基于深度學習的新型評教模式探索

張俊 陳怡華 陳詩源

基金項目：中山大學新華學院教學改革項目：移動互聯(lián)網(wǎng)形式下新型評教方式的探索與平臺的建立（項目編號：2019J029）

引言

我國有六十多萬所學校和上億的學生，傳統(tǒng)的評教方式主要為紙質(zhì)版評教和期中/期末網(wǎng)上統(tǒng)一評教，這兩種評教方式都有一定的局限性面，不僅耗費人力物力，但是其時效性極差，學生對于教學過程中的疑惑不能及時反饋給老師。在教育行業(yè)引入深度學習，打破傳統(tǒng)教育管理和教學模式下的禁錮，從教育管理信息數(shù)據(jù)中挖掘出更高層和更有價值的信息，真正掌握學生的需求，進而改進教育管理體系的缺陷和不足，并且為教育管理決策提供指導和信息支撐。

研究內(nèi)容

本文基于深度學習技術(shù)，構(gòu)建的用于自動判斷識別學生對每個評價指標評價情況的神經(jīng)網(wǎng)絡(luò)模型，如圖1所示，包括輸入層、隱藏層和輸出層;輸入層包含H個神經(jīng)元;輸出層包含I個神經(jīng)元;隱藏層具有三層，每層神經(jīng)元個數(shù)依次為。

神經(jīng)網(wǎng)絡(luò)模型的輸入層輸入為學生對評教過程中每一項評價指標的結(jié)果，輸出層的輸出為學生在教學中遇到的問題。用于訓練神經(jīng)網(wǎng)絡(luò)模型的模型訓練庫包括大量學生評教情況的樣本，樣本包括學生為N個，每個學生對L個不同評價指標進行評分，其中L個不同評價指標包括了整個教學評價所有內(nèi)容數(shù)量為K，則訓練輸入為每個學生每個評價指標的對應(yīng)得分，表示為;其中，K為所有學科需要考核的全部知識點數(shù)量，表示該學生第道題目的得分，表示第道題目對應(yīng)的評價內(nèi)容。

?實施方法

（1）學生登陸教務(wù)系統(tǒng)分別對評價表中的每一項指標進行評價，如：“老師的課件和板書有助于學習”、“老師的講解與課件或課程材料相結(jié)合”、“整體來說這堂課令人獲益或者有價值”、“這堂課的難度適宜”等等，并且這些評價指標分別設(shè)置五個得分檔：0分，2分，4分，6分，8分和10分，學生可根據(jù)自己在課堂上的聽課經(jīng)歷以及教師的課堂表現(xiàn)，對每個評價指標進行打分，以此作為圖1中神經(jīng)網(wǎng)絡(luò)模型的輸入。

（2）在訓練神經(jīng)網(wǎng)絡(luò)模型時，激活函數(shù)采用tanh，公式為;損失函數(shù)采用交叉熵損失函數(shù)，公式為，其中為正確輸出，為神經(jīng)網(wǎng)絡(luò)實際輸出;優(yōu)化函數(shù)采用隨機梯度下降法（Stochastic Gradient Descent，SGD）公式為;迭代訓練直至模型收斂。

圖1

（3）在訓練神經(jīng)網(wǎng)絡(luò)模型時，進行預測分類。將需要分類的試題結(jié)果作為測試數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型，最后的輸出層采用softmax函數(shù)將結(jié)果歸一化為概率值。假設(shè)輸入一共有個樣本，對于每一個輸入，輸出值為其對應(yīng)的類別，那么對于訓練集，其中。

對于每一個輸入樣本，經(jīng)過模型后都能得到該樣本針對每一類別的概率值，輸出為一個維的向量，具體的公式如下：

其中為模型的參數(shù)，是將每一類的概率分布進行歸一化。

實施案例

下面以對M課程所有學生的評教情況進行考察為具體實施例。具體包括以下步驟：

步驟1：學生登陸評教平臺，分別對M課程設(shè)立的評價指標進行打分評價，如：“老師的課件和板書有助于學習”、“老師的講解與課件或課程材料相結(jié)合”、“整體來說這堂課令人獲益或者有價值”、“這堂課的難度適宜”等等，并且這些評價指標分別設(shè)置的得分檔分別為：0分，2分，4分，6分，8分和10分，學生可根據(jù)自己在課堂上的聽課經(jīng)歷以及教師的課堂表現(xiàn)，對每個評價指標進行打分。

步驟2：獲取M課程的評教分值分布，通過深度學習模型分析得到M課程的薄弱環(huán)節(jié)和需要鞏固提高的環(huán)節(jié)。判定標準：如果學生評教的成績低于評教滿分的一半，可認定該類評價指標是學生掌握的薄弱環(huán)節(jié)，如，滿分為10分的指標“老師的課件和板書有助于學習”，學生得分為4分，那么可以反饋出該M課程的老師課件和板書對學生的學習幫助不大，需要根據(jù)實際情況進行改進。

步驟3：系統(tǒng)根據(jù)設(shè)置的薄弱環(huán)節(jié)的規(guī)則，自動推送步驟2中所確定的M課程的薄弱環(huán)節(jié)和需要改進的措施以郵件的方式通知到M課程的任課老師。

步驟4：M課程的任課老師根據(jù)反饋的M課程的薄弱環(huán)節(jié)和需要鞏固提高的環(huán)節(jié)，對M課程做出相應(yīng)的教學決策。如，步驟2中的薄弱環(huán)節(jié)是“老師的課件和板書有助于學習”的評價，那么系統(tǒng)將推送M課程該評價分數(shù)和改進措施給任課老師，任課教師可根據(jù)所推送的相關(guān)信息，對所選M課程的同學改進教學方法，也可以換一種學生更容易理解的講課方式，進行講解。

本文將教育教學評價與深度學習技術(shù)相結(jié)合，以學生的具體需求為導向，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)師生間的良好互動和交流，對教師教學手段的改進和教育決策的完善提供了技術(shù)支持。

參考文獻

[1]?何衛(wèi)東，申佳紅.基于SLE學習評價系統(tǒng)的深度學習初探[J]教育科學論壇，2020（22）：75-77.

[2]?陳振華.教學評價中存在的問題及反思[J]教育發(fā)展研究，2009，000（018）：84-87.

[3]?蔡敏，張麗.大學生參與教師教學評價的調(diào)查研究[J]高等教育研究，2005， 026（003）：69-73.

[4]?溫文君.參與管理視角下的高校學生評教研究[D].江西師范大學.