CN103400328A

CN103400328A - 面向多信息平台聚合的随堂式教学测评系统及测评方法

Info

Publication number: CN103400328A
Application number: CN2013103362298A
Authority: CN
Inventors: 杨安康; 李霄翔
Original assignee: Individual
Current assignee: Individual
Priority date: 2013-08-05
Filing date: 2013-08-05
Publication date: 2013-11-20

Abstract

本发明涉及一种面向多信息平台聚合的随堂式教学测评系统，其特征在于，所述随堂式教学测评系统包括信息采集器、信息聚合器、信息分析器，信息采集器通过教学参与者在教学过程中正常的交流过程中，获取教学过程数据信息；所述信息聚合器即将信息采集器所交互的信息进行聚合，形成可以进行分析的数据形式，再放入指定的数据库系统中，为后续的教学测评分析提供基础；所述信息分析器将单一信息采集平台转换为多平台采集，并能集成应用多重信息技术手段，将多平台的信息以统一的方式聚合在一个数据库中，并能利用智能算法对数据之间的潜在关联信息进行挖掘与梳理，进而形成一个真正的整合数据信息资源。

Description

面向多信息平台聚合的随堂式教学测评系统及测评方法

技术领域

本发明涉及一种教学测评系统，尤其涉及一种面向多信息平台聚合的随堂式教学测评系统及测评方法。

背景技术

随着有效教学研究的不断深入，反馈作为教学的重要组成部分进入人们的视野中。教学是一个由教师、学生、教学内容、教学手段四大要素构成的控制系统，任何系统只有通过测评反馈，才能构成一个闭合回路，而及时取得反馈信息是系统得以优化的重要条件。目前国内研究主要以经验总结的方式探究有效的教学反馈方法，而国外在经过多年相关研究后，已经形成普遍性共识，即教学与测评反馈应该是统一的，教学测评应随着教学过程而不断进行，方能形成对于教学过程的持续性推动。

现有技术中教学测评主要有两类形式，即“终结性测评”与“形成性测评”。既往在教学过程中，多数采用的作业、考核与调查问卷等形式，都属于“终结性测评”范畴，其主要是在教学活动结束后，由教师与学生再进行信息反馈。形成性教学测评是指教师与学习者在教学活动过程中，以信息交流的方式来改变思想或行为，并提高学习者学习的过程。测评反馈对于学习者的学习与教师的教学都具有促进作用，对学生而言，反馈可以有效地帮助学习者强化正确、改正错误、找出问题所在、改进学习方法等；对教师而言，反馈能使教师在教学过程中及时掌握教学效果，调整教学计划以适应学习者，改进教学方法使教学达到预期目标，从而有效地提高教学质量。因此自上世纪八十年代起，西方教育界就对于“形成性测评”或称“形成性评价”，做了系统深入的研究，并形成了多个具有影响力的理论体系。

目前的教学测评手段仍主要以课程为基础，主要通过课程调查问卷方式收集学生对于课程教学的反馈过程。这种教学测评方式虽然流程简单，易于实施，但其存在如下问题。（1）其教学测评理论体系仍将“教”与“学”相互割裂，未能够利用新的学习研究理论结论，来设计教学测评流程，未能从整体上分析研究教学过程，因此其在理论上存在需要改进的地方（2）其测评过程未能与教学过程紧密结合，时效性差。一般来说，课程教学是一个非常长的过程，如果没有一个及时的测评与反馈渠道，则许多可以在过程中出现的问题会因为时间过长而被湮没，未能在最后的课程测评中反映（3）未能够形成一种有效的教学促进互动过程。教学测评只有与教学过程紧密联系，才能真正地发挥其反馈功能，能够形成不断促进的效用。而在课程末期做的调查问卷，即便能反映一些问题，而由于教学参与者在下一个周期的改变而无法真正地验证教学改进的效果，从而无法形成对于教学改革的推动作用（4）教学课程问卷的形式单一，而且问卷本身存在必然的潜在引导性，因此其所能获取的反馈信息并不能真实地反映教学实际情况（5）教学是一个复杂多变的过程，只通过单个渠道进行信息获取，往往会导致海量信息被简单处理，教学参与者无法获得更多地有效信息，而如果引入太多的测评手段，又会影响教学过程的流畅性，对于教学过程形成影响。

综上所述，可知现在需要在新的教学理论指导下，重点研究与教学过程更紧密联系的“形成性测评”，重组教学测评流程体系，并通过引入新的信息化手段来解决许多实际的实施工程问题。

发明内容

为克服目前“终结性测评”的不足，本发明在新的教学理论指导下，提供一种全新的教学测评系统与方法，其在不影响原有的教学过程条件下，通过信息聚合的方式，从既有的多种信息平台上采集教学过程信息，并进行整理分析后将教学测评结果快速反馈到教学参与者，通过与教学过程相互融合的测评方式，实现对教学过程的持续化促进。

为了实现上述目的，本发明的技术方案如下，一种面向多信息平台聚合的随堂式教学测评系统，其特征在于，所述随堂式教学测评系统包括信息采集器、信息聚合器、信息分析器，信息采集器通过教学参与者在教学过程中正常的交流过程中，获取教学过程数据信息；所述信息聚合器即将信息采集器所交互的信息进行聚合，形成可以进行分析的数据形式，再放入指定的数据库系统中，为后续的教学测评分析提供基础；所述信息分析器将单一信息采集平台转换为多平台采集，并能集成应用多重信息技术手段，将多平台的信息以统一的方式聚合在一个数据库中，并能利用智能算法对数据之间的潜在关联信息进行挖掘与梳理，进而形成一个真正的整合数据信息资源。

作为本发明的一种改进，所述信息聚合器包括接入单元、控制单元、泛化单元、重组单元，其中接入单元，将多平台的输入以对应的接入协议，进行采集汇总，这是面向不同的信息观察器设备进行设计的数据接口处理模块，通过该模块可以将不同型号、不同信息传输协议的设备以统一的方式纳入聚合系统中；控制单元，对于采集的数据进行安全性控制，并标注来源与权限属性，这是对于接入数据信息进行控制性处理的模块。其主要功能是数据安全性过滤与读取权限标识。通过该层次的操作，聚合的数据为安全且具有明确权限属性的数据；泛化单元，将不同来源的数据上的属性进行分析，简约规范化数据的属性，这是对于数据进行预处理，在数据上标注一些元数据信息。通过元数据信息，所采集的数据能够更好地分解为一些更细小的数据单元，并且能够具有泛化分析的基础，为后续的数据分析提供支持；重组单元，对于不同来源的数据按数据属性方式进行重新组合，形成可以挖掘的数据资源。利用上述的数据信息，将聚合的数据进行重组，将多个平台采集的同类型数据合并为一个数据单元，或者将一个平台采集的数据分解到多个数据单元中。经过重组后，数据将不再以采集源的形式存储，而以其内在逻辑关系方式进行存储。从数据分析角度上看，经过接入、控制、泛化与重组这4个层次后，数据真正地“聚合”在一起，形成即具有内在逻辑关联又具有外在读取权限的有效数据集合。

作为本发明的一种改进，所述信息分析器包括挖掘单元、统计单元和报表输出单元，其中挖掘单元：对海量的重组数据进行数据挖掘，自动搜索隐藏于其中的有着特殊关系性的信息；计算单元：针对数据挖掘后得到的相关数据集合，进行统计计算，获得数据集合的统计指标；报表单元，为不同的用户呈现不同形式的数据信息。比如通过Web网页提供报表列表，通过Email发送报表的pdf文档，或者通过短信告知测评的总分等；

作为本发明的一种改进，所述信息采集器主要是指在教学过程中，能够纳入该测评平台架构中的信息化设备，特别是一些移动化设备。这些设备是即可以是实际教学过程中进行教学的工具，也可以是教学参与者最擅长使用的信息交流工具。信息采集器的目的在于，其不干扰既有的教学过程，也不影响教学参与者的信息交流，不需要教学参与者重新学习如何进行教学测评反馈。通过教学参与者在教学过程中正常的交流过程中，获取教学过程数据信息。采集器应充分利用既有的信息交流方式或信息平台，不需要做太多的约束，包括教学仪器上的电源感应计时器；或者学校建立的“网络课程平台”、“课程中心”网站或者教师自己建立的教学交流平台“教学论坛”、QQ群或者是公开微信、短信交流平台。

一种面向多信息平台聚合的随堂式教学测评系统的测评方法，其特征在于，所述方法步骤如下：1）教学过程中以每次课堂教学为单元进行测评；2）通过深入在教学过程中的信息采集器进行信息采集；3）将信息采集器所采集的数据信息传递给信息聚合器，信息聚合器将收到的信息进行聚合，形成可以进行分析的数据形式，再放入指定的数据库系统中，为后续的教学测评分析提供基础；4）信息聚合器将聚合后的信息传递给信息分析器，信息分析器通过数据进行分析，得出教学测评结论，将教学测评结论反馈给教学参与者。

相对于现有技术，本发明的优点如下，1）该系统和方法可在国内教育单位，特别是高等院校的教学测评过程中，与既有的教学测评集成使用。通过该发明所论述的教学测评系统与方法的应用，能实现如下既有测评方式无法达到的教学效果：促进教师个人与团队教学能力的有效提升。教学测评的根本目的在于提升教学质量，促进教师与团队的教学水平的提升。但从实践效果上看，如果单纯用“终结性教学测评”方式，则会将教师与学生双方对立，而且其测评反馈时限长，在信息社会快节奏工作与学习的环境下，很难对教师或团队实现有效促进。而采用“形成性教学测评”方式，特别是本发明所提供的“多信息平台聚合”方案，可以快速地将教学现场信息进行收集、整理、统计汇总后，将分析报表快速反馈到教师或教学团队处，有利于他们根据教学测评数据进行及时调整，在下一次的教学过程中进行改进。而且由于本发明的方案是一个持续化过程，其多次教学过程的测评数据可以做多维度的分析，找到其中的发展规律，为教师个人或教学团队在教学理念、教学技能、教学态度与教学内容方面的持续化提升提供充足的数据支撑；2）实现教师培训的精确定位。教师是教学的主导者，也是教学改革的实施者。随着社会的发展，教育也在快速发展。不仅仅是教育理论，更多的是教育技术与教学内容方面的创新。这就需要对教师群体进行长期的持续化的培训工作，以确保教师团队在教学方面与时俱进，真正承担国家教育工作的重任。但目前教师培训工作的难点在于如何将教师的实际需求与培训资源相互结合，如何遴选出需要培训的教师群体，如何针对特定的教师群体制定有效的培训课程。采用本发明所提供的测评方案，能够有效地将教师群体中许多潜在信息挖掘出来，从而更科学更客观更全面地反映教师队伍情况，也为教师培训的精确定位提供了可能。在前期实践过程中，我们发现通过该系统的数据挖掘，我们发现一些教师在课堂上使用PPT或板书的时间比讲授的时间长，并发现到部分教师并没有意识到自己在语音语调上的不足。因此我们给这部分教师开设了“公众演讲中的表达技巧”课程，并聘请省内知名声乐专家指导课堂发声。该培训获得参与教师的热烈响应，从培训后反馈上看，其对于实际教学起到了很好的效果，许多教师在此方面的教学技能上有了显著提升；3）提升教学管理的科学化规范化水平。教学过程非常复杂，高效科学的教学管理需要大量的教学信息数据作为支撑。既往的教学测评，手段单一，测评简单，机制模糊，难于形成一个高水平的测评队伍。基于多年实践，本发明提出的解决方案，不仅仅是一个技术性手段，更能够通过技术层次的改造来推进在教学测评制度上的改革。通过本发明系统的部署与使用，提升了教学测评环节的信息化水平，汇聚了大量的教学现场数据，为教学决策提供了坚实的依据。同时此项工作的开展，需要配备具有专业化水平的队伍，这就促进了教学测评团队的建设。本发明中的测评系统，引入了大量的智能信息处理技术，是基于客观数据与智能模型进行测算来进行教学评估，并且是一个快速反馈的系统。从系统运行角度上看，这个系统能够独立于传统的教学行政管理流程，成为一个独立的第三方测评系统。在本发明者的工作单位中使用效果上看，建设与运行维护该系统的团队都是独立于既有的教务管理部门。这样就实现了教育领域的“管、办、评”三者分离，深化了本单位的教学管理改革；4）本发明是一种面向多信息平台聚合的随堂式教学测评系统及方法，利用现有信息技术的时效性与高速性，通过与教学过程相互融合的观察设备进行数据采集，通过具有多层次数据处理功能的聚合器进行数据整合，再通过信息分析器进行数据分析，实现了在教学与测评的紧密结合。通过本发明，可在不改变既有的教学信息化测评现况基础上，获得更多地教学信息，海量处理学习者学习的过程性数据信息，帮助教学参与者（教师和学生）与教学管理者实时监控教学信息，并为改进教学提供准确高效的数据支撑。

附图说明

图1为本发明整体教学测评过程示意图；

图2为信息聚合器内部单元示意图；

图3为信息分析器内部单元示意图。

具体实施方式

为了加深对本发明的理解和认识，下面结合附图和具体实施方式对本发明做出进一步的说明和介绍。

实施例1：

参见图1，为了实现上述目的，本发明的技术方案如下，一种面向多信息平台聚合的随堂式教学测评系统，所述随堂式教学测评系统包括信息采集器、信息聚合器、信息分析器，信息采集器通过教学参与者在教学过程中正常的交流过程中，获取教学过程数据信息；所述信息聚合器即将信息采集器所交互的信息进行聚合，形成可以进行分析的数据形式，再放入指定的数据库系统中，为后续的教学测评分析提供基础；所述信息分析器将单一信息采集平台转换为多平台采集，并能集成应用多重信息技术手段，将多平台的信息以统一的方式聚合在一个数据库中，并能利用智能算法对数据之间的潜在关联信息进行挖掘与梳理，进而形成一个真正的整合数据信息资源。

实施例2：

参见图2，作为本发明的一种改进，所述信息聚合器包括接入单元、控制单元、泛化单元、重组单元，信息聚合器的主要功能如下，屏蔽多个平台的数据差异，规范化数据；建立一个安全的数据屏障，确保数据安全；实现对于数据间内部潜在关系的预处理，为数据分析挖掘做准备；其中接入单元，将多平台的输入以对应的接入协议，进行采集汇总，这是面向不同的信息观察器设备进行设计的数据接口处理模块，通过该模块可以将不同型号、不同信息传输协议的设备以统一的方式纳入聚合系统中；控制单元，对于采集的数据进行安全性控制，并标注来源与权限属性，这是对于接入数据信息进行控制性处理的模块。其主要功能是数据安全性过滤与读取权限标识。通过该层次的操作，聚合的数据为安全且具有明确权限属性的数据；泛化单元，将不同来源的数据上的属性进行分析，简约规范化数据的属性，这是对于数据进行预处理，在数据上标注一些元数据信息。通过元数据信息，所采集的数据能够更好地分解为一些更细小的数据单元，并且能够具有泛化分析的基础，为后续的数据分析提供支持；重组单元，对于不同来源的数据按数据属性方式进行重新组合，形成可以挖掘的数据资源。利用上述的数据信息，将聚合的数据进行重组，将多个平台采集的同类型数据合并为一个数据单元，或者将一个平台采集的数据分解到多个数据单元中。经过重组后，数据将不再以采集源的形式存储，而以其内在逻辑关系方式进行存储。从数据分析角度上看，经过接入、控制、泛化与重组这4个层次后，数据真正地“聚合”在一起，形成即具有内在逻辑关联又具有外在读取权限的有效数据集合。

由于信息聚合需要对于未来不同的信息平台具有良好的开放性与灵活性，一般利用软件系统来构建它，对应于信息聚合器的4个单元，主要采用如下的软件技术或智能算法来实现；接入单元，SOAP接入协议群。接入层的主要功能是将不同平台上的信息进行汇总，并且屏蔽不同平台间的信息差异。因此需要针对不同的信息来源设计不同的接入协议。在此方面，采用简单对象访问协议（Simple Object Access Protocol，SOAP）形式来作为接入协议的基本架构。SOAP是一种轻量的、简单的、基于XML的协议，它被设计成在WEB上交换结构化的和固化的信息。多年的工程实践说明，基于SOAP方式建立的协议群，可以有效地处理不同的网络终端数据信息，实现简单，运行稳定可靠；控制单元，基于决策树的数据源过滤算法。在控制层中，我们主要是要将数据进行安全过滤与来源权限标识工作。本发明中采用基于决策树方式的数据源过滤算法。该算法的基本思想是：设计一个过滤规范的决策树模型，并且用一个已知的可靠的数据集合对该决策树模型进行训练，强化该决策树的分类能力。然后将实际的接入数据信息放入该决策树模型中进行分类计算，获得“可信”与“非可信”分类，将可信分类中的数据附加上接入来源信息，抛弃“非可信”数据。决策树模式是一种非常经典的智能分类算法体系，基于决策树的数据信息分类技术可以充分利用规则集的结构冗余的特点,最大限度地降低搜索空间,以提高分类效率。而在实际软件实现中，采用有限直接插入法等技术方式，可以有效解决决策树的动态更新问题,减少了决策树的重建次数,能极大地提高系统效率；泛化单元，基于粗集的数据泛化算法。如何将多平台集成的数据集成为一个统一的数据库，其中最关键的部分在于如何处理不同数据源在数据定义方面的交错偏差，能够用一个统一准确的方式对于近似的属性定义加以归并，同时能够通过泛化操作将数据多个潜在属性表征出来。本发明结合近几年在数据泛化方面的研究成果，提出一种基于粗集的数据泛化算法。粗集(RS)理论于1982年由波兰学者Pawlak Z首先提出，目前有多种粗集模型，并以在实际软件系统中运用。作为一种数据推理的新方法,它能够在缺少关于数据的先验知识的情况下,仅仅以对观测数据的分类为基础,解决模糊或不确定性数据的分析和处理。粗集理论以信息系统的形式表示数据,对象以属性表征,其描述形式类似于关系型数据库,基于RS理论的数据归约的基本原理是通过求属性重要性并排序,在泛化关系中找出与原始数据具有相同决策或分辨能力的相关属性的最小集合,实现信息约简与拓展。本发明就是基于粗集理论的基本框架，首先建立一个数据属性树，然后构造属性值集合的统计直方图，再用等宽区间产生叶节点，进而用等频率区间法产生高层节点，最后将树上的节点通过分层排序的方式进行归并，实现数据信息的简约，最终形成的数据属性最小树将给各数据的属性拓展提供指导。采用基于粗集理论的数据泛化，有效地解决了多平台数据聚合后出现的属性重叠与属性交错的问题，给出了减少冗余属性与规范化属性的方法，有助于后续重组分类判别正确率的提高并减少了计算规模；重组单元，基于模糊集合的数据重组算法，教学过程中的多个信息源的数据需要在一个特定的模式下进行重组，才能够真正地成为可以用于分析的整体性数据源。在教学过程中的信息形式很多，但其存在一个明确的时间关联性，因此本发明利用模糊集合技术对按时序获取的若干信息采集器的观测信息在一定准则下加以自动分析，为综合以完成需要的决策和估计任务而进行信息重组处理。Zadeh提出的模糊集理论,为处理现实世界中大量存在的属性界限不分明的对象提供了重要的方法。自此,依托模糊集合理论的优势,模糊聚类分析方法得到越来越广泛的应用。模糊聚类分析釆用隶属度函数表示样本间的亲疏程度,能更加全面的体现数据集的结构,对于存在类间交叉的数据集具有非常好的聚类效果。模糊聚类分析方法有很多分支,例如基于相似关系的模糊聚类分析、基于等价关系的模糊聚类分析以及基于目标函数的模糊聚类分析。其中,基于目标函数的模糊聚类分析方法应用最普遍,目前受到普遍工程应用。本发明就是基于模糊集合理论，采用目前比较流行的加权核模糊聚类算法（WKFCM），对数据进行多次迭代计算，直至得到稳定的隶属度矩阵与聚类中心。根据所得的隶属度矩阵与聚类中心，重新将来自不同数据源的数据进行重组，获得新的具有内在关联性的数据资源。

以某次课堂中的教学反馈为例，该反馈通过手机短信、QQ群与微信等三个渠道进行采集。则针对每个渠道，本发明的软件系统有对应的接入模块，可以自动从中获取数据。由于手机短信渠道混杂了一些非法的短信信息，需要通过安全控制层进行规则判定，判定为有效的短信信息，标注上“SMS”标识，说明是自短信采集，并且标注上时间与来源电话号码信息，形成一个新的有效信息。非法的短信被过滤模块判定为“非可信”，被遗弃。由于三个平台上关于信息在时间定义上有差别，短信上的时间定义为本地时间，而微信上定义为国际标准时间（格林威治时间），虽然属性是类似的，但实际的值可能不同，因此为日后数据处理造成问题。这些问题在信息聚合器的泛化算法中加以处理。泛化算法将建立一个属性树，并通过计算发现时间属性的相似度接近，于是进行简约化操作。相关时间属性将自动归并为同一个属性，即国际标准时间（格林威治时间）。最后，可以经过重组算法的计算，反馈时间接近的数据，将形成一个特定的数据集合，期间形成一个内在的关联性。在后续的计算中，可以根据这个关联，找到时间接近的相关数据，从而发现某些学生在反馈上是否存在“作弊”，是否是同一时间发送的多个相同的答案信息。上述操作为后续数据分析提供了安全、准确、具有内在关联的数据资源。

实施例3：

参见图3，作为本发明的一种改进，所述信息分析器包括挖掘单元、统计单元和报表输出单元，通过该部件的分析，可以从海量的信息中提取有效的潜在的规律数据，为不同的用户提供对于当前教学过程的不同分析报表，以协助教师与教学管理者对于教学过程进行快速持续化的改进；其中挖掘单元：对海量的重组数据进行数据挖掘，自动搜索隐藏于其中的有着特殊关系性的信息；计算单元：针对数据挖掘后得到的相关数据集合，进行统计计算，获得数据集合的统计指标；报表单元，为不同的用户呈现不同形式的数据信息。比如通过Web网页提供报表列表，通过Email发送报表的pdf文档，或者通过短信告知测评的总分等；

本发明中信息分析器的主要功能有，挖掘单元，是指从大量的多平台重组后的数据资源中自动搜索隐藏于其中的有着特殊关系性的信息的过程。目前数据挖掘主要通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。本发明中主要基于数理统计与模式识别相互结合的方式来进行数据挖掘；

统计单元，针对数据挖掘后得到的相关数据集合，进行统计计算，获得数据集合的统计指标。本发明中主要是结合数据挖掘中的模式识别规则来进行数据统计；报表输出单元，将数据计算所得的结果，以不同的形式给不同需求的用户进行呈现。本发明中主要是针对教师、学生、各级教学管理部门进行不同形式的报表输出，并可以直接输出到包含移动设备等多种信息平台上。

实施例4：

信息采集器是多元化，宽口径兼容的，其主要的功能并不是为了测评，而是为了增进师生之间的互动，特别是信息化的互动。信息采集器的架构也是多元的，可以是基于传统的有线互联网（局域网络），可以是基于现在的移动互联网（无线局域、广域网络）。

在现实操作中，利用多个渠道来做信息采集手段，从逻辑角度上看，即在这些渠道中设置了信息采集器。其实从用户角度上看，这些信息采集器并不影响正常的使用。大多数情况下，用户并不会注意到这些信息采集器对实际教学交互的影响，即所谓的“无干扰式”的采集。比如在教学课程平台上，增加一个软件技术模块，可以将学生登录平台查看教案PPT的次数与时间采集到测评系统中；在QQ群中增加一个留言IP登录计数，了解教师与学生在QQ群中的活跃程度；在教学实验设备的电源控制器上，增加一个时间监控硬件模块，可以了解学生在操作该设备的开关情况，进而了解到该学生实际实验时间。

实施例5：

一种面向多信息平台聚合的随堂式教学测评系统的测评方法，所述方法步骤如下：1）教学过程中以每次课堂教学为单元进行测评；2）通过深入在教学过程中的信息采集器进行信息采集；3）将信息采集器所采集的数据信息传递给信息聚合器，信息聚合器将收到的信息进行聚合，形成可以进行分析的数据形式，再放入指定的数据库系统中，为后续的教学测评分析提供基础；4）信息聚合器将聚合后的信息传递给信息分析器，信息分析器通过数据进行分析，得出教学测评结论，将教学测评结论反馈给教学参与者。

由于教学过程是一个复杂过程，单次的行为测评往往并不能够真实地反映教学现况。而且不同层次的教学管理部门，对于测评数据往往需要有不同的解读。因此本发明在上述核心算法的应用上，采用“分层多次迭代”运行的方式，即通过编写程序，多次调用核心算法软件模块，并加入不同的测评规则数据集合，得到不同层次的数据信息。以某次课堂教学过程为例，在课堂结束后的网络习题作业数据上，对学生的正确率、答题时间等规则进行统计计算，获得本次教师与往届优秀教师之间的行为相似度为0.95，说明该老师在此次课程的知识传授上还是比较好的。这是第一次迭代，所得的测评数据及时地通过短信方式反馈给教师，让教师了解到学生的教学收获情况。然后将增加学生的入校成绩与前序课程成绩，并将数据集合拓展到同专业同年级学生与不同专业同年级的学生群体中，对教师与学生的数据进行横向测评计算，获得不同学生与不同教师的数据。通过这次迭代计算，可以让院系教研组了解到不同学生与教师之间的差异。如果将往届学生的数据加入模式识别规则中，则可以了解学生在不同课程之间的相似度差异，特别是能够反映前序课程对于该课程的影响情况。这些数据将以pdf文档方式电邮给院系主管教学的院领导与教学督导教师中，为其在进行教学大纲调整与教学课程调整提供数据支撑。最后加入各学院教师的职称、年龄、学历信息，再做规则模式的聚类分析，可以了解到某个教师相对于整个教师团队的成长状态，并能够了解教师在教学上投入与发展形势。这次迭代形成的数据报告可作为校领导在人事绩效考核政策改革方面的决策的有力支撑。

需要说明的是上述实施例仅仅是本发明的较佳实施例，并没有用来限定本发明的保护范围，在上述基础上所作出的等同替换或者替代均属于本发明的保护范围，本发明的保护范围以权利要求书为准。

Claims

1.一种面向多信息平台聚合的随堂式教学测评系统，其特征在于，所述随堂式教学测评系统包括信息采集器、信息聚合器、信息分析器，信息采集器通过教学参与者在教学过程中正常的交流过程中，获取教学过程数据信息；所述信息聚合器即将信息采集器所交互的信息进行聚合，形成可以进行分析的数据形式，再放入指定的数据库系统中，为后续的教学测评分析提供基础；所述信息分析器将单一信息采集平台转换为多平台采集，并能集成应用多重信息技术手段，将多平台的信息以统一的方式聚合在一个数据库中，并能利用智能算法对数据之间的潜在关联信息进行挖掘与梳理，进而形成一个真正的整合数据信息资源。

2.根据权利要求1所述的一种面向多信息平台聚合的随堂式教学测评系统，其特征在于，所述信息聚合器包括接入单元、控制单元、泛化单元、重组单元，其中接入单元，将多平台的输入以对应的接入协议，进行采集汇总；控制单元，对于采集的数据进行安全性控制，并标注来源与权限属性；泛化单元，将不同来源的数据上的属性进行分析，简约规范化数据的属性；重组单元，对于不同来源的数据按数据属性方式进行重新组合，形成可以挖掘的数据资源。

3.根据权利要求1或2所述的一种面向多信息平台聚合的随堂式教学测评系统，其特征在于，所述信息分析器包括挖掘单元、统计单元和报表输出单元，其中挖掘单元：对海量的重组数据进行数据挖掘，自动搜索隐藏于其中的有着特殊关系性的信息；计算单元：针对数据挖掘后得到的相关数据集合，进行统计计算，获得数据集合的统计指标；报表单元，为不同的用户呈现不同形式的数据信息。

4.根据权利要求1或2所述的一种面向多信息平台聚合的随堂式教学测评系统，其特征在于，所述信息采集器主要是指在教学过程中，能够纳入该测评平台架构中的信息化设备，包括教学仪器上的电源感应计时器；或者学校建立的“网络课程平台”、“课程中心”网站或者教师自己建立的教学交流平台“教学论坛”、QQ群或者是公开微信、短信交流平台。

5.采用权利要求1-4所述面向多信息平台聚合的随堂式教学测评系统的测评方法，其特征在于，所述方法步骤如下：1）教学过程中以每次课堂教学为单元进行测评；2）通过深入在教学过程中的信息采集器进行信息采集；3）将信息采集器所采集的数据信息传递给信息聚合器，信息聚合器将收到的信息进行聚合，形成可以进行分析的数据形式，再放入指定的数据库系统中，为后续的教学测评分析提供基础；4）信息聚合器将聚合后的信息传递给信息分析器，信息分析器通过数据进行分析，得出教学测评结论，将教学测评结论反馈给教学参与者。