论文部分内容阅读
摘 要：基于支持向量机的“互联网+”环境下高职英语教学效果评价研究是一个全新的研究课题。在这个课题的研究中研究者应该把核心问题的解决作为尝试的前提。因此，本文从多个视角对其所面临的核心问题进行了个案式的解析。主要包括：基于教学评价体系构建的核心问题、评价“互联网+”环境构建的核心问题、基于支持向量机理论运用的核心问题以及基于目前研究完善的核心问题。
关键词：支持向量机；互联网+；高职英语；教学评价；核心问题；个案例析
传统的高职英语教学效果的评价研究需要面对两个新的课题：一个是评价理论的更新，另一个是高职英语教学环境的改变。具体而言，支持向量机理论的参与与“互联网+”教学环境的形成是目前高职英语教学效果评价者必须思考的课题。
在针对某一项具体内容的研究实践里，所谓的“核心问题”是一个辩证的术语。随着研究视角的变换，研究历程的发展以及研究对象的更新，“核心问题”的具体内涵是不断变化的。不同的侧面对其进行客观的解析：
一、基于教学评价体系构建的核心问题
高职英语教学效果的评价是一个综合的系统化实践。它不仅涉及到对评价模式的构建，而且还涉及到评价内容与时俱进的更新。因此，高职英语教学评价的核心问题是理论的互补。高职英语教学评价理论的互补，结合本次的研究而言，所谓的理论互补就是现有的教学评价理论与支持向量机理论的互补，具体而言就是基于教学评价所需数据集的构建。这也就是说，在支持向量机参与下的高职英语教学效果评价研究中，传统的教学评价理论可以提供支持向量机分析所需要的数据；而这些教学效果评价数据的产生却需要研究者根据传统的评价理论去总结与收集。
（一）教学评价理论与支持向量机理论的互补
在教学评价理论与向量机理论的互补中，高职英语教学效果的评价需要研究者进行如下数据集的构建准备。从另一个层面讲，数据是运用支持向量机理论的前提，没有分析所需要的数据，支持向量机理论也就失去了参与教学评价的基础。
1）学的数据集。
高职英语教学数据的来源有两个方面，一个是学的数据，另一个是教的数据。众所周知，由于不同的学生具有不同的学识水平，因此，即使是同一个任课教师面对相同的教学内容，他的教学效果也会有所不同。因此，评价教学效果应该从学的数据收集开始。
2）教的数据集。
决定高职英语效果的主要因素有两个，一个是学生的学，另一个是任课教师的教，所以，在收集学的数据的同时，研究者还要注意收集教的数据。面对具有相同学识基础的学生，面对具有相同任务的教学内容，不同的任课教师有不同的教学策略与方法。因此，收集教的数据有利于分析不同教师的教学能力。
3）督导数据集。
教学评价通过对“学”与“教”相关数据的分析，既可以发现目前高职英语教学中存在的问题，又可以预测其未来的发展走向。因此，它还具有督导作用。
（二）支持向量机理论与其它理论的互补
支持向量机理论虽然是一种先进而又科学的统计理论，但其自身也难免存在一定的理论局限性。因此，在其参与教学评价的过程中也需要研究者通过理论互补的方式，弥补其自身的局限性。仿真结果表明，相对于其他评价方法，DS-SVM可以准确刻画课堂教学质量评价指标与评价结果间的非线性关系，提高了教学质量评价结果的可靠性，比较真实地反映了老师的教学水平。[1]这是一个研究性的结论，它在表明支持向量机理论在参与教学评价中具有自身优势的同时，它也在表明了另一个这样的事实，即为了客观地评价教学效果，支持向量机理论也需要其它理论的参与。或者更确切地说是在理论的互补中才能真实地评价教学效果。
二、评价“互联网+”环境影响的核心问题
高职英语教学评价虽然是以学生与任课教师的教学活动及其效果为评价对象，但任何一个学科的教学活动都不能脱离一定的教育教学环境。特别是在互联网+的背景下，更是如此。因此，探讨教学评价不能脱离对互联网+教学背景及其给予教学影响的分析。所以，面对支持向量机理论分析所需要的教学数据，研究者还应该构建如下的教学评价数据集：
（一）互联网参与学的数据集
互联网+教学背景对高职教学的影响首先表现在学生学习能力培养的层面上。高职学生的自主学习能力培养是高职英语教学的核心任务之一，而在高职英语教学的过程中，互联网
+教学背景的影响究竟是什么样的，其具体的影响又有什么样的表现，所有的这些都需要构建互联网参与学的数据集并对其进行统计学意义的分析才能得出客观的结果。
（二）互联网参与教的数据集
在目前的高职英语教学改革实践里，高职英语微课、高职英语慕课、高职英语精品课程等相关的教学资源都要依赖互联网参与高职英语的教学。因此，互联网+教学背景参与高职英语教的数据集的构建就显得尤为重要了。例如，小微课的出现意味着高职后慕课时代的到来。因此，小微课的改革颇受高职英语教师的关注。“小微课”教学的核心组成是教学视频，“小微课”视频被教师合理有效地运用于导入新课、课堂重点难点讲解、课后练习及职业场景模拟实践等教学步骤当中，给学生带来更加灵活自主的学习平台。[2]然而，小微课资源的构建却不能脱离互联网的参与，而评价小微课给予高职英语课堂教学的影响则又需要构建互联网参与教学的数据集。而后才能通过支持向量机理论的处理得到客观的答案。
三、基于支持向量机理论运用的核心问题
如何运用支持向量机理论，结合具体的评价数据集对高职英语教学进行评价是本次研究的核心。因此，支持向量机理论如何在教学评价中的运用就成为了本次说明的另一个核心问题。在这个核心问题中，一般需要关注以下两个层面的问题：
（一）算法的选择
支持向量机理论与其它统计学理论一样，它始终都处于一个不断发展的状态之中。因此，算法的选择是其更好地服务于教育评价的关键所在。例如，块算法（chunking algorithm）。它的特点在于：Chunking算法将矩阵规模从训练样本数的平方减少到具有非零Lagrange乘數的样本数的平方，在很大程度上降低了训练过程对存储容量的要求。而分解算法（decomposition algorithm）的优势则在于：分解算法将二次规划问题分解成一系列规模较小的二次规划问题，进行迭代求解。它的关键在于选择一种最优工作集选择算法，而在工作集的选取中采用了随机的方法，因此限制了算法的收敛速度。[3]虽然在此不能穷尽支持向量机所涉及到的所有算法，也不能对所有的算法特点进行总结与归纳，但上述的列举却足以说明这样的问题：不同的算法具有不同的特点，不同的特点适合于不同的教学评价。因此，根据教学评价内容的不同，评价目的的差异，以及评价结果的个性化追求，研究者应该结合高职英语教学评价的需求进行算法的选择。 （二）数据分析的多维化
每一个数据都蕴含着一定的价值，对其数据的分析过程也就是对其价值的挖掘过程。因此，分析数据价值的时候，一定要有多维的分析角度。不仅要对学的数据集进行分析，而且还要把其与教的数据集进行对比分析，甚至在具体的分析中融入教学环境参与教学的数据分析。只有多维的分析，才能客观地评价高职英语教学的效果。
四、基于目前研究完善的核心问题
支持向量机参与教学评价的研究现在仅仅是开始，它还有许多地方需要研究者不断地完善。因此，在完善的过程中，研究者需要关注以下的问题：
（一）借鉴与创新
借鉴传统教学评价的实践创新支持向量机参与教学评价的途径与方法。即，借鉴是创新的目的，而创新是借鉴的结果。上边提及的证据理论与支持向量机理论的整合并参与教学效果评价的个案就是可以借鉴的例证。既然证据理论可以与之结合，那么其它的教育教学理论也可以与之整合。
（二）评估与反馈
教学评价是教学管理活动的重要组成部分。因此，对其需要进行客观的评估与反馈。对其进行评估是完善现在问题的前提；对其存在的问题进行反馈，则是改革教学评价的现状，完善教学评价体系的开始。特别是基于支持向量机的“互联网+”环境下高职英语教学效果评价研究更应该如此。因为，支持向量机理论参与高职英语教学评价的相关研究仅仅是开始，其中存在的诸多问题还有待于通过评估、反馈进行完善与改革。虽然说支持向量机有其自身的优势，但教学效果评价却是一个综合的过程，它既要有一定的统计学理论的帮助，又需要一定的教育教学理论参与指导。
基于支持向量机的“互联网+”环境下高职英语教学效果评价研究有许多核心问题值得关注。无论是支持向量机理论自身发展的核心问题，还是其在参与教育评价时必须面对的理论互补问题，以及如何通过支持向量机理论评价“互联网+”教育环境给予高职英语教学的影响，都应该成为研究者关注的焦点。因此，本文从多个视角对其面对的核心问题进行了逐一的解析和说明。
参考文献：
[1]吴丽，刘益和.证据理论和支持向量机相融合的教学质量评价[J].西南师范大学学报（自然科学版），2016，（02）：92-98.
[2]刘思远.“后慕课”时代下的高职英语“小微课”平台应用[J].教育与职业，2016，（08）：88-90.
基金項目：湖南省科教联合基金项目，基于支持向量机的“互联网+”环境下高职英语教学效果评价研究（2017JJ5046）的成果
作者简介：史小平（1974-），女，湖南长沙人，硕士，副教授，研究方向：认知语言学、英语教育、职业教育。
关键词：支持向量机；互联网+；高职英语；教学评价；核心问题；个案例析
传统的高职英语教学效果的评价研究需要面对两个新的课题：一个是评价理论的更新，另一个是高职英语教学环境的改变。具体而言，支持向量机理论的参与与“互联网+”教学环境的形成是目前高职英语教学效果评价者必须思考的课题。
在针对某一项具体内容的研究实践里，所谓的“核心问题”是一个辩证的术语。随着研究视角的变换，研究历程的发展以及研究对象的更新，“核心问题”的具体内涵是不断变化的。不同的侧面对其进行客观的解析：
一、基于教学评价体系构建的核心问题
高职英语教学效果的评价是一个综合的系统化实践。它不仅涉及到对评价模式的构建，而且还涉及到评价内容与时俱进的更新。因此，高职英语教学评价的核心问题是理论的互补。高职英语教学评价理论的互补，结合本次的研究而言，所谓的理论互补就是现有的教学评价理论与支持向量机理论的互补，具体而言就是基于教学评价所需数据集的构建。这也就是说，在支持向量机参与下的高职英语教学效果评价研究中，传统的教学评价理论可以提供支持向量机分析所需要的数据；而这些教学效果评价数据的产生却需要研究者根据传统的评价理论去总结与收集。
（一）教学评价理论与支持向量机理论的互补
在教学评价理论与向量机理论的互补中，高职英语教学效果的评价需要研究者进行如下数据集的构建准备。从另一个层面讲，数据是运用支持向量机理论的前提，没有分析所需要的数据，支持向量机理论也就失去了参与教学评价的基础。
1）学的数据集。
高职英语教学数据的来源有两个方面，一个是学的数据，另一个是教的数据。众所周知，由于不同的学生具有不同的学识水平，因此，即使是同一个任课教师面对相同的教学内容，他的教学效果也会有所不同。因此，评价教学效果应该从学的数据收集开始。
2）教的数据集。
决定高职英语效果的主要因素有两个，一个是学生的学，另一个是任课教师的教，所以，在收集学的数据的同时，研究者还要注意收集教的数据。面对具有相同学识基础的学生，面对具有相同任务的教学内容，不同的任课教师有不同的教学策略与方法。因此，收集教的数据有利于分析不同教师的教学能力。
3）督导数据集。
教学评价通过对“学”与“教”相关数据的分析，既可以发现目前高职英语教学中存在的问题，又可以预测其未来的发展走向。因此，它还具有督导作用。
（二）支持向量机理论与其它理论的互补
支持向量机理论虽然是一种先进而又科学的统计理论，但其自身也难免存在一定的理论局限性。因此，在其参与教学评价的过程中也需要研究者通过理论互补的方式，弥补其自身的局限性。仿真结果表明，相对于其他评价方法，DS-SVM可以准确刻画课堂教学质量评价指标与评价结果间的非线性关系，提高了教学质量评价结果的可靠性，比较真实地反映了老师的教学水平。[1]这是一个研究性的结论，它在表明支持向量机理论在参与教学评价中具有自身优势的同时，它也在表明了另一个这样的事实，即为了客观地评价教学效果，支持向量机理论也需要其它理论的参与。或者更确切地说是在理论的互补中才能真实地评价教学效果。
二、评价“互联网+”环境影响的核心问题
高职英语教学评价虽然是以学生与任课教师的教学活动及其效果为评价对象，但任何一个学科的教学活动都不能脱离一定的教育教学环境。特别是在互联网+的背景下，更是如此。因此，探讨教学评价不能脱离对互联网+教学背景及其给予教学影响的分析。所以，面对支持向量机理论分析所需要的教学数据，研究者还应该构建如下的教学评价数据集：
（一）互联网参与学的数据集
互联网+教学背景对高职教学的影响首先表现在学生学习能力培养的层面上。高职学生的自主学习能力培养是高职英语教学的核心任务之一，而在高职英语教学的过程中，互联网
+教学背景的影响究竟是什么样的，其具体的影响又有什么样的表现，所有的这些都需要构建互联网参与学的数据集并对其进行统计学意义的分析才能得出客观的结果。
（二）互联网参与教的数据集
在目前的高职英语教学改革实践里，高职英语微课、高职英语慕课、高职英语精品课程等相关的教学资源都要依赖互联网参与高职英语的教学。因此，互联网+教学背景参与高职英语教的数据集的构建就显得尤为重要了。例如，小微课的出现意味着高职后慕课时代的到来。因此，小微课的改革颇受高职英语教师的关注。“小微课”教学的核心组成是教学视频，“小微课”视频被教师合理有效地运用于导入新课、课堂重点难点讲解、课后练习及职业场景模拟实践等教学步骤当中，给学生带来更加灵活自主的学习平台。[2]然而，小微课资源的构建却不能脱离互联网的参与，而评价小微课给予高职英语课堂教学的影响则又需要构建互联网参与教学的数据集。而后才能通过支持向量机理论的处理得到客观的答案。
三、基于支持向量机理论运用的核心问题
如何运用支持向量机理论，结合具体的评价数据集对高职英语教学进行评价是本次研究的核心。因此，支持向量机理论如何在教学评价中的运用就成为了本次说明的另一个核心问题。在这个核心问题中，一般需要关注以下两个层面的问题：
（一）算法的选择
支持向量机理论与其它统计学理论一样，它始终都处于一个不断发展的状态之中。因此，算法的选择是其更好地服务于教育评价的关键所在。例如，块算法（chunking algorithm）。它的特点在于：Chunking算法将矩阵规模从训练样本数的平方减少到具有非零Lagrange乘數的样本数的平方，在很大程度上降低了训练过程对存储容量的要求。而分解算法（decomposition algorithm）的优势则在于：分解算法将二次规划问题分解成一系列规模较小的二次规划问题，进行迭代求解。它的关键在于选择一种最优工作集选择算法，而在工作集的选取中采用了随机的方法，因此限制了算法的收敛速度。[3]虽然在此不能穷尽支持向量机所涉及到的所有算法，也不能对所有的算法特点进行总结与归纳，但上述的列举却足以说明这样的问题：不同的算法具有不同的特点，不同的特点适合于不同的教学评价。因此，根据教学评价内容的不同，评价目的的差异，以及评价结果的个性化追求，研究者应该结合高职英语教学评价的需求进行算法的选择。 （二）数据分析的多维化
每一个数据都蕴含着一定的价值，对其数据的分析过程也就是对其价值的挖掘过程。因此，分析数据价值的时候，一定要有多维的分析角度。不仅要对学的数据集进行分析，而且还要把其与教的数据集进行对比分析，甚至在具体的分析中融入教学环境参与教学的数据分析。只有多维的分析，才能客观地评价高职英语教学的效果。
四、基于目前研究完善的核心问题
支持向量机参与教学评价的研究现在仅仅是开始，它还有许多地方需要研究者不断地完善。因此，在完善的过程中，研究者需要关注以下的问题：
（一）借鉴与创新
借鉴传统教学评价的实践创新支持向量机参与教学评价的途径与方法。即，借鉴是创新的目的，而创新是借鉴的结果。上边提及的证据理论与支持向量机理论的整合并参与教学效果评价的个案就是可以借鉴的例证。既然证据理论可以与之结合，那么其它的教育教学理论也可以与之整合。
（二）评估与反馈
教学评价是教学管理活动的重要组成部分。因此，对其需要进行客观的评估与反馈。对其进行评估是完善现在问题的前提；对其存在的问题进行反馈，则是改革教学评价的现状，完善教学评价体系的开始。特别是基于支持向量机的“互联网+”环境下高职英语教学效果评价研究更应该如此。因为，支持向量机理论参与高职英语教学评价的相关研究仅仅是开始，其中存在的诸多问题还有待于通过评估、反馈进行完善与改革。虽然说支持向量机有其自身的优势，但教学效果评价却是一个综合的过程，它既要有一定的统计学理论的帮助，又需要一定的教育教学理论参与指导。
基于支持向量机的“互联网+”环境下高职英语教学效果评价研究有许多核心问题值得关注。无论是支持向量机理论自身发展的核心问题，还是其在参与教育评价时必须面对的理论互补问题，以及如何通过支持向量机理论评价“互联网+”教育环境给予高职英语教学的影响，都应该成为研究者关注的焦点。因此，本文从多个视角对其面对的核心问题进行了逐一的解析和说明。
参考文献：
[1]吴丽，刘益和.证据理论和支持向量机相融合的教学质量评价[J].西南师范大学学报（自然科学版），2016，（02）：92-98.
[2]刘思远.“后慕课”时代下的高职英语“小微课”平台应用[J].教育与职业，2016，（08）：88-90.
基金項目：湖南省科教联合基金项目，基于支持向量机的“互联网+”环境下高职英语教学效果评价研究（2017JJ5046）的成果
作者简介：史小平（1974-），女，湖南长沙人，硕士，副教授，研究方向：认知语言学、英语教育、职业教育。