33、大数据分析助力高等教育绩效评估

大数据分析助力高等教育绩效评估

1. 研究背景与目标

本次研究聚焦于两个核心问题：“TechTeach 是否是一种可行的教育方案？”以及“学生成绩是否与课程的不同变量直接相关？”为解答这些问题，研究团队致力于开发一组仪表盘，以便查询处理后的数据信息，进而回答上述研究问题。

研究数据源自 2020 年 10 月 5 日至 2021 年 1 月 29 日“Web 编程”课程的实际案例。该课程由 Filipe Portela 教授授课，价值 10 个 ECTS 学分，共有 168 名学生注册，其中 90%为活跃参与者（即参加课程超过 50%）。课程分为理论（T）、理论实践（TP）和实验室实践（LP）三种不同形式，并采用了不同的学习方法和技术。由于课程全部为在线形式，研究人员使用了多个平台进行电子学习和数据收集，包括 ioEduc、ioChat、Zoom、Kahoot!、HackerRank 以及 Google Analytics，同时还收集了学生在课程期间对调查的反馈。

课程评估分为两种类型：团队项目和持续评估方法。团队项目在理论实践和实验室实践课程中进行，持续评估方法包括每周测验、卡片系统和三次个人小测试。

数据来源包括评估过程和日常记录，部分数据存储在名为“webitclo_ioeduc”的关系型数据库中，该数据库包含 57 个表，但仅使用了 11 个与项目和主题最相关的表（占总表数的 19%）。此外，每个班级测验的相关数据（每个问题和答案的记录）存储在 MongoDB 非关系型数据库的 json 文件中，仅使用了包含每个测验答案数据的“ioquiz_answers”文件。

为实现既定目标，研究团队与项目中的不同参与方明确讨论了一系列业务需求