高校教学基本状态数据库系统项目

高校教学基本状态数据库系统项目需求分析和技术方案

第一部分项目总体情况

一、项目建设目标

（一）通过研究国内外高校教学评估的标准和方法，建立一整套有利于反映

高等学校教学基本状态的指标体系和教学特征分析方法。

（二）建立有利于突出软件和内涵建设，有利于改进教学评估方法，有利于

加强政府科学决策、分类指导和学校自我诊断，深化改革，规范管理的高校教

学基本状态数据库。

（三）开发基于网络的高校教学基本状态数据库统计分析及监控系统，通过运用多种统计分析方法、对比模型和预测数学模型，分析教学过程中的基本特征要素和关键环节的量化数据信息，客观翔实地展示高校教学资源的投入与效益，分析和预测高校教学状态未来的发展趋势，提供教学状况的监控预警功能，结合直观、灵活的GIS可视化系统有效的展示高校教学的基本特征状态和教育教学规律。二、项目建设内容

本项目包括“高校教学基本状态数据指标体系”、“高校教学基本状态网络数据库”、“高校教学评估方法试验平台”、“基于网络的高校教学基本状态数据统计分析及监控系统”四个建设内容。

A、几个子项目之间的关系是：

“高校教学基本状态数据指标体系”是建立“高校教学基本状态网络数据库”的基础；“高校教学基本状态网络数据库”是建设“基于网络的高校教学基本状态数据统计分析及监控系统”的基础。

图 1 项目建设内容

B、其建设内容主要有下面三点：

(一)、高等教育教学基本状态指标体系、教学特征分析方法的理论研究

1、高校教学基本状态指标体系研究

通过调查相关指标体系，总结本科教学质量评估的经验，充分吸收现有高等教育教学管理研究的成果，采用文献调研、专家访谈、问卷调查、统计分析等方法，“高校教学评估方法试验平台”、从高校教学工作的大量实际信息中，提取集中体现教学基本特征的数据指标，研究制定高校教学基本状态指标体系。揭示高校教学过程和教学管理的关键特征要素和关键环节，为高校教学的有效评估和质量提升提供依据和指导。

指标体系可以从宏观和微观、动态和静态、投入与产出等不同的视角做出分类描述。在初步调查研究相关指标体系、深入分析其优长和不足的基础上，根据高校教学实际情况，拟提出由教学基本要素、教学过程与方法、教学投入、教学成果和教学管理与改革等五个方面构成的指标体系。

2、教学基本特征及状态监控分析方法和决策支持模型的研究

建立能够体现教学基本特征的数据统计和模型研究方法，对教学基本特征要素、关键环节数据进行统计、对比、相关性和预测分析，为政府部门分类指导提供决策支持，以及为高等院校自我诊断、深化改革、加强建设、科学管理提供依据。

(二)、高校基本状态网络数据库建设

数据库设计的基本原则：良好的数据完备性、扩展性、历史沉淀性、可审计性、分析的支撑性。数据库建设的关键要素：数据库架构设计、数据指标选择。

本项目拟采用元数据管理来实现对指标数据的柔性管理，以满足基本状态数据体系的扩展性和完备性要求；通过分区存储方式存储历史基本状态数据和分析结果数据，以便直接查询，满足历史基本状态数据的沉淀性要求；采用自顶向下和属性重要性分析的研究方法，确保基本状态数据对分析的支撑性。

为了支撑分级上报的体系结构，数据库系统要建设成“三层用户两级中心”的架构。数据库采用分布式分级管理方式，包括教育部建设的统一数据库和各省份建设的分省数据库。这种架构适合于数据的分级上报和高校教学的自我诊断和分级诊断，采用B/S架构，以Web方式进行访问，在后台亦采用B/S方式进行管理。数据库及其元数据管理的分层管理架构图如下：

图 2 数据库结构-三层用户两级中心

(三)、基于网络的高校教学基本状态数据统计分析及监控系统

建立高校教学基本状态数据和特征进行分析支撑系统，提供专用的分析算法和分析模型，包括基本统计，二次分析，趋势预测以及自定义分析等功能。对高校教学资源的投入规模、投入结构和效益进行客观展示与统计分析，并对历史变迁、现状和发展趋势进行分析和预测。

提供教学状态的监控预警功能，对指定指标进行监控，超过指定阈值时自动预警，以便于高校问题自查和教育行政管理部门监督高校的运行态势。提供基于GIS(地理信息系统)的可视化数据查询和统计功能，能够实现直观、灵活的空间互操作功能，进行基于空间地域的数据查询和统计分析，为政府教育决策提供空间可视化支撑。

具体建设内容:

1.提供多粒度的数据基本特征统计、展示功能：统计指标包括最大值、最小值、求和、均值、中位数、方差等。统计粒度从宏观到微观细分出不同的层次，例如按照空间维度上的不同粒度统计，能够从微观的单个高校的数据到分省区数据，再到宏观的全国层面的数据进行多层统计展现；在时间粒度上，可以展示不同统计周期粒度下的数据，从学期到学年，再到若干年的数据统计展现等。这有助于教育行政部门从若干个不同层面上研究问题，为教育决策提供坚实的数据支撑。

2.比值分析：比值分析指标包括生均经费、教师数/学生数、人均成果数和生均精品课程等。在比值分析基础上，对比值之间的平衡性进行分析，为高校各项教学比值指标的协调发展提供数据支撑。

3.结构分析：结构分析指标包括学生专业人数结构、学生类型结构、教师职称结构、学历结构、年龄结构等。结构分析有助于反映高校的教学资源配置情况。

4.时间序列和趋势分析：利用不通时间段的高校教学基本状态数据，分析不同指标随时间变化的特征，采用支持向量机算法、神经网络算法等建立数学模型，研究教学指标的变化规律，并进行趋势分析。包括：高校本科生发表论文数占本校学生发表论文数比例的历史变化情况曲线和未来趋势预测、高校用于教学的设备投入额的历史情况和未来趋势预测、高校师生比的历史情况和变化趋势等。

5.相关性分析：通过研究基本状态数据之间、关键指标之间的联系，确定它们之间的关联性及其关联程度，从而得出教学投入与产出间的关系。相关性分析指标包括教授数与学校获奖成果数，以及精品课程数的相关程度，经费投入与教学成果之间的相关性分析等。

6.聚类分析：通过研究监督和非监督机器学习算法和分析某些特征数据和基本状态数据，对高校教学状态数据进行属性聚类分析，并对给定指标的发展过程和发展态势进行时间序列聚类分析，依据相似和相异性为政府对高校进行分类管理提供数据依据。

7.基于数据分析的监控和预警：采用基于规则的预警机制和孤立点分析方法，对关键数据进行监控，发现某些指标发展突出和发展滞后的高校，为政府对高校的监管和高校的自我管理提供及时的信息支撑。