一种基于CDBN的高校教学质量评估方法

一种基于cdbn的高校教学质量评估方法
技术领域
1.本发明属于计算机资源应用技术领域，具体涉及一种基于cdbn的高校教学质量评估方法。


背景技术：

2.随着经济的发展和科学技术的进步，传统的教学方法也在不断变化。多媒体教学已成为主流的教学模式。在教学过程中，根据教学目标和教学对象的特点，通过教学设计，合理选择和使用现代教学媒体，并与传统教学方法有机结合，可以使信息化技术和数据模型参与到整个教学过程中，各种媒体信息有机结合，并与学生形成一种互动关系合理的教学过程结构，达到最佳的教学效果。
3.然而，目前的多媒体课堂教学评价方法还存在很多不足，如反馈课程计划与实际教学缺乏数据关联，教学过程和教学进度不能实时监控，学生课堂参与不够，缺乏数字互动和互动等对教学活动进行系统分析，未能对课程资源进行精细分类和准确利用，未能对课程资源的有效利用进行监控，在教学质量评价中缺乏客观的过程数据支持，预警功能薄弱，导致形成性评价缺乏科学性、课程标准和计划中缺乏数据关联和定量评价、课堂教学质量缺乏技术监督，教学设计中缺乏知识点的精细设计等，最终导致高校教学顶层设计中缺乏系统的数据分析支持，因此，需要一种新的智能教学评价评估方法来解决上述技术难题，满足现代教学的需要。
4.本发明针对教学课堂环境中数据的动态、异构以及分布的特性，利用卷积深度置信网络理论(cdbn,convolutional deep belief network)开发了一种基于cdbn的高校教学质量评估方法和模型。采用此方法，可以实现对教学活动、教学过程和教学结果进行系统的分析和评价，深度挖掘现学习者的学习结果与学习内容、学习资源、教学行为等变量之间存在相关性关系，为优化教学过程提供决策依据。本发明对加强高校课堂教育与社会发展的联系，实现人才培养和教育目标，促进高素质人才的发展具有积极作用；本发明经过仔细的数据组织和归纳，形成评价体系中的数据结构，本发明通过具体实施例模拟了方法的可行性和自身优势。


技术实现要素：

5.针对现有技术的不足，本发明提供了一种基于cdbn的高校教学质量评估方法，以解决上述技术问题。
6.本发明提供的一种基于cdbn的高校教学质量评估方法包括：
7.提前搭建教学知识点的能力等级体系，构建一系列公平的评价指标；
8.根据学生反馈评价是否达到相应的能力水平，获得目标达成程度；
9.监控学生评估问题、课堂问答和课堂讨论的完成情况，获取课程参与度，建立跨校区的数据库，通过大数据预测指导、帮助学生提升成绩；
10.根据学生课堂出勤情况和课堂评价，得出课堂表现；
11.学生的学习质量是根据目标的达成程度、参与课程的程度和课堂表现的程度来评价的。
12.借助cdbn数学模型分析的方法，从看似无关的数据堆中寻找有代表价值的信息，经过仔细的组织和归纳，形成评价体系中的基本数据方法论。将教学数据重复收集并不停训练模型，合理归纳学习者的学习结果与学习内容、学习资源、教学行为等变量之间存在相关性。
13.进一步对学生进行评价，根据评价结果得出知识点目标达成程度，并使用基于卷积神经网络建立的数据模型为决策提供预案和预警；
14.本发明首选以课堂提问的教学数据采集方式，包括：
15.在课堂上向目标学生提问，系统根据课堂提问的结果得出课堂提问目标的达成程度；
16.使用cdbn模型评价学生的回答内容，根据cdbn模型的评价结果得出学生的目标达成度；
17.所述目标达成度通过知识点目标达成度、课堂提问目标达成度、主题评价目标达成度获得。
18.进一步，通过预先设置的评价问题的标准分数和难度系数，根据标准指标、标准分数和难度系数得到本次知识点目标达成程度；
19.所述知识点目标达成度＝该知识点所有题目实际得分之和/满分之和；
20.所述每道评价题满分＝标准分难度系数。
21.进一步，根据本发明评估结果，系统自动形成用于教学演示的ppt课件，该ppt课件包含多个与教学相关的知识材料；
22.每个ppt课件按照预设的教学形式类别进行分类；
23.标记每个ppt课件的期望教学使用时间；
24.标记每个ppt课件相关的知识点；
25.标记每个ppt课件相关知识点的权重；
26.根据预设的能力等级，标记每一教材对应知识点对应的能力等级。
27.进一步，所述能力水平根据材料的适用性进行划分，能力水平包括未分类、基本认知、能力提升和综合应用；未分类表示当前标注的ppt不作为教材使用，基本认知表示当前标注的ppt不作为教材使用有标记的ppt是需要学生感知、注意力和记忆的材料；能力水平表明当前有标记的ppt不作为教材；权力提升班表明当前有标记的ppt是供学生理解和解决单个知识点的材料；综合应用类表示当前标注的ppt是两个或两个以上知识点的综合应用材料。
28.进一步，分别设置目标达成、课程参与和课堂表现三个维度之间的权重，并根据权重对学生的学习质量进行评价。
29.进一步，预先设置评价题库，对题库中试题的难度系数进行评分，预先设置每个题目的初始难度系数，然后根据评价结果进行动态调整。动态调整通过以下公式得出：
30.q＝w/e
31.其中q是难度系数，w是完全正确的数字，e是被评估的总人数。
32.此外，课堂提问目标的达成程度通过以下方式获得：
33.课堂提问目标达成程度＝所有知识点课堂提问得分之和/满分之和；
34.主体评价目标的达成程度通过以下方式获得：
35.目标达成程度通过以下方式获得：
36.主题评价目标达成程度＝知识点得分/评价星级；
37.目标达成度＝(评价问号达成+课堂提问目标达成+专题评价目标达成)/评价方法的数量。
38.本发明还提供了一种计算机可读存储介质，其中存储有计算机程序。当程序由处理器执行时，使用上述任一方法。
39.本发明还提供了一种电子终端，包括处理器和存储器；
40.存储器用于存储计算机程序，处理器用于执行存储在存储器中的计算机程序，以使终端能够执行上述任一方法。
41.本发明的有益效果：本发明的基于cdbn大数据的学习质量评价方法能够在高校课堂教学中通过对课堂学习质量、学习过程、学生学习态度等数据的实时记录、分析和整合，完成对学生学习质量的评价。本发明可以对每个学生的学习过程和效果进行监控，同时先进的cdbn模型实现对学生学习效果的评价，将实际的教学进度和过程与教师事先制定的教学计划进行数字链接，实现实时性、深入地全面地监督高效教师的教学进度和过程。本发明需要的课堂信息量较少且具有很强的操作性，系统所形成的预警报告可以对教育决策部门起到重要的作用，解决了高校课堂中收集数据资源利用率低、数据算法模型不完善等缺陷。
附图说明
42.图1是本发明实施例中一种基于cdbn的高校教学质量评估方法的流程图。
43.图2是基于本发明实施例中cdbn模型评估方法的卷积原理框架图。
具体实施方式
44.在以下的叙述中，为了使读者更好地理解本技术而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本技术所要求保护的技术方案。
45.以下通过具体的实施例对本发明的实施方式进行了说明，本领域技术人员可以从说明书中公开的内容中容易理解本发明的其他优点和效果。本发明还可以通过其他不同的具体实施例来实现或应用，并且说明书中的细节也可以基于不同的视图和应用来修改或改变，而不脱离本发明的精神。应当注意，以下实施例和实施例中的特征可以相互组合而不冲突。
46.需要注意的是，以下实施例中提供的图只是示意性地说明了本发明的基本概念，因此图中仅示出了与本发明有关的组件，而不是在实际实施中根据组件的数量、形状和大小来绘制。在实际实现中，组件的类型、数量和比例可以随意改变，组件的布局也可以改变，可以更复杂。
47.在下面的描述中，讨论了大量细节以提供对本发明实施例的更彻底的解释。然而，对于本领域技术人员来说显而易见的是，本发明的实施例可以在没有这些具体细节的情况下实时实现。在其它实施例中，本发明的结构和设备以框图的形式而不是以细节的形式示
出，以避免使本发明的实施例难以理解。
48.如图1所示，本实施例中一种基于cdbn的高校教学质量评估方法包括：
49.预先设置评价题库，对题库中试题的难度系数进行评分，预先设置每个题目的初始难度系数，然后根据评价结果进行动态调整；
50.根据学生反馈评价是否达到相应的能力水平，获得目标达成程度；
51.监控学生评估问题、课堂问答和课堂交互的完成情况，获取课程参与度；
52.根据学生的课堂出勤情况和课堂评价，得出课堂表现；
53.如图2所示，进一步对学生进行评价，根据评价结果得出知识点目标达成程度，并使用基于卷积神经网络建立的数据模型为决策提供预案和预警。
54.在本实施例中，根据评价结果对学生进行试题评价，获得知识点目标的达成程度；根据课堂提问结果对学生进行课堂提问，获得课堂提问目标的达成程度；进行专题评价学生根据主题评价结果获得主题评价目标的达成程度；通过知识点目标和课堂提问目标的达成程度来实现知识点目标和课堂提问目标的达成程度，通过达成程度和主题来评价目标的达成程度，得出目标的达成程度。
55.本实施例中的目标达成是指大学生在某一知识点是否达到cdbn评价模型中双向列表中的能力水平要求。根据布鲁姆的教育目标分类原则，我们首先可以根据知识和技能的能力水平要求，制定一个双向的课程列表，将其内置于本发明的评估模型中，同时对课程的知识点和学生应达到的能力水平进行梳理和提炼。本发明评估课堂中学生是否达到知识点的水平要求有三种方法。一是学生根据知识点完成评价问题、二是学生根据知识点回答课堂提问、三是教师或组长对学生知识点的专题评价。知识点的参数包括：
56.知识点权重：根据双向明细表中的能力等级需求等级作为权重值。
57.知识点权重比例kr＝当前知识点权重/最大课程权重；
58.本班知识点总权重kar＝本班所有知识点权重比例之和；
59.本类知识点权重kcr＝权重比例kr/本类知识点总权重kar；
60.①
评价问题：主要以客观问题的形式呈现。学生在课内外完成的基于知识点的评价问题，会影响学生在知识点上的成绩。具体算法如下：
61.基于知识点的试题标准分数：1、0；
62.每次考试满分tm＝1
‑
难度系数；
63.每次测试的实际得分am＝满分tm*标准分；
64.根据上述基础数据，则：
65.知识点目标达成度na＝知识点所有题目实际得分之和tm/满分之和am*100％；
66.本课堂知识目标达成度tna＝知识点a的目标达成程度*本课知识点a的权重kar+知识点b的目标达成程度*本课知识点b的权重kar+知识点n的目标达成程度na*本课知识点n的权重kar。
67.②
课堂提问：主要通过课堂教学过程，教师可以根据当前ppt知识点的实时提问、学生答案和学生互评数据，计算相关知识点的达成程度。
68.基于知识点的课堂提问标准分：完全正确(1)，部分正确(0.5)，完全错误(0)；
69.qna＝所有课堂提问的知识点得分之和/满分之和；
70.③
主题评估：主要针对实际操作和培训的开放主题。评价主体由教师和组长组成。
教师评价团队领导者，团队领导者评价团队成员。教师对团队领导的评价结果会影响团队成员的评价结果，评价表采用星型作图法。
71.基于知识点的课堂评价得分：根据星级得到相应的得分，最高得5分。
72.学科评价目标达成程度ena＝知识点全部喜欢得分/5；
73.本班目标达成度can＝(评价问题达成度+课堂提问达成度+主题评价达成度)/评价方法数；
74.本发明提出的cbdn课堂评价模型参数定义如下：
75.tt定义为老师布置的预习题、课堂练习和家庭作业的完成次数/要求次数；
76.qt定义为课堂教学中回答问题次数、参与评价次数/要求次数；
77.dt定义为课堂教学讨论参与次数/要求次数；
78.st定义为自主学习资源有效次数/要求次数；
79.班级参与cp＝tt*0.6+qt*0.2+dt*0.1+dt*0.1；
80.态度表现：
81.态度表现包括课堂出勤率和课堂评价。
82.如果学生每次出勤的分数为k，则计算学生出勤n次后的分数；
83.kqjf＝(k1+k2+k2+
…
+k[n])/n；
[0084]
决策层课堂评价：本模块由教师和课堂表现组长共同决策实行，教师可以对课堂表现组长(或组员)进行评价，将该学生课堂评价总分定义为1.0分，其中未签到同学直接记为0分，本发明采用五级评价，每级扣0.2分。
[0085]
如果该学生每节课的课堂评价得分为p，则该学生在n节课后的课堂表现得分为：
[0086]
kdpj＝(p1+p2+p3+
………
+p)/n；
[0087]
课堂态度：(kjqf*0.7+kdpj*0.3)/2。
[0088]
在本实施例中，预先设置评价问题的标准分数和难度系数，根据标准分数和难度系数得到知识点目标达成程度，其中：
[0089]
知识点目标达成度＝该知识点所有题目的实际得分/满分之和；
[0090]
每个评价问题的满分＝标准分难度系数。
[0091]
课堂提问目标的实现可以通过以下途径实现：
[0092]
课堂提问目标达成程度＝所有知识点课堂提问得分之和/满分之和；
[0093]
主体评价目标的达成程度通过以下方式获得：
[0094]
目标达成程度通过以下方式获得：
[0095]
主题评价目标达成程度＝知识点得分/评价星级；
[0096]
目标达成＝(评价问号达成+课堂提问目标达成+专题评价目标达成)/评价方法的数量。
[0097]
在本实施例中，预先设置评价题库，对题库中试题的难度系数进行评分，预先设置每个题目的初始难度系数，然后根据评价结果进行动态调整。动态调整通过以下公式得出：
[0098]
q＝w/e；
[0099]
其中q是难度系数，w是完全正确的人数，e是被评估的总人数，
[0100]
难度系数的初始值可由教师估计。在后期，学生完成评价操作后，可以对难度系数q进行调整。例如，每增加100人，如果重新计算难度系数，则可调整w的初始值为100。
[0101]
在本实施例中，首先需要生成用于教学的ppt课件，该ppt文件由系统内部自带，该ppt课件包含多个随堂教学相关的知识点资料；每个ppt课件按照预设的教学形式进行归纳分组；系统将自动标记每个ppt课件的预计教学时间；标记每个ppt课件关联的知识点；根据预设的能力水平标记每个ppt课件关联的知识点权限，标记每个教材对应知识点匹配的能力水平，所述能力水平根据材料的适用性进行划分，能力水平包括未分类、基本认知、能力提升和综合应用。从教学形式、教学估计时间、关联知识点、知识点权重和能力水平五个方面对每个ppt进行标注，实现了教学资源的精细化处理。当n张幻灯片形成一个不可分割的教材(分离后缺少知识点/技能的显示)时，cdbn质量评估模型将n张幻灯片合并成一个教材。同时，将实际教学过程与带标签的教学设计自动关联，实现对教学过程的实时、深入、全面的监控。
[0102]
在本实施例中，根据每一教材对应的知识点的匹配能力水平，求出教材中涉及的不同知识点的知识点的权重，进而求出每一课时的知识点权重。教师在制作课件时为每个ppt设置相应的标签，课堂教学设计完成，教学计划自动生成，教学设计与实际教学过程数据相关联，实时监控教师课堂教学的发展。本实施例中的教学形式可以按照“人类认知理论”进行划分，包括：讲解分析、演示示例、实践测试、自主学习等，标签属性包括ppt的预计教学时间、ppt对应的知识点权重、ppt对应的知识点权重需要达到能力水平，能力水平测试划分可以包括：不分类、基本认知、能力水平强制提升、综合应用等；不分类：表示当前幻灯片属于标题和目录页，不能作为素材推送给学生。基本认知：将学生需要感知、注意和记忆的材料分为定义、概念、名词解释等这一类。能力提高类：在单一知识点/技能点的层次上，将学生需要理解和解决问题的材料分为这一类，通过学习这些材料，可以在单一知识点上提高学生的能力，并对两个或两个以上知识点的综合应用材料需要学生的思维联想和分析材料的整合。
[0103]
在本实施例中，当前班级的基础数据包括知识点的能力水平要求、教材数量、试题数量、前沿科目的得分(平均值)、前沿知识点的达成率、预习通过率，以及上一节课的达标率。系统根据学生的学前质量数据和课前预习评价数据，对学生的先验数据进行分析，并根据双向课程明细表中知识点的能力水平要求对学生进行评价。以安装调试为例：web前端开发技术课程双向明细表的能力等级为4级。系统中安装调试知识点共有78道评价题。将78道题的难度系数分成4等分，学生正确完成老师推送的第四级评价题后，学生安装调试知识点达到标准。
[0104]
在本实施例中，通过教学形式、教学估计时间、关联知识点、知识点权重和能力水平每个ppt从五个方面进行标注，实现教学资源的cdbn模型精细化处理。同时，该平台通过将实际教学过程与带标签的教学设计自动关联，实现了对教师教学过程的实时、深入、全面的监控。
[0105]
本实施例还提供了一种存储计算机程序的计算机可读存储介质，当卷积模型程序由处理器执行时，实现了本实施例中的任何方法。
[0106]
本实施例还提供了一种电子终端，包括处理器和存储器；
[0107]
存储器用于存储计算机程序，处理器用于执行存储在存储器中的计算机程序，使得终端可以执行本实施例中的任何方法。
[0108]
对于本实施例中的计算机可读存储介质，本领域技术人员可以理解，实现上述方
法和实施例的全部或部分步骤可以通过与计算机程序相关的硬件来完成。计算机程序可以存储在计算机可读存储介质中。当执行程序时，执行包括上述方法的步骤；并且上述存储介质包括可以存储程序代码的各种介质，例如rom、ram、磁盘或光盘。
[0109]
本实施例中提供的电子终端包括处理器、存储器、收发器和通信接口。存储器和通信接口与处理器和收发机相连，完成它们之间的通信。存储器用于存储计算机程序，通信接口用于cdbn卷积模型通信和传输，处理器和收发机用于运行计算机程序，使得电子终端能够执行上述方法步骤。
[0110]
在本实施例中，存储器可包括随机存取存储器(ram)或非易失性存储器，例如至少一个磁盘存储器。
[0111]
处理器可以是通用处理器，包括中央处理器(cpu)、网络处理器(np)等；也可以是数字信号处理(dsp)、专用集成电路(asic)、etc电路(asic)、现场可编程门阵列(fpga)或其他可编程逻辑器件，分立门或晶体管逻辑器件，分立硬件元件。
[0112]
上述实施例仅说明了本发明的原理和功效，不用于限制本发明。熟悉本技术的任何人都可以在不违反本发明的精神和范围的情况下修改或改变上述实施例。因此，本发明的权利要求书仍应当包括本领域的公知情人在不脱离本发明公开的精神和技术构思的情况下所作的同等修改或者变更。在本技术提及的所有文献都被认为是整体性地包括在本技术的公开内容中，以便在必要时可以作为修改的依据。此外应理解，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。