基于机器学习的教学评价体系研究

摘要：教学评价作为教师教学工作成果的书面式衡量标准，可以促使教师严谨教学、努力工作。然而，我国现有的教学评价体系缺乏健全的标准与方式。一方面科研项目、经费、论文等都成为衡量一个教师业绩的标准，这种情况助长了急功近利的风气；另一方面，目前的教学评价系统的依据指标是学生的成绩或者专家、课题组的主观判断，这些评价方法仅能从片面的角度反应一些教学质量的高低，不能全面、系统、科学地对教师的工作做出分析判断。而一个良好的教学评估系统不仅可以帮助教师分清当前课程教学工作的不足之处，更能激励教师进一步地努力，更加鼓足干劲地投入到教学任务中。本文针对目前对教师各项工作指标成绩的区分的不科学评价方法，希望从机器学习中找到一种合理的、可以根据不同指标、不同影响因素所占有比例的大小来评价教师的教学工作。通过实验可以发现，利用梯度下降方法，我们可以得到这种科学的模型，为教学评估做出积极的贡献。

关键词：教学评价方法；机器学习；适应性评价；评价改革

中图分类号：G642.41 文献标志码：A 文章编号：1674-9324（2016）15-0173-02

一、改善教学评价体系的原因

教学评价就是根据教学目的和教学原则，利用所有可行的评价方法及技术对教学过程及预期的一切效果给予价值上的判断，以提供信息改进教学和对被评价对象做出某种资格的证明。纵观目前的学校教育，虽然“素质教育”和“能力教育”逐渐受到人们的关注，但是就实际的教育状况而言，仍然是以知识和智能教育为核心、为主体、为主要的内容；人们仍然是以学生的学业成绩为衡量和评价学生甚至是衡量和评价学校的主要标尺。教学质量的评估是一个相对很主观的过程，但是它有对于教师的教学工作又有着很深刻的指导意义。在各大高校，人们对教学质量的重视，要求我们对教学工作做到科学的评估，这样才能积极地激发教师的工作积极性。相对于以往专家小组利用简单的统计学方法来计算教师的方法，在内容方面，它不能全面覆盖各种可能的影响教师教学质量的因素；在合理性上，它采用简单的统计学方法，没有认清各种影响因素所占有的比例是不同的；在简洁性上，它没有得到一个计算模型，不能在各个学科之间进行通用。

二、教学评价体系的意义

1.指引教学方向。我们进行教学评价活动时，首先要明确的就是教学评价指标，一旦有了明确的指标，教师在日常教学过程中就有了对比参照的依据，可见教学评价具有导向功能。在这次机器学习课程中我们可以知道机器学习不同于以往课程的学习，它的目的是使学生学习如何使机器通过识别和利用现有知识来获取。作为人工智能的一个重要的研究领域，机器学习的研究工作主要围绕学习机理、学习方法、面向任务这三个基本方面的研究。

2.诊断教学质量。教学评价是对教师教学全过程的评价。如同体检，是对教学过程进行一次常规、科学的诊断，从而为教师指明教学改进的目标。

3.激励教学动力。科学的、合理的教学评价可以调动教师教学工作的积极性。不管评价的结果是高还是低，对教师的教学水平的提高都有促进作用，可以激励教师提高自己。

4.促进师生关系。教学评价可以增强教师与学生、教师与教师等之间的关系。在这次的机器学习教学中，合理的教学评价体系需要学生、教师、同行专家等多方面的参与，促进了师生之间的交流，教师之间的交流，使得教师能够更加了解本此课程需要讲授的重点，体现出了教学评价体系在培养人才方面的突出贡献。

三、机器学习理论

机器学习就是要使计算机能模拟人的学习行为，自动地通过学习获取知识和技能，不断改善性能，这是一门涉及概率论、统计学、凸分析等多门学科的新兴学科，它主要使用归纳、综合等方法，实现自我完善。机器学习研究的就是如何使机器通过识别和利用现有知识来获取新知识和新技能。作为人工智能的一个重要的研究领域，机器学习的研究工作主要围绕学习机理、学习方法、面向任务这三个基本方面的研究。目前的机器学习分为监督学习和半监督学习。

监督学习主要应用与分类与预测。

监督学习从给定的训练数据集中学习出一个函数h，当新的数据x∈X到来时，可以根据这个函数h预测结果为最佳的期望值或者最优分类。在这里性能被定义为对于分类错误的概率，所谓性能好也即被样本被错误分类的低。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。

1.机器学习在教学评价中的可行性。就目前高校对于教学质量的评价而言，主要是以专家小组为核心的教学质量评价机制，通过专家对量化指标的评分，综合评价某种教学过程的教学质量。而我们认为，与教学质量相关的第一手数据来源于学生和身处教学第一线的教师，如果能对这些数据进行分析和特征的提取，能够更好的反映教学质量的本质，也能够对影响教学质量的原因或固有模式进行更好的提取，最终达到有效的保障教学质量的目的。关于在教学评价体系中引入机器学习这一分析方法，将为解决上述为题带来简便，准确的算法。机器学习通过以为的数据，科学有效地得出一个符合评价本课程评质量的科学方法。而余等曾在教学评价的量化评价过程中引入了最小乘，这种统计学的方法实现了量化的评估教学质量。朱在学位论文中对高等学校的教学质量进行了深入的分析，并提出使用模糊数学的方法对教学质量评估体系建模，同时给出了初步的自动评价方法。各个领域的应用已经展示了用机器学习来量化的评估教学质量将是更加科学有效的方法之一。机器学习在近几年又有了新的突破。很多学者对机器学习本身进行研究，半监督学习以及与其他数学工具的结合上都有了令人可喜的成果。机器学习的飞速发展将为它在教学评价体系中的应用带来新的、更加广泛的应用。

2.机器学习在教学评价中的应用。经过这次的研究可以发现，机器学习的教学评价方法可以推广到其他学科的教学评价体系中。在这个体系中，学生、教师作为评价的主体，相关专家、学者，工作人员，教研人员为辅助。明确评价的目的和目标，评价的内容不单单依靠学生的成绩，注重分清总结性评价和形成性评价。在本次实验中使用监督学习，利用梯度下降来处理得到两个班级的64人的成绩、表现等数据，得到一个我们期望的评价模型。其中表示学生的考试成绩、出勤、实验成绩；x表示教师在考核中得到的分数，这个分数包括教研人员给教师的评分和学生对教师的评分。这两组数据一组是量化的准确的数据，其组成是有学生的考试成绩、出勤率占有成绩、实验表现所得成绩，这组数据是通常情况下人们用来去平均值来衡量教学质量的方法。另一组是课题组和学生对教师的评估，这组数据的出现是在上组数据的基础上发展而来。然而这两种数据单纯地取平均值的评价方法失去差异性、科学性与准确性。

四、总结

实验证明，在某些课程中，普通的评价方法有大半课程评价有误，而运用这种分析方法得出的结果，超过70%的结果与专家看法相一致。其主要是因为考试成绩并不能说明一切，而教研组、学生对教师的评分也不能起到完全的作用，对这两者取平均值更是错误的做法。这两种并不是占据相同的影响系数。

所以运用梯度下降的分析方法进行主观和客观数据分析，还考虑到了其他影响因素的存在，通过循环计算，累积结果我们得到了更加科学的分析模型。这个分析模型也仅是进行自动评价，来进行预警，对一些出现教学质量问题的概率比较大的课程进行自动的监控，但本质上不能替代教学督导的作用。

本系统进行了一种尝试，教学质量是一个相对主观的概念，使用一些客观和主观的指标去判断教学质量。在教学过程中我们发现，有一些基本框架性因素可以决定教学质量，因此对此进行建模也是有可能成功的。

参考文献：

[1]夏天阳.各国高等教育评估[M].上海科学技术文献出版社，1997.

[2]许传海，宋涛，张素.对教师教学质量评价的思考[J].中国高教研究，2003，（02）.

[3]杜祥培.课堂教学质量评价的探讨[J].中国大学教学，2004，（01）.

[4]张纲.教学质量评估的机器学习分析方法[J].万方数据库.

[5]王珏，周志华，周傲英.机器学习机器应用[M].清华大学出版社，2006.

[6]朱泓.高等学校教学质量评估体系的研究（博士学位论文）[J].大连理工大学学报，2004.