课堂教学质量综合评价研究

摘要：本文根据教师课堂教学的学生评价的特点，设计了一个新的综合评价分值的计算方法，其中包括各评分项权值的确定和最后分值的综合计算。此方法全面、公正、客观、较准确地反映了原始评价数据的综合偏好度，对于定量、动态和科学评价课堂教学质量具有一定的参考意义，也可应用于其他领域的综合评价。

关键词：教学质量；评价；综合评价的计算

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2015）27-0163-02

教学质量是关乎高等教育发展的生命线。教师是高校办学的主体，是教学活动的具体参与者。教学评价是保障和提高教育质量的有效手段。对于教师的评价，其科学性和公正性对调动教师教学积极性至关重要。因此，为了更好地促进高校教育事业的发展，不仅要建立一套符合国情和时代需要的完善的教学质量评价体系，而且要十分重视教学质量评价指标的设计与计算，因为评价指标的权重和分值是教师课堂教学质量评价的核心，它的设计与计算是否科学直接关系到教学质量评价体系的成败。因此，对指标的计算测度应有科学合理的算法，这对完善的教师评价体系，激励教师认真做好教学工作，提高教学质量将起到重要的作用。

国内进行综合评价所采用的方法，一般均采用层次分析法确定指标权重，用模糊综合评判法计算综合评价分值。但是，这两个方法也有其缺点：层次分析法计算麻烦，不够简便；模糊综合评判法略显粗糙，不够精密。由于评价指标的权重和分值是教师课堂教学质量评价的核心，其计算的简便性和精密度的重要性自不待言。注意到教学质量评价的主体基数较大，利用此特点设计新的更精确的算法就成为了可能。

一个科学合理的高校教师教学质量评价体系的成功运作取决于以下几点：指标体系设计全面、合理、简繁适当，采集评价数据独立、客观，综合评价的算法科学合理、计算简便。

以上三个方面都很重要，但本项目的关注点仅在于其中的综合评价的计算，考虑设计新的算法。综合评价的算法关键在于两个方面的计算，即各指标权重的合理确定，以及根据各指标的评价分值，如何科学合理地得到一个综合评价值。

一、课堂教学质量指标体系

课堂教学质量的评价可以分为四大部分：教学态度，教学内容，教学方法和教学效果。

1.教学态度：任课教师备课充分，授课严谨认真；任课教师教学态度端正，责任心强，严格执行课程教学规范和教学大纲。

2.教学内容：教学内容涵盖信息量大，重点、难点突出；任课教师专业知识丰富，分析问题深入简出；任课教师为学生选定合适的教材或提供合适的教辅资料；教学内容能够反映学科发展趋势或与社会需求联系紧密。

3.教学方法：善于启发引导学生积极思维，课堂气氛活跃，教学互动恰当；授课过程中注重学生创新意识和科学研究能力的培养；能够按照本科生教育特点和教学内容合理选择教学方式或手段。

4.教学效果：学生对教学内容理解吸收程度高，知识、能力、素质等方面受益显著。

以上细分的不同评分项共有十项。一个学生对教师的一门课程的评分，应当是十一项，即十个评分项分值，再加上最后的综合印象分。综合印象分可以根据自己对教师在本课程中的总体表现给出一个综合分值，也可根据各评分项的分值按自己的偏好权重加权平均给出综合分值。

二、权重的确定

设评判指标共有m项，为评判项1，评判项2，…，评判项m。

假设已有n组独立给出的新权重数据（ai1，ai2，…，aim），其中aik是评判项k的权值（k=1，2，…，m），i=1，2，…，n1。

设旧权重为（ ， ，…， ），是由N1组历史权重数据计算所得。则再加入考虑新的权重数据，新的权重修改为（如果是第一次做，没有历史权重数据，则取N1=0）：

∶= ，k=1，2，…，m. （1）

三、综合分值的计算

设各评分项旧平均分为（ ， ，…， ），是由N2组历史评分数据计算所得。假设又有n2组独立给出的新评分数据（xi1，xi2，…，xim），其中xik是评判项k的分值（k=1，2，…，m），i=1，2，…，n2则再加入考虑新的评分数据，新的各项平均分可修改为：

∶= ，k=1，2，…，m. （2）

用正态分布N（ ， ）作为评判项k的随机变量xk的近似分布。设旧标准差为（ ， ，…， ），是由N2组历史评分数据计算所得。则再加入考虑新的评分数据，新的 值用旧 值按下式求得：

∶= ，

k=1，2，…，m. （3）

记f （x）= e 为N（ ， ）的密度函数，其分布函数F （x）= f （t）dt。

如果处于差档的占5%，优秀档的占10%，设

Fk（ck）=0.05，Fk（dk）=0.10，令G （x）= x+（60- ），则Gk（ck）=60，Gk（dk）=90。

某人在评判项k原始得分为x*，则此人在被评人群中评判项k的评价得分为Gk（x*）。

四、实施过程

1.权重数据的采集。每个学期末，可要求每个学生给出每个评判项的权值。权值可以改为给出各评判项的重要性的等级值，等级值可为1～10，数值的大小体现重要性的大小，如10最重要，1最不重要，等级6比等级3重要性大一倍，等等。处理权值数据时，只需将等级值归一化即可。如某人给出的各评判项等级值为（8，7，9，8，6，5，7，5，4，9），其和为68，则各权重值为（8/68，7/68，9/68，8/68，6/68，5/68，7/68，5/68，4/68，

9/68）。如果每个学期每个学生均给出一个权重值数据，积累若干时期，样本数量将相当巨大。根据概率论中的大数法则，其值依概率收敛于其数学期望值。这样，收敛的稳定性是有保证的，且各权重也较全面较准确地反映了每个学生对于各评判项重要性的认识，避免了只依赖几个专家指定权重可能造成的质疑。而且历史权重样本数据不必保存，只需保存（ ， ，…， ）及样本数N1的值即可。

2.给出综合评价。应用上前述方法，可以计算某教师在其所属的某个教师群中评价的相对位置档次。这个教师群，可以整个学校，也可以是某个学院，甚至可以是上某门课的全体教师。为简单起见，假设是整个学校的全体教师。先采集相应足够数量的样本数据，如一个学校、一个学院的某年级学生对某学期全部课程的评价数据，按前述方法确定各评判项的权重，而后对于其中要评价的教师X和相应课程，计算出此课程关于X各评判项的全部评分的平均值，得（X ，X ，…，X ），则X的综合评价得分为 akG（X ）。

对应分数段为[90，100]，[80，90]，[70，80]，[60，70]，[0，60]，设评价结果分为五档：优、良、中、及格、差。某人在评判项k原始得分为x*，则此人在被评人群中评判项k的评价得分为Gk（x*），根据得分Gk（x*）可知其在所在教师群中成绩所处档次。同样，历史评价样本数据不必保存，只需保存（ ， ，…， ）、（ ， ，…， ）及样本数N2的值即可。

五、例

某校评判项有10项，历史权重为（0.1176，0.1031，0.1323，0.1170，0.0882，0.0741，0.1040，

0.0720，0.0588，0.1329），权重样本数N1=1000；本次采集的权重样本数n1=100，权重各项之和为（12.14，9.89，12.86，12.11，8.12，8.09，9.88，8.02，6.15，

12.74）。应用式1计算，新权重为（0.117945，0.102718，

0.131964，0.117373，0.087564，0.074718，0.103527，

0.072745，0.059045，0.1324）。

按式（2）得到的各项平均分为（80.6，77.8，79，85.2，86，83.4，85.2，83，80.6，80.8），按式（3）得到的各项标准差为（8.16，5.88，9.4，5.91，5.51，

3.66，4.7，4.86，4.03，3.31）。

ck= -1.65 ，dk= +1.28 ，k=1，2，…，m.

所以此例中（c1，c2，…，c10）=（67.14，68.10，63.50，

75.45，76.91，77.36，77.45，74.98，73，95，79.34），（d1，d2，

…，d10）=（91.04 85.33，91.03，92.76，93.05，88.08，91.21，

89.22，85.76，86.90）。

某教师的某门课程学生对其的评价各项平均分为（x1*，…，x10*）=（80.5，85.8，76.9，88.1，90.4，87.2，86.5，

79.7，87.5，82.3），按本文方法得到的各项综合分为

（G（x1*），…，G（x10*））=（76.77，90.82，74.61，81.92，

85.07，87.52，79.73，69.94，94.42，71.74），最后综合得分为 akG（X ）=80.25，处于“良”档。

本算法适用范围不仅仅是教学评价，还可适用于任何多因素影响项目的综合评价，譬如各行各业的绩效评价。