[發明專利]一種高校教學質量評價方法

在審

• 申請號: 201611234631.5
• 申請日: 2016-12-28
• 公開（公告）號: CN106875305A
• 公開（公告）日: 2017-06-20
• 發明（設計）人: 張鋼
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q50/20
• 分類號: G06Q50/20
• 代理公司: 廣東廣信君達律師事務所44329
• 代理人: 楊曉松

1.一種基于深度學習的高校教學質量評價方法，其特征在于，所述方法包括以下步驟，

(1)教學評價數據的預處理；

(2)深度學習模型的設計；

(3)模型訓練；

(4)教學質量評價結果的計算。

2.如權利要求1所述的方法，其特征在于，所述教學評價數據的預處理步驟具體包括：

獲取教學評價數據，所述教學評價數據包括學生成績數據、學生評教數據和教學督導評價數據，對于所述三種類型的數據的預處理方式如下：

A.學生成績數據

每個科目每位學生一條記錄，本發明中處理的數據為“期末考試成績”和“平時成績”，對這兩個成績進行標準化，使其轉化為[0,1]區間里的值；標準化方法為：

-對于分數類型的成績采用直接除以滿分的方法；

-對于等級型成績，按最好的等級為1分，最低的等級為0分，其余各等級在0和1分之間均勻分布的方法處理；

B.學生評教數據

學生評教數據為問卷類型，對問卷數據的處理方式為啞變量化；

C.教學督導評價數據

教學督導評價是對課堂教學情況的評價，采用等級型的形式采用百分制形式；

-對于分數類型的評價，采用直接除以滿分的方法；

-對于等級型評價，按最好的等級為1分，最低的等級為0分，其余各等級在0和1分之間均勻分布。

3.如權利要求2所述的方法，其特征在于，所述深度學習模型的設計步驟具體包括：

A.成績-評教模型的設計

成績-評教模型接受經過步驟(1)預處理的學生學生成績數據和學生評教數據作為輸入層的輸入向量；所述模型的輸出是一個長度為p且其值在[0,1]之間的實值向量，在每得到一個輸出后，設置其中最大的分量為1，其余位為0，某一位為1代表模型輸出該學生為該位所代表的等次，在每個輸出向量中，有且只有一位為1，其余位均為0；若在某個輸出中存在并列的最大分量，則隨機選擇一個為1，其余均設置為0；

所述模型采用深度神經網絡的結構，由多個塊組成，其中除最后一個塊外，每個塊均包括一個全連接層、激活層和屏蔽層，最后一個塊由全連接層和激活層組成：

-全連接層

使用結點個數為原始輸入層向量長度3倍的全連接層，在全連接層的每個結點處執行加權求和的操作；

-激活層

在每一個全連接層后面跟一個激活層，激活層的結點個數與全連接層的結點個數相同，每個激活層的結點對應上一個全連接層的結點，對由全連接層結點的輸出值進行sigmoid函數的計算，即：其中x是上一個全連接層對應結點的輸出，y是激活層相應結點的輸出；

-屏蔽層

在每一個激活層后面跟一個屏蔽層，屏蔽層隨機屏蔽上一個激活層的g％的結點，被屏蔽的結點不再參與下一個全連接層的計算，在模型開始訓練之前就通過隨機選擇的方式確定每一個屏蔽層需要被屏蔽的結點，

B.教學質量評價模型的設計

教學質量評價模型的輸入包括兩部分，其一是經過標準化后的教學督導評價數據，其二是對每個教學班每門課程的成績-評教模型的最后一個塊的激活層輸出特征統計，它是一個q維向量，它是這樣得到的：把該班每一個學生的期末考試成績和該學生對該課程的評教信息輸入成績-評教模型之后，獲取該模型的最后一個塊的激活層輸出特征向量，把由每個學生得到這個向量的每個分量相加，然后再把每一個分量除以該教學班的學生人數；

教學質量評價模型的輸出為一個0-1之間的數值，代表教學質量的評分；

教學質量評價模型采用深度神經網絡的結構，由全連接層、激活層和屏蔽層構成，這三種類型的層與成績-評教模型中相同。

4.如權利要求3所述的方法，其特征在于，所述模型訓練步驟具體包括：

采用深度神經網絡標準的誤差反向傳播學習算法對教學質量評價模型和成績-評教模型的權值進行調整，調整根據模型的輸出與真實的目標值之間的差異進行：

對于成績-評教模型的誤差計算，根據輸出的0-1向量與通過歷史數據計算的學生等次向量的差異進行，若兩個向量在某一位上相同，則該位的誤差為0，反之為1；

對于教學質量評價模型的誤差計算，按模型輸出的教學質量評分與由教學管理人員給出的教學質量評分之間的差異進行；

模型的權值采用[0,1]之間的隨機數進行初始化，進行多輪訓練，所有訓練樣本輸入到模型中并且完成權值調整為一輪，直到模型的輸出誤差不再下降為止。

5.如權利要求4所述的方法，其特征在于，所述教學質量評價步驟具體包括：

A.根據步驟(1)獲取并預處理學生成績數據、學生評教數據、教學督導評價數據；

B.對教學班的每位學生，根據步驟(2).計算由成績-評教模型得到的q維特征向量；

C.把得到的q維特征向量與標準化后的教學督導評價數據進行連接，輸入到教學質量評價模型，模型的輸出為一個[0,1]之間的分數，該分數反映該教學班在該門課程上的教學質量。