技术特征：
1.一种基于深度学习模型的教师信息化教学微能力评价方法，其特征在于该方法具体包括以下步骤：步骤1：基于中小学多媒体教学环境特征，构建教师信息化教学微能力分类框架，该框架从学情分析、教学设计、教学实施和学业测评4个维度设计13个教师微能力点；步骤2：在步骤1的教学微能力分类框架基础上，分别对13个教师微能力点制定分类标准，以及评价标准；步骤3：从移动听评课系统中采集教师评课数据，并对其进行脱敏处理，得到每条评课数据均具有包括：课程id、开课老师id、开课时间、评课人姓名id、弹幕实际时间、弹幕视频时间、弹幕内容和弹幕长度的属性；步骤4：将上述评课数据利用数据清理工具对属性缺失和重复的数据进行清洗与变换，同时利用属性子集选择的基本启发式方法进行检测，删除相关程度不高或者冗余属性的数据；步骤5：对步骤4处理完成的教师评课文本数据进行标注，所述标注为教师评课文本对应教师微能力分类标注和评价标注；步骤6：构建基于预训练的深度学习模型完成教师评课文本对应教师微能力的分类；步骤7：构建基于注意力机制的深度学习模型完成教师评课文本对应教师微能力的评价；步骤8：根据教师id从移动听评课系统中提取所有与教师id相匹配的评课数据，形成每名教师的评课集合，使用步骤6构建的基于预训练的深度学习模型对评课集合内所有数据完成分类，然后使用步骤7构建的基于注意力机制的深度学习模型对分类后的评课文本进行评价；步骤9：使用加权求平均的方式计算评课集合里每个微能力点的得分值，利用关键词提取技术从教师的评课集合中根据不同微能力点分别提取关键词，运用可视化工具对教师微能力画像，将设计的13个教师微能力点逐一进行表征。2.根据权利要求1所述的基于深度学习模型的教师信息化教学微能力评价方法，其特征在于所述学情分析、教学设计、教学实施和学业测评4个维度设计13个教师微能力点，其中，学情分析维度设计1个微能力点，即学情分析；教学设计维度设计3个微能力点，分别为教学资源设计、学习过程设计和学习活动设计；教学实施维度设计6个微能力点，分别为课堂导入、课堂讲授与互动、总结与提升、学习方法指导、小组学习组织和展示交流支持；学业测评维度设计3个微能力点，分别为评价设计与应用、评价数据伴随性采集和评价结果分析。3.根据权利要求1所述的基于深度学习模型的教师信息化教学微能力评价方法，其特征在于所述教师微能力分类标注和评价标注采用至少两名数据标注人员对每条评课文本进行标注，并分别通过kappa系数和标注分数差验证标注人员的标注质量，数据标注完成后对13类标注结果按5%的比例进行质量抽查。4.根据权利要求1所述的基于深度学习模型的教师信息化教学微能力评价方法，其特征在于所述步骤4包括：对清洗和标注后的数据进行去除指定符号、文本分词、去除停用词和过滤低频词进行文本预处理。
5.根据权利要求1所述的基于深度学习模型的教师信息化教学微能力评价方法，其特征在于所述基于预训练的深度学习模型在预训练模型的基础上，连接循环卷积神经网络和全连接层，使用预处理文本进行训练，最后设置验证方式进行模型评价与验证。6.根据权利要求1所述的基于深度学习模型的教师信息化教学微能力评价方法，其特征在于所述基于注意力机制的深度学习模型为基于注意力机制的双向长短期记忆网络，使用预处理文本进行训练，最后设置验证方式进行模型评价与验证。7.根据权利要求1所述的基于深度学习模型的教师信息化教学微能力评价方法，其特征在于所述属性子集选择的基本启发式方法包括：逐步向前选择算法、逐步向后删除算法、步向前选择与逐步向后删除组合算法和决策树归纳算法。
技术总结
本发明公开了一种基于深度学习模型的教师信息化教学微能力评价方法，其特点是该方法包括：构建教师微能力分类框架、设计教师微能力分类标准和评价标准、从移动听评课系统采集评课数据、清洗和变换评课文本、对评课文本进行微能力分类标准和微能力水平评价、构建基于预训练的深度学习教师微能力分类模型、构建基于注意力机制的深度学习教师微能力评价模型、通过预测和加权平均得到教师微能力分类预测结果和微能力水平评价结果，以及将教师微能力分析结果可视化至教师个体画像等步骤。本发明与现有技术相比具有多角度科学评价教师课堂能力，提升数据真实性和准确率，减少人工采集工作量和分析成本，具有较高的研究实践价值。具有较高的研究实践价值。具有较高的研究实践价值。
技术研发人员：闫寒冰 林梓柔
受保护的技术使用者：华东师范大学
技术研发日：2022.08.09
技术公布日：2022/11/29