第一资讯站摘 要：近年来，随着我国高等教育政策的变迁，本科教学工作成为重中之重。因此，教学督导也从高校工作体系的边缘走向中心。我国高校教学督导的传统模式以“督”为主，收集和运用更多的是形式单一化的“小数据”。显然，这已经不能适应当前高等教育领域大数据迅猛发展的实际诉求。事实上，大数据以其来源的明确化、处理的规范化以及结果公开反馈的常态化等特征，已经成为我国高校教学督导模式转型的重要“抓手”，它有利于帮助督导人员协调与其他教学主体之间的矛盾，并形成工作中联结的“节点”，可以视为是“驱动本科教学的杠杆”。
2019年2月，为接续《国家中长期教育改革与发展规划纲要（2010-2020年）》，我国颁布了未来教育发展的战略《中国教育现代化2035》，该政策的“十大战略”任务中提到，要“健全教育督导体制机制，提高教育督导的权威性和实效性”。与这一指导性政策相配套的《加快推进教育现代化实施方案（2018—2022年）》中则具体提出，要发挥教育督导“督导评估、检查验收、质量监测”等方面的职能。显然，该要求不仅涵盖了教育督导在基础教育领域“督政与督学”的功能，而且也包括了高等教育中的“教学督导”功能。
督导模式转型：深化本科教学变革的“抓手”
与基础教育不同，高等教育的督导活动主要集中在教学工作上。自我国高等教育提出“以本为本”的发展理念后，高校的教学质量普遍越来越受到重视，教学督导也从高校工作结构的边缘走向中心。
1.我国深化本科教学变革的政策分析
高质量的本科教育离不开高质量的本科教学，而教学督导正是教育质量保障体系中的重要环节。高校“教学督导”是通过监督、检查、评估、反馈和指导来纠正教学过程的偏差，促进师生的发展，并为学校教学管理和专业课程建设等提供决策依据的有组织的活动[1]。一般情况下，该活动具有“督”和“导”两方面职能：前者关注“教学过程及其管理体制的改进”和“专业课程体系建设”；后者则关注“引导教师发展和学生学业进步”。目前，我国高校的教学督导实践普遍侧重于“督”的职能，但随着高等教育体制改革的不断深化，“导”的职能已经在教育政策的顶层设计中有所反映，通过分析政策不难发现，我国高校教学督导正在经历变革，其中一个重要的动因就是“大数据”。正如很多政策文件中提到的：“完善督导评估机制，……建设好高等教育质量监测国家数据平台，利用互联网和大数据技术，形成覆盖高等教育全流程、全领域的质量监测网络体系。”简言之，“大数据”带来的信息处理方式变化要求高校教学督导模式转型。
我国高校教学督导长期以来采用督学对教师课堂“正式观察，进行打分”为主的模式。这导致了两个问题：第一，督导收集的信息过于简单化、零散化，不易形成整体证据。有学者指出，“教学督导人员的工作量和督导工作产生的影响相对不足，教学督导的最终成效‘提升教师教学水平，改进学风和促进学生学习’是‘短板’”[2]。第二，过程存在预先设定的假设和程式，且督导只是对师生相互作用的一小段过程进行观察，所以难以评价正在发生的所有的复杂性的事情。因此，高校教学督导一直都是很少人才能掌握的“不完美艺术”[3]，其主要手段“观察”对实际效果的帮助越来越少[4]，甚至成为一种贡献最少的方法[5]。我国高等教育进入发展的新时代后，逐渐意识到了该模式的问题。在政策和实践的双重压力下，我国高校教学督导不得不考虑构建新的模式[6]适应发展的趋势，而新模式的构建需要一个“契机”，或者说是“抓手”，整合被人为割裂的“督”和“导”的职能。能够成为这一“抓手”的条件是：它能够满足在高校教学“复兴”过程中，使督导人员具备“超级视野”的要求，即重视督教工作的智力维度，对复杂的教与学、课程和专业问题进行反思，并能够通过大量“证据”与其他主体一起商讨，为教学过程“把脉”，提供“诊断”和“药方”。显然，大数据正以其独特的优势成为这一转型的关键因素。
高校教学督导工作复杂，小数据“个体化、分散化”的特征难以全面真实地反映出整体特征，而大数据的“海量性、相关性”的特征则能够为理智的督导提供更充分的信息。将大数据引入教学督导能够改变原本依赖经验的评价思维，在实践的操作中可以从如下方面入手：
1.数据来源的明确化
已有的高校教学督导模式积淀了一些数据，如学生考试成绩、教师信息库、学生评教成绩等，这是建立大数据资源库的基础，但仅有这些却是不够的。我国高校不仅办学规模在扩大，而且也在探索内涵发展的路径，教学督导工作所能收集到的数据是各级各类的，为能够更好地反映出问题，就应该对数据进行由内到外的分层—基础层、状态层、资源层、行为层。每一层数据的来源不同：基础层来源于人工采集和数据交换，如学生评教系统等；状态层来源于人工记录和传感器感知，如督学听课的记录等；资源层来源于专门建设和动态生成，如学校的课程和教学改革项目等；行为层来源于情景感知[7]，如教学大赛等。单一纵向的路径不能涵盖所有数据信息，还需要对数据来源进行横向分类：第一，是“物联感知类”，即通过网评网阅、点阵数码笔技术和校园一卡通等采集各种校园生活数据；第二，是“图像识别类”，即通过视频监控、智能录播和情感识别技术等采集教师教学和学生学习的数据；第三，是“平台采集类”，即通过在线学习平台、日志搜索分析、移动手机应用与网络爬虫技术采集师生关于教学的舆情数据[8]。纵横交错的路径形成了明确的教学督导数据来源，既注重了数据的普遍性，又注重了数据的针对性，运用到高校教学督导的实践中，有利于建立起有序、客观且能够全面反映高校教学情况的数据资源库。
2.数据处理的规范化
高校督导大数据资源库的建设是一项长期的工程，需要包括数据的采集、清洗、储存、删除和保护等程序，这是数据规范化的必然要求。实现这一要求需要经历三个步骤：第一，对已有的督导数据进行统计分析和挖掘，归纳出隐藏在数据背后的教育教学规律。这一环节需要注意的是，前期数据必须整合—对各个指标进行赋权，以免不同的评价尺度带来统计误差，在很大程度上掩盖数据代表的真实情况，影响数据的使用效果。第二，借助大数据的统计工具建立起合理的教学督导指标体系和督导模型。一方面，指标体系是指导教学督导工作的标准；另一方面，指标体系也是衡量教学效果的标准，在这两方面的综合作用下形成的教学督导模式可以更好、更全面地形成对教学质量的评价以及对教学督导工作的认识。实现上述目的不仅需要长时间地收集教学数据，更要在指标与模型的建构中灵活运用大数据处理的相关性分析、主要成分分析和回归分析等方法，以确保数据及其处理结果的科学性。这也是数据规范化的应有之意。第三，在已建立的指标体系和督导模型的基础上形成数据处理结果，但需要验证结果的合理性及有效性。尽管处理结果是基于资源库内的数据，而不是根据个人的实践经验设定，因而尽可能地保证了结果的普适性[9]和准确性，但要在督导实践中真正发挥导向功能，还需要进一步对结果的有效性进行验证，毕竟数据受到多方面要素的制约，且要素的影响又有所不同。所以，数据处理的规范化也不能忽视这些影响要素。
3.数据“公开”与“反馈”的常态化
教学督导之所以有“督”和“导”的分工，是因为这一工作不仅具有监控的功能，更应产生激励的效果[10]。教学督导所产生的数据不仅是高校教学管理职能部门掌握教学情况的工具，更是教师改进教学和学生改进学习的依据。因此，数据的“公开”与“反馈”是不可或缺的环节，且必须实现常态化。在高等教育现代化的过程中，我国很多高校都意识到这一问题的重要性，努力探索教学督导实践的“公开”和“反馈”新机制，通过这些机制，可以促进教学督导“数据流”的形成，特别是对于师生而言，他们可以利用相关数据实现自主发展，并形成教学良性循环系统，使教学质量得到螺旋式提升。因此，我国高校教学督导工作现代化过程中呈现出从形式单一、内容贫乏的“小数据”（如“听评课打分表”）走向形式多样、内容丰富的大数据评价的大趋势。
大数据驱动：联结本科教学与督导的“节点”
大数据在分析解决问题时注重运用相关关系部分代替因果关系，该做法能够强化对问题“正是如此”[11]的解释，与高校教学督导所追求的目标高度契合。因此，运用大数据协调督导人员与其他教学主体间的“冲突”，形成彼此之间工作联结的“节点”，已经成为高校教学督导工作的新常态。
1.教学督导与其他教学主体间的“冲突”
以往的教学督导中，督学主要采取“书面材料（听课表、教学简报、学期总结等）与口头交流”相结合的方式开展工作。这些方式在信息收集和反馈等方面都已经相对滞后，且师生在此过程中明显是被动、间接地接受督导，所以对于各方主体来说，意义和效果都不明显[12]。不仅如此，该方式也意味着控制权力的“单向度性”，容易造成主体之间的“冲突”：第一，督导人员的职责是教学评价，其结果可能受到时间、地点以及心理等因素的影响，令教师感觉公正性和指导性都不强，而督学在很多方面话语权又高于受督导的普通教师，权力差距导致教师对于教学督导存在敷衍、抵制等不良状态。第二，教学督导应对学生进行“学业督促”，这是伴随着我国《教育督导条例》（2012年）实施而新出现的工作领域，但在实践中一直没有完全被纳入到整体工作框架之中，甚至常常被忽视。例如：督学在听评课前往往会了解任课教师的基本情况，但是对于学生的学科专业、学习诉求以及学业成绩的了解却很少。在相当一部分学生的意识中，督导过程就是应付一项任务，可以“表演”学习，而实际却并没有产生推动学习的作用。第三，现代高等教育中，督导代表行政的要求只是其工作中重要性最低的一部分，在师生发展、课程设置和资源分配等事务上，督导人员常常是师生利益的“代言人”。这种重新定义工作性质的行动，使督学超越了传统意义上作为“标准执行人和检查者”的角色定位，成为了教学领域“重新概念化的导航者”和“变革的发起人”[13]。自然，这会导致他们的工作与行政职能部门工作的“稳定”和“效率”原则相悖，自然“摩擦”也就不可避免。
2.大数据：协调冲突和形成联结的“节点”
数据是一种表征[14]，运用大数据正是通过这一新视角来重新审视和刻画世界的真实面貌[15]。面对高校内外部的变化，教学督导需要在思考、调查和总结等环节上进行改变，因为以往那种期待通过高度集中的教学计划和严控教学实践来保障教学过程的想法，很难再全面而真实地反映实际情况[16]。特别是现代技术对教学过程的广泛介入使“机器教学”和“机器学习”变得普遍，只有大数据才能联结教学相关主体的作用与功能。鉴于此，教学督导人员需要对不同主体所产生的数据进行深入挖掘处理，从中提取隐藏在数据背后、能被人理解的教学规律和解决现有教学过程问题的方法。其主要的挑战在于，数据的来源非常多样化，如课堂观察、教学检查（比赛）、学生评教、同行评价、学生座谈、教学信息员采集等；同时，数据不是单向度的“输入—输出”过程，这就需要督导人员要时而直接、时而间接地对教师进行指导，时而以课堂为中心观察教学过程，时而以课外为中心观察学生学习，时而关注教师普遍关注的问题，时而关注其他教学主体（如学生和管理者）关注的问题。总之，为更有效地实现教学督导工作的目标，需要独立完成任务，也需要和其他教学主体之间分工合作[17]。这样做的意义在于，督导人员可以通过数据观察和对比更多教师及其教学过程，形成比教师更宽阔的视野；可以通过数据接触到许多年级、班级中不同的学生（群体），认识到不同人学习要求的差异性；可以通过数据在不同管理体系和制度政策之间来回移动，比普通行政管理人员更贴近发展的趋势。不仅如此，他们还可以将科学统计结果简明地呈现给教师、学生和行政管理人员，既摆脱了个别谈话这种反馈形式的狭隘性，又突破了教学简报这种反馈形式的静态性，形成了一个作用对象广泛的、动态的教学督导信息反馈渠道，增强了其他主体在督导过程中的主动性。此外，在数据收集、处理到结果呈现的一系列流程中，督导人员始终与其他主体为了“提升教学质量”而共同努力，不但不会损害其发挥权威性，实现“督”的职能，还会带来其他教学主体的尊重，实现“导”的职能。
大数据帮助高校教学督导工作切实实现了自身的双重职能，使不同主体都提升了对组织发展的“承诺”。但由于大数据的海量性、复杂性和异质性等特点，其作为信息资源的使用仍存在一定的争议，特别是在教育这样高度关注“人的本质”的领域之中，要想更好地表征教学督导工作，就必须将数据处理结果纳入高校“特定的发展历程”以及“社会不同的文化内涵”之中，对其进行系统的解读与诠释，以防我国本科教学督导模式转型陷入“工具理性/技术理性”的泥沼。
本文系黑龙江省2017年度哲学社会科学研究规划项目“大学生社会责任教育的运行机制研究”（项目编号：17KSD192）阶段性研究成果
参考文献：
[1]杨滨.高等院校教学督导信息化系统建设研究[J].甘肃高师学报,2018,23(1):67.
[2]童康,袁倩,周启坤,等.高校内部教学督导工作效果的研究[J].教师教育研究,2018(9):23.
[3][5][6][15]托马斯·J.瑟吉奥万尼,罗伯特·J.斯特兰特.教育督导：重新界定[M].王明洲，等，译.南京：江苏教育出版社,2005:43-44,173,1,276-277.
[4]STODOLSKY S S.Teacher Evaluation: The Limits of Looking[J].EdUCational Research,1984,13(9):11-18.
[7]杨现民,唐斯斯,李冀红.发展教育大数据:内涵、价值和挑战[J].现代远程教育研究, 2016(1):50-61.
[8]邢蓓蓓,杨现民,李勤生.教育大数据的来源与采集技术[J].现代教育技术, 2016,26(8):14-21.
[9]任莉,伍度志,赵春江.高等院校教学督导大数据资源库的构建与利用—基于重庆市高等院校教学督导的问题分析[J].重庆工商大学学报(社会科学版),2016,33(4):120-122.
[10]徐青青,谢鸿全,周小波,等.基于.NET的高校教学督导信息化服务系统设计与实现[J].中国教育信息化,2015(19):84.
[11]李文利,刘雪梅,李延成.民办本科院校教学督导实践探析—以北京城市学院为例[J].北京城市学院学报,2018(3):41.
[12]耿辉.高校教学督导体系和工作机制的构建与完善—基于国防科学技术大学本科教学督导实践研究[J].高等教育研究学报,2016(9):48.
[13]MAYER-SCHONBERGER V,CUKIER K. Big Data: A Revolution that Will Transform How We live, Work and Think[M].New York: Houghton Mifflin Harcourt, 2013:7.
[14]张兵令.督导评教信息反馈模式改革探索与实践—以上海民办S学院为例[J].大学教育,2017(8):188.
[16]维克托·迈尔·舍恩伯格,肯尼思·库克耶.大数据时代:生活、工作与思维的大变革[M].盛杨燕,周涛,译.杭州：浙江人民出版社,2013:123-126.
[17]鹿星南.承继与创新：大数据背景下教育研究范式变革的反思及其动向[J].现代教育科学,2018(10):2.
（作者：孙芳 张俪娜，单位：哈尔滨师范大学教育科学学院）
《北京教育》杂志
