麦可思研究专注高教管理，订阅
麦研图书馆，可查看更多主题文章哦！
本报告是在麦可思深耕高等教育数据十年的基础上进行的一次自我突破。从数据来源来看，与以往通过问卷采集的数据不同，这是基于大学课堂上所产生的客观行为数据。mita麦可思智能助教(http://mita.mycos.com/)上线仅半年，已覆盖400多所高校，近3000位老师，8万多名学生，每天产生1.3万次以上的交互，为本报告提供了一个行为数据挖掘的“宝藏”。而且如此海量的数据都发生在高校教与学的真实场景下，老师和学生都有自己所属的课程班级。这与普通搜索引擎(例如百度)导入的数据不同。普通引擎无法知道搜索人是谁，也不清楚这些行为发生的环境。即使抓取出来，数据纯度不够，分析效果要打折扣。把数据规模与纯度结合起来，mita产生的行为数据是用来分析高校教与学的最优选择之一。
第一章主要发现
时间分布：本报告所使用数据的采集时间为2016年9月10日—2017年2月6日。大学教师使用mita麦可思智能助教最活跃的时间段是上午8到11点。
地域分布：使用mita最活跃的省市前五名依次是广东、山东、浙江、河南以及北京。整体而言，来自西部地区的大学教师较少。mita的使用需要教室能够无线上网。Mita活跃度的地图反映了西部地区的高校面临教学信息化的挑战，急需加大投入，改善硬件。
课堂规模：本科的小班化(即20人以下的班级)教学超过了四分之一(26.4%)，但是百人以上的大课也不少(16.9%)。高职在百人以上的大课较少(只有4.6%)，但是20到50人的课堂几乎占到一半(46%)，为小班化留下了改进空间。
学校类型：在mita教师用户覆盖的278所高校中，有199所是本科院校，占比71.6%，有79所为高职院校，占比28.4%。
课程类别：已知学校信息和课程类别的660个教学班中，专业课教学班有567个，占比85.9%，公共课教学班93个，占比14.1%。
(一)教师授课行为分析
课件上传：每门课平均上传约3个课件(2.9)。邯郸学院李国玉老师的《传感器与自动检测技术》课件最多，达到了33个。根据中国青年政治学院梁金刚老师对他学生的调研，课堂引入mita智能助教系统最大的积极意义在于“便于查看ppt”。
考勤分析：高校都重视考勤，30%的老师每次上课都考勤(本科31.1%，高职29.9%)，48%的考勤次数占上课次数的一半以上(本科48.5%，高职48.3%)。从课程类型来看，公共课每次上课都考勤的教学班比例(40%)高于专业课(29%)。在半期之后(即11月中下旬)的考勤更为频繁，反映了学生在半期之后容易“溜号”。
随堂测验：老师用mita当堂出题，测验结果实时呈现，可以了解每一个学生对知识点的掌握情况。整体而言，高职(28.8%)经常使用随堂测验的频率高于本科(16%)，部分原因是高职在mita上开设的课程以专业课居多，专业课(21%)经常随堂测验的频率高于公共课(5%)。但随堂测验也可以在公共课上发挥威力。浙江传媒学院冯建超老师的《形势与政策》课，平均每次上课都进行了4次随堂测验。
课堂提问：经常用mita提问的老师在一半以上(本科55%，高职59.8%)。专业课(55%)经常提问的频率更是远高于公共课(5%)，但是公共课也能通过提问来激发学生思考与表达，温州医科大学翁攀峰老师的《思想道德修养与法律基础》，平均每次上课提问14.2次。在mita的随机、点名以及抢答等提问方式里，老师使用最多的是随机提问(本科47.4%，高职68.4%)，其次是抢答(本科30%，高职27%)，既体现了公平竞争，又引入了游戏化元素，活跃了课堂气氛。
学生抽奖：经常使用mita抽奖的老师不多(本科15.2%，高职13.8%)。抽奖频率最高的是天津中医药大学王玉明老师的《药物分析》，平均每次上课抽奖4次。根据mita对5752多名学生的调查，他们最想要的奖励是平时成绩加分，其次是书籍。
课后作业：布置课后作业在大学里是一种低频行为。大多数老师从来没有用mita布置作业(本科73.2%，高职58.6%)，部分老师在整个学期布置的作业在5次以下(本科21.2%，高职36.8%)。只有少数老师布置课后作业的频率较高。西安航空学院岳晓莉老师的《大学英语1A》频率最高，共布置作业17次。原因在于前面提到的课堂规模，如果人数在50以上，又没有随堂测验的自动批改功能，老师批阅课后作业的工作量就会太大。
平时成绩：mita上的平时成绩统计功能，不仅帮助老师更合理地设置课程考核方式，而且提供了数据支持：对每一个学生的考勤、随堂测验、提问等表现自动记录与排序，而且根据老师设置的权重进行调整。大多数老师(本科83.5%，高职89.7%)都把平时成绩的权重设置在30%到70%之间。在平时成绩的构成里，考勤所占权重较大(本科35%，高职40%)，其余各项分别是随堂测验(本科16%，高职15%)、课后作业(本科17%，高职16%)、提问(本科17%，高职15%)以及小组(本科15%、高职14%)。
预警分析：老师可以用mita设置预警：当学生旷课、不做测验、不交作业累积一定次数时，系统就会自动提醒学生。根据课程类型，公共课对考勤要求最严格(平均预警值为2.5)，对测验最宽松(平均值为3.3);专业课对作业要求最严格(平均预警值为2.9)，对考勤最宽松(平均值为3.7)。
(二)学生学习行为分析
到课分析：从考勤结果来看，高职学生的平均到课率(92.8%)高于本科(89.2%)。本科公共课的平均到课率只有86.5%，低于专业课(89.0%);高职公共课的平均到课率高达95.9%，高于专业课(92.2%)。可见本科的公共课与高职的专业课更需要提高学生的到课率。按天来看，本科周一到课率最低(87.9%)，高职周五到课率最低(88.9%)。按时间段来看，18~21点时间段里，学生到课率最低(本科83.9%，高职85.0%)。
随堂测验：整体而言，随堂测验的学生参与率为54.3%，超过了半数，但还有提升空间。答题正确率为45.8%，这说明老师出题难度适中，有区分度，差不多一半的学生能够正确回答。
提问与抽奖：大多数学生从未被提问(本科98%，高职96.7%)，从未抢答(本科95.5%，高职95.3%)，也从未抽奖(本科97.7%，高职94.2%)。这反映了尽管老师开始使用mita提供的各种课堂互动功能，但是学生基数大，能被提问或抽奖的是个体行为，覆盖面比不上随堂测验。
成绩与预警：从平时成绩的分布来看，本科学生基本呈正态，峰值出现在40到50之间(46.7%);高职学生的峰值不太明显，分别出现在20到30之间(32.9%)与30到40之间(21.1%)。需要注意的是部分学生的平时成绩在0到10之间(本科12.6%，高职23.1%)。根据平时成绩的构成，这些学生往往多次出现旷课、不做测验或者不交作业的行为。这些行为累积到一定程度，就会触发老师设置在mita里的预警，及时提醒这些学生不要掉队。从发出预警的人数来看，平均每个教学班触发预警最多的是不做测验(本科8.4人，高职4.6人)，其次是旷课(本科4.6人，高职3.7人)，最后是不交作业(本科0.8人，高职1.3人)。
第二章数据结构概述
本报告中的数据采集自mita智能助教平台和百度统计，共采集教师和学生行为数据273625条。统计时间为2016年9月10日到2017年2月6日。
一、活跃度
(一)教师
表2-1高校教师mita用户统计表
院校类别
总数
活跃人数
活跃比（%）
本科
353
175
49.6
高职
174
97
55.7
未知
1057
484
45.8
总计
1584
756
47.8
注：“其他”类型的学校老师未纳入本表统计中。
1. 活跃教师及学校类型分布
2016—2017学年秋季学期，全国共有1584位高校老师注册使用mita，其中活跃的高校老师共有756人。
以下统计数据来源于百度对网站活跃度的统计，收集了老师在2016年9月26日至2017年2月6日这一时间段内的日访问数(UV)，分析这学期里每月、每周及每天老师访问mita的规律。
2. 每天访问规律
总体上，教师用户访问mita呈现较为规律的时间分布，每周会分别出现一个访客数高峰值和低峰值。高峰值出现在工作日，低峰值发生在周末。节假日(例如10月初国庆，1月初陆续停课直到1月底春节)访问量持续走低。
图2-1每天访问mita的教师数
3. 周一到周日访问规律
本段统计收集了2016年9月21日到2017年2月6日之间，每天教师访问数，计算每周相同工作日的平均访问数，如图2-2所示。本次统计发现，工作日里，周二、周三是老师访问的高峰日，周五访问人数最少。
图2-2 周一到周日平均每天访问mita的教师人数
4. 每小时访问规律
本段统计了2016年9月21日到2017年2月6日期间，每小时的教师访问数。统计结果如图2-3所示。上午8点到10点访客数最多。说明老师倾向于将教学时间(包括上课与备课)安排在上午8点至10点
图2-3 7:00~23:00平均每小时访问mita的教师数
(二)学生
活跃学生及学校类型分布
2016—2017学年秋季学期，全国共有45383位学生注册mita参与教学互动，其中活跃学生数为32305。
以下收集学生在2016年9月21日至2017年2月6日这一时间段内的日访客数(UV)，分析本学期内学生访问mita的规律，发现学生访问mita的时间分布趋势与老师基本同步。
图2-4 每天访问mita的学生人数
(三)地域分布
本小节收集了在2016年9月21日至2017年2月6日这一时间段来自各省的访问数(UV)，以观察数据是否具有全国代表性。访问量最多的前五个省份依次为广东、山东、浙江、河南及北京。西部地区访客偏少。mita的使用需要教室能够无线上网，这张活跃度的地图反映了西部地区的高校面临教学信息化的挑战，急需加大投入，改善硬件。
注：数据统计时间为2016.09.21—2017.02.06。
图2-5 mita活跃用户地域分布
二、创建教学班
(一)建班统计
表2-2 mita系统总体统计
总数
活跃数
活跃比
教学班
1829
718
58.8%
教师
1599
766
75%
学生
45383
32305
79.5%
注：数据统计时间为2016.09.10—2017.02.06。
表2-3 mita用户覆盖的高校
学校类型
数量
占比
本科
199
71.6%
高职
79
28.4%
总计
278
100%
注：数据统计时间为2016.09.10—2017.02.06。有1072位注册老师院校信息未知，本表中“覆盖院校总数”是对527位已知学校信息的老师进行的统计。
综表2-2和2-3所述，在2016年9月10日至2017年2月6日时间段内，共有1599位老师注册使用mita，创建了1829个教学班。在这1599位老师中，有527位老师完善了其学校信息，覆盖全国278所高校，其中本科有199所，占比71.6%，高职有79所，占比28.4%。
(二)教学班分类
表2-4教学班创建情况统计表
学校类型
专业课
公共课
未知
总计
本科
393
62
34
489
高职
174
31
8
213
其他
/
/
14
14
未知
/
/
1113
1113
总计
567
93
1169
1829
如表2-4所述，在2016年9月10日至2017年2月6日时间段内，mita上共创建1829个教学班，有716个教学班的学校信息是已知的，其中属于老师创建的教学班有702个。
在这702个被创建的教学班下，专业课共建有567个教学班，占比80.8%，公共课共建有93个教学班，占比13.2%，另外还有42个教学班(6%)的课程类别未知。
图2-6 本科、高职不同课程类别的教学班开设数
公共课包括思政课、大学英语、计算机等面向全校开设的课程。本学期，mita上共创建93门公共课，其中本科创建62门，高职创建31门。本科思政课建班数最多，占比59.7%，其次是大学英语，占比24.2%。高职院校计算机课建班数最多，占比48.4%，而思政课较少，仅占比16.1%。
本科
高职
图2-7 本科、高职使用mita的公共课建班数分布图
1. 教学班规模
本报告将教学班规模划分为四种类型，分别是0~20人、20~50人、50~100人及100人以上的教学班。本科四种教学班规模分布比较均匀。高职教学班规模以20~50人为主，其次是50~100人，0~20人的小班较少。
图2-8本科、高职不同班级规模的教学班占比
本科公共课以50~100人的规模为主，占比44.5%，0~20人的小班较少。专业课四种规模分布比较均匀，其中20~50人规模的教学班数最多，占比29.7%，略高于其他几种。高职公共课与专业课教学班均以20~50人的规模为主，其次是50~100人的教学班规模。
图2-9 公共课、专业课不同班级规模的教学班占比
公共课
专业课
图2-10 本科公共课、专业课不同班级规模的教学班占比
公共课
专业课
图2-11 高职公共课、专业课不同班级规模的教学班占比
2.老师建班数
2016—2017学年秋季学期，有335位本科老师注册使用mita，共开设489个教学班，平均每位老师创建1.5个教学班。高职有177位老师注册，共创建213个教学班，平均每位老师创建1.2个教学班。河南师范大学关斯玥老师的《毛泽东思想和中国特色社会主义理论体系概论》单个教学班学生人数最多，达到257人。
图2-12 平均每位老师创建教学班数
第三章教师教学行为数据分析
一、课件准备
(一)课件上传
1. 按学校类型分类
本学期，共有2098个课件上传到mita系统，平均每门课上传了2.9个课件。各类型院校课件总数及单个教学班课件平均数，如下表所示。
表3-1 本科、高职使用mita的教师上传课件的数量
学校类型
课件总数（个）
平均数（个/班）
本科
799
3.5
高职
380
4.4
未知
898
2.3
2. 按课程类别分类
表3-2 本科、高职不同课程类别使用mita的教师上传课件的数量
课程类别
课件总数（个）
平均数（个/班）
公共课
本科
90
3.3
高职
81
5.1
专业课
本科
698
3.6
高职
298
4.5
本报告统计范围内，课件数最多的是《传感器与自动检测技术》这门课，由邯郸学院李国玉老师创建，李老师为这门课上传了33个课件。
二、课上互动
(一)考勤
1. 考勤频率
每次课都考勤：即“考勤次数”除以“用mita上课次数”的结果等于1。
经常考勤：即“考勤次数”除以“用mita上课次数”的结果大于且等于0.5，小于1。
偶尔考勤：即“考勤次数”除以“用mita上课次数”的结果大于0，小于0.5。
从不考勤：即“考勤次数”除以“用mita上课次数”的结果等于0。
图3-1 本科、高职不同考勤频率的教学班占比
整体而言，本科和高职院校都重视考勤，本科和高职都有近30%每次课都考勤，还有48%经常考勤。
从不考勤的教学班中，本科有27门，高职有14门。需要注意这些老师用mita上课的活跃度不高，平均少于2次。
从课程类别来看，公共课考勤整体更为频繁。40%的公共课每次上课都考勤，这一比例高出专业课(29%)。
图3-2 公共课、专业课不同考勤频率的教学班占比
2. 考勤趋势
本节统计主要目的是观察本学期(2016年9月10日—2017年1月10日)内，本科和高职考勤次数的整体发生趋势。
图3-3 全国高校教师每日使用mita考勤频次
图3-4 本科院校教师每日使用mita考勤频次分布
图3-5 高职院校教师每日使用mita考勤次数分布
总体而言，本科和高职在期中之后的考勤次数出现明显增长，尤其是在11月中下旬，本科和高职的考勤总次数均达到学期高峰值。
(二)随堂测验
1. 随堂测验频率
每次课都测验：即“测验次数”除以“用mita上课次数”的结果大于等于1。
经常测验：即“测验次数”除以“用mita上课次数”的结果大于等于0.5，小于1。
偶尔测验：即“测验次数”除以“用mita上课次数”的结果大于0，且小于0.5。
从不测验：即“测验次数”除以“用mita上课次数”的结果等于0。
图3-6 本科、高职不同课堂测验频率的教学班占比
整体而言，高职的随堂测验整体活跃度(46%)高于本科(34.6%)。从课程类别来看，专业课总体测验频率高于公共课。有21%的专业课经常测验，而公共课仅有5%的课经常测验。浙江传媒学院冯建超老师的《形势与政策》课程课堂测验活跃度最高，平均每次课上进行了4次课堂测验。
图3-7 公共课、专业课不同课堂测验频率的教学班占比
2. 测验题型分布
mita有五种测验题型：单选题、多选题、判断题、填空题、问答题。其中前三种题型是客观题，可以由mita自动批改。老师使用客观题(包括单选题、多选题和判断题)的比重明显高于主观题(包括填空题和问答题)。
图3-8 教师使用mita出的随堂测验题中主、客观题占比
具体来看，高职的客观题主要集中于单选题，本科的客观题中，多选题和判断题的比重相对较高。
本科
高职
图3-9 本科、高职教师用mita出的随堂测验题型分布
(三)提问
1. 提问频率分布
每次课都提问：即“提问次数”除以“用mita上课次数”的结果大于等于1。
经常提问：即“提问次数”除以“用mita上课次数”的结果大于等于0.5。
偶尔提问：即“提问次数”除以“用mita上课次数”的结果大于0，且小于0.5。
从不提问：即“提问次数”除以“用mita上课次数”的结果等于0。
图3-10 本科、高职不同提问频率的教学班占比
整体而言，mita提问功能受到老师的欢迎。本科和高职都有40%以上每次课都提问。高职每次课都提问的比例(51.7%)高于本科(41.6%)。从课程类型来看，经常提问的专业课(55%)明显高于公共课(5%)。
图3-11 公共课、专业课不同提问频率的教学班占比
本科提问频率最高的是温州医科大学翁攀峰老师的《思想道德修养与法律基础》，平均每次上课提问14.2次。
2. 提问方式分布
mita有三种提问方式：点名提问、随机提问和抢答。整体而言，本科和高职使用最频繁的都是随机提问(本科47%，高职68%)。其次是抢答，本科(32%)的抢答占比高于高职(22%)。从课程类型看，公共课(30%)使用抢答的频率高于专业课(27%)，既活跃课堂气氛，又兼顾公平。
本科
高职
图3-12 本科、高职教师使用mita三种提问方式的频次分布
公共课
专业课
图3-13 不同类别的课程使用mita三种提问方式的频次占比
(四)抽奖
每次课都抽奖：即“抽奖次数”除以“用mita上课次数”的结果大于等于1。
经常抽奖：即“抽奖次数”除以“用mita上课次数”的结果大于等于0.5。
偶尔抽奖：即“抽奖次数”除以“用mita上课次数”的结果大于0，且小于0.5。
从不抽奖：即“抽奖次数”除以“用mita上课次数”的结果等于0。
图3-14 本科、高职不同抽奖频率的教学班占比
整体而言，本科和高职的抽奖活跃度较低。只有9.5%的本科与13.8%的高职课堂上每次课都抽奖。抽奖频率最高的是天津中医药大学王玉明老师的《药物分析》这门课，平均每次课上抽奖4次。
三、作业
(一)作业布置
作业很多：即本学期作业布置总次数大于且等于10的教学班。
作业较多：即本学期作业布置总次数大于等于5，且小于10的教学班。
作业偏少：即本学期作业布置总次数大于0，且小于5的教学班。
没有作业：即本学期作业布置总次数等于0的教学班。
图3-15 本科、高职不同作业布置频率的教学班占比
大多数老师从来没有用mita布置作业(本科73.2%，高职58.6%)，部分老师在整个学期布置的作业在5次以下(本科21.2%,高职36.8%)。只有少数老师布置课后作业的频率较高。布置作业频率最高的是西安航空学院岳晓莉老师的《大学英语1A》这门课，本学期共布置作业17次。
四、平时成绩
(一)平时成绩权重
平时成绩权重等于0%。
平时成绩权重大于0%，且小于等于30%。
平时成绩权重大于30%，且小于等于70%。
平时成绩权重大于70%。
图3-16 本科、高职使用mita的教学班平时成绩权重分布
整体而言，大多数老师都把平时成绩的权重设置在30%到70%之间(本科83.5%，高职89.7%)。
(二)平时成绩构成
mita系统里的平时成绩由考勤、测验、作业、提问及小组这5项构成。在平时成绩的构成里，考勤所占权重较大(本科35%，高职40%)，其余各项分别是随堂测验(本科16%，高职15%)、课后作业(本科17%，高职16%)、提问(本科17%，高职15%)以及小组(本科15%、高职14%)。这与mita设置的默认值基本一致。
本科
高职
图3-17 本科、高职使用mita的教学班平时成绩权重分布
五、预警
老师可以用mita设置预警：当学生旷课、不做测验、不交作业累积一定次数时，系统就会自动提醒学生。根据课程类型，公共课对考勤要求最严格(平均预警值为2.5)，对测验最宽松(平均值为3.3);专业课对作业要求最严格(平均预警值为2.9)，对考勤最宽松(平均值为3.7)。
图3-18 公共课、专业课预警平均触发值对比
第四章学生学习行为数据分析
一、课堂学习
(一)到课率
本学期，使用mita的教学班平均到课率为88.0%。高职平均到课率(92.8%)高于本科(89.2%)。从课程类型来看，专业课(88.8%)略高于公共课(87.6%)。进一步细分，本科的公共课到课率只有86.5%，低于专业课(89.0%);高职的公共课到课率达到95.9%,高于专业课(92.2%)。可见本科的公共课与高职的专业课都有提升学生到课率的空间。
图4-1 本科、高职使用mita的教学班平均到课率
图4-2 公共课、专业课使用mita的课程平均到课率
1. 每周到课率
注：数据统计自2016年9月10日到2017年1月5日。9月21—10月6日无考勤数据，故在图中未显示出来。
图4-3 使用mita的教学班每周平均到课率
注：数据统计自2016年9月10日到2017年1月5日。9月21—10月6日无考勤数据，故在图中未显示出来。
图4-4 本科、高职使用mita的教学班每周平均到课率
本科周二到课率最高，周一到课率最低。高职周二到课率最高，周五到课率最低。
图4-5 周一到周五使用mita的教学班日均学生到课率
图4-6 本科、高职周一到周五使用mita的教学班日均学生到课率
2. 每小时到课率
图4-7 使用mita的教学班四个时间段平均到课率
图 4-8 本科、高职使用mita的教学班四个时间段平均到课率
(二)随堂测验
1. 测验参与率
整体而言，随堂测验的学生参与率为54.3%。高职(84.5%)学生随堂测验的参与率略高于本科(81.7%)。
图4-9 使用mita的教学班随堂测验参与率
2. 答题正确率
使用mita的课堂随堂测验的正确率为45.8%。高职学生(69.8%)随堂测验的正确率略高于本科(67.3%)。
图4-10 使用mita的教学班随堂测验正确率
(三)提问互动
1. 被提问
经常被提问：即学期内被提问次数大于等于5次。
偶尔被提问：即学期内被提问次数大于0次，小于5次。
从不被提问：即学期内被提问次数为0次。
图4-11 使用mita的教学班不同被提问频次的学生占比
2. 抢答
经常抢答：即学期内抢答次数大于等于5次。
偶尔抢答：即学期内抢答次数大于0次，小于5次。
从不抢答：即学期内抢答次数为0次。
图4-12 使用mita的教学班不同抢答频次的学生占比
(四)抽奖
经常抽奖：即学期内抽奖次数大于等于5次。
偶尔抽奖：即学期内抽奖次数大于0次，小于5次。
从不抽奖：即学期内抽奖次数为0次。
图4-13 本科、高职学生中获得不同抽奖频次的学生占比
二、成绩与预警
(一)成绩
1. 本科平时成绩分布
图4-14 本科使用mita的教学班学生平时成绩得分分布
2. 高职平时成绩分布
图4-15 高职使用mita的教学班学生平时成绩得分分布
(二)预警
1. 预警人数
图4-16 本科、高职教学班平均预警人数
2. 预警次数
图4-17 本科、高职教学班平均预警次数
特别说明
麦可思作为第三方独立完成了本报告数据的采集和各指标的计算和解读，并负责数据和指标的科学性、客观性以及本报告的持续改进。任何跟踪评价都存在一定程度的样本偏差，但本报告结果具有统计的代表性。若本报告个别指标与学校统计指标存在差别，可能因为数据来源不同或者指标定义存在差异。
