অধিকারপত্র শিক্ষা সংস্কার ধারাবাহিক│উচ্চশিক্ষা নতুন সিরিজ- Student Evaluation of Teaching (SET)

শিক্ষার্থী শিক্ষককে ১ থেকে ৫-এর মধ্যে নম্বর দিলেন—কিন্তু সেই score আসলে কী মাপে: teaching quality, learning experience, জনপ্রিয়তা, course difficulty, expected grade, নাকি অন্য কিছু? কতজন শিক্ষার্থীর response হলে ফল বিশ্বাসযোগ্য? একই questionnaire দিয়ে laboratory, seminar, studio ও বড় lecture class কি মূল্যায়ন করা যায়? Student anonymity ও teacher privacy কীভাবে রক্ষা হবে? Raw data কে দেখবে, ফল public করা উচিত কি না, promotion-এ student feedback কতটা ব্যবহার করা যাবে এবং অন্যায্য rating হলে teacher-এর appeal কোথায়? ঢাকা বিশ্ববিদ্যালয়ে ডাকসুর সাম্প্রতিক teacher-evaluation উদ্যোগকে ঘিরে তৈরি হওয়া আলোচনার প্রেক্ষাপট থেকে অধিকারপত্র-এর পাঁচ পর্বের এই গবেষণামূলক ধারাবাহিক অনুসন্ধান করছে teacher evaluation-এর শতবর্ষী বিবর্তন, আন্তর্জাতিক বিশ্ববিদ্যালয়ের practice, questionnaire ও measurement science, validity-reliability, sampling, bias, statistics, privacy, governance, academic freedom এবং due process। লক্ষ্য কোনো ব্যক্তি বা উদ্যোগের বিরোধিতা নয়; বরং International Evidence + Bangladesh Context-এর ভিত্তিতে এমন একটি credible, fair ও improvement-oriented framework-এর সন্ধান, যেখানে Student Voice থাকবে, Teacher Accountability থাকবে, Teacher Dignity থাকবে—এবং evaluation system নিজেও থাকবে accountable।

একটি তারকার আড়ালে কতগুলো প্রশ্ন?

বিশ্ববিদ্যালয়ে শিক্ষক শিক্ষার্থীকে নম্বর দেন—এ দৃশ্য আমাদের কাছে শতবর্ষের পরিচিত। পরীক্ষা, assignment, presentation, viva কিংবা thesis—সবখানেই শিক্ষক মূল্যায়ন করেন শিক্ষার্থী কতটা শিখলেন। কিন্তু প্রশ্নটি যদি উল্টো করে দেওয়া হয়—শিক্ষার্থীও কি শিক্ষকতার অভিজ্ঞতা মূল্যায়ন করবেন? আধুনিক উচ্চশিক্ষায় এর উত্তর ইতিবাচক। কারণ একটি semester-এ শিক্ষক কীভাবে পড়ালেন, কঠিন বিষয় কতটা পরিষ্কার করলেন, course কতটা organised ছিল, assessment-এর নিয়ম কতটা স্পষ্ট ছিল, সময়মতো meaningful feedback পাওয়া গেল কি না এবং classroom-এ সম্মানজনক ও অন্তর্ভুক্তিমূলক পরিবেশ ছিল কি না—এসবের সবচেয়ে ধারাবাহিক প্রত্যক্ষ অভিজ্ঞতা শিক্ষার্থীর। তাই Student Voice teaching quality ও academic accountability-এর একটি গুরুত্বপূর্ণ উপাদান। তবে শিক্ষার্থীর অভিজ্ঞতা গুরুত্বপূর্ণ বলার অর্থ এই নয় যে সেই অভিজ্ঞতার প্রতিটি numerical expression স্বয়ংক্রিয়ভাবে একটি পূর্ণাঙ্গ teacher-evaluation measure হয়ে যায়।

সম্প্রতি ঢাকা বিশ্ববিদ্যালয় কেন্দ্রীয় ছাত্র সংসদ—ডাকসু (DUCSU) শিক্ষকদের সম্পর্কে শিক্ষার্থীদের মতামত ও মূল্যায়ন সংগ্রহের একটি ওয়েবভিত্তিক উদ্যোগ গ্রহণ করেছে এবং সেখানে প্রাপ্ত কিছু মূল্যায়ন দৃশ্যমান করার ব্যবস্থা করেছে। উদ্যোগটি শিক্ষকতা, শিক্ষার্থীর অভিজ্ঞতা এবং বিশ্ববিদ্যালয়ের academic accountability নিয়ে নতুন করে আলোচনা তৈরি করেছে। একদিকে অনেকেই এটিকে শিক্ষার্থীর মতামত প্রকাশের একটি নতুন ক্ষেত্র এবং শিক্ষকতার মান নিয়ে আলোচনার সুযোগ হিসেবে দেখছেন; অন্যদিকে এর পদ্ধতি, rating-এর interpretation, participation, representativeness, ফল প্রকাশ এবং data ব্যবহারের ধরন নিয়েও প্রশ্ন উঠেছে। এই দুই অবস্থানের কোনোটিকেই শুরুতেই চূড়ান্ত সত্য ধরে নেওয়া এই ধারাবাহিকের উদ্দেশ্য নয়। বরং ডাকসুর উদ্যোগটি আমাদের সামনে একটি বৃহত্তর এবং দীর্ঘদিনের academic প্রশ্নকে নতুনভাবে হাজির করেছে—শিক্ষার্থীর মূল্যবান classroom experience-কে কীভাবে একটি বিশ্বাসযোগ্য, ন্যায়সংগত ও উন্নয়নমুখী evaluation system-এর অংশ করা যায়?

এখানে একটি গুরুত্বপূর্ণ distinction প্রয়োজন। কোনো উদ্যোগের উদ্দেশ্য, তার পদ্ধতি এবং তার ফলাফলের ব্যবহার—এই তিনটি আলাদা analytical question। শিক্ষার্থীর কণ্ঠস্বর তুলে ধরার উদ্দেশ্য গুরুত্বপূর্ণ হতে পারে; কিন্তু সেই উদ্দেশ্য বাস্তবায়নের জন্য ব্যবহৃত questionnaire বা rating scale কতটা valid, কারা অংশ নিতে পারছেন, response কতটা representative, ফল কীভাবে interpret করা হচ্ছে এবং প্রকাশিত তথ্য থেকে কী ধরনের conclusion টানা যায়—এসব প্রশ্ন আলাদাভাবে পরীক্ষা করতে হয়। আবার কোনো পদ্ধতিতে সীমাবদ্ধতা পাওয়া গেলেও তার অর্থ এই নয় যে student evaluation-এর ধারণাটিই অগ্রহণযোগ্য। একইভাবে একটি উদ্যোগ জনপ্রিয় বা সদুদ্দেশ্যপ্রসূত হলেই তার প্রতিটি methodological choice স্বয়ংক্রিয়ভাবে scientifically defensible হয়ে যায় না। একটি বিশ্ববিদ্যালয়ের কাজই হলো ধারণা, পদ্ধতি ও evidence—তিনটিকেই প্রশ্নের মুখোমুখি করা।

এই কারণেই আলোচনাটি “ডাকসু ঠিক করেছে না ভুল করেছে”—এই binary বিতর্কে সীমাবদ্ধ রাখলে বৃহত্তর academic opportunity হারিয়ে যাবে। বরং বর্তমান উদ্যোগকে একটি starting point for inquiry হিসেবে দেখা যেতে পারে। এটি আমাদের প্রশ্ন করার সুযোগ দিয়েছে: কে শিক্ষকতা মূল্যায়ন করবেন? শিক্ষার্থীরা একজন শিক্ষকের কোন কোন dimension সম্পর্কে সবচেয়ে নির্ভরযোগ্য evidence দিতে পারেন? কোন বিষয়গুলো তাঁদের প্রত্যক্ষ অভিজ্ঞতার বাইরে? কোন instrument ব্যবহার করা হবে? কতজনের response একটি ফলকে অর্থবহ করে? Anonymity কীভাবে নিশ্চিত হবে? Data কার কাছে থাকবে? Teacher-specific result public করার নীতি কী হবে? শিক্ষক কি নিজের evaluation-এর context ব্যাখ্যা করার সুযোগ পাবেন? এবং সবচেয়ে গুরুত্বপূর্ণ—সংগৃহীত feedback শেষ পর্যন্ত teaching ও learning-এর উন্নয়নে কীভাবে ফিরে যাবে? বাংলাদেশের উচ্চশিক্ষায় এই প্রশ্নগুলোর systematic উত্তর খোঁজার সুযোগ তৈরি করাই বর্তমান বিতর্কের সবচেয়ে গুরুত্বপূর্ণ সম্ভাবনা।

সমস্যাটি আরও জটিল হয় যখন শিক্ষার্থীর অভিজ্ঞতাকে সংখ্যায় রূপ দেওয়া হয়। একজন শিক্ষক পেলেন ৪.৮, আরেকজন ৩.২। কিন্তু প্রথমজনকে যদি rating দিয়ে থাকেন পাঁচজন এবং দ্বিতীয়জনকে ১৮০ জন, তাহলে score দুটি কি সরাসরি তুলনাযোগ্য? একটি compulsory statistics course এবং একটি জনপ্রিয় elective course-এর rating কি একইভাবে interpret করা যায়? Philosophy seminar, Chemistry laboratory, Fine Arts studio, clinical teaching এবং কয়েক শ শিক্ষার্থীর lecture class—সব ক্ষেত্রে কি একই questionnaire সমানভাবে কার্যকর? এসব প্রশ্ন কোনো নির্দিষ্ট উদ্যোগের বিরুদ্ধে আপত্তি নয়; এগুলো Student Evaluation of Teaching (SET)-এর মৌলিক methodological প্রশ্ন। কারণ experience-কে number-এ রূপান্তর করার সঙ্গে সঙ্গে educational measurement, psychometrics, sampling, response bias, statistics এবং contextual interpretation-এর প্রশ্ন এসে যায়।

আর এখানেই feedback, measurement, comparison এবং verdict-এর পার্থক্যটি গুরুত্বপূর্ণ। “এই course-এ explanation আমার কাছে পরিষ্কার ছিল”—এটি শিক্ষার্থীর experience report। সেই অভিজ্ঞতাকে ১–৫ scale-এ নিয়ে “Professor X = 3.7” বলা একটি measurement claim। সেই ৩.৭-কে অন্য শিক্ষকের ৪.২-এর সঙ্গে তুলনা করা comparative claim। score-টি নামসহ public platform-এ প্রদর্শিত হলে তার একটি reputational dimension তৈরি হয়; আর appointment, promotion বা disciplinary decision-এ ব্যবহার করা হলে সেটি high-stakes institutional evidence-এ পরিণত হয়। ব্যবহারের stakes যত বাড়ে, evidence-এর quality, validity, reliability, fairness, transparency এবং due process-এর প্রয়োজনও তত বাড়ে।

একই সঙ্গে বাংলাদেশের বাস্তবতাও আলোচনার কেন্দ্রে রাখতে হবে। আন্তর্জাতিক বিশ্ববিদ্যালয়ের অভিজ্ঞতা আমাদের গুরুত্বপূর্ণ শিক্ষা দিতে পারে, কিন্তু Harvard, Stanford, Finland কিংবা Australia-এর কোনো একটি model হুবহু বাংলাদেশে প্রতিস্থাপন করলেই একটি কার্যকর ব্যবস্থা তৈরি হবে না। বাংলাদেশের অনেক বিশ্ববিদ্যালয়ে বড় class size, উচ্চ teaching load, সীমিত research support, Teaching Assistant ও Research Assistant-এর অপ্রতুলতা এবং একই শিক্ষকের ওপর teaching, examination, administration, research, publication ও postgraduate supervision-এর বহুমাত্রিক দায়িত্ব রয়েছে। তাই teacher evaluation শুধু “শিক্ষক কী করলেন” প্রশ্ন করলে অসম্পূর্ণ থেকে যাবে; পাশাপাশি জিজ্ঞাসা করতে হবে—শিক্ষককে ভালো teaching দেওয়ার জন্য institution কী ধরনের environment ও support দিয়েছে? Teacher accountability এবং institutional accountability—দুটিকেই একই analytical frame-এ আনতে হবে।

এই জায়গা থেকেই পাঁচ পর্বের এই অনুসন্ধানের প্রয়োজন। এর উদ্দেশ্য ডাকসুর উদ্যোগের পক্ষে প্রচার চালানো নয়, আবার সেটিকে কাঠগড়ায় দাঁড় করানোও নয়। বরং বর্তমান আলোচনা থেকে একটি বড় সুযোগ নেওয়া—বাংলাদেশের বিশ্ববিদ্যালয়গুলোর জন্য scientifically defensible, context-sensitive, fair, rights-sensitive এবং improvement-oriented teacher-evaluation framework কেমন হতে পারে, তা অনুসন্ধান করা। এজন্য জানতে হবে teacher evaluation-এর ইতিহাস; দেখতে হবে বিশ্বের বিভিন্ন বিশ্ববিদ্যালয় কী করছে; বুঝতে হবে questionnaire কীভাবে valid ও reliable measurement instrument হয়; sample size, response rate, bias ও statistical uncertainty কীভাবে ফলকে প্রভাবিত করে; এবং নির্ধারণ করতে হবে authority, data governance, privacy, transparency, academic freedom, teacher response, appeal ও due process-এর কাঠামো।

এই ধারাবাহিকের অবস্থান তাই কোনো ব্যক্তি, শিক্ষক, শিক্ষার্থী, সংগঠন কিংবা প্রশাসনের পক্ষে বা বিপক্ষে নয়। এর কেন্দ্রীয় নীতি হলো—Student Voice গুরুত্বপূর্ণ; Teacher Accountability প্রয়োজন; কিন্তু একটি ন্যায়সংগত ব্যবস্থায় Teacher Dignity, Institutional Responsibility, Valid Measurement, Context, Privacy, Transparency, Multiple Evidence এবং Due Process-ও সমানভাবে গুরুত্বপূর্ণ। শেষ পর্যন্ত প্রশ্নটি তাই “কে কত star পেলেন?”-এ থেমে থাকতে পারে না। আমাদের জানতে হবে—আমরা আসলে কী মাপছি, কীভাবে মাপছি, কার কাছ থেকে মাপছি, কোন context-এ মাপছি, ফল কীভাবে ব্যবহার করছি এবং যে evaluation system অন্যকে accountable করছে, সেই system নিজে কতটা valid, fair ও accountable?

আরো পড়ুন পূর্বে প্রকাশিত: শিক্ষক মূল্যায়ন নাকি জনপ্রিয়তার রেটিং? ঢাবিতে ডাকসুর ‘DU Teachers’ Evaluation’—সম্ভাবনা, সংকট ও ন্যায়সংগত মূল্যায়নের প্রশ্ন│ তারকা দিয়ে কি শিক্ষক বিচার হয়? ডাকসুর মূল্যায়ন উদ্যোগ ঘিরে বাহাস—জনপ্রিয়তা, রাজনীতি আর উচ্চশিক্ষার মানের প্রশ্ন—জবাবদিহির নতুন দরজা, নাকি নতুন বিতর্ক?

কেন এই পাঁচ পর্ব: প্রশ্ন থেকে একটি বাংলাদেশ-উপযোগী মডেলের সন্ধানে

একটি শিক্ষক-মূল্যায়ন ব্যবস্থা নিয়ে আলোচনা করতে গেলে শুধু “মূল্যায়ন হওয়া উচিত কি না”—এই প্রশ্নে আটকে থাকলে চলবে না। বরং ধাপে ধাপে জানতে হবে, আমরা কী মূল্যায়ন করতে চাই, কেন করতে চাই, কার কাছ থেকে evidence নেব, সেই evidence কতটা নির্ভরযোগ্য, কীভাবে বিশ্লেষণ করব এবং শেষ পর্যন্ত কী কাজে ব্যবহার করব। এই পাঁচ পর্বের ধারাবাহিককে তাই পাঁচটি বিচ্ছিন্ন নিবন্ধ হিসেবে নয়, একটি progressive learning journey হিসেবে সাজানো হয়েছে। প্রথমে ধারণা ও score-এর অর্থ, তারপর ইতিহাস, এরপর আন্তর্জাতিক অভিজ্ঞতা, তারপর measurement science এবং সবশেষে governance ও rights—অর্থাৎ

WHY → HISTORY → WORLD PRACTICE → MEASUREMENT → GOVERNANCE।

এই ক্রমে এগোলে পাঠক শুধু teacher evaluation সম্পর্কে মতামত তৈরি করবেন না; বরং একটি evaluation system বিচার করার জন্য প্রয়োজনীয় evaluation literacy-ও অর্জন করবেন।

• প্রথম পর্ব—“শিক্ষককে নম্বর দেবে শিক্ষার্থী—কিন্তু নম্বরটি কী মাপে?”—পুরো আলোচনার conceptual foundation তৈরি করবে। একজন শিক্ষক ৪.৮ এবং আরেকজন ৩.২ পেলেন—এই দুই সংখ্যা দেখেই কি আমরা বলতে পারি প্রথমজন ভালো শিক্ষক? নাকি score-এর মধ্যে teaching clarity, student experience, popularity, course difficulty, expected grade, personality, class size এবং আরও নানা factor মিশে থাকতে পারে? এই পর্বে তাই student opinion এবং measurement-এর পার্থক্য, sample size, response rate, bias, disciplinary context এবং public ranking-এর সীমাবদ্ধতা বিশ্লেষণ করা হবে। সবচেয়ে গুরুত্বপূর্ণভাবে, এটি “Evaluation of Teachers” থেকে “Evaluation of Teaching”-এর দিকে দৃষ্টি ফেরাবে। শিক্ষার্থী একজন শিক্ষকের পুরো academic identity—research, scholarship, curriculum expertise, supervision ও institutional contribution—মূল্যায়ন করছেন না; বরং তিনি যে teaching-learning experience প্রত্যক্ষ করেছেন, মূলত তারই evidence দিচ্ছেন। এই distinction বুঝতে পারলে পরবর্তী চারটি পর্বের যুক্তিও অনেক পরিষ্কার হয়ে যাবে।
• দ্বিতীয় পর্ব—“শিক্ষক মূল্যায়নের শতবর্ষী বিবর্তন”: বর্তমান বিতর্ককে ইতিহাসের দীর্ঘ পরিসরে স্থাপন করবে। Student Evaluation of Teaching আজকের social media বা digital platform-এর আবিষ্কার নয়। প্রায় এক শতাব্দী ধরে student rating ও course evaluation-এর উদ্দেশ্য, পদ্ধতি এবং ব্যবহার বদলেছে। যে feedback একসময় শিক্ষককে নিজের teaching দেখার একটি “আয়না” দিয়েছিল, সেটিই কোনো কোনো ব্যবস্থায় promotion, tenure বা quality assurance-এর “দাঁড়িপাল্লা” হয়ে উঠেছে। এই পরিবর্তনের সঙ্গে methodological responsibility-ও বেড়েছে। কারণ একটি developmental feedback ভুল হলেও ক্ষতি সীমিত হতে পারে; কিন্তু একই measurement যদি career, reputation বা institutional decision প্রভাবিত করে, তবে validity, reliability, fairness ও due process-এর standard অনেক কঠোর হওয়া প্রয়োজন। ইতিহাস তাই শুধু অতীত জানার জন্য নয়; আজকের একটি evaluation initiative-কে কোন standard-এ বিচার করা উচিত, সেটি বোঝার জন্যও প্রয়োজন।
• তৃতীয় পর্ব—“বিশ্বে শিক্ষক মূল্যায়ন: কে, কীভাবে, কেন?” পাঠককে একটি comparative policy laboratory-তে নিয়ে যাবে। Harvard, Stanford, University of Washington, UCL, UNSW, KU Leuven, Helsinki, NUS, HKUসহ বিভিন্ন বিশ্ববিদ্যালয়ের practice পাশাপাশি দেখলে একটি গুরুত্বপূর্ণ সত্য স্পষ্ট হয়—“বিদেশে teacher evaluation হয়” বললেই কোনো একটি নির্দিষ্ট model বোঝায় না। প্রতিষ্ঠানভেদে evaluation-এর purpose, questionnaire, anonymity, response threshold, data access, public disclosure, promotion-এ ব্যবহার এবং appeal-এর ব্যবস্থা ভিন্ন। ফলে বাংলাদেশের জন্য মূল শিক্ষা কোনো বিদেশি form copy করা নয়; বরং কোন principle কেন কাজ করে, কোন safeguard কেন প্রয়োজন এবং কোন practice বাংলাদেশের বাস্তবতার সঙ্গে মানানসই হতে পারে, তা নির্ণয় করা। এই পর্বের guiding principle তাই—International Evidence, Local Architecture।
• চতুর্থ পর্ব—“শিক্ষক মূল্যায়নের প্রশ্নমালা কতটা বৈজ্ঞানিক?” পুরো ধারাবাহিকের technical engine room। কয়েকটি প্রশ্ন লিখে Google Form বানিয়ে ১–৫ scale বসালেই একটি scientifically defensible evaluation instrument তৈরি হয় না। আগে নির্ধারণ করতে হয় কোন construct মাপা হবে; তারপর item design, response scale, validity, reliability, pilot testing, sampling, response rate, non-response bias, contextual variation এবং statistical interpretation-এর প্রশ্ন আসে। একটি ভুলভাবে calibrated thermometer 102.4 দেখালে decimal point সংখ্যাটিকে সত্য বানায় না; একইভাবে 4.37-এর precision-ও questionnaire-এর validity প্রমাণ করে না। এই পর্ব পড়ার পর পাঠক যেকোনো teacher-evaluation questionnaire দেখে আরও মৌলিক প্রশ্ন করতে পারবেন—এই instrument আসলে কী মাপছে, সেটি মাপার বৈজ্ঞানিক প্রমাণ কোথায় এবং এই score থেকে যে conclusion টানা হচ্ছে, data কি সত্যিই সেই conclusion সমর্থন করে?
• পঞ্চম ও সমাপনী পর্ব—“শিক্ষক মূল্যায়ন: নিয়ন্ত্রণ করবে কে?” প্রথম চার পর্বের সব প্রশ্নকে governance-এর জায়গায় এনে মিলিয়ে দেবে। একটি questionnaire valid হতে পারে, sample যথেষ্ট হতে পারে, analysis-ও statistically sophisticated হতে পারে—তারপরও system অন্যায্য হতে পারে যদি authority, data ownership, privacy, access, transparency এবং appeal-এর নিয়ম পরিষ্কার না থাকে। কে instrument অনুমোদন করবে? কে administer করবে? কে raw comments পড়বে? Student identity কে জানবে? শিক্ষক কখন result পাবেন? কী public হবে? Defamatory বা coordinated feedback কীভাবে handle করা হবে? Promotion committee কী data পাবে? শিক্ষক disagreement বা error-এর বিরুদ্ধে কোথায় review চাইবেন? এবং সবচেয়ে গুরুত্বপূর্ণ—যে system শিক্ষককে accountable করছে, সেই system-কে accountable করবে কে? এই পর্ব দেখাবে কেন student voice, teacher accountability, teacher dignity, institutional responsibility, privacy, academic freedom এবং due process পরস্পরের প্রতিপক্ষ নয়; একটি mature evaluation architecture-এ এগুলো একে অন্যকে ভারসাম্য দেয়।

পাঁচটি পর্ব শেষ করার পর তাই পাঠকের হাতে শুধু “teacher evaluation ভালো না খারাপ”—এমন একটি মতামত থাকার কথা নয়। বরং তাঁর সামনে থাকার কথা একটি analytical framework: কোনো evaluation system দেখলে তিনি প্রশ্ন করতে পারবেন—এর purpose কী, construct কী, instrument valid কি না, sample representative কি না, context বিবেচিত হয়েছে কি না, score কীভাবে interpret করা হচ্ছে, data কার হাতে, result কোথায় যাচ্ছে, affected teacher-এর rights কী এবং feedback থেকে বাস্তবে teaching improvement ঘটছে কি না। এই জায়গাতেই ধারাবাহিকটির বৃহত্তর উদ্দেশ্য—বর্তমান একটি আলোচনাকে কেন্দ্র করে বাংলাদেশের বিশ্ববিদ্যালয়গুলোর জন্য ভবিষ্যৎ-উপযোগী, বৈজ্ঞানিক, ন্যায়সংগত ও উন্নয়নমুখী teacher-evaluation framework নিয়ে একটি informed national conversation শুরু করা।

কারা পড়বেন এই ধারাবাহিক—এবং কেন?

এই ধারাবাহিক শুধু বিশ্ববিদ্যালয়ের শিক্ষকদের জন্য নয়, শুধু শিক্ষার্থীদের জন্যও নয়। বরং শিক্ষকতা, শেখা, মূল্যায়ন, জবাবদিহি এবং বিশ্ববিদ্যালয়ের গুণগত মান—এই পুরো ecosystem-এর সঙ্গে যাঁরা প্রত্যক্ষ বা পরোক্ষভাবে যুক্ত, তাঁদের সবার জন্যই আলোচনাটি গুরুত্বপূর্ণ। কারণ শিক্ষক মূল্যায়নের প্রশ্নটি শেষ পর্যন্ত “একজন শিক্ষক কত নম্বর পেলেন”—এই একটি সংখ্যার প্রশ্ন নয়; এর সঙ্গে জড়িয়ে আছে শিক্ষার্থীর কণ্ঠস্বর কতটা গুরুত্ব পাচ্ছে, শিক্ষক নিজের teaching সম্পর্কে কীভাবে evidence পাচ্ছেন, বিশ্ববিদ্যালয় কীভাবে quality assurance করছে, এবং একটি institution evidence, fairness ও accountability-কে কীভাবে বোঝে। ডকুমেন্টটির মূল অবস্থানও তাই teacher evaluation-এর পক্ষে বা বিপক্ষে নয়; বরং legitimate, scientifically defensible, fair এবং improvement-oriented evaluation system কীভাবে তৈরি করা যায়—সেই অনুসন্ধান।

• শিক্ষার্থীদের কেন পড়া প্রয়োজন : শিক্ষার্থীদের জন্য এই ধারাবাহিকের সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো Student Evaluation Literacy। Student Voice যত শক্তিশালী হবে, সেই voice কীভাবে দায়িত্বশীলভাবে ব্যবহার করতে হয়—সেই জ্ঞানও তত গুরুত্বপূর্ণ হয়ে উঠবে। একজন শিক্ষক কঠিন পরীক্ষা নিয়েছেন, প্রত্যাশার চেয়ে কম grade দিয়েছেন, তাঁর lecture খুব entertaining নয়, কিংবা তাঁর কোনো সামাজিক বা রাজনৈতিক মত শিক্ষার্থীর পছন্দ হয়নি—এসবের কোনোটিই নিজে থেকে teaching quality-এর নির্ভরযোগ্য indicator নয়। অন্যদিকে course objectives পরিষ্কার ছিল কি না, explanation বোধগম্য ছিল কি না, assessment criteria আগে থেকে জানা ছিল কি না, feedback meaningful ছিল কি না, classroom respectful ছিল কি না—এসব বিষয়ে শিক্ষার্থীর প্রত্যক্ষ অভিজ্ঞতা অত্যন্ত মূল্যবান evidence। এই ধারাবাহিক শিক্ষার্থীকে তাই শুধু “rating দেওয়ার অধিকার” সম্পর্কে নয়, বরং কী মূল্যায়ন করা যায়, কী মূল্যায়ন করা উচিত নয় এবং constructive feedback কীভাবে teaching improvement-এর শক্তিশালী উপকরণ হতে পারে—সেটিও বুঝতে সাহায্য করবে।
• শিক্ষকদের কেন পড়া প্রয়োজন : শিক্ষকদেরও Student Evaluation of Teaching-কে শুধু threat, punishment বা professional reputation-এর ঝুঁকি হিসেবে দেখলে চলবে না। শিক্ষার্থীরা classroom-এর এমন অনেক dimension ধারাবাহিকভাবে প্রত্যক্ষ করেন, যা একজন Chair, Dean, colleague বা external evaluator নিয়মিত দেখতে পারেন না। একাধিক semester ধরে শিক্ষার্থীরা যদি বলেন learning objectives অস্পষ্ট, assessment instructions confusing, feedback দেরিতে পাওয়া যাচ্ছে কিংবা classroom participation অসম—তাহলে সেগুলো professional reflection-এর মূল্যবান signal হতে পারে। একই সঙ্গে শিক্ষককে এটিও জানতে হবে—কোন evidence scientifically defensible, sample size ও response rate কেন গুরুত্বপূর্ণ, context কীভাবে score-কে প্রভাবিত করতে পারে, bias কোথায় কাজ করতে পারে এবং high-stakes decision-এ multiple evidence ও due process কেন প্রয়োজন। তাই এই ধারাবাহিক teacher evaluation থেকে শিক্ষককে রক্ষা করার চেষ্টা নয়; meaningful evaluation-এর প্রতি professional ownership এবং unfair evaluation-এর বিরুদ্ধে procedural protection—দুটোকেই একসঙ্গে প্রতিষ্ঠার চেষ্টা।
• ডাকসু ও অন্যান্য Student Body-র কেন পড়া প্রয়োজন: Student organisation-এর সবচেয়ে বড় শক্তি হলো তারা শিক্ষার্থীর অভিজ্ঞতা ও collective voice সামনে আনতে পারে। Teacher evaluation-এর মতো উদ্যোগ সেই voice-কে institutional conversation-এর কেন্দ্রে নিয়ে আসতে পারে। কিন্তু একটি platform চালু করার সঙ্গে একটি credible evaluation system নির্মাণের পার্থক্য রয়েছে। Questionnaire কে validate করবে, eligible respondent কে, একজন শিক্ষার্থী সত্যিই সংশ্লিষ্ট শিক্ষকের course করেছেন কি না তা কীভাবে নিশ্চিত হবে, anonymity কীভাবে রক্ষা হবে, কত response-এর নিচে ফল প্রকাশ করা উচিত নয়, comments কীভাবে moderate হবে, data কতদিন রাখা হবে এবং ফল কীভাবে improvement-এর জন্য institution-এর কাছে পৌঁছাবে—এসব প্রশ্নের উত্তর student voice-কে দুর্বল করে না; বরং তার credibility ও legitimacy বাড়ায়। তাই বর্তমান বা ভবিষ্যতের যেকোনো student body-এর জন্য এই ধারাবাহিকের বড় শিক্ষা হতে পারে—শক্তিশালী Student Voice মানে শুধু বেশি কথা বলার সুযোগ নয়; বরং এমন একটি পদ্ধতি তৈরি করা, যাতে সেই কথাকে কেউ methodological weakness দেখিয়ে সহজে অগ্রাহ্য করতে না পারে।
• বিশ্ববিদ্যালয় প্রশাসন ও Quality Assurance সংশ্লিষ্টদের কেন পড়া প্রয়োজন: একটি online questionnaire তৈরি করা তুলনামূলক সহজ; কিন্তু একটি trusted evaluation ecosystem তৈরি করা অনেক কঠিন। University authority, faculty, department, IQAC বা অন্য quality-assurance structure-এর সামনে তাই প্রশ্ন শুধু “feedback নেওয়া হচ্ছে কি না” নয়। তাঁদের নিশ্চিত করতে হয় instrument-এর validity, administration-এর integrity, data security, appropriate access, statistical interpretation, confidentiality, feedback loop এবং grievance mechanism। আরও গুরুত্বপূর্ণ হলো, teacher evaluation-এর মাধ্যমে যদি ধারাবাহিকভাবে কোনো সমস্যা শনাক্ত হয়, institution কী করবে? শুধু teacher-এর score কমিয়ে দায়িত্ব শেষ করবে, নাকি class size, workload, laboratory facilities, technology, Teaching Assistant, assessment system এবং professional-development support-ও পর্যালোচনা করবে? একটি mature quality-assurance system ব্যক্তির accountability এবং institution-এর accountability—দুটিকেই দৃশ্যমান করে।
• নীতিনির্ধারক ও উচ্চশিক্ষা গবেষকদের কেন পড়া প্রয়োজন: বাংলাদেশে একটি গ্রহণযোগ্য teacher-evaluation framework তৈরি করতে হলে policy level-এও বহু প্রশ্নের উত্তর প্রয়োজন। সব বিশ্ববিদ্যালয়ের জন্য কি একটি common core instrument থাকবে? Public ও private university-তে একই policy কার্যকর হবে? Laboratory, clinical, studio, practicum, seminar এবং large lecture course-এর জন্য কি context-specific modules থাকবে? কোন data developmental, কোনটি administrative এবং কোনটি high-stakes evidence হিসেবে ব্যবহারযোগ্য? শিক্ষক নিয়োগ বা promotion-এ student feedback-এর weight কত হবে? National guideline এবং institutional autonomy-এর ভারসাম্য কোথায় থাকবে? এসব প্রশ্নের উত্তর শুধু questionnaire design দিয়ে পাওয়া যাবে না; প্রয়োজন educational measurement, higher-education governance, data protection, academic freedom এবং institutional capacity-কে একই policy framework-এর মধ্যে আনা। এই কারণেই ধারাবাহিকটি ভবিষ্যতে বাংলাদেশের জন্য একটি context-sensitive teacher-evaluation model নিয়ে গবেষণা ও policy dialogue-এর ভিত্তি হিসেবেও কাজে লাগতে পারে।
• সাধারণ পাঠকের কেন পড়া দরকার: সবশেষে, বিশ্ববিদ্যালয়ের বাইরের পাঠকের জন্যও বিষয়টি গুরুত্বপূর্ণ। কারণ একটি দেশের বিশ্ববিদ্যালয় শুধু degree প্রদান করে না; এখান থেকেই ভবিষ্যতের শিক্ষক, গবেষক, চিকিৎসক, প্রকৌশলী, প্রশাসক, বিচারক, নীতিনির্ধারক ও নাগরিক নেতৃত্বের বড় অংশ তৈরি হয়। সেই প্রতিষ্ঠানের teaching quality কীভাবে নির্ধারিত হচ্ছে এবং accountability কীভাবে প্রতিষ্ঠিত হচ্ছে—এটি তাই বৃহত্তর জনস্বার্থের প্রশ্ন। কিন্তু public accountability মানেই necessarily public ranking নয়, transparency মানেই সব raw data Internet-এ প্রকাশ নয়, এবং student participation মানেই popularity contest নয়। এসব সূক্ষ্ম পার্থক্য বোঝা গেলে teacher evaluation নিয়ে সামাজিক আলোচনাও “ভালো শিক্ষক বনাম খারাপ শিক্ষক” ধরনের সরল binary থেকে বেরিয়ে evidence, fairness এবং improvement-এর আলোচনায় প্রবেশ করতে পারে।

এই কারণেই পাঁচ পর্বের ধারাবাহিকটি শেষ পর্যন্ত শিক্ষকের নম্বর নিয়ে নয়—বিশ্ববিদ্যালয়ের মান নিয়ে। এটি শুধু জানতে চায় না একজন শিক্ষক কত পেলেন; জানতে চায় শিক্ষার্থী কতটা শিখলেন, শিক্ষক কোথায় উন্নতি করতে পারেন, institution কোথায় সহায়তা দিতে ব্যর্থ হচ্ছে এবং feedback থেকে বাস্তবে কী পরিবর্তন ঘটছে। একটি ভালো evaluation system-এর সাফল্য তাই website-এ কতগুলো star জমা হলো দিয়ে মাপা উচিত নয়; বরং মাপা উচিত—তার ফলে teaching কি উন্নত হলো, learning কি শক্তিশালী হলো, student voice কি আরও বিশ্বাসযোগ্য হলো এবং বিশ্ববিদ্যালয়ের academic accountability কি আরও ন্যায়সংগত হলো?

সেখানেই এই ধারাবাহিকের সবচেয়ে বড় আহ্বান—পড়ুন, প্রশ্ন করুন, দ্বিমত করুন, evidence দিন এবং feedback দিন। কারণ বাংলাদেশের জন্য একটি গ্রহণযোগ্য teacher-evaluation framework কোনো একজন শিক্ষক, কোনো একটি student body, কোনো একটি committee কিংবা কোনো একক বিশ্ববিদ্যালয়ের একার জ্ঞান থেকে তৈরি হবে না। এটি তৈরি হতে হবে: 

Student Experience + Teacher Expertise + Measurement Science + Institutional Responsibility + International Evidence + Bangladesh Context

—এই ছয়টি উপাদানের সংলাপ ও সমন্বয়ে।

এই ধারাবাহিকের নীতিগত অবস্থান: মূল্যায়ন হোক, কিন্তু মূল্যায়নও হোক মূল্যায়িত

এই পাঁচ পর্বের ধারাবাহিকের অবস্থান শুরুতেই পরিষ্কার করা প্রয়োজন। এটি শিক্ষার্থী কর্তৃক শিক্ষকতার মূল্যায়নের বিরোধিতা নয়, আবার যেকোনো পদ্ধতিতে teacher evaluation চালু হলেই সেটিকে প্রশ্নহীনভাবে সমর্থন করার অবস্থানও নয়। বরং এই ধারাবাহিক একটি মধ্যবর্তী কিন্তু অনেক বেশি demanding অবস্থান গ্রহণ করছে—শিক্ষার্থীর কণ্ঠস্বর অবশ্যই থাকতে হবে, শিক্ষকতার জবাবদিহিও থাকতে হবে; কিন্তু যে পদ্ধতিতে সেই জবাবদিহি প্রতিষ্ঠা করা হবে, সেই পদ্ধতিকেও validity, reliability, fairness, transparency, context, privacy এবং due process-এর পরীক্ষায় উত্তীর্ণ হতে হবে। অর্থাৎ শিক্ষককে মূল্যায়ন করার আগে এবং পাশাপাশি মূল্যায়নের ব্যবস্থাটিকেও মূল্যায়ন করতে হবে। ডকুমেন্টটির ঘোষিত অবস্থানও তাই teacher evaluation-এর পক্ষে বা বিপক্ষে নয়; অনুসন্ধানটি একটি legitimate, scientifically defensible, fair এবং improvement-oriented system-এর দিকে।

• প্রথম নীতি হলো—Student Voice অপরিহার্য, কিন্তু Student Voice-এর ক্ষেত্র ও সীমা দুটোই বুঝতে হবে। শিক্ষার্থী একটি course-এর সবচেয়ে গুরুত্বপূর্ণ প্রত্যক্ষ stakeholder। শিক্ষক নিয়মিত class নিয়েছেন কি না, explanation পরিষ্কার ছিল কি না, course organised ছিল কি না, assessment criteria বোঝা গেছে কি না, feedback পাওয়া গেছে কি না এবং classroom respectful ও inclusive ছিল কি না—এসব বিষয়ে শিক্ষার্থীর অভিজ্ঞতা অত্যন্ত গুরুত্বপূর্ণ। কিন্তু একজন শিক্ষকের research scholarship, disciplinary expertise, curriculum-এর technical validity, postgraduate supervision কিংবা সামগ্রিক academic contribution সম্পর্কে একই student rating দিয়ে সিদ্ধান্ত নেওয়া যায় না। অর্থাৎ শিক্ষার্থী teaching experience-এর privileged observer; কিন্তু একজন শিক্ষকের সমগ্র professional competence-এর universal assessor নন।
• দ্বিতীয় নীতি হলো—Opinion, Feedback, Measurement এবং Judgement-কে এক করে দেখা যাবে না। একজন শিক্ষার্থী বলতে পারেন, “এই course-এ feedback পেতে আমার দেরি হয়েছে”—এটি তাঁর experience। একই প্রশ্ন বহু শিক্ষার্থীকে standardised instrument-এর মাধ্যমে করা হলে তা structured feedback-এ রূপ নিতে পারে। সেই responses থেকে numerical score তৈরি করলে আমরা measurement-এর জগতে প্রবেশ করি। আবার সেই score দিয়ে দুই শিক্ষককে rank করলে সেটি comparative judgement; public website-এ নামসহ প্রকাশ করলে reputational consequence তৈরি হয়; promotion বা disciplinary action-এ ব্যবহার করলে সেটি high-stakes decision হয়ে ওঠে। এই প্রতিটি রূপান্তরের সঙ্গে evidentiary burden বাড়তে হবে। যে evidence teaching improvement-এর জন্য যথেষ্ট, সেটিই যে public ranking বা career decision-এর জন্যও যথেষ্ট হবে—এমন কোনো স্বয়ংক্রিয় নিয়ম নেই।
• তৃতীয় নীতি—সংখ্যা যত precise দেখায়, measurement তত valid হয়ে যায় না। ৩.৮৭, ৪.২৩ কিংবা ৪.৭১—এ ধরনের score আমাদের মনে scientific precision-এর ধারণা তৈরি করতে পারে। কিন্তু একটি thermometer ভুলভাবে calibrated হলে 102.4 দেখালেও সেই দশমিক সংখ্যা সঠিক temperature নিশ্চিত করে না। Teacher evaluation-এও তাই প্রশ্ন করতে হবে: questionnaire কোন construct মাপছে? Items কি সেই construct যথাযথভাবে represent করছে? Scale validated কি না? Response যথেষ্ট কি না? Respondents representative কি না? Non-response bias আছে কি না? Contextual variables score-কে প্রভাবিত করছে কি না? অর্থাৎ precision এবং validity এক বিষয় নয়।
• চতুর্থ নীতি—Context is not an excuse; context is data. একটি বড় compulsory course-এর rating এবং ছোট elective seminar-এর rating, প্রথম বর্ষের foundation course এবং postgraduate specialist course, laboratory teaching এবং theoretical lecture—এসবকে context ছাড়া একই scale-এ তুলনা করা methodological সমস্যা তৈরি করতে পারে। বাংলাদেশের ক্ষেত্রে context আরও গুরুত্বপূর্ণ। বড় class, teacher shortage, teaching load, examination burden, Teaching Assistant বা Research Assistant-এর সীমাবদ্ধতা, research support, technology এবং institutional infrastructure—এসব teaching experience-কে প্রভাবিত করতে পারে। এর অর্থ এই নয় যে শিক্ষক institutional limitation দেখিয়ে নিজের দায়িত্ব এড়িয়ে যাবেন। বরং অর্থ হলো—teacher performance এবং institutional conditions দুটিকেই evidence-এর অংশ হিসেবে দেখতে হবে।
• পঞ্চম নীতি—Teacher Accountability-এর পাশাপাশি Institutional Accountability থাকতে হবে। ধরুন, কয়েক semester ধরে শিক্ষার্থীরা অভিযোগ করছেন যে assignment-এর feedback দেরিতে পাওয়া যাচ্ছে। একটি superficial system শিক্ষককে কম score দিয়ে থেমে যেতে পারে। কিন্তু একটি mature quality-assurance system আরও জিজ্ঞাসা করবে—একজন শিক্ষককে কতটি course পড়াতে হচ্ছে, কতজন শিক্ষার্থীর script মূল্যায়ন করতে হচ্ছে, assessment load কত, Teaching Assistant আছে কি না, workload distribution কেমন এবং department প্রয়োজনীয় support দিয়েছে কি না। কারণ কোনো structural problem-কে individual failure হিসেবে দেখানো যেমন অন্যায্য, তেমনি institutional limitation দেখিয়ে poor teaching practice-কে উপেক্ষা করাও অন্যায্য। Accountability therefore must travel in both directions.
• ষষ্ঠ নীতি—Anonymity এবং Accountability-কে পরস্পরের শত্রু ভাবা যাবে না। শিক্ষার্থী যদি মনে করেন negative feedback দিলে তাঁর grade, relationship বা ভবিষ্যৎ academic opportunity ক্ষতিগ্রস্ত হতে পারে, তাহলে honest feedback বাধাগ্রস্ত হতে পারে। তাই respondent confidentiality গুরুত্বপূর্ণ। কিন্তু anonymity-এর অর্থ এমনও নয় যে system জানবে না respondent সংশ্লিষ্ট course-এর প্রকৃত শিক্ষার্থী কি না অথবা একই ব্যক্তি বারবার response দিচ্ছেন কি না। একটি technically mature system এমন architecture তৈরি করতে পারে যেখানে eligibility authenticated, কিন্তু teacher-এর কাছে respondent identity protected থাকে। একইভাবে teacher-এর privacy ও professional reputation-ও legitimate concern। তাই privacy শুধু শিক্ষার্থীর অধিকার নয়; evaluation ecosystem-এর সব stakeholder-এর জন্যই proportional data protection প্রয়োজন।
• সপ্তম নীতি—Transparency মানে সব data public করা নয়। এটি teacher evaluation নিয়ে সবচেয়ে গুরুত্বপূর্ণ distinction-গুলোর একটি। Transparency অর্থ হতে পারে evaluation-এর purpose, questionnaire, methodology, response rate, decision rules, access policy, appeal procedure এবং data-use policy স্পষ্টভাবে জানানো। কিন্তু raw comments, identifiable information কিংবা statistically unstable teacher-specific score Internet-এ প্রকাশ করলেই transparency প্রতিষ্ঠিত হয়—এমন নয়। বরং কোন তথ্য student, teacher, department, Dean, quality-assurance unit, promotion committee কিংবা general public দেখতে পারবেন, সেটি purpose ও risk অনুযায়ী নির্ধারণ করা প্রয়োজন। অর্থাৎ transparent rules এবং unrestricted disclosure এক বিষয় নয়।
• অষ্টম নীতি—একটি single score দিয়ে একজন শিক্ষককে সম্পূর্ণ বিচার করা উচিত নয়। Student feedback teaching quality-এর একটি গুরুত্বপূর্ণ evidence source হতে পারে; কিন্তু বিশেষ করে promotion, tenure, appointment বা disciplinary decision-এর মতো high-stakes ক্ষেত্রে longitudinal student feedback-এর পাশাপাশি peer observation, teaching portfolio, course design, assessment practice, professional development, self-reflection এবং প্রয়োজন অনুযায়ী অন্যান্য evidence বিবেচনা করা অধিক defensible। এই কারণেই আধুনিক teacher evaluation-এর শক্তিশালী ধারণা হলো Multiple Evidence, not Single Verdict। আন্তর্জাতিক practice-এর বৈচিত্র্যও দেখায় student feedback কোথাও গুরুত্বপূর্ণ evidence হলেও তা সব ক্ষেত্রে একমাত্র evidence নয়।
• নবম নীতি—যাঁকে মূল্যায়ন করা হচ্ছে, তাঁরও procedural rights থাকতে হবে। Evaluation-এর অর্থ যদি improvement হয়, তাহলে শিক্ষককে result জানানো, context বোঝার সুযোগ দেওয়া এবং constructive response তৈরির সুযোগ দেওয়া প্রয়োজন। আর যদি ফল career বা reputation-এ substantial adverse consequence তৈরি করতে পারে, তাহলে error correction, clarification, review এবং প্রয়োজনমতো appeal-এর ব্যবস্থা আরও গুরুত্বপূর্ণ হয়ে ওঠে। Due process accountability-এর বিপরীত নয়; বরং credible accountability-এর শর্ত। একইভাবে abusive, discriminatory, defamatory বা coordinated comments কীভাবে moderate হবে—তারও পূর্বনির্ধারিত নীতি থাকা প্রয়োজন।
• দশম এবং সম্ভবত সবচেয়ে গুরুত্বপূর্ণ নীতি—evaluation-এর শেষ গন্তব্য score নয়, improvement। Semester শেষে হাজার হাজার response সংগ্রহ হলো, dashboard তৈরি হলো, average score বের হলো, ranking হলো—কিন্তু পরের semester-এ teaching-learning practice-এর কোনো পরিবর্তন হলো না; তাহলে evaluation-এর educational value কোথায়? একটি mature system-এ feedback-এর পরে action থাকা উচিত: শিক্ষক নিজের report দেখবেন, প্রয়োজনীয় professional development পাবেন, department recurring structural problem শনাক্ত করবে, university প্রয়োজনীয় support দেবে এবং পরবর্তী evaluation cycle-এ দেখা হবে পরিবর্তন ঘটেছে কি না। অর্থাৎ evaluation একটি event নয়; এটি হওয়া উচিত :

Feedback → Reflection → Support → Improvement → Re-evaluation

-এর একটি continuous cycle।

এই দশটি নীতির আলোতেই পরবর্তী পাঁচ পর্বে teacher evaluation-কে দেখা হবে। কোনো model শুধু নতুন, জনপ্রিয়, digital কিংবা আন্তর্জাতিক হলেই সেটি ভালো—এমন পূর্বধারণা থ

বাংলাদেশের বাস্তবতা: আন্তর্জাতিক শিক্ষা, কিন্তু দেশীয় স্থাপত্য

শিক্ষক মূল্যায়ন নিয়ে আলোচনায় একটি বাক্য প্রায়ই শোনা যায়—“বিশ্বের ভালো বিশ্ববিদ্যালয়গুলোতেও তো শিক্ষার্থীরা শিক্ষককে মূল্যায়ন করেন।” কথাটি সত্য, কিন্তু অসম্পূর্ণ। কারণ “বিদেশে হয়” জানা আর “বিদেশে ঠিক কীভাবে, কোন উদ্দেশ্যে, কোন institutional safeguard-এর মধ্যে এবং কোন ধরনের resources ও academic culture-এ হয়”—তা জানা এক বিষয় নয়। বিশ্বের বিশ্ববিদ্যালয়গুলোতে student feedback ব্যবহৃত হলেও একটিমাত্র universal model নেই; কোথাও এর প্রধান উদ্দেশ্য teaching improvement, কোথাও programme quality assurance, কোথাও personnel review-এর supporting evidence, আবার কোথাও একাধিক উদ্দেশ্য পাশাপাশি কাজ করে। ফলাফলে কার access থাকবে, small sample কীভাবে handle করা হবে এবং student feedback কতটা weight পাবে—এসব ক্ষেত্রেও institutional variation রয়েছে।

এই কারণেই বাংলাদেশের জন্য সবচেয়ে বিপজ্জনক দুটি চরম অবস্থান এড়িয়ে চলা প্রয়োজন।

• প্রথমটি হলো—“বিদেশে হয়, তাই ওদের model কপি করলেই হবে।”
• দ্বিতীয়টি—“বাংলাদেশের পরিস্থিতি আলাদা, তাই teacher evaluation এখানে কার্যকর হবে না।”

— উপরের দুটিই সমস্যাজনক। আন্তর্জাতিক অভিজ্ঞতা থেকে আমাদের অবশ্যই শিখতে হবে; কিন্তু শিখতে হবে form নয়, principle; interface নয়, architecture; score নয়, system। আবার বাংলাদেশের সীমাবদ্ধতাকে student voice বা teacher accountability এড়িয়ে যাওয়ার অজুহাতেও পরিণত করা যাবে না। আমাদের লক্ষ্য হওয়া উচিত—বিশ্বের evidence থেকে কার্যকর principles গ্রহণ করে বাংলাদেশের institutional reality অনুযায়ী সেগুলোর নকশা করা। সংক্ষেপে:

International Evidence + Bangladesh Context = Local Architecture.

বাংলাদেশের বাস্তবতায় অনেকগুলো প্রশ্ন ্আসে। তবে বড় প্রশ্ন দেখা যায় প্রথমেই। প্রশ্নগুলো নিচে আলোচিত হলো:

• প্রথম বড় প্রশ্ন: class size ও student–teacher ratio। একজন শিক্ষক ২০ জন শিক্ষার্থীর seminar পরিচালনা করছেন, আরেকজন ১৫০ বা ২০০ শিক্ষার্থীর compulsory course পড়াচ্ছেন—এই দুই teaching environment এক নয়। ছোট class-এ individual interaction, personalised feedback, discussion এবং formative assessment-এর সুযোগ তুলনামূলক বেশি থাকতে পারে; বড় class-এ একই কাজ করতে institutional support প্রয়োজন। ফলে “শিক্ষক individual feedback দিয়েছেন কি না”—এমন একটি item-এর score interpretation করার সময় class size অদৃশ্য করে দিলে আমরা হয়তো teacher behaviour-এর পাশাপাশি institutional constraint-কেও অজান্তে teacher score-এর মধ্যে ঢুকিয়ে দিচ্ছি। Context তাই accountability এড়ানোর অজুহাত নয়; context নিজেই explanatory data।
• দ্বিতীয় বড় বাস্তবতা workload। বাংলাদেশের বিশ্ববিদ্যালয়ের একজন শিক্ষককে শুধু classroom teaching করতে হয় না। একই সময়ে তাঁকে course preparation, examination, script evaluation, result processing, curriculum work, departmental meeting, committee responsibility, research, publication, student advising এবং postgraduate supervision-সহ বহুমাত্রিক academic ও administrative দায়িত্ব পালন করতে হতে পারে। ডকুমেন্টেও এই বাস্তবতাকে বাংলাদেশের teacher-evaluation framework-এর একটি গুরুত্বপূর্ণ contextual variable হিসেবে চিহ্নিত করা হয়েছে। তাই শিক্ষার্থীরা যদি বলেন feedback দেরিতে পাওয়া যাচ্ছে, সেই evidence অবশ্যই গুরুত্ব পাবে; কিন্তু quality-assurance system-এর কাজ সেখানে শেষ হবে না। তাকে একই সঙ্গে দেখতে হবে শিক্ষক কতজন শিক্ষার্থীর assessment করছেন, তাঁর course load কত এবং feedback দেওয়ার জন্য প্রয়োজনীয় institutional support আছে কি না।
• তৃতীয় প্রশ্নটি Teaching Assistant ও Research Assistant-এর মতো academic support structure। আন্তর্জাতিক বিশ্ববিদ্যালয়ের একটি practice দেখে আমরা অনেক সময় visible outcome-টি দেখি, কিন্তু সেই outcome-এর পেছনের infrastructure দেখি না। একজন শিক্ষক যদি course management, tutorial support, laboratory supervision, marking assistance কিংবা research support পান, তাঁর সময়ের বিন্যাস স্বাভাবিকভাবেই ভিন্ন হবে সেই শিক্ষকের তুলনায় যাঁকে প্রায় সব কাজ নিজেকেই করতে হচ্ছে। বাংলাদেশের অনেক প্রতিষ্ঠানে Teaching Assistant ও Research Assistant-এর প্রাতিষ্ঠানিক ব্যবস্থা সীমিত—ডকুমেন্টটিও এই পার্থক্যকে বিশেষভাবে সামনে এনেছে। ফলে international benchmark ব্যবহার করতে হলে শুধু outcome নয়, input এবং support condition-ও benchmark করতে হবে।
• চতুর্থ বাস্তবতা disciplinary diversity। বিশ্ববিদ্যালয়ের সব teaching একই ধরনের নয়। বাংলা সাহিত্যের seminar, পদার্থবিজ্ঞানের laboratory, চারুকলার studio, চিকিৎসাবিজ্ঞানের clinical teaching, শিক্ষা বিভাগের practicum এবং কয়েক শ শিক্ষার্থীর introductory lecture—প্রতিটির learning process, teacher–student interaction এবং assessment structure আলাদা। অথচ একটি universal questionnaire যদি প্রত্যেককে একই প্রশ্নে, একই weight-এ এবং একই benchmark-এ বিচার করে, তাহলে apparent standardisation কখনো কখনো substantive unfairness তৈরি করতে পারে। এ কারণেই common core items-এর পাশাপাশি discipline বা teaching-mode অনুযায়ী context-sensitive modules প্রয়োজন হতে পারে। ডকুমেন্টে seminar, laboratory, studio, clinical এবং online teaching-এর জন্য একই questionnaire যথেষ্ট কি না—এই প্রশ্নটিও সরাসরি উত্থাপিত হয়েছে।
• পঞ্চম বাস্তবতা হলো resources ও institutional capacity। Teaching quality শুধু individual teacher-এর motivation বা competence-এর ফল নয়; classroom, laboratory, library, technology, internet, learning-management system, administrative efficiency এবং academic support-এর মতো institutional conditions-ও learning experience গঠন করে। একটি projector কাজ না করলে, laboratory equipment অপ্রতুল হলে, class overcrowded হলে কিংবা administrative delay-এর কারণে course schedule ব্যাহত হলে শিক্ষার্থীর overall experience খারাপ হতে পারে। শিক্ষার্থী সেই অসন্তোষ rating-এ প্রকাশ করতেই পারেন; কিন্তু analysis-এর কাজ হলো বোঝা—score-এর কতটুকু teacher effect এবং কতটুকু system effect। অন্যথায় institutional failure individual teacher score-এর মধ্যে লুকিয়ে যেতে পারে।

এই জায়গায় teacher evaluation-এর সঙ্গে institutional evaluation যুক্ত করা জরুরি। ধরুন, তিন বছর ধরে একই বিভাগের একাধিক শিক্ষক “feedback delay” dimension-এ কম score পাচ্ছেন। এটিকে যদি শুধু কয়েকজন শিক্ষকের ব্যক্তিগত ব্যর্থতা হিসেবে দেখা হয়, system হয়তো সমস্যার মূল কারণ ধরতে পারবে না। কিন্তু যদি দেখা যায় একই বিভাগে class size অস্বাভাবিক বড়, একজন শিক্ষককে বহু course পড়াতে হচ্ছে এবং assessment support নেই—তাহলে recurring student feedback আসলে institution-এর জন্যও diagnostic evidence। অন্যদিকে একই institutional condition-এর মধ্যেও যদি একজন শিক্ষক ধারাবাহিকভাবে উল্লেখযোগ্যভাবে ভিন্ন pattern দেখান, তখন individual professional-development need অনুসন্ধানের যুক্তি তৈরি হয়। ভালো evaluation ব্যক্তি ও system—দুই স্তরেই diagnosis করতে শেখে।

আরও একটি গুরুত্বপূর্ণ বিষয় student expectation এবং academic rigour। শিক্ষার্থীর satisfaction এবং learning সব সময় একই দিকে চলে না। একটি demanding course, কঠোর কিন্তু ন্যায়সংগত assessment কিংবা intellectually challenging teaching কখনো তাৎক্ষণিকভাবে জনপ্রিয় নাও হতে পারে। আবার একজন charismatic teacher-এর class অত্যন্ত enjoyable হলেও learning outcomes প্রত্যাশিত পর্যায়ে নাও পৌঁছাতে পারে। এর অর্থ student feedback অবিশ্বাসযোগ্য নয়; বরং questionnaire-কে এমনভাবে design করতে হবে যেন—

• “আমি শিক্ষককে পছন্দ করি” এবং
• “এই teaching আমার learning-কে সহায়তা করেছে”

—এই দুই construct গুলিয়ে না যায়। বাংলাদেশের মতো পরীক্ষাকেন্দ্রিক academic culture-এ grade expectation, assessment difficulty এবং teacher rating-এর সম্ভাব্য সম্পর্ক তাই বিশেষ মনোযোগ দাবি করে।

একইভাবে বাংলাদেশের academic culture ও power relations-ও বিবেচ্য। শিক্ষার্থীর honest criticism যদি grade বা ভবিষ্যৎ academic relationship-এ প্রভাব ফেলবে—এমন ভয় থাকে, তাহলে feedback distorted হতে পারে। আবার সম্পূর্ণ unverified public anonymity থাকলে coordinated, retaliatory বা non-course-participant response-এর ঝুঁকি তৈরি হতে পারে। ফলে architecture এমন হওয়া প্রয়োজন যেখানে system respondent-এর eligibility যাচাই করতে পারে, কিন্তু সংশ্লিষ্ট teacher individual respondent-কে শনাক্ত করতে না পারেন। অর্থাৎ

verified participation + protected identity

—দুই উদ্দেশ্য একসঙ্গে অর্জন করতে হবে।

বাংলাদেশের রাজনৈতিক ও সামাজিক বাস্তবতাও evaluation design থেকে সম্পূর্ণ বিচ্ছিন্ন রাখা যায় না। বিশ্ববিদ্যালয় এমন একটি প্রতিষ্ঠান যেখানে academic disagreement, ideological difference, student politics এবং বিভিন্ন institutional conflict থাকতে পারে। ফলে teacher evaluation instrument-কে এমনভাবে design ও administer করতে হবে যাতে pedagogical experience এবং ব্যক্তিগত, রাজনৈতিক বা অন্যান্য বিরোধ যথাসম্ভব পৃথক রাখা যায়। একই কারণে abusive, discriminatory, defamatory বা coordinated comments handling-এর জন্য পূর্বনির্ধারিত moderation protocol দরকার। এখানে উদ্দেশ্য criticism বন্ধ করা নয়; বরং criticism-কে evidence হিসেবে আরও শক্তিশালী করা।

বাংলাদেশের জন্য তাই একটি সম্ভাব্য framework-এর শুরুতেই অন্তত তিনটি স্তর আলাদা করা দরকার। এই স্তর তিনটি হচ্ছে:

• Developmental Feedback,
• Quality-Assurance Evidence এবং
• High-Stakes Evaluation।

প্রথমটি শিক্ষককে নিজের teaching উন্নত করতে সাহায্য করবে।এরপরে, দ্বিতীয়টি department ও university-কে programme ও teaching quality পর্যবেক্ষণে সহায়তা করবে। এবং সবশেষে তৃতীয়টি যদি promotion বা অন্য personnel decision-এ ব্যবহৃত হয়, তবে তার evidentiary standard, multiple-source requirement এবং due process অনেক বেশি কঠোর হবে। একই questionnaire থেকে পাওয়া একই score-কে এই তিন উদ্দেশ্যে একইভাবে ব্যবহার করা methodological ও governance—দুই দিক থেকেই প্রশ্নবিদ্ধ হতে পারে।

এখানেই বাংলাদেশের জন্য একটি বড় সুযোগ রয়েছে। আমাদের এমন model তৈরি করার প্রয়োজন নেই যা Harvard-এর অনুকরণ, Stanford-এর প্রতিলিপি কিংবা কোনো international ranking-friendly cosmetic exercise। বরং আমরা এমন একটি architecture নির্মাণ করতে পারি যেখানে একটি Common Core থাকবে—clarity, organisation, assessment, feedback, respect, inclusivity এবং learning support-এর মতো মৌলিক dimension নিয়ে; পাশাপাশি থাকবে Context Modules—laboratory, clinical, studio, practicum, seminar, online বা large-class teaching-এর জন্য। Score-এর সঙ্গে থাকবে response count, response rate ও প্রয়োজনীয় contextual information; খুব ছোট sample-এর ক্ষেত্রে থাকবে suppression বা caution; high-stakes decision-এ থাকবে multiple evidence; এবং শিক্ষক ও শিক্ষার্থী—উভয়ের জন্য থাকবে স্পষ্ট rights ও responsibilities।

সবচেয়ে গুরুত্বপূর্ণ হলো, বাংলাদেশে teacher evaluation চালুর উদ্দেশ্য “কে ভালো, কে খারাপ”—এমন একটি public league table তৈরি করা হওয়া উচিত নয়। বরং প্রশ্ন হওয়া উচিত—কোথায় teaching ভালো হচ্ছে, কোথায় improvement প্রয়োজন, কোথায় শিক্ষক professional support চান, কোথায় institution নিজের দায়িত্ব পালন করছে না এবং কোন পরিবর্তনের ফলে student learning উন্নত হতে পারে। Evaluation তখন punishment architecture না হয়ে learning architecture হয়ে উঠবে।

এই কারণেই বাংলাদেশের জন্য আমাদের প্রয়োজন কোনো imported answer নয়, বরং informed adaptation। বিশ্বের অভিজ্ঞতা আমাদের মানদণ্ড দেবে; measurement science আমাদের পদ্ধতি দেবে; শিক্ষার্থীর অভিজ্ঞতা আমাদের evidence দেবে; শিক্ষকতার professional knowledge আমাদের interpretation দেবে; আর বাংলাদেশের বাস্তবতা আমাদের architecture নির্ধারণ করবে।

সেই নীতিকে একটি বাক্যে বলা যায়—বিশ্ব থেকে শিখব, কিন্তু বাংলাদেশকে মেপে বাংলাদেশের জন্যই ব্যবস্থা গড়ব। আর teacher evaluation-এর ভাষায়—

International Evidence + Student Voice + Teacher Expertise + Bangladesh Context + Institutional Responsibility = A Credible Bangladeshi Teacher-Evaluation Framework.

এই ধারাবাহিক যে প্রশ্নগুলোর উত্তর খুঁজবে: একটি Analytical Roadmap

শিক্ষক মূল্যায়ন নিয়ে বিতর্কে খুব দ্রুত দুটি শিবির তৈরি হয়ে যেতে পারে। এক পক্ষ বলতে পারেন, “শিক্ষার্থীই তো প্রতিদিন শিক্ষককে দেখেন—তাঁরাই সবচেয়ে ভালো বিচার করতে পারবেন।” অন্য পক্ষ বলতে পারেন, “শিক্ষার্থী কীভাবে শিক্ষককে বিচার করবেন?”

কিন্তু উচ্চশিক্ষা গবেষণার দৃষ্টিতে এই দুই বক্তব্যের মাঝখানে রয়েছে আরও গুরুত্বপূর্ণ একটি বিশাল ক্ষেত্র। আসল প্রশ্ন শুধু মূল্যায়ন হবে কি হবে না—তা নয়; আসল প্রশ্ন হলো, কোন উদ্দেশ্যে, কোন বিষয়, কার অভিজ্ঞতার ভিত্তিতে, কোন instrument দিয়ে, কোন statistical rule অনুসরণ করে, কোন governance structure-এর অধীনে এবং কোন consequences-এর জন্য মূল্যায়ন করা হবে? এই ধারাবাহিক সেই প্রশ্নগুলোকেই একে একে খুলে দেখবে। সেই প্রশ্নগুলো হলো:

• প্রথম প্রশ্ন: আমরা শিক্ষককে মূল্যায়ন করছি, নাকি শিক্ষকতাকে? —এটি আপাতদৃষ্টিতে ভাষাগত পার্থক্য মনে হলেও পুরো আলোচনার conceptual foundation এখানেই। একজন বিশ্ববিদ্যালয় শিক্ষক একই সঙ্গে teacher, researcher, supervisor, curriculum developer, academic adviser এবং institutional citizen হতে পারেন। একটি course-এর শিক্ষার্থীরা তাঁর classroom teaching-এর গুরুত্বপূর্ণ প্রত্যক্ষ অভিজ্ঞতা অর্জন করেন; কিন্তু সেই অভিজ্ঞতা কি তাঁর সমগ্র academic performance-এর প্রতিনিধিত্ব করে? তাই Teacher Evaluation এবং Student Evaluation of Teaching (SET)-কে একই অর্থে ব্যবহার করার আগে সতর্ক হওয়া প্রয়োজন। শিক্ষার্থী teaching-এর নির্দিষ্ট কিছু dimension সম্পর্কে অত্যন্ত গুরুত্বপূর্ণ evidence দিতে পারেন; কিন্তু সেই evidence-এর scope নির্ধারণ না করে তাকে “শিক্ষকের সামগ্রিক মান” হিসেবে প্রকাশ করলে measurement-এর অর্থই বদলে যেতে পারে।
• দ্বিতীয় প্রশ্ন: একটি score আসলে কী মাপে? —ধরা যাক, একজন শিক্ষক পেলেন ৪.৭, আরেকজন ৩.৯। এই সংখ্যার মধ্যে কী আছে? Teaching clarity? Course organisation? Assessment fairness? Feedback quality? Student engagement? Learning support? নাকি শিক্ষক কতটা জনপ্রিয়, course কতটা সহজ, প্রত্যাশিত grade কত, workload কত বেশি কিংবা teacher-এর personality শিক্ষার্থীর কতটা পছন্দ—এসবেরও কিছু অংশ score-এর মধ্যে ঢুকে গেছে? কোনো সংখ্যার অর্থ জানতে হলে প্রথমে জানতে হয় তার underlying construct কী। তাই “কত score?”-এর আগে প্রশ্ন হওয়া উচিত—“Score of what?”
• তৃতীয় প্রশ্ন: শিক্ষার্থীরা কোন বিষয় সবচেয়ে ভালো মূল্যায়ন করতে পারেন? —Student Voice-এর শক্তি কোথায়, আর সীমা কোথায়—এটি নির্ধারণ না করলে ভালো questionnaire তৈরি করা সম্ভব নয়। শিক্ষার্থীরা বলতে পারেন explanation পরিষ্কার ছিল কি না, teacher class-এর জন্য প্রস্তুত ছিলেন কি না, course structure বোঝা গেছে কি না, assessment instructions স্পষ্ট ছিল কি না, feedback পাওয়া গেছে কি না এবং classroom environment respectful ছিল কি না। কিন্তু course content disciplinary frontier-এর সঙ্গে যথেষ্ট সামঞ্জস্যপূর্ণ কি না, একজন শিক্ষকের research competence কতটা অথবা তাঁর scholarship আন্তর্জাতিক মানের কি না—এসব বিষয়ে undergraduate student rating একই ধরনের evidence নয়। অর্থাৎ সঠিক প্রশ্ন সঠিক respondent-কে করতে হবে।
• চতুর্থ প্রশ্ন: একটি questionnaire কখন measurement instrument হয়? —দশটি বা বিশটি প্রশ্ন লিখে ১ থেকে ৫-এর Likert-type scale বসিয়ে দিলেই questionnaire scientifically valid হয়ে যায় না। প্রশ্ন করতে হবে—construct আগে সংজ্ঞায়িত হয়েছে কি? Items সেই construct adequately represent করছে কি? Leading, double-barrelled বা ambiguous item আছে কি? Pilot testing হয়েছে কি? Content validity, construct validity এবং reliability সম্পর্কে evidence আছে কি? বিভিন্ন discipline বা teaching mode-এ instrument একই অর্থ বহন করছে কি? এই প্রশ্নগুলো technical মনে হতে পারে, কিন্তু একজন শিক্ষকের নামের পাশে যখন একটি সংখ্যা বসানো হয়, তখন এগুলোই সেই সংখ্যার scientific legitimacy নির্ধারণ করে।
• পঞ্চম প্রশ্ন: কতজনের মতামতকে একটি class-এর মতামত বলা যায়? —একটি course-এ ১২০ জন শিক্ষার্থী আছেন। Response দিলেন সাতজন। তাঁদের average rating ২.৮। এই ২.৮ কি “শিক্ষার্থীদের মূল্যায়ন”, নাকি সাড়া দেওয়া সাতজন শিক্ষার্থীর মূল্যায়ন? অন্যদিকে ১২০ জনের মধ্যে ১০০ জন response দিলে একই average-এর evidentiary meaning ভিন্ন হতে পারে। তাই raw average-এর পাশাপাশি response count, response rate, sampling এবং non-response bias গুরুত্বপূর্ণ। বিশেষ করে voluntary online evaluation-এ যাঁরা খুব সন্তুষ্ট অথবা খুব অসন্তুষ্ট, তাঁদের response propensity অন্যদের চেয়ে বেশি হলে ফলের representativeness বদলে যেতে পারে। একটি credible system তাই শুধু score দেখবে না; জিজ্ঞাসা করবে—কারা উত্তর দিলেন, কতজন দিলেন এবং কারা দিলেন না?
• ষষ্ঠ প্রশ্ন: ৪.৬ কি সত্যিই ৪.৩-এর চেয়ে ভালো? —Teacher rating-এ decimal score আমাদের ranking-এর দিকে খুব দ্রুত নিয়ে যেতে পারে। কিন্তু ৪.৬ এবং ৪.৩-এর পার্থক্য substantive, statistically meaningful, নাকি sampling variation-এর অংশ—সেটি না জেনে rank তৈরি করা বিপজ্জনক। Sample size, response distribution, variability এবং measurement error না দেখিয়ে শুধু mean score প্রকাশ করলে false precision তৈরি হতে পারে। অর্থাৎ দুই সংখ্যার arithmetic difference থাকলেই necessarily meaningful difference থাকে না। এখানেই descriptive statistics-এর সঙ্গে responsible interpretation-এর সম্পর্ক তৈরি হয়।
• সপ্তম প্রশ্ন: সব course এবং সব শিক্ষককে কি একই scale-এ তুলনা করা যায়? —একটি ৩০০ শিক্ষার্থীর compulsory introductory course এবং ১৫ শিক্ষার্থীর postgraduate seminar-এর pedagogical reality এক নয়। Laboratory, studio, clinical teaching, practicum, fieldwork এবং online course-ও এক নয়। Course difficulty, level, discipline, class size, assessment pattern এবং available resources student experience-কে প্রভাবিত করতে পারে। ফলে standardisation প্রয়োজন হলেও standardisation যেন context blindness-এ পরিণত না হয়। একটি common core questionnaire-এর সঙ্গে context-specific modules দরকার কি না—এই ধারাবাহিক সেই প্রশ্নও পরীক্ষা করবে।
• অষ্টম প্রশ্ন: শিক্ষার্থীর পরিচয় যাচাই এবং anonymity—দুটো একসঙ্গে সম্ভব কি? —একটি evaluation system-এর credibility-এর জন্য জানা দরকার respondent সত্যিই সংশ্লিষ্ট course-এর শিক্ষার্থী কি না এবং তিনি একাধিকবার response দিয়েছেন কি না। অন্যদিকে honest feedback-এর জন্য teacher যেন individual respondent-কে শনাক্ত করতে না পারেন—সেটিও গুরুত্বপূর্ণ। তাই “anonymous না identified?”—এমন binary প্রশ্নের চেয়ে ভালো প্রশ্ন হলো: system কি respondent authenticate করতে পারবে, অথচ teacher-এর কাছ থেকে তাঁর identity confidential রাখতে পারবে? অর্থাৎ verification এবং confidentiality-কে একসঙ্গে design করার প্রয়োজন রয়েছে।
• নবম প্রশ্ন: ফল কে দেখবেন—এবং কতটুকু দেখবেন? —এখানেই measurement থেকে governance শুরু হয়। Raw comments কি শুধু teacher দেখবেন? Department Chair? Dean? Quality Assurance unit? Promotion committee? Student body? General public? একই data সবার জন্য একইভাবে প্রয়োজনীয় নয়। Developmental feedback-এর access architecture এবং high-stakes personnel review-এর access architecture এক হওয়া আবশ্যক নয়। আবার transparency এবং unrestricted public disclosure-ও সমার্থক নয়। তাই data ownership, custodianship, access hierarchy, retention, confidentiality এবং publication rule—সবই evaluation design-এর অংশ।
• দশম প্রশ্ন: public rating কী উদ্দেশ্য পূরণ করবে? —Teacher-specific rating public করার পক্ষে transparency ও accountability-এর যুক্তি থাকতে পারে। অন্যদিকে small sample, contextual variation, reputational harm, strategic rating এবং statistical uncertainty-এর প্রশ্নও থাকতে পারে। তাই public disclosure-কে শুধু “স্বচ্ছতা বনাম গোপনীয়তা” হিসেবে দেখা যথেষ্ট নয়। জানতে হবে—কোন তথ্য public করলে কোন legitimate educational purpose পূরণ হবে, এবং সেই disclosure-এর সম্ভাব্য benefit ও harm কী? Aggregate course information, methodological information এবং named teacher ranking—এগুলো disclosure-এর একই স্তর নয়।
• একাদশ প্রশ্ন: Student Evaluation কি promotion বা career decision-এ ব্যবহার করা যাবে? —ব্যবহার করা যাবে কি না—এর উত্তর শুধু “হ্যাঁ” বা “না” দিয়ে শেষ হয় না। প্রশ্ন হলো, কতটা weight-এ, কত বছরের data নিয়ে, কোন contextual adjustment-সহ এবং আর কী evidence-এর সঙ্গে? একটি semester-এর একটি score এবং কয়েক বছরের longitudinal pattern এক নয়। একইভাবে student feedback, peer observation, teaching portfolio, curriculum contribution, assessment design এবং professional development—এসব evidence একত্রে teacher effectiveness-এর অধিকতর সমৃদ্ধ picture দিতে পারে। Stakes যত বেশি, Multiple Evidence-এর প্রয়োজন তত বেশি।
• দ্বাদশ প্রশ্ন: অন্যায্য মূল্যায়ন হলে শিক্ষক কী করবেন? —Accountability যদি একমুখী হয়, তাহলে সেটি সহজেই power exercise-এ পরিণত হতে পারে। কোনো teacher-এর evaluation-এ data error থাকলে? Course ভুলভাবে assign হলে? অযোগ্য respondent অংশ নিলে? Coordinated campaign-এর evidence থাকলে? Defamatory comment থাকলে? Contextual information বাদ গেলে? শিক্ষক কি explanation দিতে পারবেন? Correction চাইতে পারবেন? Review বা appeal করতে পারবেন? Due process শিক্ষককে accountability থেকে মুক্ত করার ব্যবস্থা নয়; বরং accountability-কে legitimate করার institutional safeguard।
• ত্রয়োদশ প্রশ্ন: শিক্ষকের কম score কি সব সময় শুধু শিক্ষকের সমস্যা? —Student feedback যদি ধারাবাহিকভাবে দেখায় যে feedback দেরিতে পাওয়া যাচ্ছে, class overcrowded, laboratory support দুর্বল অথবা learning resources অপ্রতুল—তাহলে সব দায় individual teacher-এর ওপর চাপানো যায় না। আবার institutional limitation থাকলেই individual responsibility বিলীন হয়ে যায় না। তাই একটি mature system একই evidence থেকে দুটি প্রশ্ন করবে: শিক্ষক কোথায় উন্নতি করতে পারেন? Institution কোথায় উন্নতি করতে পারে? এখানেই Teacher Accountability এবং Institutional Accountability পরস্পরের সঙ্গে যুক্ত হয়।
• চতুর্দশ প্রশ্ন: feedback নেওয়ার পরে কী হবে? —এটি সম্ভবত সবচেয়ে অবহেলিত প্রশ্ন। Semester শেষে questionnaire পাঠানো হলো, response এল, average বের হলো, report তৈরি হলো—তারপর? যদি শিক্ষক meaningful report না পান, professional-development support না থাকে, department recurring problems নিয়ে action না নেয় এবং পরবর্তী cycle-এ improvement follow-up না করা হয়, তাহলে evaluation একটি bureaucratic ritual-এ পরিণত হতে পারে। একটি কার্যকর system-এর পূর্ণ cycle হওয়া উচিত—

Feedback → Interpretation → Reflection → Dialogue → Support → Improvement → Re-evaluation 

অর্থাৎ evaluation-এর সাফল্য response-এর সংখ্যা দিয়ে নয়, পরবর্তী পরিবর্তন দিয়ে বিচার করা উচিত।

• পঞ্চদশ এবং শেষ প্রশ্ন: মূল্যায়ন ব্যবস্থাটিকে মূল্যায়ন করবে কে? —সম্ভবত পুরো ধারাবাহিকের সবচেয়ে গুরুত্বপূর্ণ প্রশ্ন এটিই। আমরা শিক্ষার্থীকে মূল্যায়ন করি; শিক্ষককে মূল্যায়ন করি; department ও programme-কে মূল্যায়ন করি। কিন্তু যে evaluation system এই সিদ্ধান্তগুলো তৈরি করছে, তার নিজের quality কে পরীক্ষা করবে? Instrument কত বছর পর revalidate হবে? Bias audit হবে কি? Response pattern review হবে কি? শিক্ষক ও শিক্ষার্থী system সম্পর্কে feedback দিতে পারবেন কি? Governance policy periodically review হবে কি? কোনো unintended consequence দেখা দিলে policy বদলাবে কে? —কারণ একটি evaluation system শুধু evidence সংগ্রহ করে না—এটি power-ও exercise করে। একটি সংখ্যা কারও professional reputation প্রভাবিত করতে পারে, institutional decision বদলাতে পারে এবং public perception তৈরি করতে পারে। ফলে measurement system-এর নিজেরও accountability থাকা প্রয়োজন।

এই পনেরোটি প্রশ্নই পরবর্তী পাঁচ পর্বের analytical backbone। কোথাও উত্তর সহজ হবে, কোথাও international practice ভিন্ন হবে, কোথাও research evidence নিয়ে বিতর্ক থাকবে এবং কোথাও বাংলাদেশের জন্য আমাদের নিজেদের institutional solution নির্মাণ করতে হবে। কিন্তু একটি principle পুরো অনুসন্ধানে অপরিবর্তিত থাকবে—

প্রশ্নটি শিক্ষক মূল্যায়ন করব কি না—সেখানে শেষ নয়। প্রশ্ন হলো, এমনভাবে মূল্যায়ন করতে পারব কি না যাতে শিক্ষার্থীর কণ্ঠ সত্যিকার অর্থে শোনা যায়, শিক্ষকতার দুর্বলতা শনাক্ত হয়, ভালো teaching স্বীকৃতি পায়, institution নিজের দায় এড়িয়ে যেতে না পারে এবং একটি সংখ্যা evidence-এর চেয়ে বড় হয়ে না ওঠে।

তাই এই ধারাবাহিকের অনুসন্ধান শেষ পর্যন্ত একটি আরও মৌলিক প্রশ্নে এসে দাঁড়ায়—শিক্ষার্থী যখন শিক্ষককে মূল্যায়ন করবেন, তখন সেই মূল্যায়ন কতটা বৈজ্ঞানিক, ন্যায়সংগত ও বিশ্বাসযোগ্য—তার মূল্যায়ন করবে কে?

একটি ভালো শিক্ষক-মূল্যায়ন ব্যবস্থা দেখতে কেমন?

এতক্ষণে একটি বিষয় পরিষ্কার—শিক্ষক মূল্যায়নের প্রশ্নটি শুধু একটি questionnaire, website, app, star কিংবা average score-এর প্রশ্ন নয়। একটি ভালো Student Evaluation of Teaching (SET) ব্যবস্থা আসলে একটি পূর্ণাঙ্গ academic ecosystem। এর মধ্যে purpose আছে, measurement আছে, participation আছে, statistics আছে, privacy আছে, governance আছে, rights আছে এবং সবচেয়ে গুরুত্বপূর্ণভাবে improvement-এর একটি পথ আছে। ফলে কোনো বিশ্ববিদ্যালয়ে “teacher evaluation চালু হয়েছে”—এই তথ্যটি নিজে থেকে সেই ব্যবস্থার quality সম্পর্কে খুব বেশি কিছু বলে না। আসল প্রশ্ন হলো—ব্যবস্থাটি কীভাবে তৈরি হয়েছে এবং ফলটি কীভাবে ব্যবহার হচ্ছে?

একটি উপমা দিয়ে বিষয়টি বোঝা যায়। হাসপাতালের waiting room-এ রোগীর satisfaction জানতে পাঁচটি star দেওয়া যেতে পারে। কিন্তু সেই star দিয়ে একজন surgeon-এর clinical competence নির্ধারণ করা যায় না। রোগী বলতে পারেন চিকিৎসক তাঁর কথা শুনেছেন কি না, সম্মানজনক আচরণ করেছেন কি না, চিকিৎসা বুঝিয়ে বলেছেন কি না—এসব তাঁর প্রত্যক্ষ experience। কিন্তু operation-এর technical quality বিচার করতে অন্য ধরনের evidence প্রয়োজন। বিশ্ববিদ্যালয়েও একই principle প্রযোজ্য। শিক্ষার্থী teacher-এর teaching সম্পর্কে এমন কিছু জানেন যা অন্যরা নিয়মিত জানেন না; আবার এমন কিছু academic dimension রয়েছে যা student rating দিয়ে যথাযথভাবে মাপা সম্ভব নয়। ভালো evaluation system তাই প্রথমেই respondent-এর expertise এবং evidence-এর boundary নির্ধারণ করে।

প্রথম বৈশিষ্ট্য: উদ্দেশ্য আগে, questionnaire পরে

একটি credible evaluation system-এর প্রথম প্রশ্ন হওয়া উচিত নয়—“কতটি question থাকবে?” প্রথম প্রশ্ন হওয়া উচিত—“এই evaluation কেন করা হচ্ছে?”

Teaching improvement-এর জন্য? Course redesign-এর জন্য? Programme quality assurance-এর জন্য? Professional development-এর জন্য? Promotion-এর supporting evidence হিসেবে? নাকি public accountability-এর জন্য?

উদ্দেশ্য বদলালে instrument, administration, interpretation, access এবং evidentiary standard-ও বদলাবে। যে informal mid-semester feedback একজন শিক্ষক নিজের teaching পরিবর্তনের জন্য ব্যবহার করবেন, সেটির methodological requirement এবং promotion decision-এ ব্যবহৃত evaluation-এর requirement এক হতে পারে না। Low-stakes feedback এবং high-stakes judgement-এর জন্য একই evidentiary threshold যথেষ্ট নয়।

দ্বিতীয় বৈশিষ্ট্য: ব্যক্তি নয়, সংজ্ঞায়িত teaching dimensions মাপা

“এই শিক্ষক ভালো”—এ ধরনের global judgement-এর বদলে ভালো instrument observable ও interpretable teaching dimensions মাপে। যেমন—course organisation, clarity of explanation, alignment between learning objectives and assessment, quality and timeliness of feedback, student engagement, respectful learning environment, accessibility এবং learning support।

এতে একটি বড় সুবিধা হয়। “Teacher X = 3.6” খুব কম actionable information দেয়। কিন্তু যদি দেখা যায় organisation 4.5, clarity 4.3, respect 4.7, অথচ assessment feedback 2.8—তাহলে শিক্ষক এবং institution উভয়েই বুঝতে পারেন কোথায় intervention প্রয়োজন। অর্থাৎ ভালো evaluation label দেয় না; diagnosis করতে সাহায্য করে।

তৃতীয় বৈশিষ্ট্য: প্রশ্নমালারও পরীক্ষা হয়

শিক্ষার্থীকে পরীক্ষা করার আগে আমরা syllabus, question paper, marking scheme নিয়ে ভাবি। অথচ শিক্ষককে মূল্যায়নের questionnaire অনেক সময় নিজেই কোনো পরীক্ষার মুখোমুখি হয় না। একটি credible system-এ instrument-এর content validity, construct validity, reliability এবং usability নিয়ে evidence থাকা প্রয়োজন। Pilot testing প্রয়োজন; ambiguous বা double-barrelled item বাদ দিতে হয়; language শিক্ষার্থীরা একই অর্থে বুঝছেন কি না দেখতে হয়; প্রয়োজন হলে বিভিন্ন teaching context-এর জন্য modules তৈরি করতে হয়। কারণ একটি measurement instrument নিজে valid না হলে তার তৈরি score যত সুন্দর dashboard-এই দেখানো হোক, interpretation দুর্বল থাকবে।

চতুর্থ বৈশিষ্ট্য: কে উত্তর দিতে পারবেন তা নিশ্চিত করা

একটি university course evaluation-এ ideally সেই শিক্ষার্থীরাই অংশ নেবেন যাঁরা সংশ্লিষ্ট course বা teacher-এর teaching প্রত্যক্ষ করেছেন। এটি অত্যন্ত সাধারণ কথা মনে হলেও digital public platform-এর ক্ষেত্রে বিষয়টি fundamental। Respondent eligibility যাচাই না হলে evaluation student evaluation থেকে open public opinion-এ রূপ নিতে পারে। কিন্তু authentication-এর অর্থ teacher-এর কাছে respondent-এর identity প্রকাশ করা নয়। ভালো architecture-এর লক্ষ্য হবে—

System knows eligibility; teacher does not know individual identity.

verified participation + protected anonymity/confidentiality।

পঞ্চম বৈশিষ্ট্য: score-এর পাশে denominator থাকে

“Rating: 4.8/5”—দেখতে আকর্ষণীয়।কিন্তু কতজনের মধ্যে?

• দুজন?
• বিশজন?
• দুইশ জন?

একটি ভালো evaluation system average-এর পাশে response count এবং যেখানে প্রাসঙ্গিক response rate দেখবে। খুব ছোট sample হলে ফল suppress করা, aggregate করা কিংবা সতর্কতার সঙ্গে interpret করার নিয়ম থাকতে পারে। কারণ পাঁচজনের ৪.৮ এবং ২০০ জনের ৪.৮ mathematically একই mean হলেও তাদের evidentiary strength necessarily একই নয়।—এই কারণেই responsible reporting-এর একটি মৌলিক প্রশ্ন: Never ask only “What is the score?” Ask also “What is the denominator?”

ষষ্ঠ বৈশিষ্ট্য: context score-এর শত্রু নয়—সহচর

একজন শিক্ষক বড় compulsory course পড়াচ্ছেন; আরেকজন ছোট advanced elective। একজন laboratory পরিচালনা করছেন; অন্যজন seminar। একজন first-year students-এর সঙ্গে কাজ করছেন; অন্যজন postgraduate students-এর সঙ্গে। Course difficulty, class size, discipline, mode of teaching এবং institutional resources আলাদা।

ভালো evaluation system তাই context মুছে দিয়ে apparent equality তৈরি করে না। আবার context-এর নামে accountability-ও বাতিল করে না। বরং score + context একসঙ্গে interpret করে। কারণ fairness-এর অর্থ সবাইকে একইভাবে দেখা নয়; relevantly different situations-কে যথাযথভাবে different হিসেবে বিবেচনা করাও fairness-এর অংশ।

সপ্তম বৈশিষ্ট্য: শুধু Mean নয়, Pattern দেখা

ধরা যাক, দশজন শিক্ষার্থীর মধ্যে পাঁচজন ৫ দিয়েছেন এবং পাঁচজন ১ দিয়েছেন। Mean হলো ৩। অন্য একটি class-এ দশজনই ৩ দিয়েছেন—সেখানেও mean ৩।—দুই ক্ষেত্রের average একই, কিন্তু গল্প সম্পূর্ণ ভিন্ন।

প্রথম ক্ষেত্রে extreme disagreement বা heterogeneous experience থাকতে পারে; দ্বিতীয় ক্ষেত্রে consistent moderate judgement। তাই ভালো analysis শুধু average score দিয়ে থামে না। Response distribution, variability, response count, longitudinal trend এবং qualitative comments—প্রয়োজন অনুযায়ী সবকিছুর দিকে তাকায়।অর্থাৎ একটি average অনেক সময় গল্পের headline; পুরো গল্প নয়।

অষ্টম বৈশিষ্ট্য: একটি semester নয়, trend গুরুত্বপূর্ণ

একটি course এক semester-এ অস্বাভাবিকভাবে খারাপ যেতে পারে। নতুন curriculum, technology failure, unusual class composition, personal disruption কিংবা institutional crisis ফলকে প্রভাবিত করতে পারে। আবার একটি isolated excellent score-ও দীর্ঘমেয়াদি teaching excellence প্রমাণ করে না।

এই কারণে বিশেষ করে high-stakes interpretation-এ longitudinal evidence অধিক অর্থবহ। কয়েক semester বা কয়েক বছরের pattern দেখা গেলে transient fluctuation এবং recurring issue আলাদা করার সুযোগ বাড়ে। —তাই ভালো evaluation তাই snapshot-এর পাশাপাশি trajectory দেখে।

নবম বৈশিষ্ট্য: qualitative comments আছে—কিন্তু safeguards-সহ

Numerical rating বলে “কোথায়” সমস্যা থাকতে পারে; qualitative comment অনেক সময় বলে “কেন”। “Feedback score 2.7”—এটি signal। কিন্তু শিক্ষার্থীরা যদি বারবার বলেন assignment ফেরত পেতে ছয় সপ্তাহ লাগছে, তখন actionable information পাওয়া যায়। একইভাবে positive comments থেকেও effective teaching practice শনাক্ত করা যায়।

তবে open comments-এর সঙ্গে moderation প্রয়োজন। ব্যক্তিগত আক্রমণ, discriminatory language, harassment, irrelevant political মন্তব্য, unsubstantiated allegation কিংবা personally identifiable information handling-এর স্পষ্ট policy থাকা দরকার। এতে Constructive criticism protected হবে; abuse protected হবে না।

দশম বৈশিষ্ট্য: ফল প্রকাশের আগে ফলের অর্থ নির্ধারিত থাকে

Data সংগ্রহের পরে policy বানানো বিপজ্জনক। শুরুতেই নির্ধারিত থাকা উচিত—কে কী data দেখতে পারবেন, কোন উদ্দেশ্যে, কতদিন, কোন level of aggregation-এ এবং কোন decision-এ।

• Teacher কি নিজের full report পাবেন?
• Chair কী দেখবেন?
• Dean?
• Quality Assurance unit?
• Promotion committee?
• Students?
• General public?

সব stakeholder-এর legitimate information need এক নয়। তাই ভালো governance-এর principle হলো purpose-based access, not indiscriminate access।

একাদশ বৈশিষ্ট্য: শিক্ষক উত্তর দিতে পারেন

একজন শিক্ষককে accountable করা হবে, কিন্তু তাঁকে নিজের data দেখানো হবে না—এটি improvement-oriented model নয়। ভালো ব্যবস্থায় teacher result দেখতে পারবেন, interpretation বুঝতে পারবেন এবং প্রয়োজন হলে context যোগ করতে পারবেন।

যদি evaluation high-stakes decision-এ ব্যবহৃত হয়, তখন error correction, clarification, review এবং appropriate appeal mechanism আরও গুরুত্বপূর্ণ। কারণ due process accountability কমায় না; accountability-কে credible করে।

দ্বাদশ বৈশিষ্ট্য: একটি score কখনো একমাত্র evidence নয়

Teaching quality multidimensional। Student feedback তার একটি গুরুত্বপূর্ণ window; পুরো building নয়। বিশেষ করে high-stakes evaluation-এ student feedback-এর সঙ্গে peer review of teaching, teaching portfolio, course materials, assessment design, curriculum contribution, professional development, reflective statement এবং প্রয়োজনমতো learning-related evidence যুক্ত হতে পারে। —এখানে principle খুব সহজ: The higher the stakes, the stronger and more diverse the evidence should be. অর্থ্যাৎ একটি career decision যত গুরুত্বপূর্ণ, একটি single metric-এর ওপর তার নির্ভরতা তত কম হওয়া উচিত।

ত্রয়োদশ বৈশিষ্ট্য: শিক্ষককে যেমন দেখা হয়, institution-কেও দেখা হয়

একাধিক শিক্ষক একই সমস্যায় ধারাবাহিকভাবে কম rating পেলে একটি mature system জিজ্ঞাসা করবে—এটি কি শুধু individual problem?

• Class size কত?
• Workload কত?
• Teaching Assistant আছে?
• Laboratory functioning করছে?
• Technology support আছে?
• Assessment burden realistic?
• Professional-development opportunity আছে?

অর্থাৎ student feedback teacher-এর দিকে যেমন আয়না ধরবে, একই আয়নার একটি অংশ institution-এর দিকেও ঘোরানো হবে।

চতুর্দশ বৈশিষ্ট্য: Feedback-এর পরে Support আসে

একজন শিক্ষক feedback পেলেন যে তাঁর assessment instructions অস্পষ্ট। এরপর কী?

শুধু ২.৯ score দেখিয়ে দিলে evaluation শেষ নয়। প্রয়োজন হতে পারে assessment-design workshop, mentoring, peer consultation কিংবা teaching-development support। একইভাবে recurring institutional problem থাকলে university-level intervention প্রয়োজন। তাই ভালো system-এর equation হওয়া উচিত: Evaluation without support = incomplete accountability.

আর পূর্ণ cycle: Evidence → Feedback → Reflection → Support → Action → Re-evaluation।

পঞ্চদশ বৈশিষ্ট্য: Evaluation system নিজেও audit-এর আওতায় থাকে

সবচেয়ে গুরুত্বপূর্ণ safeguard সম্ভবত এটিই। 

Questionnaire একবার তৈরি হলো বলে কি দশ বছর একই থাকবে? Bias দেখা যাচ্ছে কি না কে পরীক্ষা করবে? Response rate কমে গেলে কী হবে? কিছু discipline ধারাবাহিকভাবে systematically lower score পাচ্ছে কি? Students instrument বুঝছেন কি? Teachers ফলকে useful মনে করছেন কি? Evaluation-এর ফলে unintended behaviour তৈরি হচ্ছে কি—যেমন grading leniency, reduced academic challenge কিংবা popularity-seeking?

একটি mature system তাই শুধু শিক্ষককে evaluate করে না; নিজের instrument, process, outcomes এবং unintended consequences-কেও periodically evaluate করে। অর্থাৎ— The evaluator must also be evaluated.

একটি সহজ পরীক্ষা: পাঁচটি প্রশ্ন

যেকোনো teacher-evaluation initiative সামনে এলে—সেটি বিশ্ববিদ্যালয় কর্তৃপক্ষ, department, quality-assurance unit, student body কিংবা অন্য যে কারও উদ্যোগ হোক—পাঠক অন্তত পাঁচটি প্রশ্ন করতে পারেন:

1. কী মাপছে?
2. কে মাপছে?
3. কীভাবে মাপছে?
4. ফল কে এবং কী কাজে ব্যবহার করছে? এবং
5. ভুল হলে correction বা appeal কোথায়?

এই পাঁচটি প্রশ্নের স্পষ্ট উত্তর পাওয়া গেলে আমরা একটি evaluation system-এর architecture দেখতে শুরু করি। উত্তর অস্পষ্ট হলে শুধু সুন্দর interface, বড় response সংখ্যা কিংবা আকর্ষণীয় star rating দেখে তার quality সম্পর্কে সিদ্ধান্ত নেওয়া কঠিন।

সিরিজটির Editorial Flow

এই পাঁচটি লেখা random sequence-এ প্রকাশ না করে একটি progressive learning journey হিসেবে প্রকাশ করাই সবচেয়ে কার্যকর হবে:

• পর্ব ১ — প্রশ্ন: শিক্ষার্থী শিক্ষককে মূল্যায়ন করবেন—কিন্তু score-এর অর্থ কী?
• পর্ব ২ — ইতিহাস: এই ধারণা কোথা থেকে এলো এবং একশ বছরে কেন বদলে গেল?
• পর্ব ৩ — বিশ্ব: পৃথিবীর বিশ্ববিদ্যালয়গুলো বাস্তবে কীভাবে এটি করছে?
• পর্ব ৪ — বিজ্ঞান: একটি valid ও reliable evaluation instrument আসলে কীভাবে তৈরি হয়?
• পর্ব ৫ — শাসন: সবকিছু ঠিক থাকলেও system-এর authority, data, privacy, accountability ও due process কে নিশ্চিত করবে?

অর্থাৎ পুরো intellectual progression:

WHY → HISTORY → WORLD PRACTICE → MEASUREMENT → GOVERNANCE

আর পাঠকের ভাষায়:

“কেন মূল্যায়ন?” → “কোথা থেকে এলো?” → “অন্যরা কী করে?” → “কীভাবে মাপব?” → “মাপার ক্ষমতা কার হাতে থাকবে?”

শেষকথা: শিক্ষককে মূল্যায়ন করব—কিন্তু মূল্যায়ন ব্যবস্থাকে মূল্যায়ন করবে কে?

“শিক্ষার্থী বলবে—অবশ্যই। কিন্তু সেই মতামত কীভাবে evidence হবে, কে মাপবে, কী দিয়ে মাপবে, ফল কে দেখবে এবং একটি সংখ্যা দিয়ে একজন শিক্ষককে কতটা বিচার করা যায়?”—এই একটি প্রশ্নের মধ্যেই অধিকারপত্র বিশ্ববিদ্যালয় শিক্ষা সংস্কার ধারাবাহিক-এর পাঁচটি নিবন্ধকে যুক্ত করা common intellectual thread নিহিত। এই ধারাবাহিক teacher evaluation-এর পক্ষে কিংবা বিপক্ষে কোনো অবস্থানপত্র নয়; কোনো শিক্ষক, শিক্ষার্থী, সংগঠন বা প্রশাসনকে লক্ষ্য করেও নয়। এর অনুসন্ধান আরও মৌলিক—কীভাবে এমন একটি teacher-evaluation system গড়ে তোলা যায়, যা legitimate, scientifically defensible, fair, context-sensitive এবং সর্বোপরি improvement-oriented?

বিশ্ববিদ্যালয়ের classroom-এ মূল্যায়নের ক্ষমতার সম্পর্ক দীর্ঘকাল প্রধানত একমুখী ছিল। শিক্ষক পড়িয়েছেন, প্রশ্ন করেছেন, পরীক্ষা নিয়েছেন, খাতা মূল্যায়ন করেছেন এবং শিক্ষার্থীকে grade দিয়েছেন। অথচ semester-এর পর semester শিক্ষার্থী সেই শিক্ষকতার প্রত্যক্ষ অভিজ্ঞতার মধ্য দিয়ে গেলেও অনেক প্রতিষ্ঠানে তাঁর systematic voice তুলনামূলকভাবে দুর্বল থেকেছে। আধুনিক higher education এই একমুখী সম্পর্ককে পরিবর্তন করেছে। কারণ accountability যদি শিক্ষার একটি মৌলিক নীতি হয়, তবে শিক্ষকতাও meaningful feedback-এর বাইরে থাকতে পারে না।

সেখানেই Student Evaluation of Teaching (SET)-এর গুরুত্ব। শিক্ষার্থীরা প্রত্যক্ষভাবে বলতে পারেন—শিক্ষক নিয়মিত ও সময়মতো class নিয়েছেন কি না, difficult concept বোধগম্য করে তুলেছেন কি না, learning goals স্পষ্ট করেছেন কি না, assessment criteria পরিষ্কার ছিল কি না, meaningful feedback পাওয়া গেছে কি না কিংবা classroom environment respectful, accessible ও inclusive ছিল কি না। Teaching-এর এসব dimension সম্পর্কে শিক্ষার্থী এমন একজন privileged observer, যাঁর ধারাবাহিক classroom experience কোনো Dean, Registrar, Department Chair কিংবা external evaluator সহজে প্রতিস্থাপন করতে পারেন না।

কিন্তু এখানেই একটি অত্যন্ত গুরুত্বপূর্ণ সীমারেখা রয়েছে। শিক্ষার্থী classroom experience-এর privileged observer হলেও একজন professor-এর সমগ্র professional competence-এর universal assessor নন। একজন শিক্ষকের research scholarship, disciplinary expertise, curriculum development, assessment-এর technical quality, postgraduate supervision, academic leadership, academic service কিংবা wider institutional contribution মূল্যায়নের জন্য অন্য ধরনের evidence প্রয়োজন। ফলে student voice অমূল্য, কিন্তু student voice একাই পুরো academic judgement নয়। Student Evaluation of Teaching এবং একজন শিক্ষকের সামগ্রিক Professional Evaluation তাই একই বিষয় নয়।

এই distinction-টি আরও গুরুত্বপূর্ণ হয়ে ওঠে যখন শিক্ষার্থীর feedback সংখ্যায় রূপান্তরিত হয়। “Lecture পরিষ্কার ছিল কি?”—এটি শিক্ষার্থীর experience সম্পর্কে একটি প্রশ্ন। কিন্তু “Professor X = 3.7/5” একটি measurement claim। সেই ৩.৭-এর সঙ্গে অন্য শিক্ষকের ৪.২ তুলনা করে “কে ভালো শিক্ষক” বলা একটি comparative claim। সেই score শিক্ষকটির নামের পাশে public website-এ প্রদর্শিত হলে সেটি তাঁর professional reputation-এ প্রভাব ফেলতে সক্ষম একটি reputational intervention-এ পরিণত হতে পারে। আর একই score promotion, appointment কিংবা disciplinary decision-এ ব্যবহার করা হলে সেটি হয়ে ওঠে high-stakes institutional evidence।

অর্থাৎ একটি ধারাবাহিকতা তৈরি হয়:

Student Experience → Feedback → Measurement → Comparison → Public Disclosure → High-Stakes Decision।

এই সিঁড়ির প্রতিটি ধাপ ওপরে ওঠার সঙ্গে evidentiary burden-ও বাড়তে হবে। Teaching improvement-এর জন্য যথেষ্ট evidence যে public ranking-এর জন্যও যথেষ্ট হবে, কিংবা developmental feedback-এর জন্য ব্যবহৃত একটি measure যে promotion বা disciplinary decision-এর জন্যও সমানভাবে defensible হবে—এমন কোনো স্বয়ংক্রিয় নিয়ম নেই। Stakes যত বাড়বে, measurement-এর validity, evidence-এর quality, procedural safeguards এবং human academic judgement-এর প্রয়োজনও তত বাড়বে।

এই কারণেই teacher evaluation কোনো সাধারণ online poll নয়। একটি scientifically defensible evaluation system-এর সঙ্গে একযোগে যুক্ত থাকে construct validity, reliability, sampling, response rate, non-response bias, statistical uncertainty, contextual variation, confidentiality, data protection, fairness এবং due process। একটি thermometer ভুলভাবে calibrated হলে তার digital display-এ 102.4 লেখা থাকলেও decimal precision measurement-টিকে সত্য করে না। একইভাবে কোনো teacher-এর rating 4.37 পর্যন্ত দেখানো গেলেই সেই সংখ্যার scientific validity প্রতিষ্ঠিত হয় না। Precision আর validity এক জিনিস নয়।

একটি সহজ উদাহরণ বিষয়টির গভীরতা আরও পরিষ্কার করে। একজন শিক্ষক পেলেন ৪.৮, আরেকজন ৩.২। প্রথমজনকে rating দিয়েছেন পাঁচজন শিক্ষার্থী, দ্বিতীয়জনকে ১৮০ জন। এই দুই score কি একই evidentiary weight বহন করে? একটি জনপ্রিয় elective course এবং একটি কঠিন compulsory statistics course কি সরাসরি একই scale-এ তুলনাযোগ্য? Philosophy seminar, Chemistry laboratory, Fine Arts studio, medical clinical teaching এবং online course-এর জন্য কি একই questionnaire যথেষ্ট? আবার একই average score-এর পেছনে যদি একদল শিক্ষার্থী অত্যন্ত সন্তুষ্ট এবং আরেকদল অত্যন্ত অসন্তুষ্ট হন, তবে mean কি পুরো গল্পটি বলতে পারে?

এখানেই আরেকটি মৌলিক প্রশ্ন আসে—একটি সংখ্যা আসলে কী মাপছে? শিক্ষার্থী যদি “শিক্ষক সময়মতো class নিয়েছেন”—এই প্রশ্নে ৫ দেন এবং “এই শিক্ষক একজন অসাধারণ শিক্ষক”—এই প্রশ্নেও ৫ দেন, দুটি ৫ দেখতে একই হলেও measurement-এর অর্থ এক নয়। প্রথমটি তুলনামূলকভাবে নির্দিষ্ট observable behaviour; দ্বিতীয়টি বহু dimension মিশে থাকা একটি global impression। একইভাবে “আমি course-টি উপভোগ করেছি”, “course-টি intellectually challenging ছিল” এবং “এই course আমাকে গুরুত্বপূর্ণ কিছু শিখিয়েছে”—এই তিনটি statement একই construct মাপে না।

এই কারণেই Student Voice এবং student score-এর পার্থক্য বোঝা জরুরি। শিক্ষার্থীর অভিজ্ঞতা বাস্তব, তাঁর মতামত গুরুত্বপূর্ণ এবং তাঁর dissatisfaction-ও গুরুত্বের সঙ্গে শোনা প্রয়োজন। কিন্তু সেই experience-কে standardised numerical scale-এ রূপান্তর করার মুহূর্তে আমরা শুধু মতামত শুনছি না; আমরা একটি measurement claim তৈরি করছি। আর সেই claim-এর ওপর comparison, ranking, reputation কিংবা institutional decision দাঁড় করালে measurement-টি কতটা valid, reliable, representative এবং interpretable—সেটি প্রমাণ করার দায়িত্বও তৈরি হয়।

এখানে student voice-কে দুর্বল করার প্রশ্ন নেই; বরং উল্টোটি সত্য। Student Voice যত গুরুত্বপূর্ণ, সেটিকে evidence-এ রূপান্তরের পদ্ধতিও তত শক্তিশালী হওয়া প্রয়োজন। দুর্বল questionnaire, অজানা denominator, খুব ছোট response, unclear eligibility অথবা context-বিহীন ranking শিক্ষার্থীর কণ্ঠকে শক্তিশালী করার বদলে তার credibility-ই কমিয়ে দিতে পারে। অন্যদিকে well-designed, appropriately administered এবং responsibly interpreted feedback শিক্ষককে এমন insight দিতে পারে, যা classroom-এর বাইরে থাকা administrator বা colleague সহজে দিতে পারবেন না।

এই আলোচনায় আরেকটি সতর্কতা প্রয়োজন—কঠিন শিক্ষক, অপছন্দের শিক্ষক এবং অকার্যকর শিক্ষক necessarily একই ব্যক্তি নন। যে শিক্ষক বেশি পড়তে বলেন, demanding assignment দেন, plagiarism নিয়ে কঠোর, attendance চান কিংবা সহজে উচ্চ grade দেন না—তিনি কিছু শিক্ষার্থীর কাছে কম জনপ্রিয় হতে পারেন। কিন্তু তাঁর teaching ineffective—এই conclusion-এর জন্য আলাদা evidence প্রয়োজন। বিপরীতভাবে, অত্যন্ত জনপ্রিয়, হাস্যরসাত্মক ও engaging lecture-ও সব সময় deep learning নিশ্চিত করে না। ভালো evaluation instrument-এর কাজ তাই popularity এবং pedagogy-কে যতটা সম্ভব পৃথক করা; ব্যক্তিগত পছন্দকে নিষিদ্ধ করা নয়, বরং কোন response কোন construct-এর evidence—তা স্পষ্ট করা।

Teacher evaluation-এর ভাষাটিও সেই কারণে গুরুত্বপূর্ণ। আমরা যখন বলি “শিক্ষার্থী শিক্ষককে নম্বর দেবেন”, তখন অজান্তেই একজন মানুষের সামগ্রিক professional worth-কে একটি সংখ্যায় নামিয়ে আনার ধারণা তৈরি হতে পারে। কিন্তু Student Evaluation of Teaching বললে analytical object ব্যক্তি থেকে teaching process-এর দিকে সরে যায়। তখন প্রশ্নটি “আপনি এই মানুষটিকে কত পছন্দ করেন?” নয়; বরং “এই course-এ তাঁর teaching-এর কোন কোন dimension আপনি প্রত্যক্ষ করেছেন এবং সেই experience কেমন ছিল?” একটি defensible evaluation architecture-এর conceptual foundation এই পার্থক্যের ওপরই দাঁড়ায়।

Teaching নিজেও আবার single construct নয়। একজন শিক্ষক explanation-এ অত্যন্ত পরিষ্কার হতে পারেন, কিন্তু feedback দিতে ধীর; আরেকজনের course organisation অসাধারণ, কিন্তু classroom engagement দুর্বল; তৃতীয়জন intellectually demanding, কিন্তু শিক্ষার্থীর কাছে কম approachable; চতুর্থজনের student satisfaction খুব বেশি, অথচ assessment learning objectives-এর সঙ্গে যথেষ্ট aligned নয়। এঁদের প্রত্যেককে একটি single overall star-এ নামিয়ে আনলে teaching-এর multidimensional character-এর গুরুত্বপূর্ণ তথ্য হারিয়ে যেতে পারে।

এই জায়গাতেই একটি dashboard এবং একটি league table-এর পার্থক্য গুরুত্বপূর্ণ। Dashboard দেখায়—কোথায় শক্তি, কোথায় দুর্বলতা, কোথায় পরিবর্তন প্রয়োজন। League table দেখায়—কে প্রথম, কে দ্বিতীয়, কে শেষ। Teaching improvement-এর জন্য প্রথমটি অনেক বেশি actionable হতে পারে; দ্বিতীয়টি আকর্ষণীয় ও সহজবোধ্য হলেও complex educational reality-কে অতিরিক্ত সরল করার ঝুঁকি বহন করে। ফলে evaluation system-এর design থেকেই একটি মৌলিক প্রশ্ন করা যায়—এর উদ্দেশ্য diagnosis and improvement, নাকি comparison and ranking?

বিশ্বের বিশ্ববিদ্যালয়গুলোর অভিজ্ঞতাও আমাদের শেখায়, teacher evaluation-এর কোনো একক “বিদেশি model” নেই। কোথাও emphasis learning experience-এ, কোথাও continuous feedback ও dialogue-এ, কোথাও programme ও institutional quality assurance-এ, আবার কোথাও longitudinal evidence-এ। কোথাও teacher-specific result public নয়; কোথাও authenticated university community সীমিত তথ্য দেখতে পারে; কোথাও small sample-এর ফল প্রকাশে restriction বা suppression রয়েছে। Student feedback কোথাও promotion বা professional review-এর supporting evidence হতে পারে, কিন্তু সেটি কীভাবে এবং কতটা ব্যবহার করা হবে, তা institution ও purpose অনুযায়ী ভিন্ন।

সুতরাং বাংলাদেশের প্রশ্ন হওয়া উচিত নয়—“বিদেশে কোন form ব্যবহার করা হয়?” বরং—“আন্তর্জাতিক অভিজ্ঞতা থেকে কোন principles আমরা শিখতে পারি এবং বাংলাদেশের বাস্তবতায় সেগুলোর উপযুক্ত architecture কী হবে?” কারণ বাংলাদেশের class size, student–teacher ratio, teaching load, examination burden, Teaching Assistant ও Research Assistant-এর প্রাপ্যতা, laboratory ও technological support, research facilities এবং institutional capacity—সবই teacher performance ও student experience-এর context তৈরি করে।

ফলে accountability শুধু শিক্ষকের দিকে প্রবাহিত হতে পারে না। শিক্ষার্থীরা যদি ধারাবাহিকভাবে বলেন feedback দেরিতে পাওয়া যাচ্ছে, class overcrowded, laboratory support দুর্বল কিংবা learning resources অপর্যাপ্ত—তাহলে evaluation system-কে শিক্ষককে প্রশ্ন করার পাশাপাশি institution-কেও প্রশ্ন করতে হবে। একজন শিক্ষককে কতটি course পড়াতে হচ্ছে? কতজন শিক্ষার্থীর assessment করতে হচ্ছে? Teaching Assistant আছে কি? Laboratory, technology ও research support কেমন? Professional development-এর সুযোগ রয়েছে কি? Teacher Accountability এবং Institutional Accountability—দুটিকে একই আয়নায় না দেখলে evaluation অসম্পূর্ণ থেকে যাবে।

এর সঙ্গে অবিচ্ছেদ্যভাবে যুক্ত governance-এর প্রশ্ন। Respondent সত্যিই সংশ্লিষ্ট course-এর শিক্ষার্থী কি না, সেটি কীভাবে verify হবে? System তাঁর identity জানলেও teacher কি তা জানতে পারবেন? শিক্ষক result কখন দেখবেন? Raw comments কারা পড়বেন? Data-এর custodian কে হবেন? Department, Dean, Quality Assurance unit এবং promotion committee—কার access কতটুকু থাকবে? কতদিন data সংরক্ষিত হবে? কোনো error, malicious response, defamatory comment বা contested interpretation হলে correction, review ও appeal-এর ব্যবস্থা কী হবে?

এখানে transparency-র অর্থও পরিষ্কার হওয়া প্রয়োজন। Transparency মানে necessarily সব raw data সবার জন্য উন্মুক্ত করে দেওয়া নয়। বরং কোন data কেন সংগ্রহ করা হচ্ছে, কীভাবে analyse করা হচ্ছে, minimum response threshold কী, কার access থাকবে, কী public হবে, কোন সিদ্ধান্তে data ব্যবহার করা যাবে এবং affected teacher কীভাবে response বা review চাইতে পারবেন—এসব rule আগে থেকেই পরিষ্কার ও publicly intelligible হওয়াই meaningful transparency।

আরও বড় প্রশ্ন—একজন শিক্ষার্থীর মূল্যবান classroom experience কি একজন শিক্ষকের research, scholarship, academic service, curriculum expertise, supervision এবং overall professional competence-এর সমার্থক? যদি না হয়, তাহলে বিশেষ করে high-stakes evaluation-এ student feedback-এর পাশাপাশি multiple evidence প্রয়োজন। Student feedback একটি গুরুত্বপূর্ণ window; কিন্তু পুরো academic building নয়। Peer review of teaching, teaching portfolio, course and assessment design, curriculum contribution, longitudinal evidence, professional development এবং relevant academic judgement—purpose অনুযায়ী অন্য evidence-ও প্রয়োজন হতে পারে। Stakes যত বড় হবে, evidence-এর diversity ও quality তত শক্তিশালী হওয়া উচিত।

এই কারণেই বাংলাদেশের সামনে প্রশ্নটি আর শুধু “teacher evaluation হবে কি হবে না?”—এত সরল নয়। প্রশ্ন হলো: কী ধরনের teacher evaluation হবে? উদ্দেশ্য কী? কে design করবে? কে administer করবে? কারা feedback দিতে পারবেন? কী construct মাপা হবে? কত response meaningful? কোন statistical model ব্যবহার হবে? Context কীভাবে interpret করা হবে? Data কে দেখবেন? Public কী জানবে? Student anonymity এবং teacher privacy কীভাবে রক্ষা করা হবে? Promotion-এর মতো high-stakes decision-এ student feedback কতটা weight পাবে? Teacher-এর response, correction, review ও appeal-এর অধিকার কী হবে?

এবং সব প্রশ্নের শেষে সবচেয়ে গুরুত্বপূর্ণ প্রশ্নটি হলো—feedback-এর পরে কী হবে?

একটি বিশ্ববিদ্যালয় হাজার হাজার rating সংগ্রহ করতে পারে, sophisticated dashboard বানাতে পারে, decimal score প্রকাশ করতে পারে এবং ranking-ও তৈরি করতে পারে। কিন্তু পরবর্তী semester-এ classroom যদি একই থাকে, শিক্ষক actionable feedback না পান, ভালো teaching শনাক্ত ও স্বীকৃত না হয়, দুর্বলতার জায়গায় professional support না দেওয়া হয় এবং institutional barriers দূর না হয়—তাহলে evaluation-এর educational purpose কতটা পূরণ হলো?

একটি কার্যকর evaluation system-এর পূর্ণ cycle তাই হওয়া উচিত:

Evidence → Feedback → Interpretation → Reflection → Support → Action → Improvement → Re-evaluation।

এই cycle-এর শেষ পরীক্ষা average rating নয়; পরিবর্তন। শিক্ষার্থীর learning experience কি ভালো হলো? Teaching কি উন্নত হলো? শিক্ষক কি প্রয়োজনীয় support পেলেন? Institution কি নিজের structural weakness শনাক্ত করল? পরবর্তী semester-এ measurable improvement দেখা গেল? যদি উত্তর “হ্যাঁ” হয়, evaluation তার educational purpose পূরণ করছে। কারণ বিশ্ববিদ্যালয়ে teacher evaluation-এর চূড়ান্ত লক্ষ্য শিক্ষকের জন্য একটি score তৈরি করা নয়; শিক্ষার্থীর জন্য আরও ভালো learning তৈরি করা।

এই জায়গাতেই অধিকারপত্র বিশ্ববিদ্যালয় শিক্ষা সংস্কার ধারাবাহিক-এর পাঁচ পর্বের বিশেষ আয়োজনের intellectual position স্পষ্ট হয়। এটি teacher evaluation-এর পক্ষে বা বিপক্ষে কোনো slogan নয়। এটি ইতিহাস, আন্তর্জাতিক অভিজ্ঞতা, educational measurement, psychometrics, statistics, ethics, privacy, academic freedom, governance এবং due process-এর আলোকে একটি অনুসন্ধান। Harvard থেকে Stanford, UCL থেকে UNSW, KU Leuven থেকে এশিয়া এবং বাংলাদেশ—আমরা দেখব বিশ্ববিদ্যালয়গুলো কী করছে, কেন তাদের model এক নয় এবং সেই বৈচিত্র্যের মধ্যেও কোন principles বারবার ফিরে আসে।

আমরা জানতে চাইব—একটি questionnaire কীভাবে scientifically defensible measurement instrument হয়ে ওঠে; কত response-এর নিচে score misleading হতে পারে; bias ও contextual effects কীভাবে বুঝতে হয়; public disclosure-এর যৌক্তিক সীমা কোথায়; promotion-এর মতো high-stakes decision-এ student feedback কতটা weight পাওয়া উচিত; এবং কীভাবে Student Voice-কে এমন evidence-এ রূপান্তর করা যায় যা একই সঙ্গে credible, fair এবং useful।

এই পাঁচটি লেখা তাই শুধু “শিক্ষক কত নম্বর পেলেন?”—তার উত্তর খুঁজবে না। বরং প্রশ্ন করবে—শিক্ষার্থী কতটা ভালো শেখার সুযোগ পেলেন? শিক্ষক কোথায় উন্নতি করতে পারেন? বিশ্ববিদ্যালয় কোথায় নিজের দায়িত্ব পালনে ঘাটতি রাখছে? এবং feedback থেকে বাস্তবে কী পরিবর্তন ঘটল?

বিশ্ববিদ্যালয় কোনো restaurant নয়। Professor কোনো delivery product নন। Student-ও শুধু customer নন। বিশ্ববিদ্যালয় একটি learning community। এখানে শিক্ষক শেখান এবং শেখেন; শিক্ষার্থী শেখেন এবং কথা বলেন; প্রতিষ্ঠান শোনে, evidence যাচাই করে, প্রয়োজনীয় পরিবর্তন আনে এবং নিজের ব্যবস্থাকেও প্রশ্ন করে। তাই আধুনিক teacher-evaluation system-এর সবচেয়ে গুরুত্বপূর্ণ প্রশ্ন শুধু “শিক্ষক কত পেলেন?” নয়। বরং—

• আমরা কী মেপেছি?
• কীভাবে মেপেছি?
• কার কাছ থেকে মেপেছি?
• কোন context-এ মেপেছি?
• ফল কীভাবে ব্যবহার করছি? এবং
• যে ব্যবস্থাটি অন্যকে মূল্যায়ন করছে, সেই ব্যবস্থাটি নিজে কতটা valid, fair এবং accountable?

এই ধারাবাহিকের common intellectual position তাই একটি বাক্যে ধরা যায়—Student feedback as evidence—never an unexplained student score as verdict.

শিক্ষার্থীর কণ্ঠ থাকবে। শিক্ষকের accountability থাকবে। বিশ্ববিদ্যালয়ের transparency থাকবে। একই সঙ্গে থাকবে valid measurement, sufficient evidence, contextual interpretation, confidentiality, data protection, statistical responsibility, academic freedom, teacher response, appeal, due process এবং human academic judgement।কারণ যিনি মূল্যায়িত হচ্ছেন, তিনি যেমন প্রশ্নের ঊর্ধ্বে নন; তেমনি যে ব্যবস্থা তাঁকে মূল্যায়ন করছে, সেই ব্যবস্থাটিও প্রশ্নের ঊর্ধ্বে থাকতে পারে না।—আর সেখান থেকেই অধিকারপত্র-এর এই পাঁচ পর্বের অনুসন্ধানের সবচেয়ে গুরুত্বপূর্ণ প্রশ্ন—শিক্ষার্থী শিক্ষককে মূল্যায়ন করবেন—অবশ্যই। কিন্তু শিক্ষককে accountable করার আগে এবং পাশাপাশি, সেই evaluation system-কে valid, fair ও accountable রাখবে কে?

—এই প্রশ্নের উত্তর খুঁজতেই পাঁচ পর্বের এই যাত্রা। 

ইতিহাস → বিশ্ব-অভিজ্ঞতা → Measurement Science → Governance → Academic Accountability

—আর সেই যাত্রার প্রথম প্রশ্ন—একজন শিক্ষক ৫-এর মধ্যে ৪.৮ পেলেন। সংখ্যাটি আমরা জানলাম—কিন্তু সেই ৪.৮ আসলে কী মাপে? — আর সেখান থেকেই শুরু প্রথম পর্ব—“শিক্ষককে নম্বর দেবে শিক্ষার্থী—কিন্তু নম্বরটি কী মাপে?” [আগামীকাল পড়ুন]

লেখক: অধ্যাপক ড. মাহবুবুর রহমান লিটু, উপদেষ্টা, অধিকারপত্র (odhikarpatranews@gmail.com)

#শিক্ষক_মূল্যায়ন, #শিক্ষার্থী_মূল্যায়ন, #StudentEvaluation, #TeacherEvaluation, #StudentVoice, #TeachingQuality, #AcademicAccountability, #SET, #HigherEducation, #HigherEducationReform, #UniversityReform, #EducationalMeasurement, #Psychometrics, #Validity, #Reliability, #UniversityGovernance, #DataPrivacy, #AcademicFreedom, #DueProcess, #QualityAssurance, #BangladeshHigherEducation, #DhakaUniversity, #DUCSU, #ডাকসু, #ঢাকা_বিশ্ববিদ্যালয়, #উচ্চশিক্ষা, #শিক্ষাসংস্কার, #বিশ্ববিদ্যালয়_সংস্কার, #অধিকারপত্র, #OdhikarPatra