絡教學學報（中旬刊），2021（11）：22-24.

[4] 何玲，黎加厚.促進學生深度學習[J].現代教學，2005（5）：29-30.

[5] 卜彩麗，馮曉曉，張寶輝.深度學習的概念、策略、效果及其啟示——美國深度學習項目（SDL）的解讀與分析[J].遠程教育雜志，2016，34（5）：75-82.

[6] 羅良，李勉.用評價數據賦能學校管理，全面提升教育教學質量[J].教育與教學研究，2021，35（5）：1-2.

[7] 韓青松，郭嘯，劉偉誠.“雙一流”建設背景下高水平大學研究生教學質量評價的必要性和重要性探究[J].大學，2022（2）：71-75.