基于大数据的研究生在线教学质量分析研究
付志文，吴东醒，贺超波
（仲恺农业工程学院 网络与现代教育技术中心，广东 广州）
摘 要： 大数据时代高等教育的教学质量评价具备了科化学和数据化的技术基础，在线教育已融入研究生教学中，但通过大数据分析对研究生教学进行质量监控的研究尚不多见。通过研究生教学管理系统和在线教学系统的对比，总结归纳了在线教学系统在教学质量分析方面的优势。以某农业院校农业推广硕士研究生公共课为例，采取学习分析技术，对在职研究生学习情况以及教师在线教学活动情况进行分析。通过案例分析揭示了教育大数据对研究生在线教学质量监控的作用及应用前景。
关键词： 学习分析；大数据；研究生教育；教学质量
一 研究背景
（一）大数据时代研究生教育的变革
当前大数据技术已渗透到经济、社会、文化各个领域，对各行业都产生了巨大的影响，把大数据分析技术应用于高等教育人才培养质量评价，将成为高等教育改革深入发展的助推器。高校研究生教育具有特殊性，它与社会发展、知识生产密切相关，以大数据为抓手推进研究生教育变革是提升研究生教育质量的重要途径。
通过文献分析可知，已有不少针对大数据技术如何应用于研究生教育领域的研究。在理论层面，张凌云[1]在考察发达国家研究生教育管理变革的基础上，描绘了应用大数据技术推进我国研究生教育管理创新的路径。张伟[2]探讨了如何将大数据技术与研究生教育管理系统相结合，分析了大数据技术支持下研究生教育管理系统的应用成效。在实践领域，研究生课程教学、就业[3]、思想政治教育[4]、监测评估[5]等方面都不乏大数据应用的实践案例。如南京理工大学应用数据挖掘技术，在研究生招生、课程设置、教学评价和就业管理四个方面进行了管理机制的创新[6]。
（二）在职研究生培养质量保障的需要
当前我国在职研究生教育规模发展很快，在读学生增长迅速，但有限的教学资源、单一的教学方式、物理与时空距离产生的沟通不畅等不利因素对在职研究生的教学提出了空前的挑战，如何保证在职研究生培养质量成为研究生教育工作者关心的问题。近年来，以MOOC、移动学习为代表的在线课程深入融合到研究生教学中，为在职研究生培养提供了更为丰富的教学手段和课程内容。在线学习为不方便参加面对面课堂教学的在职研究生提供了新的学习途径，为在职研究生的自主安排教学时间、自由掌控教学进度、独立探究学习深度提供了个性化选择的可能[7]；在线学习为农科类课程提供了教学所需的海量科学研究数据、丰富的实践案例、走近农业生产一线的可能。因此在职研究生的教学中已涌现出了较多的在线教学实践。但是，如何对在职研究生在线教学的质量进行跟踪、监控、分析还是一个崭新的课题。
本文试图从微观的角度，通过一门在线课程教学的案例，分析阐释如何应用在线教学平台的大数据对研究生在线教学进行质量分析。
二 研究生课程教学质量监控的现状分析
通过文献分析得知，目前对在职研究生培养质量的研究主要是宏观层面的教育质量保障体系的构建，学者们对建立内外部保障、思想及制度创新、引入全面质量管理、规范政府督导职能、培育专业性社会评估机制[8]，建立生源、教学、论文、管理和评估[9]等维度的质量保障途径进行了较为深入的探讨。而在课堂教学这一微观层面的质量分析研究则相对比较少，王健[10]在使用翻转课堂开展在职研究生英语课程教学中，通过课程学习档案袋对教学进行分析评价的研究是笔者所见到的此领域为数不多的研究之一。
当前在线教学领域涌现了诸多软件系统，可为研究生教学质量分析提供细致化、数据化提供支撑，以下就业界中使用较为普遍的几个系统作简要论述。
在职研究生教学管理实践中，研究生教学管理部门通常借助研究生教务管理系统对在职研究生培养过程涉及的课程教学进行管理，一般包括选课、排课、成绩等功能，其特征是关注教学安排和教学结果的数据管理，但对教学过程难以掌控。张巍[11]分析了大连理工大学研究生课程质量监督与评价信息系统的应用及效果，该系统数据需要人工填报，一部分来源于研究生教学督导的随堂听课记录评价，一部分来源于助管检查任课教师是否按时上下课，有无停课、更换上课地点等教学秩序情况。总体而言，单个信息管理系统“无法满足研究生教育管理精细化和标准化的要求，更无法满足对研究生培养质量的全程跟踪、及时监控、质量评价和反馈优化的需要”[12]，需要借助其他信息系统收集并分析教学过程数据，使其转变为有价值的教学过程信息供管理部门参考、决策。
三 在线学习平台的功能分析
通过以上案例分析，可以看到基于大数据的在线教学质量分析在提升研究生教学质量监控机制的准确和科学性具有显著优势，这表现在以下3个方面。（1）增强了在职研究生教学质量分析的精确性。传统的研究生教学质量监控机制主要依赖于人工收集数据（如督导听课、信息员巡查、考试成绩、访谈、学生对导师评价），这些评测方式带有一定的主观性。而基于大数据的研究生在线教学质量分析通过计算机程序收集师生行为，可以做到客观精确地记录他们的登陆、观看视频时长、阅读学习材料次数、完成测试题等结构化数据，为教学质量分析提供客观的佐证材料。（2） 增强教学质量分析的即时性。传统的研究教学质量监控机制包含“信息收集——教学质量认知——教学决策——教学行为调整——新的信息收集”的循环往复的动态过程，由于教学效果需要在教学评价结束（期末考试）后才能获知，因此整个监控机制有着一定的滞后性。而基于大数据的研究生在线教学质量分析具有“所见即所得”的优势，学生与教师在平台的行为得以即时可以呈现，让师生均可根据分析结果及时调整自己的步调。（3）增强教学质量分析的预警与预测功能。传统的研究生教学质量评价往往是在课程教学结束之后，由研究生管理部门检查教学情况，即使发现存在的问题，也只能是在以后的教学中予以修正。而在线教学质量分析可以通过查看当前学习数据，一目了然地看到每位学生的学习状况。如果有的学生学习进度明显滞后或者章节测试明显低于平均水平，教师可以对其进行学习干预，从而提高该学生在剩余学时内的学习质量。
目前已有很多高校使用上述在线学习平台开展了大量的教学实践，通过这些实证研究，不难发现它们各自的功能特征。Moodle平台中具备[13]（1）学生学习进展跟踪功能，了解学生各项学习活动的完成情况，分析学生各项学习活动的参与度。（2）学生在线学习时间分析，可以掌握学生的在线学习时间，以及学习时段的分布情况。（3）学生参与讨论的频度分析，可以反映学生的学习主动性。（4）学习成绩分析，能够记录学生学习过程中的各项活动成绩。（5）呈现课程各项资源的访问情况。智慧树学习平台也具有类似的功能，它能“直观呈现学习情况。无论是教师端还是学生端，学生个体和群体学习的情况均以统计图、进度条等直观形式即时呈现，促进教师随时调整学习进度和策略……个体测试成绩、学习进度、学习轨迹等情况均可以呈现给教师，教师可以即时了解每位学生的学习情况，并进行有针对性的指导”[14]。清华大学王帅国将雨课堂的功能总结为“课内限时习题、不懂按键、弹幕式讨论、推送手机课件等功能自动采集学生在使用过程中产生的所有学习行为，这些数据被整合分析后，将帮助教师量化了解学生的学习效果，从而让教师更好地评估自己的教学过程，进而调整自己的教学策略。”[15]
利用CH3CHO与过量的NaHSO3发生加成反应，待反应完全后，进行滴定实验，用配制好的I2标准溶液测定剩余NaHSO3的量，并同时做空白滴定实验。通过NaHSO3反应前后的变化，即I2标准溶液滴定时所消耗的体积之差，则可以计算出乙醛的含量[15]。
在线学习平台同时也可对教师教学行为进行分析，从图4可以发现，学习平台从课程建设、资源建设、师生互动3个一级指标考量教师的教学“活跃度”，对9个二级指标（网站建设、MOOC、翻转课堂、教学资料、习题、知识点、答疑互动、作业考试、投票）的活动进行统计计算出每位教师的“活跃度”。从图中可见5位老师的在线教学各有分工，有的侧重于课程建设，有的侧重于师生交互，但总体的活跃度都比较高，均在100以上。以上数据说明在本期的教学中，教师的在线教学表现较好。
四 基于大数据的研究生在线教学质量分析案例
从图1中可以看到整个教学周期内学生在线情况的变化趋势，学期开始的9月、10月、11月在线人数都维持在一个较高的水平，12月以后由于课程临近结束学生在线学习的频率也大幅度下降。同时系统也会通过数据分析，将选取活跃度较高及较低的一些学生予以展示，提醒教师关注，如图2所示。
（一）学生学习行为分析
本研究使用某农业院校的智慧树MOOC教学平台为研究工具，在平台开展多门农业科学类课程的网络教学，选取农业推广在职研究生研一学生为研究对象，调研2018～2019第一学期公共课的网络学习数据，包括登陆情况、阅读教学内容、章节练习、参与讨论等数据表，分析学生与教师的在线教学活动情况，通过数据分析试图总结师生教学规律，为管理部门监管课程的在线学习过程、评估在线学习效果提供参考。
图1 学生登陆情况
图2 学生活跃度分析
图3 学生学习成绩分析
基于大数据的学习平台采集到的在线学习的数据是动态的、过程性的，将学生的平时学习表现数据化，为开展形成性评价提供了良好的基础。图2展示了学生的成绩分析，从中可以看到学习成绩构成包括阅读教学内容、观看MOOC、章节练习、参与讨论、调查问卷等指标，各个指标的权重可以由教师根据教学实际进行设定。
通过以上几个较为流行的在线学习平台的功能分析，可知它们着重于教学过程的数据收集、处理，通过记录学生阅读教学材料、完成在线作业或测试、开展论坛上讨论等在线学习活动收集学生的学习行为数据，构造完整的学习过程数据链。同时，对教师的教学行为也有相应的数据化监测机制，如记录教师建设在线课程的工作（创设课程知识点、创设在线测试题目等、上传阅读材料等）、开展在线讨论答疑的次数、批改作业测试题的次数等。通过收集师生在学习平台上的活动数据形成具有大数据特征的在线学习平台，将营造一个智慧学习环境，学生能利用丰富的网络资源，学习过程将被记录和分析，教师、管理者能便捷地了解到在线学习的进度及学习效果。
（二）教师在线教学行为分析
新型农村社会养老保险试点分析与对策——以彭泽县天红镇为例……………………………………… 欧阳勤 欧阳燕（6/28）
图4 教师在线教学行为分析
按使用场景来进行分类，目前在线学习平台可分为PC端的学习平台、移动端学习平台、MOOC学习平台。应用较为广泛的PC端学习平台有Blackboard、开源平台Moodle；移动端的学习平台有课堂派移动教学平台、雨课堂教学平台，而MOOC学习平台一般兼具PC端及移动端，有爱课程、智慧树、学堂在线等。
五 结语
研究生教育教学质量监测功能从客观角度看是一种信息搜集活动，目的是为了呈现教学质量现状，教学质量监测是通过信息来认识教学质量活动，目的是为了对教学质量现状做出一定的判断[16]。大数据分析技术的出现，使教学信息搜集更为精确，这为在职研究生在线教学质量分析提供了先进的工具。将大数据技术融入在职研究生教学质量监控体系中，可使监控更具有科学性和前瞻性，它精确的数据采集、即时的数据处理与可视化展示、具有预警功能的分析结果等特点显示了其在此领域巨大的潜力。将大数据技术融入农科类课程教学，可提供海量农业科学数据、虚拟仿真实验等丰富学习资源从而提升教学质量。
伟大的教育家陶行知老先生提出教育就是生活的观念。他反对脱离生活没有活力僵硬的传统教育。他指出要建立以生活为中心的教育，提倡“用生活来教育”“生活决定教育”。在小学数学教学中，小学生的形象思维能力较强，所以我们应该努力践行陶行知的生活教育思想，使数学教学在生活的沃土中扎根、发芽、开花、结果。
由于不同洪水量级的河道综合糙率不同，需要选取与地形匹配的不同量级洪水过程来反求河道糙率。与1997年实测河道地形相匹配的较大洪水过程出现在1995年8月，博罗站洪峰流量为6 660 m3/s，接近东江流域三库调洪工况下的5年一遇洪水(简称“95.8”洪水)，该场洪水可作为“常遇洪水”的率定资料。模型率定的上边界取值为博罗、麒麟咀的流量过程，下边界取值为大盛、泗盛围相应的潮位过程，率定结果见表1。
本研究通过案例分析，探讨了如何应用在线课程中产生的大数据对在职研究生课程教学质量进行分析，若从整个在职研究生培养体系来看，仅占其中一个环节。研究生教育的层次性和复杂性要求数据采集来源需覆盖整个研究生培养体系，当前应以智慧校园建设为契机，打通校内各业务信息系统的共享通道， 优化在职研究生质量保障体系涉及到的信息系统数据共用机制，实现研究生招生与培养、学习与生活、就业与发展的大数据分析与共享，形成完整的大数据链条。通过挖掘数据中蕴藏的教育教学信息，为研究生教学管理部门科学决策提供依据，如此才能全面提升和保障在职研究生的培养质量。
——坚持节约资源和保护环境基本国策，科学规划生产空间、生活空间、生态空间，不断探索创新自然资源管理利用方式，大力推进资源节约集约和高效利用，为全省经济社会发展提供了有力保障。
参考文献
[1] 张凌云，陈龙.大数据时代高校研究生教育管理的变革——基于发达国家实践的考察[J].学位与研究生教育，2018(06):33-37.
[2] 张伟，程颖.基于大数据技术的研究生教育管理系统构建与应用——以西部某综合型高校为例[J].贵州大学学报(社会科学版 )，2018，36(02):134-138.
[3] 侯士兵，姚思含，沈延兵.大数据背景下研究生就业精准服务体系的探索与实践[J].学校党建与思想教育，2018(05):69-71.
[4] 张颖，刘兴国.大数据时代给研究生思想政治教育带来的启示[J].学位与研究生教育，2016(03):39-42.
[5] 李芬，王战军.基于大数据的研究生教育监测评估研究[J].学位与研究生教育，2016(07):15-19.
[6] 钱增瑾，孙东平.数据挖掘在研究生教育管理信息系统中的应用[J].学位与研究生教育，2013(05):46-49.
[7] 刘飒.在职研究生教学中MOOC的应用探索[J].教育教学论坛，2017(07):120-121.
[8] 许建领，马振耀.非全日制研究生教育质量保证体系的建构[J].深圳大学学报(人文社会科学版)，2002(05):118-122.
[9] 童玉玲.非全日制研究生教育的质量保障体系[J].重庆科技学院学报(社会科学版)，2007(01):127-128.
[10] 王健，赵英红.基于翻转课堂的非全日制研究生医学英语课程教学与评估模式研究[J].卫生职业教育，2018，36(08):53-55.
[11] 张巍，齐民，赵明砚.研究生课程质量监督与评价信息系统的设计与实践[J].学位与研究生教育，2012(03):30-33.
[12] 常凯，赵艳莉，黄文峰.“新常态”下的研究生教育管理信息化系统设计——以福州大学为例[J].中国远程教育，2017(01):71-76.
[13] 周剑云.Moodle平台网络课程数据挖掘模式分析[J].中国远程教育，2014(09):68-71.
[14] 张子燕.走向远程学习的三重追问与路径——对远程学习平台“智慧树”的反思[J].成人教育，2018，38(05):15-20.
[15] 王帅国.雨课堂:移动互联网与大数据背景下的智慧教学工具 [J].现代教育技术 ，2017，27(05):26-32.
[16] 兰珍莉.研究生教育教学质量监控:内涵、功能及实现条件[J].学位与研究生教育，2017(04):60-63.
本文引用格式： 付志文，等.基于大数据的研究生在线教学质量分析研究[J]. 教育现代化，2019，6(59):165-168，184.
DOI： 10.16541/j.cnki.2095-8420.2019.59.060
基金项目： 本文系广东省学位与研究生教育改革研究项目“基于新媒体的非全日制硕士研究生移动教学的研究与实践”（项目编号：2017JGXM-MS33）、广东省高校教育技术教学改革研究项目 “大数据背景下农科类课堂教学模式变革研究” （项目编号：2015041）、广东省科技计划项目“基于大数据技术的学习资源社会化推荐服务平台研发及示范应用” （项目编号：2017A040405057）的研究成果。
作者简介： 付志文，汉族，广东省河源市人，男，硕士研究生，高级实验师，研究方向为在线学习与移动教学；吴东醒，汉族，广东省化州市人，女，硕士，教授，研究方向为计算机教育应用、教育信息化；贺超波，汉族，广东省河源市人，男，博士，副教授，研究方向为大数据技术。
标签：学习分析论文; 大数据论文; 研究生教育论文; 教学质量论文; 仲恺农业工程学院网络与现代教育技术中心论文;