[發(fā)明專利]一種高校教學(xué)質(zhì)量評(píng)價(jià)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201611234631.5
• 申請(qǐng)日: 2016-12-28
• 公開(kāi)（公告）號(hào): CN106875305A
• 公開(kāi)（公告）日: 2017-06-20
• 發(fā)明（設(shè)計(jì)）人: 張鋼
• 申請(qǐng)（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號(hào): G06Q50/20
• 分類號(hào): G06Q50/20
• 代理公司: 廣東廣信君達(dá)律師事務(wù)所44329
• 代理人: 楊曉松

1.一種基于深度學(xué)習(xí)的高校教學(xué)質(zhì)量評(píng)價(jià)方法，其特征在于，所述方法包括以下步驟，

(1)教學(xué)評(píng)價(jià)數(shù)據(jù)的預(yù)處理；

(2)深度學(xué)習(xí)模型的設(shè)計(jì)；

(3)模型訓(xùn)練；

(4)教學(xué)質(zhì)量評(píng)價(jià)結(jié)果的計(jì)算。

2.如權(quán)利要求1所述的方法，其特征在于，所述教學(xué)評(píng)價(jià)數(shù)據(jù)的預(yù)處理步驟具體包括：

獲取教學(xué)評(píng)價(jià)數(shù)據(jù)，所述教學(xué)評(píng)價(jià)數(shù)據(jù)包括學(xué)生成績(jī)數(shù)據(jù)、學(xué)生評(píng)教數(shù)據(jù)和教學(xué)督導(dǎo)評(píng)價(jià)數(shù)據(jù)，對(duì)于所述三種類型的數(shù)據(jù)的預(yù)處理方式如下：

A.學(xué)生成績(jī)數(shù)據(jù)

每個(gè)科目每位學(xué)生一條記錄，本發(fā)明中處理的數(shù)據(jù)為“期末考試成績(jī)”和“平時(shí)成績(jī)”，對(duì)這兩個(gè)成績(jī)進(jìn)行標(biāo)準(zhǔn)化，使其轉(zhuǎn)化為[0,1]區(qū)間里的值；標(biāo)準(zhǔn)化方法為：

-對(duì)于分?jǐn)?shù)類型的成績(jī)采用直接除以滿分的方法；

-對(duì)于等級(jí)型成績(jī)，按最好的等級(jí)為1分，最低的等級(jí)為0分，其余各等級(jí)在0和1分之間均勻分布的方法處理；

B.學(xué)生評(píng)教數(shù)據(jù)

學(xué)生評(píng)教數(shù)據(jù)為問(wèn)卷類型，對(duì)問(wèn)卷數(shù)據(jù)的處理方式為啞變量化；

C.教學(xué)督導(dǎo)評(píng)價(jià)數(shù)據(jù)

教學(xué)督導(dǎo)評(píng)價(jià)是對(duì)課堂教學(xué)情況的評(píng)價(jià)，采用等級(jí)型的形式采用百分制形式；

-對(duì)于分?jǐn)?shù)類型的評(píng)價(jià)，采用直接除以滿分的方法；

-對(duì)于等級(jí)型評(píng)價(jià)，按最好的等級(jí)為1分，最低的等級(jí)為0分，其余各等級(jí)在0和1分之間均勻分布。

3.如權(quán)利要求2所述的方法，其特征在于，所述深度學(xué)習(xí)模型的設(shè)計(jì)步驟具體包括：

A.成績(jī)-評(píng)教模型的設(shè)計(jì)

成績(jī)-評(píng)教模型接受經(jīng)過(guò)步驟(1)預(yù)處理的學(xué)生學(xué)生成績(jī)數(shù)據(jù)和學(xué)生評(píng)教數(shù)據(jù)作為輸入層的輸入向量；所述模型的輸出是一個(gè)長(zhǎng)度為p且其值在[0,1]之間的實(shí)值向量，在每得到一個(gè)輸出后，設(shè)置其中最大的分量為1，其余位為0，某一位為1代表模型輸出該學(xué)生為該位所代表的等次，在每個(gè)輸出向量中，有且只有一位為1，其余位均為0；若在某個(gè)輸出中存在并列的最大分量，則隨機(jī)選擇一個(gè)為1，其余均設(shè)置為0；

所述模型采用深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，由多個(gè)塊組成，其中除最后一個(gè)塊外，每個(gè)塊均包括一個(gè)全連接層、激活層和屏蔽層，最后一個(gè)塊由全連接層和激活層組成：

-全連接層

使用結(jié)點(diǎn)個(gè)數(shù)為原始輸入層向量長(zhǎng)度3倍的全連接層，在全連接層的每個(gè)結(jié)點(diǎn)處執(zhí)行加權(quán)求和的操作；

-激活層

在每一個(gè)全連接層后面跟一個(gè)激活層，激活層的結(jié)點(diǎn)個(gè)數(shù)與全連接層的結(jié)點(diǎn)個(gè)數(shù)相同，每個(gè)激活層的結(jié)點(diǎn)對(duì)應(yīng)上一個(gè)全連接層的結(jié)點(diǎn)，對(duì)由全連接層結(jié)點(diǎn)的輸出值進(jìn)行sigmoid函數(shù)的計(jì)算，即：其中x是上一個(gè)全連接層對(duì)應(yīng)結(jié)點(diǎn)的輸出，y是激活層相應(yīng)結(jié)點(diǎn)的輸出；

-屏蔽層

在每一個(gè)激活層后面跟一個(gè)屏蔽層，屏蔽層隨機(jī)屏蔽上一個(gè)激活層的g％的結(jié)點(diǎn)，被屏蔽的結(jié)點(diǎn)不再參與下一個(gè)全連接層的計(jì)算，在模型開(kāi)始訓(xùn)練之前就通過(guò)隨機(jī)選擇的方式確定每一個(gè)屏蔽層需要被屏蔽的結(jié)點(diǎn)，

B.教學(xué)質(zhì)量評(píng)價(jià)模型的設(shè)計(jì)

教學(xué)質(zhì)量評(píng)價(jià)模型的輸入包括兩部分，其一是經(jīng)過(guò)標(biāo)準(zhǔn)化后的教學(xué)督導(dǎo)評(píng)價(jià)數(shù)據(jù)，其二是對(duì)每個(gè)教學(xué)班每門課程的成績(jī)-評(píng)教模型的最后一個(gè)塊的激活層輸出特征統(tǒng)計(jì)，它是一個(gè)q維向量，它是這樣得到的：把該班每一個(gè)學(xué)生的期末考試成績(jī)和該學(xué)生對(duì)該課程的評(píng)教信息輸入成績(jī)-評(píng)教模型之后，獲取該模型的最后一個(gè)塊的激活層輸出特征向量，把由每個(gè)學(xué)生得到這個(gè)向量的每個(gè)分量相加，然后再把每一個(gè)分量除以該教學(xué)班的學(xué)生人數(shù)；

教學(xué)質(zhì)量評(píng)價(jià)模型的輸出為一個(gè)0-1之間的數(shù)值，代表教學(xué)質(zhì)量的評(píng)分；

教學(xué)質(zhì)量評(píng)價(jià)模型采用深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，由全連接層、激活層和屏蔽層構(gòu)成，這三種類型的層與成績(jī)-評(píng)教模型中相同。

4.如權(quán)利要求3所述的方法，其特征在于，所述模型訓(xùn)練步驟具體包括：

采用深度神經(jīng)網(wǎng)絡(luò)標(biāo)準(zhǔn)的誤差反向傳播學(xué)習(xí)算法對(duì)教學(xué)質(zhì)量評(píng)價(jià)模型和成績(jī)-評(píng)教模型的權(quán)值進(jìn)行調(diào)整，調(diào)整根據(jù)模型的輸出與真實(shí)的目標(biāo)值之間的差異進(jìn)行：

對(duì)于成績(jī)-評(píng)教模型的誤差計(jì)算，根據(jù)輸出的0-1向量與通過(guò)歷史數(shù)據(jù)計(jì)算的學(xué)生等次向量的差異進(jìn)行，若兩個(gè)向量在某一位上相同，則該位的誤差為0，反之為1；

對(duì)于教學(xué)質(zhì)量評(píng)價(jià)模型的誤差計(jì)算，按模型輸出的教學(xué)質(zhì)量評(píng)分與由教學(xué)管理人員給出的教學(xué)質(zhì)量評(píng)分之間的差異進(jìn)行；

模型的權(quán)值采用[0,1]之間的隨機(jī)數(shù)進(jìn)行初始化，進(jìn)行多輪訓(xùn)練，所有訓(xùn)練樣本輸入到模型中并且完成權(quán)值調(diào)整為一輪，直到模型的輸出誤差不再下降為止。

5.如權(quán)利要求4所述的方法，其特征在于，所述教學(xué)質(zhì)量評(píng)價(jià)步驟具體包括：

A.根據(jù)步驟(1)獲取并預(yù)處理學(xué)生成績(jī)數(shù)據(jù)、學(xué)生評(píng)教數(shù)據(jù)、教學(xué)督導(dǎo)評(píng)價(jià)數(shù)據(jù)；

B.對(duì)教學(xué)班的每位學(xué)生，根據(jù)步驟(2).計(jì)算由成績(jī)-評(píng)教模型得到的q維特征向量；

C.把得到的q維特征向量與標(biāo)準(zhǔn)化后的教學(xué)督導(dǎo)評(píng)價(jià)數(shù)據(jù)進(jìn)行連接，輸入到教學(xué)質(zhì)量評(píng)價(jià)模型，模型的輸出為一個(gè)[0,1]之間的分?jǐn)?shù)，該分?jǐn)?shù)反映該教學(xué)班在該門課程上的教學(xué)質(zhì)量。