论文部分内容阅读
教学质量评估是高校监控、保障和提高教学服务与教学质量的重要手段,是教学管理者加强教学管理和决策教育发展的核心,是教师及时调整教学方式的参照。因此评教工作得到了高校、教学管理者和教师的普遍重视。但在目前的评教系统中普遍存在如下两个问题:学生敷衍应付评教或不适应新型教学模式等诸多因素大大削弱了评教结果的真实性;评教结束后,系统仅将学生评教的原始文本反馈给教师,未对文本进行质量评估后再行展示,降低了教师的查阅效率。针对上述问题,本文完成了以下三方面的工作:针对评教数据不够客观真实的问题,本文引入电商领域的评价可信度概念,提出了基于行为特征及关系网络的可信度算法。首先构建影响评论可信度的特征,借助多项式回归模型拟合并预测评论的诚实度,然后构建学生、评论内容和课程的关系网络,将依据特征生成的评论诚实度作为关系网的输入,利用学生、评论以及课程间的潜在联系,迭代计算学生的可信度、课程得分的可靠性和评论的诚实度。实验结果表明,该算法的平均绝对误差、均方误差和平均绝对百分比误差均低于经典回归模型和关系模型。针对评论文本质量良莠不齐的问题,本文提出了基于BERT语义度量的文本排序算法,按照评论质量进行排序,凸显更有价值的评论。算法模型包括两个阶段:在第一个阶段中,根据上下文偏置和句法关系提取出评教领域的属性词和观点词,将其作为核心词并加以组合,随机生成带有目标语义和结构上下文噪声的句子,从而泛化出一些观点性强、信息密度高的目标评论;在第二个阶段中,对Sentence-BERT进行微调后,计算待召回评论与目标评论的语义相似度,得到待召回评论的质量评估分值,最后将待召回评论按照分值降序排列,得到前Top-K条评论。本文提出的算法在折损累计增益、平均准确率和用户满意度上均优于传统模型。将上述算法的结果可视化,从而构建出全新的智能评教系统。系统基于B/S的开发模式,采用前后端分离的开发方式,选取Vue作为前端开发框架、Flask作为后端开发框架、My SQL作为数据库。开发完成后,对系统进行了功能测试和非功能性测试,测试结果符合预期。两个月的试运行表明系统功能完备且用户体验良好。综上,本文针对评教数据真实性不足和评论文本质量参差不齐等问题,创新性地研发了一个较为完整的教学评价系统,该系统生成的评教结果更加客观公正,同时提高了教师和教学管理者查阅评论的效率。该系统能更好地为教学评价提供智能计算支撑。