高校学生对教师评价的影响因素研究——基于1603名教师的评教数据

Research on the Factors Influencing College Students’ Evaluation of Teachers—Based on Teaching Evaluation Data of 1603 Teachers

摘要: 本研究基于西南地区某高校2019至2023学年9个学期的学生评教数据，共涉及1603名教师的13,921组有效数据，旨在探究影响高校学生对教师评价的因素。研究采用描述性统计和层次线性模型(HLM)，从“教师身份”和“课程属性”两个维度进行实证分析。研究发现，教师所属院系、课程教学模式、课程类别、学时、开课单位和班级人数等因素对评教得分有显著影响。研究最后提出两点启示：一是评教结果不应作为评价教学质量的唯一标准；二是评教影响因素可为提高教学质量提供参考。

Abstract: Drawing on 13,921 valid teaching-evaluation records from 1603 instructors across nine semesters (2019-2023) at a university in Southwest China, this study investigates the determinants of students’ ratings of teaching quality. Employing descriptive statistics and hierarchical linear modeling (HLM), we examine predictors at two levels: teacher identity and course attributes. Results show that instructors’ departmental affiliation, instructional mode, course category, credit hours, offering unit, and class size exert significant effects on evaluation scores. Two implications emerge: 1) Student ratings should not be the sole criterion for appraising teaching quality; 2) The identified factors can inform targeted improvements in instruction.

1. 引言

学生评教作为高等教育质量保障的重要机制，其核心在于通过学生对教师教学的直接反馈，促进教学改进和教育质量的提升。自20世纪20年代美国普渡大学首次引入标准化“学生评教量表”以来，学生评教制度逐渐成为高校教学管理的重要组成部分。我国高校自20世纪80年代中期开始试行学生评教，现已成为大多数高校的制度化工作。学生评教不仅是“以学生为本”教育理念的具体体现，也是实现教学从“以教为主”向“以学为主”转变的关键。

随着知识的快速更新和学生需求的日益多样化，教师需要不断提升自身的知识储备和教学方法，以适应新时代教育的要求；社会对教育质量的关注度日益提高，学生对教师的评价逐渐成为衡量教师教学水平和教育质量的重要指标之一。其中，学生对教师的评教数据作为一种重要的反馈机制，为高校教师教学改进和教师队伍建设提供了丰富的信息资源。在高校评教工作的展开中，学生评教对促进教师教学发展、提高教学质量有着显著影响。学生对教师课堂教学的评分作为一种普遍的教学评价方式，在众多高校中得到广泛应用，成为衡量教学质量的关键指标之一。通过对学生评教数据的深入分析，可以揭示教学过程中存在的问题，进而采取有效措施，确保教学质量的提高。对于学生评教的研究目前有以下方面：钱梦岑[1]、蒲毕文[2]、周继良和秦雍[3]从学生评教行为偏差类型与关联因素等角度，实证分析了高校学生评教中的具体问题与影响机制，并为高校完善评教体系、提升评教质量提出了针对性建议；李正和蒋芳薇[4]、潘云华和张意燕[5]、吴三萍和林宇虹[6]深入分析与探讨了学生评教的可信性和有效性；蔡雅端[7]、韩明[8]、王知敬[9]从教师因素、学生因素、课程因素三方面实证了影响高校学生评教的影响因素，并对高校完善评教体系提出相关建议；郭娟[10]、李超锋[11]、郑晋[12]从学生评教大数据出发，通过挖掘分析数据间关系，建立相关数学模型，得出影响评教结果的主要因素。然而，现有研究多聚焦于单一因素分析，缺乏对多因素交互作用的系统考察。本研究采用层次线性模型(Hierarchical Linear Model)，系统分析课程层面、教师层面不同层级变量对学生评教的影响。通过实证分析，旨在揭示各因素的独立效应。研究结果不仅为理解学生评教的复杂性提供了新的视角，也为高校在特定情境下改进评教体系、平衡学生评教数据提供了实证支持。

基于此，本文从教师身份和课程性质两个维度对高校教师评教得分的影响因素进行实证分析，从而得出影响学生评教的主要因素，为后续完善评教体系、平衡学生评教数据等提供参考。

2. 学生评教指标体系

2.1. 构建学生评教指标体系

学生评教体系的构建应基于教育评估理论和教学实践需求，旨在通过科学、系统的指标设计全面反映教师的教学表现。评教体系应涵盖教学态度、教学内容、教学过程、教学方法、教学语言、教学效果和课后指导等核心维度，结合“立德树人”目标，注重思想政治教育与专业知识的融合，从而促进教学质量的持续改进。

本次研究的学生评教体系(见表1)包括7个一级指标，10个二级指标，一级指标包括教学态度、教学内容、教学过程、教学方法、教学语言、教学效果、课后指导。一级指标设计综合了教学评估的关键维度，以确保全面反映教师的教学表现。

2.1.1. 教学态度

教学态度方面反映了教师的职业素养和责任感，研究表明，教师的言行举止和教学热情直接影响学生的学习动机和课堂参与度，良好的教学态度对学生产生深远的影响，能丰富课堂体验，提高学生的学习兴趣和参与度，从而有效提升教学质量和学习成效。

2.1.2. 教学内容

教学内容的设计不仅考察专业知识和热点知识的结合，而且考察专业知识和思政知识的结合效果，综合培养学生的价值观和批判性思维，这与当前高等教育“立德树人”的目标相契合。

2.1.3. 教学过程

高效的教学过程至关重要，体现在节奏的把控上，精准聚焦于课程的精髓，确保知识传递既全面又深入。通过条理清晰、逻辑严密的讲解，帮助学生构建起系统的知识框架。教学过程的指标关注教学的科学性和互动性，确保学生能够有效吸收知识并提升创新能力。

2.1.4. 教学方法

不同的课程有不同的教学方法，但是板书和现代教育技术的结合使知识的传递更加直观，板书利于知识梳理和思维引导，现代教育技术的多媒体特性能激发学生学习兴趣，教学方法的灵活性能促进学生主动学习，加深理解，培养批判性思维和解决问题的能力。

2.1.5. 教学语言

语言是知识传递的主要媒介，是情感交流的桥梁，是思维训练的工具。有效的语言运用能够帮助学生构建完整的知识体系，加深对知识的理解和记忆。富有感染力的语言能够激发学生的学习兴趣，增强他们的学习动力。良好的语言运用能激发学生的思维活动，培养他们的批判性思维和创新能力。

2.1.6. 教学效果

良好的课堂氛围能够极大地激发学生的学习兴趣和积极性，同时有助于培养学生的社交技能和团队合作精神，在积极、活跃的课堂氛围中，教师的教学热情得到激发，教学创新得以实践，从而进一步提升教学质量和成就感。

2.1.7. 课后指导

课后指导的指标则体现了对学生学习成果的持续关注，确保教学效果的延续性。

这些指标的设计不仅涵盖了教学的各个环节，还结合了教育理论和实践需求，通过科学评估促进教师教学水平的提升，最终实现学生综合素质的全面发展。

学生评教采用问卷形式开展，是强制性的，学生必须在查看他们的成绩前进行评教。

Table 1. Student evaluation of teaching indicators

表1. 学生评教指标

一级指标	二级指标
教学态度	1、着装恰当，仪表大方整洁，在言行、举止等方面为人师表、以身作则
	2、不迟到、不早退，上课精神饱满，教学有热情
教学内容	3、课程内容巧妙融合思想政治教育元素，帮助学生树立正确的价值观、人生观
	4、教学内容充实，能结合当前热点知识或工程案例，引导学生思考，激发学生的求知欲
教学过程	5、教学节奏适中，精讲重点、难点，条理清晰，逻辑严密
教学过程	6、教学富有启发性，鼓励学生提问参与讨论，重视学生创新能力
教学方法	7、板书与现代教育教学技术相结合，美观、简洁、工整，教学方法灵活，对学生学习有帮助
教学语言	8、授课语言准确生动，深入浅出，能感染并吸引学生认真听讲
教学效果	9、注重课堂交流，师生互动效果好，课堂气氛活跃，我觉得该课程收获比较大

2.2. 变量及其操作化

本次研究的数据基于西南某高校在2019学年~2023学年中9个学期的学生评教数据，共计1603名教师，13,921组有效数据。经过文献分析，研究确定了12个变量(见表2)，分别是课程教学模式、课程类别、课程性质、考核方式、学时、开课单位、教师性别、教师最高学位、教师专业技术职称、教师入校时间、教师院系、班级人数。其中，由于一名新教师在入校约7年后将变成一位较成熟教师，因此教师入校时长按7年为一个区间进行分类；教师院系不是单纯地按聘任院系分类，结合教师聘任院系和参与教学院系进行了分类；由于班级划分时按30人为一个基本班，因此班级容量按30人一个区间进行划分。

Table 2. Variable naming

表2. 变量命名

影响因素	具体指标	参数说明
教师	教师性别	男、女
	教师学位	博士、硕士、学士、无学位
	教师职称	教授、副教授、讲师、其他
	教师入校时长	0~7年、8~14年、15年及其以上
	教师院系	地球科学与技术学院、电气信息学院、法学院、……、艺术学院、 合学院(多个学院)
课程	课程教学模式	课堂设计类、课程教学类、实习教学类、实验教学类、体育、艺术、 毕业设计类
	课程类别	公共必修课、公共选修课、专业课
	课程性质	独立设置实验课、理论课、术数课
	考核方式	考查、考试
	学时	1~16学时、17~32学时、33~48学时、49~64学时、65~80学时、 81学时及其以上
	开课单位	地球科学与技术学院、电气信息学院、法学院、……、艺术学院、 合学院(多个学院)
	班级容量	1~30人、31~60人、61~90人、91人及其以上

变量赋值，从1开始编号(见表3)，以便于后续的定量分析和统计处理。

Table 3. Variable assignment

表3. 变量赋值

赋值	教师性别	教师学位	教师职称	教师入校时长	教师院系
1	男	博士	教授	0~7	地球科学与技术学院
2	女	硕士	副教授	8~14	电气信息学院
3		学士	讲师	15及以上	法学院
4		无学位	其他		化学化工学院
5					机电工程学院
6					计算机科学学院
7					经济管理学院
8					理学院
9					马克思主义学院
10					石油与天然气工程学院
11					体育学院
12					土木工程与建筑学院
13					外国语学院
14					新能源与材料学院
15					艺术学院
16					合学院(多个学院)

3. 评教数据实证分析

3.1. 教学质量总体分析

首先对2019学年~2023学年的评教数据进行描述性统计，得到N值、标准偏差、偏度等。

Table 4. Overall analysis of teaching quality

表4. 教学质量总体分析

2019春~2023春描述性统计
评教值	N	最小值	最大值	平均数	标准偏差	峰度	偏度
2019春	2778	71.32	96.00	94.4876	1.54244	27.040	−3.490
2019秋	3551	70.92	96.00	94.1594	1.77866	32.438	−3.958
2020春	2432	78.12	96.00	94.0433	1.53061	14.873	−2.735
2020秋	3379	64.21	96.00	94.3578	1.74557	67.207	−5.864
2021春	3190	69.81	96.00	94.1227	1.79408	34.902	−4.326
2021秋	3657	58.66	96.00	94.3257	1.66310	98.874	−6.460
2022春	3332	78.19	96.00	94.5121	1.43538	29.657	−3.981
2022秋	3551	81.98	96.00	94.4421	1.21381	12.778	−2.370
2023春	3251	81.22	96.00	94.6660	1.27961	17.207	−3.092

分析结果显示数据分布显著偏离正态分布特征。峰度与偏度的减小表明所收集数据的质量有所提升。偏度与峰度呈现下降趋势，表明评教数据的质量逐年提高。

分析数据显示2019学年至2023学年，教师的评教得分普遍较高，超过94分(见表4)，反映出教师的课堂教学质量持续保持在较高水平，学生对教师授课的满意度亦相对较高。各学期学生评教得分的平均值差异较小，显示出学生评教结果的相对稳定性。特别地，2020学年春季学期的学生评教平均得分最低(见表4)，可能与疫情期间学生普遍参与网络课程，以及师生双方尚未完全适应在线教学模式有关。而2023学年春季学期的评估平均得分最高，表明教师的教学质量逐年提升；2022学年秋季学期的评估分数显示出较高的稳定性，分数波动幅度较小。

3.2. 教师基本情况分析

通过初步统计分析，得到受评教师的性别、学位、职称、年龄的比率和学生评教分比(表5)。

Table 5. Comprehensive analysis of teaching quality

表5. 教学质量总体分析

2019~2023学年首评教师基本情况
学年	性别比率 评教平均分	学位比率 评教平均分	职称比率 评教平均分	年龄比率 评教平均分
	(男:女)	(博士:硕士:学士:无学位)	(教授:副教授:讲师:其他)	(青年:中年:老年)
2018~2019 (2)	56.6:43.4	30.9:54.9:0.9:13.3	12.8:36.8:42.9:7.5	28.1:35:36.9
	94.39:94.57	94.54:94.44:94.46:94.08	94.47:94.51:94.43:94.48	94.63:94.47:94.34
2019~2020 (2)	56.1:43.9	30:55.5:1.1:13.4	13.8:38.8:41.1:6.3	27.5:31.4:41.1
	93.96:94.19	94.17:94.07:93.83:93.83	94.11:93.99:94.15:93.87	94.15:94.12:93.96
2020~2021 (2)	55.7:44.3	32.9:53.2:1.3:12.6	14.5:40.3:39.6:5.6	28.5:27.5:44
	94.04:94.21	94.23:94.04:94.18:93.99	94.25:94.21:93.98:94.04	94.23:94.07:94.07
2021~2022 (2)	55.1:44.9	34.7:53.8:1.2:10.3	15.1:38.5:40.2:6.2	30.1:23.2:46.7
	94.49:94.51	94.60:94.42:94.55:94.55	94.47:94.50:94.54:94.34	94.64:94.55:94.38
2022~2023 (2)	54.9:45.1	36.8:54:0.2:9	16.1:40.6:37.3:6.1	28.2:24.5:47.2
	94.67:94.68	94.73:94.64:94.69:94.78	94.47:94.50:94.54:94.34	94.68:94.76:94.63
平均	55.7:44.3	34.5:54.3:0.9:11.7	14.46:39:40.2:6.3	28.5:28.3:43.1
	94.31:94.43	94.45:94.32:94.34:94.24	94.42:94.39:94.34:94.26	94.45:94.40:94.28

在教师队伍的构建中，性别比例、学位、职称及年龄结构是四个关键维度，它们共同影响着教学质量和学术氛围。

在评教平均分方面：女性教师评教分略高于男性；博士教师的评教平均分最高；不同职称教师的评教平均分只存在微小的差异；中青年教师分较高。

在性别、学位、职称、年龄的比率方面：男性教师数量略多，但整体保持稳定，且趋向均衡；硕士和博士学位教师占核心地位，博士学位教师比例的增长；讲师和副教授占较大比重，而教授比例的逐年增长；中年教师比例在上升，青年教师比例在下降。

3.3. 影响评教因素分析

3.3.1. 研究方法

本文使用SPSS26.0，利用统计学方法对数据的进行分析，得出课程教学模式、课程类别、课程性质、考核方式、学时、开课单位、教师性别、教师最高学位、教师专业技术职称、教师入校时间、教师院系、班级人数等因素是否对学生评教结果产生影响；由于数据部分缺失，所以选用2019学年~2023学年中春季学期学生评教结果作为数据样本，构建以下模型进行分析：

模型1：以学生对教师的评教分数为因变量，建立不含任何自变量的零模型，该模型用于检验是否满足进行多层线性回归的条件。

$Y_{ij}={\gamma }_{00}+u_{0j}+r_{ij}$

其中：$Y_{ij}$ ：第$j$ 位教师的第$i$ 门课程的评教得分，${\gamma }_{00}$ ：总平均值，$u_{0j}$ ：教师层面的随机效应，$r_{ij}$ ：课程层面的残差。

模型2：控制课程层面变量后，估计教师个体对评教得分的净影响，从而明确课程特征与教师差异在评价体系中的相对贡献。

$\begin{array}{l}{Y}_{ij}={\beta }_{0j}+{\beta }_{1j}\left(课程教学模式\right)+{\beta }_{2j}\left(课程类别\right)+{\beta }_{3j}\left(课程性质\right)+{\beta }_{4j}\left(考核方式\right)\\ +{\beta }_{5j}\left(学时\right)+{\beta }_{6j}\left(开课单位\right)+{\beta }_{7j}\left(班级容量\right)+r_{ij}\end{array}$

${\beta }_{0j}={\gamma }_{00}+u_{0j}$

其中：${\beta }_{1j}\sim {\beta }_{4j}$ ：课程变量的固定斜率，${\beta }_{0j}$ ：教师层面的随机截距。

模型3：通过引入教师层面变量，进一步解析教师差异背后的成因，为优化师资配置与教学支持政策提供实证依据。

$\begin{array}{l}{Y}_{ij}={\beta }_{0j}+{\beta }_{1j}\left(课程教学模式\right)+{\beta }_{2j}\left(课程类别\right)+{\beta }_{3j}\left(课程性质\right)+{\beta }_{4j}\left(考核方式\right)\\ +{\beta }_{5j}\left(学时\right)+{\beta }_{6j}\left(开课单位\right)+{\beta }_{7j}\left(班级容量\right)+r_{ij}\end{array}$

$\begin{array}{l}{\beta }_{0j}={\gamma }_{00}+{\gamma }_{01}\left(教师性别\right)+{\gamma }_{02}\left(教师学位\right)+{\gamma }_{03}\left(教师职称\right)+{\gamma }_{04}\left(入校时长\right)\\ +{\gamma }_{05}\left(教师所属院系\right)+u_{0j}\end{array}$

其中：${\gamma }_{01}~{\gamma }_{04}$ ：教师特征对评教得分的固定效应，$u_{0j}$ ：教师层面的随机效应。

3.3.2. 统计结果分析

模型1结果如下：

本研究首先构建不包含任何解释变量的零模型，验证教师间是否有显著的系统性差异，该模型将学生评教得分的总方差分解为课程层方差与教师层方差。

具体估计结果如下：

课程层方差：${\sigma }_e^2=1.551$ ，教师层方差：${\sigma }_{u0}^2=0.813$

由此计算组内相关系数$\text{ICC}$ ：

$\text{ICC}=\frac{{\sigma }_{u0}^2}{{\sigma }_{u0}^2+{\sigma }_e^2}=\frac{0.8129}{0.8129+1.5509}\approx 0.344$

根据Cohen (1988)的划分标准，ICC值介于0.138以上为高度组内相关。本研究所得ICC = 0.344，已达到高度相关水平，表明学生评教得分的总体变异中，约有34.4%可由教师层面的差异所解释，其余65.6%则来源于课程层面，所以有必要建立多层线性模型进行进一步分析。

模型2结果如下：

在零模型确认教师间差异显著(ICC = 0.344)的基础上，本研究进一步构建随机截距模型(模型2)，目的在于更深入解析课程层面变量对学生评教得分的具体影响，并评估这些因素在控制后教师间差异的剩余部分。通过在零模型的基础上引入课程类别、学时、班级人数和教学模式等变量，模型2旨在剥离课程特征对评教得分的直接影响，从而更准确地识别教师个体差异对评教得分的影响。

在0.05显著性水平下，课程教学模式(F = 18.912, p < 0.001)，学时(F = 16.116, p < 0.001)，开课单位(F = 13.315, p < 0.001)，课程类别(F = 2.699, p < 0.001)，班级容量(F = 13.033, p < 0.001)均表现出显著效应，而课程性质(F = 2.455, p = 0.086)，考核方式(F = 17.824, p = 0.061)未达到显著水平。

课程变量进入模型后，课程层残差${\sigma }_e^2$ 由1.551骤降至0.186，而教师层方差${\sigma }_{u0}^2$ 由0.813上升至2.082，说明课程层变量解释了课程内部的大量误差，使得剩余误差${\sigma }_e^2$ 变得非常小；教师层差异几乎没有被课程变量解释掉，因此教师层方差仍然很大。

由此计算的，91.8%的剩余变异仍位于教师层，与零模型的34.4%相比，ICC上升到91.8%，说明课程特征确实影响评分，但教师差异仍是主导(ICC = 91.8%)，所以有必要继续模型3把教师性别、职称、学位等变量加进来，才能解释这2.082的教师层方差。

模型3结果如下：

在模型2 (随机截距模型)的基础上继续估计模型3 (完整模型)的核心目的在于：识别在控制课程条件后，哪些教师层面的因素真正导致了评分差异。

在0.05显著性水平下，完整模型中，控制课程特征后，教师层面的教师所属院系(F = 16.106, p < 0.001)对学生评教得分有显著影响。

教师层变量进入模型后，课程层方差：${\sigma }_e^2=1.103$ ，教师层方差：${\sigma }_{u0}^2=1.142$ ，ICC = 0.508，模型3的随机效应分析显示，教师层方差${\sigma }_{u0}^2$ 由模型2的2.082降至1.142，表明教师个体特征解释了部分教师间差异。然而，ICC值仍高达50.8%，表示仍有相当比例的变异未被教师层面的未观测因素所解释。

综上可以得出：课程教学模式、课程类别、学时、开课单位、教师所属院系、班级人数对学生评教得分有显著影响。从完整模型中可以看出，仍然存在一些重要的未观测变量对教师间的评教得分有显著影响，例如学生的背景、学习态度以及教师的教学风格、课堂管理能力、与学生的互动质量等因素可能对评教得分有影响。

3.3.3. 影响评教结果的因素及分析结果

以下为课程教学模式、课程类别、学时、开课单位、教师所属院系、班级人数对学生评教得分有显著影响的具体分析。图1~6横坐标为影响因素，纵坐标为学生评教平均分。

1) 课程教学模式对评教结果影响显著

体育、艺术、毕业设计类课程教师获得较高的评教分(见图1)。

课程可被分类为课堂设计类、课程教学类、实习教学类、实验教学类、体育、艺术、毕业设计类等。体育、艺术、毕业设计类课程因其趣味性和综合性，通常获得较高的评教得分。这些课程更贴近学生个人兴趣，能激发学生的投入和热情。相反，课堂设计类课程，如房屋建筑学课程设计和信号分析课程设计，可能难度较大且侧重理论与技术基础，并且可能缺乏吸引力而导致较低的评教得分。且认知负荷理论进一步指出，课堂设计类课程往往涉及高元素交互性知识，即多个概念必须同时在工作记忆中整合处理，从而显著增加了内在认知负荷。国内实证研究亦指出，当课程任务所需元素交互性超出学生当前认知资源时，学习者易产生挫败感与负面情绪，进而降低对教学质量的评价，导致评教分较低。

2) 课程类别对评教结果影响显著

Figure 1. Course teaching model

图1. 课程教学模式

公共选修课的教师评教得分普遍低于必修课程(见图2)。

自我决定理论指出，学生对必修课程的重视程度较高时，其内在价值认同被激活，学生愿意投入更多时间与精力，且必修课程的平均预习时长、课堂提问频次及课后作业深度均显著高于选修课堂，较高的投入为教师营造了更有序的课堂环境，进而产生更高的教师满意度，因此倾向给予教师较高的评教分数。

Figure 2. Course categories

图2. 课程类别

3) 学时对评教结果影响显著

学时多的课程所对应的评教分较高，学时少的评教分较低(见图3)。

学时多的课程往往意味着更高的学分权重，且被学生视为更重要的课程，从而投入更多精力与情感，课堂专注度和互动频次随之上升，教师获得更充分的教学反馈，评教自然走高。反观短学时课程，学分低、任务压缩，学生易将其视为“边缘任务”，动机水平下降，课堂体验可能较差，师生互动减少，导致学生对教师的了解和认可度相对较低，影响评教得分。

Figure 3. Class hours

图3. 学时

4) 开课单位对评教结果影响显著

新能源与材料学院、艺术学院、体育学院所开课程对应的教师评教分较高(见图4)。

新能源与材料学院、艺术学院、体育学院的课程因注重实践技能培养，具有较高的互动性和趣味性，能有效吸引学生注意力，激发兴趣。这些学院的教学改革和专业建设成效，如新能源与材料学院的“互融共通、协同创新”模式，艺术学院的“艺术与科技融合”理念，以及体育学院的“大体育观”指导理念，都可能提升教学效果和学生学习兴趣，从而提高教师的评教分数。

Figure 4. Course-offering units

图4. 开课单位

5) 教师所属院系对评教结果影响显著

教师历年所得评教平均分前三：体育学院、艺术学院、石油与天然气工程学院(见图5)。

教师所属院系对评教结果的影响显著。体育学院、艺术学院、石油与天然气工程学院的教师所得评教分数通常较高，这可能与这些学院的课程特点和教学模式有关。石工院实施“理论教学与实验教学、课堂教学与课外教学、校内教学与实习实训基地教学，知识学习与学科专业竞赛”相结合的教学模式，形成具有自身特色的人才培养模式。艺术学院和体育学院则通过艺术与科技的融合、体育与生活方式的结合，提高教学效果和学生满意度，从而提升教师的评教分数。

Figure 5. Teachers’ affiliated departments

图5. 教师所属院系

6) 班级人数对评教结果影响显著

小班的教师获得较高的评教分，大班的教师获得较低的评教分(见图6)。

班级人数对评教结果的影响也很明显。小班授课更有利于提供个性化指导，增强学生的学习体验和成效，因而会有较好的教学效果。大班授课可能会减少学生与教师的互动机会，导致学生感到自己的学习需求得不到充分的满足，且课堂管理理论指出，班级人数增加会直接抬高“管理成本”：教师需花费更多时间与精力维持秩序，导致可用于互动的时间被压缩，学生感知到的“被关注感”下降，进而降低满意度。因此，班级规模对于教师和学生而言，都可能对教学成效产生影响。

分析得到教师性别、教师学位、教师职称、教师入校时长、课程性质、考核方式、对学生评教得分没有显著性影响。

教师性别、学位、职称及入校时长之所以未对学生评教得分产生显著影响，核心原因在于学生评教的关注点集中在教学过程本身而非教师的外在标签。在性别方面，当代学生对教师的评价已突破传统性别角色认知，更看重教师能否清晰传递知识、营造平等的课堂氛围，而非性别本身；学位代表的学术研究能力与教学能力并无直接关联，学生更在意教师能否将复杂知识转化为易懂的教学内容，而非其拥有的学位层次；职称晋升往往与科研成果挂钩，而学生评价的是教师的课堂组织、互动引导等教学表现，与职称所体现的学术地位关联较弱；入校时长带来的教学经验积累，未必能转化为契合新一代学生学习习惯的教学方式，学生更关注教师能否适应其学习需求，而非教龄长短。

Figure 6. Class size

图6. 班级人数

课程性质和考核方式未对评教得分产生显著影响，本质是因为学生评教的核心是对教师教学行为的评价，而非课程或考核的外在形式。无论是必修课还是选修课，学生关注的是教师能否针对课程特点设计合理的教学方案，激发学习兴趣；理论课与实践课的差异，也被教师的教学方法适配能力所掩盖，学生更看重教师能否让不同类型的课程内容变得有吸引力。考核方式的差异同样未左右评教结果，因为学生清楚考核是检验学习效果的手段，而评教是评价教师的教学付出，只要教师在教学中展现出负责的态度、清晰的讲解和有效的指导，无论采用考试还是考查等方式，都不会显著影响其评价结果。

4. 研究结论与启示

基于2019学年~2023学年9个学期的学生评教数据，选取了1603名不同专业、不同院系、不同性别、不同入校时间教师的学生评教数据作为研究样本，通过统计分析和实证分析研究了教师身份和课程属性对学生评教结果的影响因素，研究结果表明：

描述性分析显示样本中各学期学生评教结果平均值差异较小，表明学生评教结果的相对稳定，2020年春季学期学生评教结果相较于其他四个学期较低，可能与当年采取线上教学有关，教师和学生对线上教学接触较匆忙，不能较好适应线上教学形式。

结论一：教师身份中的性别、学位、职称、年龄四个因素在学生评教结果上存在差异。女性教师评教结果略高于男性，这可能与女性在沟通和情感表达上的优势有关。女性教师通常更注重与学生的互动和反馈，能够更好地理解学生的需求，从而在评教中获得更高的分数；博士教师的评教结果平均分高于其他学位，博士教师通常具备更深入的专业知识和研究能力，能够提供更高质量的教学内容。此外，博士学位的教师可能在教学方法和学术严谨性上更为突出，因此学生对其评价更高；不同职称教师的评教结果平均分只存在微小的差异：这表明职称对评教结果的影响较小。无论是初级职称还是高级职称的教师，只要教学态度和方法得当，都能获得学生的认可。这也可能反映出学校在教师培训和教学评估方面的均衡性；中青年教师评教结果平均分高于其他年龄段教师：中青年教师通常精力充沛，教学热情高，能够更好地与学生互动。此外，他们可能更熟悉现代教学技术和工具，能够采用多样化的教学方法，从而获得学生的好评。相比之下，年长教师可能在教学创新和互动上稍显不足，而年轻教师则可能因经验不足而影响评教结果。

结论二：课程教学模式、课程类别、学时、开课单位、班级人数、教师所属院系等因素对学生评教得分有显著影响。体育、艺术、毕业设计类课程的教师评教得分普遍较高，而课堂设计类课程得分较低，体育、艺术类课程通常具有较强的实践性和互动性，学生参与度高，课堂氛围轻松活泼，教师与学生之间的互动更为频繁和直接，因此学生更容易对教师产生积极的评价，毕业设计类课程通常是一对一或小班指导，教师能够给予学生更多的个性化关注和指导，学生感受到教师的支持和帮助，因此评分较高，课堂设计类课程可能更注重教学方法和课堂组织，要求教师具备较高的教学设计能力。如果教师在课堂设计上未能充分吸引学生或未能有效组织教学活动，可能导致学生参与度低，从而影响评教得分；公共选修课的评教得分低于必修课，公共选修课的学生群体多样化，背景和兴趣差异较大，教师难以针对所有学生的需求进行教学设计，可能导致部分学生感到课程内容与自身兴趣不符，从而影响评教得分，学生对选修课的重视程度可能不如必修课，投入的精力和时间较少，课堂参与度较低，这也可能影响评教结果；学时多的课程评教得分高于学时少的课程，学时多的课程通常意味着教师与学生有更多的互动机会，教师可以更深入地讲解课程内容，学生也有更多时间消化知识，建立更好的师生关系，从而提升评教得分。新能源与材料学院、艺术学院、体育学院所开课程的教师评教得分较高，这些学院的课程通常具有较强的实践性和创新性，学生参与度高，课堂氛围活跃，教师的教学方式更加灵活多样，能够激发学生的学习兴趣，因此评教得分较高，特别是艺术学院和体育学院，课程内容本身具有较强的趣味性和互动性，学生更容易对教师产生积极的评价；石工院、艺术学院和体育学院的教师评教得分连续多年保持领先，这些学院可能在教学管理、教师培训和课程设计方面有较好的机制，能够持续提升教学质量。此外，这些学院的教师可能更加注重学生的反馈，不断改进教学方法，因此评教得分能够保持领先；小班授课的教师评教得分高于大班授课，小班授课能够使教师更好地关注每个学生的学习情况，提供个性化的指导，师生互动更加频繁和深入，学生感受到更多的关注和支持，因此评教得分较高。

启示：一是对学生评教结果的影响因素众多，存在一定的局限性，不同课程的性质(如理论课、实践课、选修课、必修课)可能导致评教结果的差异，不能简单横向比较。小班授课的评教结果通常高于大班授课，但这并不一定意味着大班授课的教师教学质量更低。评价部门对老师进行评价时，不能只依赖学生评教结果，应从多方面进行综合评价，建议评价部门构建多元化的教师评价体系，综合采用同行评价、教学观察、课程设计评估等多种方式，以确保评价结果的客观性和全面性；针对不同类型的课程(如理论课、实践课、设计课等)，制定差异化的评价标准，避免“一刀切”。

二是学生评教结果可以作为提高教师教学质量的参考。如实行小班制：小班授课可以提高师生互动频率，使教师更好地关注每个学生的学习情况，从而提升教学效果和学生满意度；注重课堂设计：教师可以通过优化课堂设计，增加互动环节、案例分析、小组讨论等形式，激发学生的学习兴趣和参与度；加强师生沟通：教师可以通过定期与学生沟通，了解他们的学习需求和困难，及时调整教学策略；提供教学培训：学校可以为教师提供教学方法和课堂设计方面的培训，帮助教师提升教学能力。

三是可以从学生方面来分析，进一步探索哪些因素可以影响评教分数。除课程与教师外，学生自身特征也可能会影响评教得分，如学生的性别、年级、专业、先修成绩、学科自我效能感、学习动机等变量。从而进行多方面分析，为高校教学管理者、评估部门提供更强有力的支撑。

基金项目

西南石油大学2024~2026年本科教育教学改革研究项目(X2024JGZDI53)；西南石油大学2024~2026年本科教育教学改革研究(X2024JGYB89)。