大数据分析在中医教学评价中的应用 *

武志娟 唐赛雪 金 喻

（山东中医药大学第一临床学院，山东 济南 250011）

当今已经全面进入数字化时代，整个社会都处于数据的洪流之中；近年来，数据被国家提升到核心生产要素的高度，各行各业都在积极探索、拥抱数字化时代，希望通过数字化转型，实现新的发展跨越；同时数字化也是国家战略，是中国全面高质量发展的必由之路［1］。人们每时每刻都在不断产生数据，例如上网购物会留下购买数据，乘坐交通工具会留下轨迹数据，就医会留下就诊数据。这些数据量非常庞大，而且还在不断增长。如何有效地利用这些数据实现业务目标，是各行业普遍面临的挑战。

中医学是现代医学不可或缺的一部分，特别是在一些医学领域，具有不可替代的作用，近年来，国家一直提倡要大力发展特色中医学，行业内的专家学者一直在朝这个方向努力奋斗。中医学教育肩负着为国家中医学培养输出有生力量的重担，需要不断寻求提高中医学教育质量的思路和手段。在这个数字化的时代背景下，大数据分析技术能从哪些维度为中医学教育带来帮助呢？这也是中医教育领域的奋斗者一直在思考的问题。

中医教学评价是提高教学质量的重要方法，只有精准实现教学效果评价，才能为教学改进提供指导。教学效果评价一般是从教师和学生两个维度着手，其中最核心的是构建有效的评价模型，通过评价模型结合丰富的课堂教学实时数据，计算、输出可视化的评价结果。

1 中医教学评价面临的问题

目前各大高校都在智慧教学方面做了不同程度的建设，提供了更加丰富的教学手段，给教学带来很大的便利；但是在教学评价方面，一直没有形成体系化的方法，空守金山而不入［2］。教学评价方面还存在手段单一、以人为主的评价模式，这就导致教学评价过程中存在经验主义和人情分的现象、教学评价无法量化、评价维度单一等问题。究其原因，一方面是无法有效采集原始数据。教学已经从信息化教学时代发展到智慧教学时代，手段更加丰富多样，导致教学数据也更加多样，这些数据呈现分散、非结构化、海量等特点，数据采集需要较大调整。另一方面是教学数据的使用难题。针对教学数据的分散、非结构化、海量等特点，如何高效地实现数据的识别与标准化，为教学评价业务提供支撑，是目前大数据应用在教学评价中遇到的最大难题。无法有效地对数据进行加工处理，更谈不上数据的深度挖掘，这些数据也就失去了应有的价值。

2 大数据背景下的教学评价方法

2.1 更加广泛高效地采集数据 教学过程中的数据，可以分为课前、课中、课后三部分，课前主要指学生的自主学习部分与教师的备课数据，这些数据以非结构化数据为主，采集后需要通过大数据建模进行结构化。课中数据是教学评价的核心数据，采集难度更大，具有很高的时效性。物联网技术的崛起，为课中数据采集提供了基础。依靠物联网，可快速通过感知设备实时传输课中动态数据，如学生的肢体动作数据、面部表情数据、提问数据、师生互动数据等。这些数据经统一采集后，通过大数据计算、处理，为分析提供数据依据；后续可通过评价模型进一步挖掘，形成教学评价结果，从而指导教学改进。课后数据也是教学评价中的核心部分，包括线上线下自主学习数据、师生互动数据、资料数据、问卷数据等，这些数据也可以通过建模分析对教学评价产生很大影响［3］。

教学数据采集是教学评价的基础，但是目前来看，数据的规模、标准、整理都是很大的挑战。大数据分析模型需要大量的、连续有效的数据进行训练优化算法，但是目前的教学数据采集范围和连续性远远达不到使用要求，因此数据采集范围需要进一步拓展，囊括更多形式的数据，包括结构化、非结构化、半结构化数据等。

2.2 数据标准与数据处理 数据分析需要高质量的连续数据支撑，但是由于教学数据来源、标准、形态均不同，所以这些数据无法直接用于教学评价分析，这就需要采用一套方法对这些原始数据动态系统进行治理。

要想把这些原始教学数据转换为可用的数据，就需要先建立数据标准（Data standards）。数据标准是指保障数据的内外部使用和交换的一致性和准确性的规范性约束。数据是教学业务活动在信息系统中的真实反映。由于业务对象在信息系统中以数据的形式存在，数据标准相关管理活动均需以业务为基础，并以标准的形式规范业务对象在各信息系统中的统一定义和应用。数据标准是对数据的命名、类型、长度、业务含义、计算口径、归属部门等，定义一套统一的规范，保证对数据的统一理解、对数据定义和使用的一致性［4］。

数据处理（Data processing）是对数据的采集、存储、检索、加工、变换和传输。其基本目的是从大量的、可能是杂乱无章的、难以理解的数据中，抽取并推导出对于某些特定的人们来说有价值、有意义的数据。以往由于计算机技术的限制，无法高效实现非结构化数据的识别，导致大量原始教学数据无法被进一步使用。但是随着近年来计算机技术的不断突破，特别是大数据技术日趋成熟，提取、转换和加载（ETL），自然语言处理（NLP），光学字符识别（OCR）等技术在诸多领域都有非常多的应用，为更加全面的数据处理提供了支撑。通过数据处理，学校可以建立更加全面的教学评价数据仓库［5］。

2.3 构建精准动态的数据分析模型 数据分析是对一堆无关联的数据进行整理、归类和挖掘，以获取数据内在联系，并预测数据发展趋势，便于决策。建立合适的数据分析模型是数据分析的重要环节［6］。数据分析模型指在数据分析过程中构建一个结构，以便具体实施与建立，包括收集哪些数据，提取哪些内容作为分析的基础，用哪些分析方法、算法与统计项目更为妥当，并呈现分析的结果，使数据关联和变化趋势一目了然，从而更加清晰地展现数据发展趋势与逻辑关联。因此大数据分析在教学评价中的核心是分析模型，如何构建精准、动态的模型是应用大数据做好教学评价的关键环节。

首先，从教学业务角度来说，分析模型的构建需要基于教学业务，服务教学业务，要对日常的中医教学业务过程进行详细分析。中医教学与其他学科不同，中医的基本特点是整体观念和辨证论治，来源于实践，反过来又指导实践，这就决定了中医教学的理念、方式、方法等都与其他学科教学过程不同。为了更好地构建分析模型，要先把中医教学业务过程详细分解，进行标准化、标签化，抽象出一套准确描述中医教学业务过程的体系。其次，在教学业务过程体系的基础上，借助大数据建模工具，把这套业务体系用计算机语言完整实现，形成大数据分析模型。这套评价模型体系需要根据教学业务的动态调整进行定期更新，这样可以形成教学评价的长效机制。

2.4 可视化教学评价结果 如何更加高效、便捷地把评价结果反馈给相关人员进行业务改进，让教师与管理人员都看得懂评价结果，这就需要把评价结果进行实时可视化。数据可视化主要是借助于图形化手段，清晰有效地传达与沟通信息。目前大数据领域的仪表盘（Dashboard）、知识图谱、画像等技术，都可以很好地支撑评价结果可视化；把这些可视化结果组合成页面，分享给相关人员，即可实现实时了解评价结果［7］。

以往的可视化教学评价集中在基础数据展示，只能为教学管理人员提供一些基础的报表统计需求，比如热点课程、热点问题排名、教师考评数据报表、学生出勤统计等。这些可视化的结果已经远远无法满足现代化教学评价的需要。教学评价结果可视化既要知其然，也要知其所以然，要更多地聚焦在教学评价数据的关联性挖掘与展示。如经过综合评价得出TOP5 的热点课程，可进一步通过可视化下钻到热点课程评估维度展示，展示出每个维度的占比及数量；教师与教学管理者还可以继续下钻到这个维度关联的指标分布情况，这样每个教师也就可以为后面教学方式内容的提升找到方向。

2.5 对教学评价数据的深度挖掘 数据挖掘（Data mining）是建立在数据库基础上，通过统计学、机器学习等方法，探索隐含的、未知的、有潜在应用价值规律的过程，即数据库知识发现（Knowledge discovery in databases，KDD）中的分析过程［8］。数据挖掘作为信息科学、统计学、人工智能等学科的交叉技术，广泛应用于商业决策、通信服务、物流贸易等领域［9，10］。

教学评价数据不能只停留在分析层面，需要在分析数据的基础上，结合大数据领域的人工智能技术，进行更深层次的评价数据挖掘，知其然也知其所以然。评价数据挖掘算法能够为教学业务改进提供更加直接的建议和思路，如通过课堂视频数据挖掘算法，基于大数据强大算力，识别出课堂上学生的一些关键形体动作，从而可以实时、精准地计算课堂活跃状态，直观评价教学效率［6］。知识图谱的知识表示与接连对增强深度学习的学习能力具有积极意义，如提升深度学习的健壮性、减少样本依赖、提升模型与先验知识的一致性等。一方面，知识图谱可以将中医药学中各种非标准化的术语进行知识连接，使得NLP 更为准确；另一方面，利用知识图谱的表示学习所形成的图谱节点与边的连续向量化表示，可以作为深度学习模型的部分输入端，使得深度学习可以利用专业知识提高准确率。这些均有助于突破教学数据挖掘的困境。

2.6 教学评价结果数据的应用 教学评价结果有非常广泛的应用场景，无论是为学生、教师还是管理部门，都可以提供一定的教学质量改进支撑。如在了解和预测学生的个人学习行为、程度和态度，分析教师教学情况、指导教师及时调整教学内容和方法，帮助教学管理部门实时调整或出台相关教学管理规定等方面，都会起到积极作用。利用评价结果，教师可以依据学生信息大数据，分析和了解学生的基础知识储备、学习能力、学习态度等情况，制订独一无二且适合的教学计划，并向学生推荐一些可取的学习策略。教学管理部门可以通过评价结果数据，及时发现日常教学过程中难以发现的深层次问题，实时调整教学管理策略，使得教学管理更具有针对性，并提高教学管理效率，提升教学管理决策水平。

3 总结

在大数据技术飞速发展、教学环境不断进步的背景下，我国中医教学应该充分利用新的技术，包括数据采集、数据处理、数据建模、数据挖掘、数据可视化等，提升教学评价的全面性、准确性、时效性，为学生提升、教师改进、教学管理者改革提供支撑，帮助相关人员进行高效精准决策，助力高校教学评价的改革。