大數(shù)據(jù)驅(qū)動(dòng)的計(jì)算機(jī)教學(xué)效果評(píng)價(jià)模型

高 興

（沈陽音樂學(xué)院公共基礎(chǔ)部，遼寧 沈陽 110818）

1 引言

計(jì)算機(jī)作為高校重要的課程，[1，2]其教學(xué)效果直接影響計(jì)算機(jī)專業(yè)素質(zhì)培養(yǎng)，因此如何提高計(jì)算機(jī)教學(xué)效果十分關(guān)鍵。計(jì)算機(jī)教學(xué)效果極為重要，教師是否能勝任計(jì)算機(jī)教學(xué)是高校管理部門需重點(diǎn)考慮問題。[3-5]

目前針對(duì)計(jì)算機(jī)教學(xué)效果評(píng)價(jià)研究較多，有學(xué)者等人研究基于用戶滿意度的計(jì)算機(jī)教學(xué)效果評(píng)價(jià)；[7]有學(xué)者等研究大數(shù)據(jù)背景下的計(jì)算機(jī)教學(xué)效果評(píng)價(jià)，[8]均可實(shí)現(xiàn)教學(xué)效果評(píng)價(jià)，但評(píng)價(jià)效果較差。計(jì)算機(jī)教學(xué)效果評(píng)價(jià)模型的設(shè)計(jì)面臨巨大挑戰(zhàn)。支持向量回歸模型是目前廣泛應(yīng)用于評(píng)價(jià)領(lǐng)域的大數(shù)據(jù)驅(qū)動(dòng)模型，其針對(duì)非線性、高維度評(píng)價(jià)問題具有較高優(yōu)勢(shì)。[6]為此，提出了大數(shù)據(jù)驅(qū)動(dòng)的計(jì)算機(jī)教學(xué)效果評(píng)價(jià)模型，將支持向量回歸模型應(yīng)用于計(jì)算機(jī)教學(xué)效果評(píng)價(jià)中，避免評(píng)價(jià)容易陷入局部最優(yōu)以及過學(xué)習(xí)的缺陷，提升評(píng)價(jià)有效性。

2 基于大數(shù)據(jù)驅(qū)動(dòng)的計(jì)算機(jī)教學(xué)效果評(píng)價(jià)模型

2.1 構(gòu)建計(jì)算機(jī)教學(xué)效果評(píng)價(jià)體系

利用層次分析法和專家評(píng)價(jià)法建立計(jì)算機(jī)教學(xué)效果評(píng)價(jià)體系，首先確定計(jì)算機(jī)教學(xué)效果評(píng)價(jià)的主層次模型，如圖1所示。

圖1 主層次模型

利用層次分析法令所確定的主層次因子互相比較，建立主因素比較矩陣，如表1所示。

表1 主因素比較矩陣

表1中不同指標(biāo)的重要性由1、2、3表示，分別表示兩個(gè)元素同等重要、比較重要以及很重要。[9]建立矩陣最大特征根為5.9865，矩陣階數(shù)為6，對(duì)矩陣階數(shù)以及特征根實(shí)施一致性檢驗(yàn)公式如下：

式中， 表示比較矩陣的一致性比率[10]； RI與CI分別表示平均隨機(jī)一致性指標(biāo)以及成對(duì)比較矩陣不一致程度。

依據(jù)比較矩陣特征向量值獲取不同評(píng)價(jià)指標(biāo)權(quán)重，[11]教學(xué)效果評(píng)價(jià)指標(biāo)權(quán)重如表2所示。

表2 評(píng)價(jià)指標(biāo)權(quán)重

2.2 支持向量回歸

支持向量機(jī)是基于統(tǒng)計(jì)學(xué)理論的大數(shù)據(jù)驅(qū)動(dòng)算法，支持向量機(jī)常應(yīng)用于小樣本情況下的機(jī)器學(xué)習(xí)。支持向量機(jī)利用優(yōu)化模型獲取全局最優(yōu)解，有效避免局部最優(yōu)以及過學(xué)習(xí)情況，[12]可應(yīng)用于回歸以及分類問題。支持向量機(jī)應(yīng)用于回歸問題時(shí)即支持向量回歸模型，設(shè)存在獨(dú)立同分布觀測(cè)樣本：

求解公式(1)獲取最佳回歸函數(shù)y=f(x)，即可解決回歸問題。

依據(jù)統(tǒng)計(jì)學(xué)理論可知實(shí)際風(fēng)險(xiǎn)并不受經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化影響，支持向量回歸模型采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理作為學(xué)習(xí)模型，可將復(fù)雜度以及經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化[13]，令樣本數(shù)量有限時(shí)仍具有較高的輸出函數(shù)平滑性以及推廣能力。

支持向量回歸模型公式如下：

采用不敏感函數(shù)ε作為損失函數(shù)時(shí)，可得：

將支持向量回歸問題轉(zhuǎn)化為優(yōu)化問題，即：

將拉格朗日乘子α*與αi引入上述優(yōu)化問題，利用對(duì)偶問題解決優(yōu)化問題公式如下：

求解公式(5)獲取最優(yōu)的α*與αi，選取KKT 條件獲取偏置值，即：

將以上求解所獲取系數(shù)代入公式（2），即可實(shí)現(xiàn)基于大數(shù)據(jù)驅(qū)動(dòng)的計(jì)算機(jī)教學(xué)效果評(píng)價(jià)。

基于大數(shù)據(jù)驅(qū)動(dòng)的計(jì)算機(jī)教學(xué)效果評(píng)價(jià)是數(shù)據(jù)泛化擬合問題，將各評(píng)價(jià)指標(biāo)值與權(quán)重值作為輸入樣本，依據(jù)輸入樣本進(jìn)行學(xué)習(xí)，計(jì)算不屬于學(xué)習(xí)樣本集內(nèi)輸入數(shù)據(jù)獲取相應(yīng)輸出值。支持向量回歸輸出樣本為各中間節(jié)點(diǎn)的線性組合，不同中間節(jié)點(diǎn)與支持向量機(jī)和輸入樣本內(nèi)積相對(duì)應(yīng)。

3 實(shí)例分析

選取某大學(xué)作為實(shí)驗(yàn)對(duì)象，該高校于2017年引入計(jì)算機(jī)教學(xué)。選取網(wǎng)絡(luò)調(diào)查問卷方式針對(duì)該高校學(xué)生發(fā)放調(diào)查問卷，共發(fā)放調(diào)查問卷數(shù)量為15000份，回收有效調(diào)查問卷數(shù)量為13586份，選取其中9000份作為大數(shù)據(jù)驅(qū)動(dòng)的訓(xùn)練樣本，剩余調(diào)查問卷作為測(cè)試樣本。利用SPSS軟件分析調(diào)查問卷結(jié)果，調(diào)查問卷結(jié)果的信度系數(shù)值為0.995，KMO值為0.935，信度系數(shù)值與KMO值均高于0.9，說明該調(diào)查問卷結(jié)果具有較高效度以及信度，可應(yīng)用于計(jì)算機(jī)教學(xué)效果評(píng)價(jià)中。采用本文模型利用所回收調(diào)查問卷評(píng)價(jià)該校計(jì)算機(jī)教學(xué)效果，選取10分制作為教學(xué)效果評(píng)價(jià)結(jié)果表示形式。

選取均方誤差作為評(píng)價(jià)指標(biāo)，統(tǒng)計(jì)本文模型所采用大數(shù)據(jù)驅(qū)動(dòng)模型在不同懲罰系數(shù)時(shí)的輸出結(jié)果，統(tǒng)計(jì)結(jié)果如圖2所示。圖2實(shí)驗(yàn)結(jié)果可以看出，懲罰系數(shù)為100時(shí)，本文模型所采用大數(shù)據(jù)驅(qū)動(dòng)模型輸出結(jié)果均方誤差最低，表明此時(shí)大數(shù)據(jù)驅(qū)動(dòng)模型具有較高的輸出性能，應(yīng)用于計(jì)算機(jī)教學(xué)效果評(píng)價(jià)時(shí)，可有效提升評(píng)價(jià)精度，設(shè)置采用大數(shù)據(jù)驅(qū)動(dòng)模型應(yīng)用于計(jì)算機(jī)教學(xué)效果評(píng)價(jià)的懲罰系數(shù)為100。

圖2 不同懲罰系數(shù)時(shí)輸出結(jié)果

采用本文模型評(píng)價(jià)計(jì)算機(jī)教學(xué)效果結(jié)果如表3所示。表3實(shí)驗(yàn)結(jié)果可以看出，采用本文模型可實(shí)現(xiàn)計(jì)算機(jī)教學(xué)效果評(píng)價(jià)，評(píng)價(jià)結(jié)果為6.3分，表明該校計(jì)算機(jī)教學(xué)效果為中等，仍具有較高的提升空間。該校應(yīng)針對(duì)評(píng)價(jià)結(jié)果，從親和力、創(chuàng)新能力等評(píng)分較低的指標(biāo)提出相對(duì)改進(jìn)措施，提升計(jì)算機(jī)教學(xué)效果。

表3 本文模型評(píng)價(jià)結(jié)果

為進(jìn)一步檢測(cè)本文模型評(píng)價(jià)性能，將本文模型評(píng)價(jià)結(jié)果與專家評(píng)價(jià)法評(píng)價(jià)結(jié)果對(duì)比，計(jì)算本文模型評(píng)價(jià)計(jì)算機(jī)教學(xué)效果的相對(duì)誤差，并將本文模型與文獻(xiàn)[12]模型以及文獻(xiàn)[13]模型對(duì)比，對(duì)比結(jié)果如圖3所示。圖3實(shí)驗(yàn)結(jié)果可以看出，本文模型采用大數(shù)據(jù)驅(qū)動(dòng)模型評(píng)價(jià)計(jì)算機(jī)教學(xué)效果，評(píng)價(jià)結(jié)果的相對(duì)誤差明顯低于另兩種模型。本文模型評(píng)價(jià)計(jì)算機(jī)教學(xué)效果各項(xiàng)一級(jí)指標(biāo)的相對(duì)誤差均低于0.2%，而另兩種模型評(píng)價(jià)計(jì)算機(jī)教學(xué)效果的相對(duì)誤差均高于0.3%。計(jì)算機(jī)教學(xué)效果評(píng)價(jià)是典型的非線性問題，不同模型評(píng)價(jià)結(jié)果存在較大差異，專家評(píng)價(jià)法具有較高的權(quán)威性，本文模型評(píng)價(jià)計(jì)算機(jī)教學(xué)效果與專家評(píng)價(jià)法評(píng)價(jià)結(jié)果相差較小，說明本文模型可替代專家評(píng)價(jià)法應(yīng)用于計(jì)算機(jī)教學(xué)效果評(píng)價(jià)中，有效節(jié)省人力資源，提升評(píng)價(jià)效率。

圖3 不同模型評(píng)價(jià)精度對(duì)比

統(tǒng)計(jì)采用本文模型評(píng)價(jià)計(jì)算機(jī)教學(xué)效果各一級(jí)指標(biāo)所需時(shí)間，并將本文模型與文獻(xiàn)[12]模型以及文獻(xiàn)[13]模型對(duì)比，對(duì)比結(jié)果如圖4所示。圖4實(shí)驗(yàn)結(jié)果可以看出，采用本文模型評(píng)價(jià)計(jì)算機(jī)教學(xué)效果評(píng)價(jià)時(shí)間均低于另兩種模型，本文模型評(píng)價(jià)各一級(jí)指標(biāo)時(shí)間均為200ms以內(nèi)。結(jié)合圖3實(shí)驗(yàn)結(jié)果可知，本文模型可在保持較高評(píng)價(jià)精度同時(shí)具有較高實(shí)時(shí)性，驗(yàn)證本文模型具有較高的評(píng)價(jià)性能。本文模型評(píng)價(jià)性能優(yōu)越，可應(yīng)用于計(jì)算機(jī)教學(xué)效果評(píng)價(jià)實(shí)際應(yīng)用中。

圖4 不同模型評(píng)價(jià)時(shí)間對(duì)比

調(diào)查問卷中設(shè)置意見回答部分，從調(diào)查問卷中剔除“無”“沒有”等無用信息，利用在線詞頻分析工具獲取意見、策略中出現(xiàn)頻次較高的詞語如圖5所示。圖5實(shí)驗(yàn)結(jié)果可以看出，互動(dòng)性、趣味性為排名較前、出現(xiàn)頻率較高的詞語，說明高校學(xué)生較重視計(jì)算機(jī)的生動(dòng)性以及趣味性。高校開設(shè)計(jì)算機(jī)時(shí)，應(yīng)重視生動(dòng)性以及趣味性的改進(jìn)，可從教學(xué)內(nèi)容以及評(píng)價(jià)方式等部分提升計(jì)算機(jī)教學(xué)效果，活躍計(jì)算機(jī)教學(xué)課堂，培養(yǎng)高校學(xué)生的自主學(xué)習(xí)意識(shí)。

圖5 關(guān)鍵詞頻次結(jié)果

4 結(jié)論

利用大數(shù)據(jù)驅(qū)動(dòng)模型實(shí)現(xiàn)計(jì)算機(jī)教學(xué)效果評(píng)價(jià)，并通過實(shí)例分析驗(yàn)證該模型可實(shí)現(xiàn)計(jì)算機(jī)教學(xué)效果有效評(píng)價(jià)，評(píng)價(jià)效果較好。大數(shù)據(jù)驅(qū)動(dòng)模型具有較高的評(píng)價(jià)精度，應(yīng)用范圍廣，應(yīng)用于評(píng)價(jià)問題中具有更好的應(yīng)用前景，可通過選取合理的損失函數(shù)和核函數(shù)提升評(píng)價(jià)性能。高校利用所研究模型明確計(jì)算機(jī)教學(xué)過程所存在問題，可通過提升教學(xué)綜合能力、改善傳統(tǒng)教學(xué)觀念、豐富教學(xué)模式等模型提升計(jì)算機(jī)教學(xué)效果。