[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（公告）號(hào): CN106875305A
• 公開（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

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器學(xué)習(xí)方法的研究與應(yīng)用，具體為一種高校教學(xué)質(zhì)量評(píng)價(jià)方法。

背景技術(shù)

教學(xué)質(zhì)量的好壞對(duì)于高等院校來說是一個(gè)重要的指標(biāo)，它反映了高等院校教學(xué)環(huán)節(jié)的有效性，對(duì)課程進(jìn)行教學(xué)質(zhì)量的有效評(píng)價(jià)，能夠?yàn)楦叩仍盒Ｔ诮虒W(xué)活動(dòng)、人才培養(yǎng)、師資隊(duì)伍建設(shè)等方面的決策提供有力支持。高等院校對(duì)課程的教學(xué)質(zhì)量評(píng)價(jià)由一些獨(dú)立的指標(biāo)構(gòu)成，例如學(xué)生的上課表現(xiàn)、考試成績(jī)、對(duì)課程教學(xué)的評(píng)價(jià)、教學(xué)督導(dǎo)的評(píng)價(jià)等，但是這些指標(biāo)有主觀指標(biāo)，也有客觀指標(biāo)，會(huì)混雜一些人為因素于其中，僅從這些指標(biāo)加權(quán)組合得到的指標(biāo)并不能準(zhǔn)確反映真實(shí)的教學(xué)質(zhì)量；而且把某些定量指標(biāo)納入到明確的教學(xué)質(zhì)量計(jì)算公式中，往往會(huì)在相當(dāng)程度上左右著教師和學(xué)生努力的方向，教與學(xué)的方式方法，對(duì)教學(xué)工作起著顯著的導(dǎo)向作用，會(huì)使教學(xué)活動(dòng)的根本目標(biāo)發(fā)生偏離。目前研究人員采用機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)的方法從教學(xué)過程的原始數(shù)據(jù)出發(fā)，對(duì)課程的教學(xué)質(zhì)量進(jìn)行評(píng)價(jià)。文獻(xiàn)“胡帥,顧艷,曲巍巍等.基于PCA-LVQ神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評(píng)價(jià)模型研究[J].河南科學(xué),2015,(7):1247-1252.”提出一種基于主成分分析(PCA)和學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò)(LVQ)相結(jié)合的教學(xué)質(zhì)量評(píng)價(jià)模型。使用層次分析法(AHP)建立教學(xué)質(zhì)量評(píng)價(jià)體系，再用主成分分析提取初始評(píng)價(jià)指標(biāo)體系的特征信息，將經(jīng)過降維處理后的特征信息輸入到LVQ神經(jīng)網(wǎng)絡(luò)。該方法把層次分析法與矢量量化神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)合，提取了教學(xué)質(zhì)量評(píng)價(jià)體系中的規(guī)律，并用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模。該方法的問題在于需要對(duì)現(xiàn)有指標(biāo)體系的各個(gè)指標(biāo)進(jìn)行主成分分析，而不能完全做到由原始數(shù)據(jù)直接得到教學(xué)質(zhì)量的好壞程度，并且受到神經(jīng)網(wǎng)絡(luò)訓(xùn)練代價(jià)大的影響，難以提取出教學(xué)質(zhì)量評(píng)價(jià)中的核心因素，且在樣本數(shù)量較小的情況下過度擬合的情況比較嚴(yán)重，很難得到一個(gè)能夠反映普遍規(guī)律的模型。

現(xiàn)有方法的不足之處是：

(1).大多數(shù)方法是基于固定的公式，通過對(duì)教學(xué)過程中的指標(biāo)進(jìn)行加權(quán)得到教學(xué)質(zhì)量的定量評(píng)價(jià)，很多時(shí)候這并不能反映真實(shí)的教學(xué)質(zhì)量的水平，同時(shí)也為教學(xué)活動(dòng)帶來了負(fù)面的導(dǎo)向性作用；

(2).現(xiàn)有方法很少考慮到學(xué)生對(duì)于教學(xué)過程反饋的有效性，以及待評(píng)價(jià)課程歷史上的成績(jī)水平等因素，難以對(duì)教學(xué)質(zhì)量進(jìn)行有效而真實(shí)的評(píng)價(jià)。

基于此，本發(fā)明提出一種高校教學(xué)質(zhì)量評(píng)價(jià)方法，以解決當(dāng)前高校教學(xué)質(zhì)量評(píng)價(jià)方法的不足，采用深度學(xué)習(xí)技術(shù)建立評(píng)價(jià)模型，對(duì)教學(xué)過程中的學(xué)生成績(jī)、學(xué)生評(píng)教問卷、教學(xué)督導(dǎo)打分表、學(xué)生以往的表現(xiàn)、待評(píng)價(jià)課程以往的教學(xué)質(zhì)量水平、任課教師以往的教學(xué)質(zhì)量水平等因素的內(nèi)在關(guān)系進(jìn)行建模，挖掘出決定教學(xué)質(zhì)量的核心因素，為高等院校在教學(xué)活動(dòng)、人才培養(yǎng)、師資隊(duì)伍建設(shè)等方面的決策提供有力支持.

發(fā)明內(nèi)容

為了克服現(xiàn)有的高校教學(xué)質(zhì)量評(píng)價(jià)方法的不足之處，包括現(xiàn)有方法多是基于固定的公式，通過對(duì)教學(xué)過程中的指標(biāo)進(jìn)行加權(quán)得到教學(xué)質(zhì)量的定量評(píng)價(jià)，現(xiàn)有方法很少考慮到學(xué)生對(duì)于教學(xué)過程反饋的有效性，以及待評(píng)價(jià)課程歷史上的成績(jī)水平等因素，本發(fā)明專利提出了一種基于深度學(xué)習(xí)的高校教學(xué)質(zhì)量評(píng)價(jià)方法。本發(fā)明的特征包括教學(xué)評(píng)價(jià)數(shù)據(jù)的預(yù)處理、深度學(xué)習(xí)模型的設(shè)計(jì)、模型訓(xùn)練、教學(xué)質(zhì)量評(píng)價(jià)結(jié)果的計(jì)算，每個(gè)過程包含若干個(gè)步驟，其特征分別描述如下：

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

本發(fā)明針對(duì)的教學(xué)評(píng)價(jià)數(shù)據(jù)包括三種，分別為學(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)，三種類型的數(shù)據(jù)的預(yù)處理方式如下：

C.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)，如0-100分之間的成績(jī)，采用直接除以滿分的方法，例如滿分是100分，某學(xué)生的分?jǐn)?shù)為90分，則標(biāo)準(zhǔn)化后該學(xué)生的分?jǐn)?shù)為90/100＝0.9分；

-對(duì)于等級(jí)型成績(jī)，如A、B、C、D、E五等，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；

D.學(xué)生評(píng)教數(shù)據(jù)

學(xué)生評(píng)教數(shù)據(jù)為問卷類型，是在學(xué)生完成某門課程的學(xué)習(xí)后填寫的，包括從教學(xué)內(nèi)容、教材、任課教師等方面進(jìn)行評(píng)價(jià)。一般來說對(duì)于問卷的每一個(gè)問題或一組問題，會(huì)有相應(yīng)的權(quán)值，用于計(jì)算最后的評(píng)教得分。在本發(fā)明中使用學(xué)生評(píng)教問卷的原始數(shù)據(jù)，不考慮權(quán)值。問卷由一系列的選擇題構(gòu)成，在本發(fā)明中對(duì)問卷數(shù)據(jù)的處理方式為啞變量化，例如，對(duì)于某個(gè)選擇題，有4個(gè)選項(xiàng)，某個(gè)學(xué)生對(duì)該題的選擇為1和2，則啞變量化為1100。

不考慮問卷中的文字回答的題目。