1. 引言
当前，新一轮科技革命与产业变革深度重塑全球制造业格局，人工智能、物联网、大数据等新兴技术为智能制造注入强劲动能，也对高等教育提出全新挑战[1] [2]。高校作为创新人才培养的关键阵地，在服务经济转型、推动“中国制造2025”战略中发挥着关键作用。同时，智能制造作为“新工科”的核心领域，其教学质量直接影响制造业人才的培育成效[3]。然而，传统教学质量评价体系因缺乏动态性与产业适配性[4]，难以满足新工科教育跨界融合、技术迭代的复杂需求，亟需构建契合新工科特点的评价标准与方法。
基于此，本研究立足工程教育认证标准与产业岗位需求，构建“供给侧–实施侧–需求侧”三维联动的动态评价体系，旨在为新工科教育改革提供实践参考，助力培养兼具创新能力与社会适应力的高素质技术人才，推动新工科教育与产业链的深度融合。
2. “新工科”教学质量评价体系现状
2.1. 国外教学质量评价的先进实践
在西方高等教育体系的长期发展进程中，教学质量评价体系不断演进，逐步形成了“以学生为中心”、多元化评价方式与数据驱动深度融合的成熟模式，其突出特点值得深入探究。
一是，“以学生为中心”的教育理念在西方高校教育实践中占据核心地位。学者Mc Combs B.L.与Whisler J.S.早在20世纪90年代就提出[5]了这一关键理念。该理念包含双重内涵：一方面，学生作为具有独特个性特征的个体，是教育活动开展的重要基础，教学设计需充分考虑学生间的差异；另一方面，在确保所有学生达到课程基本目标的前提下，通过个性化教学与启发式学习，满足不同学生的学习需求，真正践行“共同但有区别”的教学思想。在实际教学中，教师尤为注重观察学生的性格特点与学习反馈，实施因材施教。例如，当学生反馈某一复杂理论知识难以理解时，教师会及时调整教学策略，引入贴近生活的实际案例，以通俗易懂的方式进行讲解。若学生在小组研讨中提出创新性观点，教师则会顺势拓展教学内容的深度与广度，引导全体学生进行更深入的思考与探究，从而全方位提升学生的学习能力与综合素质。
二是，西方高校在构建多维度综合评价体系方面积累了丰富经验。它们巧妙运用形成性评价、过程性评价与终结性评价相结合的方式，全面、立体地考量学生的学习过程与最终成果。以Amy Driscoll的研究为例[6]，其深入剖析了高校教学质量评价的价值取向，结果显示，科学的评价标准不仅涵盖传统的学术成绩、课程学习表现以及学科竞赛成果，还将学生的团队协作能力、创新思维能力等关键素养纳入考核范围，确保评价结果能够全面反映学生的真实水平。
三是，数据驱动的动态反馈评价体系在国外高校得到广泛应用。通过学习分析技术，对学生学习行为产生的大数据进行深度挖掘与分析，能够实时动态监测学生的学习进展。正如Michael Harris与Roxanne Cullen所言[7]，这一体系不仅有助于教师清晰认识到学生的主体地位，及时调整自身在教学中的角色定位，还能引导学生明确学习目标，激发自主学习的积极性。更重要的是，基于数据分析形成的反馈机制，能够为个性化教学提供有力的数据支撑，从而精准提升教学质量。
2.2. 国内教学质量评价体系的不足
近年来，国内教学质量评价体系虽取得一定进展，但仍存在诸多局限性。长期以来，我国教育领域盛行“教师传授模式”[8]。在教学质量评价中，过度依赖教师单一主体，忽视了学生、企业等多方参与评价的重要功能。这种评价主体的单一化，导致评价结果难以全面、真实地反映教学实践在实际应用场景中的效果。刘献君[9]指出，想要真正落实“以学生为中心”的教育理念，不能仅仅将教学重心简单转移到学生学习成效上，更需要通过科学的教学评价与持续改进机制，推动工程教育与社会发展趋势和实际需求紧密契合。
此外，当前国内教学评价方式存在一定程度的重结果、轻过程倾向，过于关注考试成绩等结果性指标，而对教学过程中的动态反馈和持续改进重视不足。这使得教学评价机制难以有效支持教育质量的长期稳定提升。李志义等[10]深入探讨了完整有效的持续改进机制应具备的功能与特性，明确了建立此类机制的基本模式要素，并从机制完善程度、功能完整性以及实际效果等三个维度，为考察专业持续改进能力提供了理论依据。朱惠延等[11]结合南华大学卓越工程师计划试点专业校内专业认证工作实践，构建了“以教学督导监控”为主导，教学运行监控、教师教学信息监控、学生教学信息监控为辅助的多主体内部质量监控体系，在一定程度上弥补了传统评价的部分缺陷。
值得注意的是，高校课程内容与企业实际需求之间的衔接缺乏紧密性。现有的教学质量评价指标体系，缺少对学生实践能力和职业素养的指标化考量，无法满足社会对高端制造人才的多样化需求[12]。柳勤、唐水源等[13]以北京理工大学机械工程专业为例，通过对应届毕业生、往届毕业生的调查，以及对用人单位的走访和第三方数据采集，构建了基于持续改进的毕业生跟踪反馈机制，进一步完善了教学目标达成考核方法及保障体系，并结合内外部需求，对专业培养目标和毕业要求进行了优化。然而，从整体来看，国内教学质量评价体系仍需进一步创新，以适应智能制造专业的特殊性和“新工科”教育理念的要求。
综上所述，目前国内外专家学者关于教学质量评价系统的研究，大多集中在较为宏观的层面。尽管国内外在教学质量评价方面各具特色，但面对智能制造专业的独特需求以及“新工科”教育理念的高标准要求，现有的教学质量评价体系已难以满足实际需要，亟需进行创新突破。因此，开展本项目研究具有重要的现实意义和紧迫性。
3. 新工科教学质量评价体系探索
智能制造新工科教学质量评价需突破传统单一模式，构建分模块、分阶段且协同联动的动态体系。本文基于工程教育认证标准与产业岗位需求，从供给侧、实施侧、需求侧构建“三维联动”评价系统，实现对教学全链条的综合质量管控，如图1所示。
Figure 1. Diagram of the quality evaluation system for new engineering education in intelligent manufacturing
图1. 智能制造新工科教学质量评价体系图
3.1. 关注专业特色凝练机制，构建认证发展性评价模块
专业认证作为国际通行的教育质量保障手段，是推动高校专业持续改进的重要抓手[14]。其通过严格的标准审核，对达到或超越既定质量要求的专业予以认可，助力高校明确发展方向，优化教育质量。 在构建认证发展性评价模块时，首先需立足学校与学院特色，打破传统专业壁垒，整合机械、力学、材料、电子、计算机、控制及人文社科等多学科基础课程，形成交叉融合的课程体系。其次，引导教师梳理课程核心思维与知识点，构建基于方法论的教学方案，推广研讨型教学模式，深化对智能制造新工科专业认证教学改革领域的认知。再次，结合专业宣传、学生兴趣培养需求，建设“演练型”实验室，提升对专业认证实验建设领域的实践认知。最后，将课程建设、教学模式与实验实践有机融合，凝练智能制造新工科专业特色，构建契合专业认证发展需求的评价模块[15]。
3.2. 重视教学整体达成过程，构建课程动态性评价模块
课程体系是教育质量的核心载体，其动态调整能力直接影响人才培养成效[16]。在构建课程动态性评价模块时，首先需紧密对接工程教育培养目标，结合学校定位与社会经济发展趋势，明确智能制造新工科专业培养方向，并建立周期性评估机制，依据评价反馈动态优化培养目标。其次，改变传统以期中、期末考试为主的评价方式，开展以目标达成度为核心的整体达成研究，从知识掌握、能力提升、素质养成等多维度进行动态评价，更全面客观地反映课程教学质量。最后，以课程教学大纲为基准，构建以课程目标达成值为核心的动态评价指标体系，实现课程质量的全过程监控与持续改进。
3.3. 实施学生主体监督模式，构建学生参与性评价模块
“以学生为中心”的教育理念要求教学评价充分重视学生主体地位[17]。在构建学生参与性评价模块时，首先需拓宽学生反馈渠道，通过学生信息员制度等方式，及时捕捉教学过程中的潜在问题，确保教学评价更贴合学生实际需求。其次，发挥学生作为教学直接参与者的优势，引导其积极参与教学质量评价，从课程设计、教学方法、教师表现等多方面提出意见与建议，提升评价机制的科学性与完善性。最后，构建以学生评价为主体的多元化评价模块，涵盖对教师教学、课程设置、教学方法及人才培养模式等方面的综合评价，切实保障学生在教学质量评价中的话语权。
3.4. 关注教学质量反馈体系，构建督导过程性评价模块
教学督导是教学质量持续改进的关键环节。在构建督导过程性评价模块时，首先需围绕智能制造教学目标，组建校院两级督导团队，建立常态化督导工作机制，对教学过程进行全面监督与检查。其次，保障督导工作的独立性，通过听课、调研、检查、监督、咨询等多种方式，督促二级学院与教学管理部门履行人才培养主体责任，建立可持续的诊断与改进工作机制。最后，建立教学质量反馈闭环，定期召开教学监测与质量保证协调会议，及时将督导结果反馈至教学环节，形成“发现问题–分析问题–解决问题”的持续改进机制。
3.5. 搭建数据信息管理平台，构建管理闭环性评价模块
数据驱动是实现精准教学评价的重要支撑。依托大数据平台，首先需针对专业、课程、教师、学生等不同维度，构建个性化数据信息管理平台，为教学质量评价提供数据基础。其次，明确内部治理目标，以“需求导向、自我保证、多元诊断、重在改进”为方针，完善全要素网络化的质量保证体系。通过数据采集、分析与应用，实现教学质量评价的全流程闭环管理，为教学决策提供科学依据，推动教学质量持续提升。
3.6. 关注产教融合培养需求，构建企业多元性评价模块
产教融合是新工科人才培养的重要路径，也是教学质量评价的关键维度[18]。在构建企业多元性评价模块时，首先需结合专业特色，深化校企合作，共建实习实训基地，创新产学研合作培养模式，精准对接产业岗位需求。其次，引入企业导师参与人才培养，共享教育资源，共同制定人才培养方案，提升学生专业技能与市场竞争力。再次，建立涵盖专业能力、职业素养、心理健康等多维度的综合评价体系，全面衡量教学质量。最后，将企业评价纳入教学质量评价体系，构建以产教融合为核心的多元化评价模块，确保人才培养与产业需求无缝对接。
3.7. 关注就业服务能力培养，构建毕业跟踪性评价模块
就业质量是检验教学成效的重要指标。在构建毕业跟踪性评价模块时，首先需结合智能制造专业特点与社会人才需求变化，探索将学科知识转化为实践服务能力的有效路径，实现人才培养标准与社会需求的精准对接。其次，综合考虑学生应用能力与生源地就业服务需求，研究毕业生就业状况对教学质量评价的影响。再次，结合区域经济发展需求，拓展社会培训与服务工作，提升专业社会服务能力。最后，构建以就业服务能力为核心的毕业跟踪评价体系，通过长期跟踪毕业生职业发展，收集就业反馈信息，为专业动态调整与持续改进提供有力支撑，强化专业认证对教育质量的提升作用。
4. 结语
在新一轮科技革命与“中国制造2025”战略的深度推进下，智能制造作为“新工科”核心领域，其人才培养质量在某种程度上直接影响我国制造业向高端化、智能化转型的成败。本研究构建的“供给侧–实施侧–需求侧”三维联动动态评价体系，通过七大模块化机制，实现了从单一结果评价向全链条质量管控的跨越升级。该体系立足专业特色凝练，以认证发展性评价模块锚定专业发展方向；依托课程动态性评价模块，精准监测课程目标达成度；借助产教融合培养与毕业跟踪性评价模块，有效对接企业需求与社会人才标准，确保教学供给与产业需求的精准适配。同时，通过学生参与性评价、督导过程性评价及管理闭环性评价模块，形成“学生反馈–督导监控–数据驱动改进”的全流程质量保障机制，使评价体系更具立体性与科学性。
该体系能够有效诊断教学与技术前沿的脱节问题，为课程体系迭代、实训平台建设及校企协同育人提供量化依据，对推动新工科教育与产业链深度融合具有重要实践价值。在技术迭代加速、产业需求多变的时代背景下，高校作为高端制造人才培养的主阵地，亟需依托科学完善的教学质量评价体系，持续优化人才培养模式，提升教育供给质量，为我国制造业在全球竞争中实现技术突破与产业升级注入强劲动力。未来，该评价体系仍需在实践中不断检验与完善，以更好地适应智能制造领域的快速发展与教育教学改革的新要求。
基金项目
本研究得到了浙江省教育科学规划一般项目(编号：2023SCG002)、浙江省自然科学基金重大项目(LD24E050004)、杭州电子科技大学高等教育教学改革研究项目(ZDJG202301)、浙江省“十四五”第二批本科省级教学改革备案项目(JGBA2024167)的资助和支持。
NOTES
*通讯作者。