教学评价是根据教学目标对教学过程及结果进行价值判断并为教学决策服务的活动,是研究教师的教学工作和学生的学习效果的过程。教学评价包括评教和评学两个核心环节:评教是指对教师教学工作(教学设计、组织、实施等)的评价,评学是对学生学习效果(学习成绩、课程讨论、作业完成)的评价。目前高校的教学评价多采用学生成绩和教师评教得分作为评价标准,没有将评价文本所反映的情况计入评价结果;而实际上学生对课程的讨论文本和对教师的评论文本都能够反映教学效果。本文收集了教学活动中的大量文本,构建了教学评价语料库,使用文本分类的方法,预测学生学习成绩和评估教师的教学效果,完成的主要内容主要包括:(1)构建了讨论区文本语料库和评教文本语料库。针对某课程讨论区进行文本抽取,按照课程类、教学类、平台类和无关类进行句子级别的类别标注,构建了包含8,143条文本的讨论区文本语料库,用于分析学生的发言文本对学习成绩的影响。结合某高校评教文本制定标注规范,依据态度、课程、情感三个方面将评教文本进行分值标注,构建了包括17,861条文本的评教文本语料库,用于教学评价的研究。(2)构建了基于讨论区文本分类的学习分析模型。首先使用基于规则与随机森林融合(RRF)的文本分类模型将讨论区文本分为四种类别,然后以讨论区文本类别和在线学习数据为特征,利用支持向量机(Support Vector Machine,SVM)的学习预测模型预测学生成绩。实验结果表明,基于SVM的预测模型准确率达到95.26%。该学习分析预测模型已在基于慕课的混合式教学中应用,预测学生课程成绩,并成功降低了学生期末成绩不及格率。(3)提出了基于词典(VM)和基于词典与句法分析相融合(VMDP)的评教文本自动分类算法。基于评教文本语料库,建立教学和情感的领域词典,使用VM算法对评教文本进行课程和情感方面的分类。针对文本中教师或课程主体与其评价词语距离过长的问题,在VM算法的基础上,融合依存句法关系提升评教文本在课程方面的分类效果。实验表明,VM算法在情感和课程方面的分类准确率分别为84.16%和83.67%。将依存句法关系融合后,课程方面分类准确率提高到85.81%。目前评教文本分类算法已经在教务平台应用,完成评教文本的自动评分。