高校教师教学评价既是检验教师教学质量与人才培养目标契合度的重要手段，又是监测教师教学工作状态、优化教学实践、提升教学质量的有效途径。2020年，中共中央、国务院印发《深化新时代教育评价改革总体方案》，指出改革教师评价、推进践行教书育人使命的关键是坚持把师德师风作为第一标准，突出教育教学实绩，强化一线学生工作。党的二十届三中全会进一步提出要提升教师教书育人能力，健全师德师风建设长效机制，深化教育评价改革，这彰显了教学评价在提升教书育人质量方面的重要性。
教师教学投入不仅直接关系到学生的学习及学习效果，而且能够提升教师的教学工作满意度，增强教师荣誉感与获得感，降低职业倦怠。教学投入高的教师产出也更多，且更愿意对学校作出贡献和承担责任。因此，教学投入被看作影响教学效果及教师职业发展的关键因素。然而，伴随人工智能兴起以及人类科技革命的变迁，全球竞争所表现出的科技创新与人才竞争促使大学承担起拔尖人才培育及产业技术革新的重任。高校排名及资源支持通常将科研成果作为重要依据，排名的压力及现实需求使得大学的管理部门不得不“重科研轻教学”，尤其是“轻”学科基础知识教育的现象异常突出，常表现为大学教师教学投入不足，尤其是研究型大学。
一方面，研究型大学对教师的考核多围绕科研成果展开，职称的评定同样多以科研成果优劣为依据，教学好坏对教师职业发展影响不大。另一方面，研究型大学对学科基础教育的重视程度不够，加之教学工作量化考核难度大，尤其是对教师教学投入的考核缺少科学方法。上述两方面共同造成了研究型大学“重科研轻教学”的现实问题，这不仅危及研究型大学发展的人才教育基础，而且一定程度上影响了一般院校教师的教学热情和持续的教学投入。要推动大学教师有效平衡研究与教学工作，重点是如何科学有效地评价教师教学成效，而教学成效又来源于教师的教学工作投入。基于此，本文在人工智能发展视角下，构建大学教师教学投入评价原则及体系，以实现精准的教学成效评测，帮助教师提升教学工作的自我认知。
一、高校教师教学投入的内涵及其评价研究现状
最初，教学投入被简单地概括为教师的工作量。伴随工作投入概念的提出，Klassen等将教师教学投入定义为教师围绕教学任务所做出的身体、精力和认知资源的分配，通常从教师行为、情感、认知及与同事和学生的社会交往四个维度进行解释。Klassen等尤其强调良好的师生关系对教学效果的影响。这也是教师职业特殊性的表现，因此他们将师生关系看作教学投入的重要指标。
从工作投入角度考虑，教师教学投入是教师为完成教学工作而在行为、情感和认知三个层面进行的时间、精力及资源的自主分配，这一界定进一步突出了教师教学工作的特性，教学工作要求教师投入大量时间和精力与学生建立交流、互动的长期关系。基于此，柳友荣指出从时间、精力和情感三个角度度量教师教学投入的物理量、努力程度与内在动力。时间、精力与情感被看作构成教师教学投入的三要素。刘振天将教师教学投入所涵盖的时间及情感具象化为教学全过程中的教学行为、教学设计及方法应用中的教学认知、教学工作热情及态度的教学情感、面临教学挑战时随机应变的教学智慧。张立华将教学投入的时间、精力和情感从三维立体角度进行刻画，指出时间是“骨架”、精力是“肌肉”、情感是“血液”。
从时间角度度量教师教学投入虽然简单明了，但是因为计算标准和核算方法的差异，会造成对教学投入时间把握和计算不准确的情况。例如，按照学校规定的教学学时数量计算，则时间的投入仅仅局限于课堂中，而忽略了课前的教学准备以及课后教师答疑、指导与作业批改，这显然与实际发生的教学投入时间存在差异。教学精力投入反映了教师的教学用心、用功、用力程度，对教学质量和效果的提升起着决定性作用。教师教学精力的投入通常体现在教学设计上，具体包括教学内容的编排、教学方法的使用、教学手段的运用。教学情感投入是教师对教育职业认同感的体现，表现为教师对教学工作的珍爱程度，进而形成了教师对教学时间与精力投入的驱动力量。教师教学情感投入一方面表现在教师与学生互动的外在性上，另一方面表现在教师对教学事业奉献度的内在性上。
结合高校教学的特殊性，郭建鹏等给出了一个较为复杂的教师教学投入量化表，具体包括教师情感投入、教学准备投入、教学专注投入、教学方式投入、师生关系投入、同事关系投入等多个因子，并将教师教学看成一个多维度的特殊工作投入，从认知、行为、情感和社会等方面考量教师投入。
伴随线上教育教学的发展，左怡杰和万力勇基于线上线下混合式教学的发展评定教师的教学投入，将教学投入定义为教师自主调配自身精力和时间、调整教学情感和行为、专注教学实践的整个过程，进而从情感投入、认知投入、社会投入、行为投入和技术投入五个层面开展教师教学投入的评测。为促进教学过程和教学评价的融合，在线上线下综合教学模式下，牟智佳等构建了教学时空、教学主客体和教学结构三个基点，从情感、交互、素养、场域、设计和具身六个要素呈现教师的教学投入。
从工作投入的概念到教师教学工作投入的具象化，具有特殊属性的教师教学投入被赋予时间、认知、精力、情感等方面的内涵，已有研究围绕这几个方面开展教学投入评价工作。但在评价方式上，常以调查问卷为主，难以实现科学客观的评价。伴随现代信息技术的发展，教师课前的线上教学准备及课中的教学投入状况均能实现自动化追踪，基于此，本文构建了高校教师教学投入评价指标体系，并借助现代信息技术实现教学投入的客观性评价。
二、理论基础
教师教学工作具有特殊性，在大学中，教学与科研工作的矛盾尤为突出。构建一套科学合理的教师教学投入评价体系，首先要能够清晰地分析研究型大学教学工作的理论特性，进而提炼评价体系构成要素，设定评价原则。
1. 研究型大学的教学投入特征分析
（1）教学定位是培养高层次创新型人才
大学人才培养的定位是培育高层次创新型人才。基于此，评价教师教学投入应注重教学的研究特征，教师在教学实施过程中，需结合学科特点及知识特征，并在充分了解学生学情状况基础上，注重学生独立思考、发现问题、解决问题能力的提升，以及创新性与批判性思维的培养。
教师的教学投入评价应以学生的成长与收获为重要依据。建构主义教育理论指出，学生研究能力是指借助教学活动促使学生主动形成知识建构，并逐渐养成独立思考、辩证思维的科研意识。对于研究型大学来说，本科生教育是促进大学高层次创新型人才培养的基石，应该注重培育学生发现问题和解决问题的能力，因此教师教学投入应注重学生科研思维与能力的培育。
（2）教学评价应促进研究与教学的良性循环
当前，研究型大学的教师更侧重于科学研究，并将自己标榜成学者而非教育者。这与研究型大学特性与考核政策倾向有极大关系，研究成果的多寡及立项部门的级别高低决定了教师的职称评定与绩效考核结果。教学便成为一项任务性质的工作，而对教学工作的考核也就只停留在数量层面，教学评价结果不会给教师发展带来严重的影响，导致大量“水课”，这与教学评价侧重数量忽视质量直接相关。
忽视质量的教学评价体系难以激励教师的教学投入，而且会在教师之间滋生“劣币驱逐良币”现象，教学投入多的老师即使带来优异的教学效果，也未必能获得良好的绩效，无法与科研型教师相提并论，最终这部分教师会放松对教育方法和教学内容的钻研，导致“水课”越来越多。而研究型教师主要精力放在科研上，教学投入相对不足，因此从教学投入角度评价研究型教师工作，应避免单纯的教学数量考核，更应该注重教学质量与成效的考量，促进研究反哺教学，实现教学与研究的良性循环。
2. 评价构成要素
（1）情感投入
情感投入是教师对教学工作的心理活动。一方面表现为教师热爱教学工作的心理状态和教学态度，另一方面表现为教师教学的专业精神。研究型大学侧重于科研工作，对教学考核相对不足，激励机制通常不利于教学工作的开展，难以激发教师教学热情；对情感投入的评测有助于追踪教师教学态度，督促教师重视教学工作，避免“水课”泛滥而造成的“劣币驱逐良币”现象。
（2）认知投入
认知投入是教师教学工作的观念理念。一方面表现为教师教书育人的基本理念，另一方面表现为教师教学工作的努力程度和专注度。研究型大学侧重于培养创新型人才，通过师生共同学习与研究来培养学生探索精神。认知投入的评测有助于教师坚守尊重学生的原则，提升教师教学专注度，培育学生科研精神。
（3）技术投入
技术投入是教师教学方式及手段的体现。一方面表现为教学手段的创新性，另一方面表现为教学内容的研究性。研究型大学的教学工作应重点体现研究反哺教学的过程与效果，通过创新教学手段塑造学生创新思维，借助研究成果拓展学生研究视野。技术投入的评测有助于激发教师教学工作的创新性，促进研究与教学的良性循环。
3.评价原则
（1）科学性与发展性并重
科学性是指能够准确刻画研究型大学教师教学投入的真实状况，准确评估教师在教学方面的工作投入，依托教学投入科学原理及逻辑，实现教师教学投入评价的合理性。发展性要求评价体系符合研究型大学发展方向，依托教师及学生发展、学校规划目标及教育教学规律，最终促进教师教学能力的提升。
（2）客观性与智能化兼容
客观性是指构建能够客观评价教师教学工作投入的指标体系，排除人的主观因素对教学投入评价的影响。在传统评价方式中，不论是督导听课、院领导评价，还是学生评课，都难以排除人的主观感情因素，甚至会出现“关系型”评价，严重影响了教学评价的客观性。智能化是指借助人工智能等现代信息技术，采用语言识别、课堂追踪等智能化手段，实现教师教学表现的客观评价，以强化教学评价工作的客观性。
（3）评价性与激励性兼顾
评价性是指通过构建的指标体系实现教师教学投入状况的评价，真实客观反映教师的教学投入情况，并借助评价结果实现研究型大学教师教学工绩效评比。激励性是指通过教师教学投入的评价有效引导教师专注提升教学质量，推动落实研究反哺教学，促进教学过程的设计性，强化研究型大学教师科研与教学工作的平衡，促进教师教学工作投入。
三、大学教师教学投入评价体系的构建
依托大学教学工作特征分析，结合教学投入评价原则，本文借助多模态深度学习数据驱动方法，围绕研究型大学发展目标，鉴于研究型大学“重科研”的实际情况，构建了能够客观评价教师教学投入状况的指标体系，具体涵盖情感投入、认知投入和技术投入3个一级指标和9个二级指标，指标框架及解释见表1。
表1 研究型大学教师教学投入评价指标
情感投入是教师教学工作的前提，涵盖教授情绪、教学态度和自我效能。《礼记·礼运》中记载了涵盖喜、怒、哀、惧、爱、恶、欲的七种人类情绪；德国心理学家罗伯特·普鲁契克认为人类有快乐、信任、恐惧、惊讶、悲伤、厌恶、愤怒和期待八种基本情绪，这些情绪影响人们工作成效。对于从事教学工作的教师来说，情绪具有极强感染力，直接影响教学效果。本文将教师情绪分成愤怒、烦躁、平静、快乐、兴奋五种。教学态度表现为教师的工作态度，分为消极怠工、应付公事、认真备课、注意细节、积极进取。自我效能体现教师教学的自信心及信念感，分为缺乏信念、信心不足、信念动摇、信心满满、信念充足。借助人工智能手段，结合文本挖掘与人物视觉理解技术，采用视觉识别算法等手段，通过分析教师的面部表情生理特征及其话语中的词汇、句子结构、词频分布和篇章内容等信息，评价教师教学情绪状况。
认知投入是教师教学工作的核心，具体包括专业认知、教学观念和专注程度。教师专业认知体现为教师对课程知识把握的专业程度，对专业知识良好的把握体现在课堂教学的流畅度以及对学生的启发程度上，具体涵盖逻辑混乱、教学卡顿、准确掌握、熟练掌握、深度认知五个等级。教学观念体现教师对“授业理念”的理解，包括尊重学生人格，鼓励学生创新，以良好的教学理念引导学生成长成才，具体包括辱骂学生、贬低学生、鼓励教育、尊重学生、良好榜样五个等级。专注范围是指教师充分理解教育的本质，以学生为主体，课堂教学中深度专注学生学习状况，具体分为缺乏专注、专注自己、专注教室、专注知识、专注学生五个等级。教师在教学工作中展现的生理信号数据可以反映其在教学过程中的思考状态；同时，依据音频中语言的流畅度与语调的变化，可以表征教师在实施教学时的心理特征，进而衡量教师的认知投入水平。
技术投入是教师教学工作的手段，具体包括教学创新、研究引领、线上投入。教学创新体现的是教师对课堂教学的设计程度，好课堂是设计出来的。创新程度体现了教师的教学投入状况，具体分为传统形式、少有创新、偶有创新、稍有创新、富有创新五个等级。研究引领是教师推动研究反哺教学的体现，教师将研究方法及过程融入课堂教学中，通过研究成果的呈现激发学生的科研兴趣，提升他们的科研素养，具体分为没有体现、少有使用、偶有使用、稍有使用、经常使用五个等级。线上投入是伴随互联网教学而深入发展的便捷性教学手段，教师可以将课堂知识编排在线上课程中，便于学生随时学习，同时借助线上工具实现讨论、作业、考试等教学环节，具体分为没有使用、基础建课、框架完整、知识完备、涵盖全面五个等级。一方面，借助支持向量机视觉识别算法，分析教师话语中的词汇、词频评价教学的创新程度和科研引领成效，另一方面通过人工智能分析教师线上教学工具的使用情况，评测教师教学的技术投入。
四、数字化时代大学教师教学投入的自我评价与外部评价
随着高等教育的数字化转型加速，大学的教室大都配备高清摄像头及高保真语音系统，这些设备的本意是用于Mooc课程教学和便于不能参加课堂学习的学生课后复习。作者认为对教师教学投入的评价根本上还是为了提升教师的教学质量，因此建议大学教师利用这些现代化设备和技术改进教学，当然在必要的时候也可以用于对教师教学投入情况的评价。
1. 评价技术
（1）多模态数据采集技术
借助由高清摄像头与高灵敏度麦克风构成的采集系统，以高分辨率、高保真度记录了授课场景，通过回放浏览可以发现教学中的问题，尤其是细节和过程，帮助教师改进教学。
（2）自动语音识别技术
将采集所得的音频信息高效、精准地转换为文本格式，准确无误地识别教师授课全程的每一句表述，便于后续的查询与分析。
（3）视觉处理技术
依托先进的算法与高分辨率的图像采集设备，在复杂的课堂环境下瞬间锁定教师与学生个体，精确追踪他们的实时位置变动以及动作轨迹，教师可以通过场景回顾知晓教室内的互动情况，提高学生的参与度。
（4）文本挖掘算法
通过运用复杂的模式识别算法、关联分析策略等操作手段，对文本数据进行深度剖析，挖掘出诸如教师情绪、教学创新程度、知识深度等深层次的教学关键信息，形成进一步提高教学投入的素材。
2. 评价实施及应用
（1）数据收集及融合
为避免人为主观评分的不科学性，本文摒弃了常规的量表评分模式，采用客观的系统数据采集评分方式，实现客观公正实时的教师教学投入评价。利用视频、音频、图像等多模态人工智能数据收集技术，系统采集教师教学全过程，包括线上线下的操作日志、沉淀数据、文本数据、音视频数据、行为表现、生理数据等教学表现数据。针对教师使用学习通等线上教学平台的日志数据，借助统计分析方法提取线上平台使用时长、线上知识及素材完备性、线上工具使用频率、教学视频数量等素材的统计特征。
伴随线下课堂的开展，实时追踪课堂行为数据，并借助数据挖掘技术提取对应的特征值。将这些特征值与线上数据特征值进行集成化，然后借助文本语言库、随机森林等机器学习算法对集成化的特征数据进行融合分析，进而得出教师教学投入在9个二级指标上的等级。
（2）数据画像及分析
本文9个二级指标均分为正向与负向的五个等级，这些等级数值能够给每位教师的教学工作完成数据画像，并将各指标数值加权汇总后得到教师教学投入的总体评价。在测度单个教师教学投入之后，将多个教师教学投入的特征值及关键点进行机器学习算法模型训练，构建拟合度良好的教师教学投入预测模型，并将后续实时的教学行为数据输入到预测模型中，形成教师教学投入预测结果。动态追踪教师教学投入预测结果的变化，构建教师教学投入评价的变化曲线，为后期教学预警提供依据。
（3）结果输出及应用
结合数据可视化技术，将教师教学投入各项二级指标输出成雷达图，呈现出教师在情感、认知和技术投入上的知识图谱，准确清晰地展示教师教学投入点与点之间的关系与状况，给出教师教学投入维度构成及分项指标变化规律。在此基础上，结合高校自身发展目标，对比不同等级的教学投入标准，从教师在各分项指标的表现上形成教学改进建议，供教师参考。
作者：袁亮
来源：上海教育评估研究
