CN108764710A - 教学质量评价方法及装置 - Google Patents
教学质量评价方法及装置 Download PDFInfo
- Publication number
- CN108764710A CN108764710A CN201810514488.8A CN201810514488A CN108764710A CN 108764710 A CN108764710 A CN 108764710A CN 201810514488 A CN201810514488 A CN 201810514488A CN 108764710 A CN108764710 A CN 108764710A
- Authority
- CN
- China
- Prior art keywords
- religion
- index
- teacher
- evaluated
- comment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 13
- 238000005303 weighing Methods 0.000 claims abstract description 47
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 39
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000000513 principal component analysis Methods 0.000 claims description 24
- 238000013441 quality evaluation Methods 0.000 claims description 12
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 18
- 238000007418 data mining Methods 0.000 abstract description 3
- 230000015654 memory Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000006399 behavior Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及教育信息化技术领域,提供一种教学质量评价方法及装置,所述方法包括:获取待评价教师的初始得分数据、以及与待评价教师对应的学生评分数据及多个评教变量数据;对多个评教变量数据进行教学特征提取,得到多个评教变量数据的综合评教指标;依据学生评分数据、待评价教师的初始得分数据和综合评教指标,求解出综合评教指标对待评价教师的最终得分的影响权重;依据影响权重和所述学生评分数据,计算出待评价教师的最终得分数据。本发明通过对教学过程中诸多影响教学质量的因素进行数据挖掘分析,得到不同因素对教学质量的影响权重,从而指导教师在教学过程中进行及时、有效地调整教学行为,提高教学质量。
Description
技术领域
本发明涉及教育信息化技术领域,具体而言,涉及一种教学质量评价方法及装置。
背景技术
随着信息技术的快速发展,高校校园环境也发生了根本变化。无论校园里的生活环境还是教学环境都存在着各种各样的多媒体产品,如手机、计算机、PAD等,学校和教育行业也开始改善教学管理方法,将以前主要依赖老师收集教学数据(如老师点名、学生自习签到)、计算机辅助统计的教学管理模式提升为更加高效、创新、友好的现代教学管理模式,教学质量评价作为教学管理中的重要一环,其结果不仅是教师教学质量的主要依据,也是衡量各教学单位教学管理水平的重要参照。传统的教学质量评价方式仅根据最终的教学成果进行考核,这种评估方式往往不能反映整个教学过程中发生的诸多问题,无法为教师提供诸多因素在教学情况中的不同影响,因而也不能指导教师在教学过程中进行及时、有效地调整教学行为,从而提高教学质量。
发明内容
本发明实施例的目的在于提供一种教学质量评价方法及装置,通过对教学过程中诸多影响教学质量的因素进行数据挖掘分析,得到不同因素对教学质量的影响权重,从而指导教师在教学过程中进行及时、有效地调整教学行为,提高教学质量。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种教学质量评价方法,所述方法包括:获取待评价教师的初始得分数据、以及与待评价教师对应的学生评分数据及多个评教变量数据;对多个评教变量数据进行教学特征提取,得到多个评教变量数据的综合评教指标;依据学生评分数据、待评价教师的初始得分数据和综合评教指标,求解出综合评教指标对待评价教师的最终得分的影响权重;依据影响权重和学生评分数据,计算出待评价教师的最终得分数据。
第二方面,本发明实施例还提供了一种教学质量评价装置,所述装置包括获取模块、特征提取模块、影响权重计算模块和最终得分计算模块。其中,获取模块,用于获取待评价教师的初始得分数据、以及与待评价教师对应的学生评分数据及多个评教变量数据;特征提取模块,用于对多个评教变量数据进行教学特征提取,得到多个评教变量数据的综合评教指标;影响权重计算模块,用于依据学生评分数据、待评价教师的初始得分数据和综合评教指标,求解出综合评教指标对所述待评价教师的最终得分的影响权重;最终得分计算模块,用于依据影响权重和所述学生评分数据,计算出待评价教师的最终得分数据。
相对现有技术,本发明实施例提供的一种教学质量评价方法及装置,首先,获取待评价教师的初始得分数据、以及与待评价教师对应的学生评分数据及多个评教变量数据;然后,对多个评教变量数据进行教学特征提取,得到多个评教变量数据的综合评教指标;接下来,依据学生评分数据、待评价教师的初始得分数据和综合评教指标,求解出综合评教指标对待评价教师的最终得分的影响权重;最后,依据影响权重和学生评分数据,计算出待评价教师的最终得分数据。与现有技术相比,本发明实施例通过对教学过程中诸多影响教学质量的因素进行数据挖掘分析,得到不同因素对教学质量的影响权重,从而指导教师在教学过程中进行及时、有效地调整教学行为,提高教学质量。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的电子设备示意图。
图2示出了本发明实施例提供的教学质量评价方法流程图。
图3为图2示出的步骤S102的子步骤流程图。
图4示出了本发明实施例提供的教学质量评价装置的方框示意图。
图5为图4示出的教学质量评价装置中特征提取模块的方框示意图。
图标:100-电子设备;101-存储器;102-存储控制器;103-处理器;200-教学质量评价装置;201-获取模块;202-特征提取模块;2021-聚类分析单元;2022-主成分分析单元;203-影响权重计算模块;204-最终得分计算模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1示出了本发明实施例提供的电子设备100示意图。电子设备100可以是,但不限于智能手机、平板电脑、个人电脑(personal computer,PC)、服务器等等。电子设备100的操作系统可以是,但不限于,安卓(Android)系统、IOS(iPhone operatingsystem)系统、Windows phone系统、Windows系统等。所述电子设备100包括教学质量评价装置200、存储器101、存储控制器102及处理器103。
存储器101、存储控制器102及处理器103各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。教学质量评价装置200包括至少一个可以软件或固件(firmware)的形式存储于存储器101中或固化在所述电子设备100的操作系统(operating system,OS)中的软件功能模块。处理器103用于执行存储器101中存储的可执行模块,例如教学质量评价装置200所包括的软件功能模块及计算机程序等。
其中,存储器101可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器101用于存储程序,所述处理器103在接收到执行指令后,执行所述程序。
处理器103可以是一种集成电路芯片,具有信号处理能力。上述的处理器103可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)、语音处理器以及视频处理器等;还可以是数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器等。
第一实施例
请参照图2,图2示出了本发明实施例提供的教学质量评价方法流程图。处理方法包括以下步骤:
步骤S101,获取待评价教师的初始得分数据、以及与待评价教师对应的学生评分数据及多个评教变量数据。
在本发明实施例中,待评价教师的初始得分数据指待评价教师的总的得分,可以是学生成绩、同行教师的评价分数、教师的上课次数等综合计算所得,每个待评价教师均对应一个总得分。学生评分数据是选修了该待评价教师的每个学生为该待评价教师打的评分,因此每个待评价教师对应的学生评分数据是多个,例如,张三学生和李四学生均选修了王二老师的课程,张三学生为王二老师打的评分为8分、李四学生为王二老师打的评分为9分,则王二老师的学生评分数据为(8,9)。评教变量数据指教学过程中对待评价教师的最终评分产生影响的教学过程数据,可以、但不限于包括学生“出勤率”、学生“抬头率”、学生性别、学生专业、学生学历、教师职称、教师性别、以及评教学生比例八个变量,其中,学生“出勤率”可以通过对学生出勤情况进行统计得到、学生“抬头率”可以通过感知层设备(如监控摄像头等)采集课堂上学生抬头次数计算得到,学生性别、学生专业、学生学历、教师职称、教师性别可以从教务系统中的学生数据信息数据库和教师信息数据库中获取,评教学生比例指参与评教的学生人数占选修评价教师的课程的总学生数的比值。
步骤S102,对多个评教变量数据进行教学特征提取,得到多个评教变量数据的综合评教指标。
在本发明实施例中,首先,根据任意两个评教变量数据之间的距离将多个评教变量数据分成多个评教指标类,其次,按照预设规则,从每个评教指标类中确定出一个评教指标,然后,对多个评教指标进行主成分分析得到多个方差贡献率大于预设阈值的目标主成分,最后,根据目标主成分与每个评教指标之间的相关系数确定出多个评教变量数据的综合评教指标。
请参照图3,步骤S102的还可以包括以下子步骤:
步骤S1021,对多个评教变量数据进行聚类分析,得到多个评教指标。
在本发明实施例中,聚类分析是将多个评教变量数据分组为由类似的评教变量组成的多个评教指标类的分析过程,首先,计算任意两个评教变量数据之间的距离,当该距离小于预设距离时,将这两个评教变量数据归为一类,然后逐步计算该类与除这两个评教变量数据之外的其他多个评教变量数据之间的距离,并依据该距离得到新的类,直到最终将多个评教变量数据归为一个类,最终得到对应的聚类树状图,按照经验值,在该聚类树状图中选择类的个数及对应的聚类结果。聚类结果包括多个评教指标类,按照预设规则,从每个评教指标类中确定出一个评教指标,最终得到多个评教指标。
作为一种实施方式,对多个评教变量数据进行聚类分析,得到多个评教指标的方法可以是:
首先,计算任意两个评教变量数据之间的距离。
在本发明实施例中,两个评教变量数据之间的距离采用Pearson相关系数定义的,Pearson相关系数能够用来衡量两个评教变量数据之间的相似性,此外,Pearson相关系数可以避免评教等级膨胀的问题,也就是说有的学生可能倾向于对所有的老师都给比较高的分数,而有的学生则会比较苛刻,给分都比较低,Pearson相关系数可以避免这种情况对待评价教师的最终得分数据的影响,计算两个评教变量数据之间的距离的公式为:
其中,公式中的分子是两个评教变量数据的协方差,分母是两个评教变量数据标准差之积,两个评教变量数据之间的距离值代表两个评教变量数据之间相关程度,例如,当0.8≤r≤1.0时,代表两个评教变量数据之间极强相关、当0.6≤r<0.8时,代表两个评教变量数据之间强相关、当0.4≤r<0.6时,代表两个评教变量数据之间强相关、当0.2≤r<0.4时,代表两个评教变量数据之间弱相关、当0.0≤r<0.2时,代表两个评教变量数据之间极弱相关或无相关。
其次,依据距离将多个评教变量数据分成多个评教指标类,其中,每个评教指标类中均包括多个评教变量数据。
在本发明实施例中,依据距离将极强相关或者强相关的两个评教变量数据归为一类,计算该类与其他类之间的距离,再依据该类与其他类之间的距离将与该类极强相关或者强相关合并成一个新类,直至多个评教变量数据合成一类为止,例如,评教变量数据包括学生“出勤率”、学生“抬头率”、学生性别、学生专业、学生学历、教师职称、教师性别,学生“出勤率”和学生“抬头率”之间的距离为0.8,则可以将学生“出勤率”和学生“抬头率”归为一类,将该类命名为学生上课类,学生性别和学生专业之间的距离为0.7,则可以将学生性别和学生专业归为一类,将该类命名为学生基本信息类,学生信息类和学生学历之间的距离为0.8,则将学生学历归为学生基本信息类,学生上课类和教师职称之间的距离为0.3,则教师职称不能归到学生上课类,学生上课类和学生基本信息类之间的距离为0.6,教师职称和教师性别之间的距离为0.6,则将教师职称和教师性别归为一类,将该类命名为教师信息类,则学生上课类和学生基本信息类合并为一类,命名为学生类,按照经验值,将距离大于或者等于0.6的类当作不同的类,因此,学生“出勤率”、学生“抬头率”、学生性别、学生专业、学生学历、教师职称、教师性别这七个评教变量数据分成3个类:学生上课信息类,包括学生“出勤率”、学生“抬头率”;学生基本信息类,包括学生性别、学生专业、学生学历;教师信息类,包括教师职称、教师性别。
最后,按照预设规则,从每个评教指标类中确定出一个评教指标。
在本发明实施例中,预设规则可以是每个评教变量数据与所属的评教指标类之间的距离小于预设距离,也可以是每个评教变量数据的类归属度大于预设归属度阈值,该预设距离或者预设归属度阈值表征了每个评教变量数据代表所属的评教指标类的特征的程度,评教变量数据的预设距离越小、或者类归属度越高,该评教变量数据越能代表其所属的评教指标类的特征。将每个评教指标类中预设距离最小或者类归属度最高的评教变量数据作为该评教指标类的评教指标。例如,学生上课信息类,包括学生“出勤率”、学生“抬头率”,其中学生“出勤率”与学生上课信息类之间的距离为0.8,学生“抬头率”与学生上课信息类之间的距离为0.6,则学生“出勤率”为评教指标。
步骤S1022,对多个评教指标进行主成分分析,得到多个评教指标的综合评教指标。
在本发明实施例中,综合评教指标包括数量指标和质量指标,主成分分析是将多个评教指标进行线性变换得到线性互不相关的多个主成分,根据每个主成分的方差贡献率及与每个评教指标的相关系数确定出数量指标和质量指标。
作为一种实施方式,对多个评教指标进行主成分分析,得到所述多个评教指标的综合评教指标的方法可以是:
首先,对多个评教指标进行线性变换得到综合了多个评教指标的评教特征的多个主成分及每个主成分的方差贡献率。
在本发明实施例中,多个主成分相互之间线性不相关、且综合了多个评教指标信息。为了保证提取的主成分能够反映出多个评教指标的绝大部分的方差,在进行主成分分析之前,首先利用KMO(Kaiser-Meyer-Olkin)检验和Bartlett球形检验来判断对多个评教指标进行主成分分析是否必要。其中,KMO检验用于判定多个评教指标间的偏相关性,取值范围在0~1之间,当多个评教指标间的偏相关性在0.7以上时,主成分分析效果比较好,即适合主成分分析。Bartlett球形检验用于检验相关阵是否是单位阵,即检验各评教指标是否各自独立,原假设为:H0:相关系数阵为单位矩阵,当Bartlett球形检验的结论不拒绝原假设时,说明各变量能够分别提供一些独立的信息,此时不适合进行主成分分析。反之,适合做主成分分析。当适合对多个评教指标进行主成分分析时,对多个评教指标进行线性变换得到综合了多个评教指标的评教特征的多个主成分及每个主成分的方差贡献率。
其次,筛选出方差贡献率大于预设阈值的多个目标主成分。
在本发明实施例中,预设阈值一般设置为0.85,即将方差贡献率大于0.85的主成分确定为目标主成分,也就是说,目标主成分代表了多个评教指标中的绝大部分特征信息,因此,目标主成分对所述待评价教师的最终得分的影响权重可以当作多个评教指标对待评价教师的最终得分的影响权重。
最后,根据目标主成分与每个评教指标之间的相关系数确定出数量指标和质量指标。
在本发明实施例中,数量指标是表征评教指标的数量对目标主成分影响较大,即目标成分与该评教指标之间的相关系数大于预设相关阈值,质量指标是表征评教指标的质量对目标主成分影响较大,即目标成分与该评教指标之间的相关系数大于相关阈值。例如,学生“出勤率”的数量对待评价教师的最终得分影响较大,则学生“出勤率”属于数量指标,预设相关阈值为0.75,目标成分与学生“出勤率”之间的相关系数为0.8,则该目标成分即为数量指标。
步骤S103,依据学生评分数据、待评价教师的初始得分数据和综合评教指标,求解出综合评教指标对待评价教师的最终得分的影响权重。
在本发明实施例中,待评价教师的最终得分的影响权重包括数量权重因子和质量权重因子,数量权重因子表征了数量指标对所述待评价教师的最终得分的影响权重,质量权重因子表征了质量指标对所述待评价教师的最终得分的影响权重,依据所述学生评分数据、待评价教师的初始得分数据和综合评教指标,按照权重计算公式求解出所述综合评教指标对所述待评价教师的最终得分的质量权重因子和数量权重因子,其中,σ为数量权重因子,μ为质量权重因子,P为学生评分数据,Y为待评价教师的初始得分数据,λ为数量惩罚因子,为质量惩罚因子,λ和均是根据经验值设定的。
步骤S104,依据影响权重和学生评分数据,计算出待评价教师的最终得分数据。
在本发明实施例中,将步骤S103中计算出的数量权重因子和质量权重因子代入公式中,即可得到表征学生评分数据和待评价教师的最终得分之间的关联关系模型,利用该模型,依据数量权重因子和质量权重因子,计算出待评价教师的最终得分数据。另外,还可以对待评价教师的最终得分数据和初始得分数据进行比较,调整公式中的数量惩罚因子和质量惩罚因子,以使公式更准确。
在本发明实施例中,首先,获取待评价教师的初始得分数据、以及与待评价教师对应的学生评分数据及多个评教变量数据,将教学过程中对待评价教师的最终得分产生影响的多个评教变量数据均作为原始数据进行分析,可以最大程度上保证分析过程中信息的完备性,确保不遗漏对待评价教师的最终得分产生影响的方方面面的信息,也确保了分析结果的准确性和可靠性;其次,对多个评教变量数据进行教学特征提取,得到多个评教变量数据的综合评教指标,通过聚类分析对多个评教变量数据进行预处理,一方面降低了待分析的评教变量数据的维度,另一方面选取每个聚类中最有代表性的评教变量数据,保证选取的评教变量数据最能代表每个聚类的最多的教学特征,另外,使用Pearson相关系数定义评教变量数据之间的距离,有效地避免了评教等级膨胀的问题;接下来,对聚类得到的多个评教指标进行主成分分析,得到对应的综合评教指标,进行主成分分析之前先利用KMO(Kaiser-Meyer-Olkin)检验和Bartlett球形检验来判断对多个评教指标进行主成分分析是否必要,保证主成分分析结果的可靠性;然后,依据学生评分数据、待评价教师的初始得分数据和综合评教指标,求解出综合评教指标对待评价教师的最终得分的影响权重;最后,依据影响权重和学生评分数据,计算出待评价教师的最终得分数据,由于同时考虑了质量指标和数量指标对待评价教师的最终得分的不同影响,使得到的最终得分数据更加客观、从而达到指导教师在教学过程中进行及时、有效地调整教学行为,提高教学质量的目的。
第二实施例
请参照图4,图4示出了本发明实施例提供的教学质量评价装置200的方框示意图。教学质量评价装置200应用于电子设备100,其包括获取模块201;特征提取模块202;影响权重计算模块203;最终得分计算模块204。
获取模块201,用于获取待评价教师的初始得分数据、以及与待评价教师对应的学生评分数据及多个评教变量数据。
在本发明实施例中,获取模块201用于执行步骤S101。
特征提取模块202,用于对多个评教变量数据进行教学特征提取,得到多个评教变量数据的综合评教指标。
本发明实施例中,特征提取模块202用于执行步骤S102。
请参照图5,图5为图4示出的教学质量评价装置200中特征提取模块202的方框示意图。特征提取模块202模块包括聚类分析单元2021和主成分分析单元2022。
聚类分析单元2021,用于对多个评教变量数据进行聚类分析,得到多个评教指标。
在本发明实施例中,聚类分析单元2021用于执行子步骤S1021。
主成分分析单元2022,用于对多个评教指标进行主成分分析,得到多个评教指标的综合评教指标。
在本发明实施例中,主成分分析单元2022用于执行子步骤S1022。
影响权重计算模块203,用于依据学生评分数据、待评价教师的初始得分数据和综合评教指标,求解出综合评教指标对所述待评价教师的最终得分的影响权重。
本发明实施例中,影响权重计算模块203用于执行步骤S103。
最终得分计算模块204,用于依据影响权重和所述学生评分数据,计算出待评价教师的最终得分数据。
本发明实施例中,最终得分计算模块204用于执行步骤S104。
综上所述,本发明提供的一种教学质量评价方法及装置,所述方法包括:获取待评价教师的初始得分数据、以及与待评价教师对应的学生评分数据及多个评教变量数据;对多个评教变量数据进行教学特征提取,得到多个评教变量数据的综合评教指标;依据学生评分数据、待评价教师的初始得分数据和综合评教指标,求解出综合评教指标对待评价教师的最终得分的影响权重;依据影响权重和学生评分数据,计算出待评价教师的最终得分数据。与现有技术相比,本发明实施例通过对教学过程中诸多影响教学质量的因素进行数据挖掘分析,得到不同因素对教学质量的影响权重,从而指导教师在教学过程中进行及时、有效地调整教学行为,提高教学质量。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
Claims (10)
1.一种教学质量评价方法,其特征在于,所述方法包括:
获取待评价教师的初始得分数据、以及与所述待评价教师对应的学生评分数据及多个评教变量数据;
对所述多个评教变量数据进行教学特征提取,得到所述多个评教变量数据的综合评教指标;
依据所述学生评分数据、待评价教师的初始得分数据和综合评教指标,求解出所述综合评教指标对所述待评价教师的最终得分的影响权重;
依据所述影响权重和所述学生评分数据,计算出所述待评价教师的最终得分数据。
2.如权利要求1所述的方法,其特征在于,所述对所述多个评教变量数据进行教学特征提取,得到所述多个评教变量数据的综合评教指标的步骤,包括:
对所述多个评教变量数据进行聚类分析,得到多个评教指标;
对所述多个评教指标进行主成分分析,得到所述多个评教指标的综合评教指标。
3.如权利要求2所述的方法,其特征在于,所述对所述多个评教变量数据进行聚类分析,得到多个评教指标的步骤,包括:
计算任意两个评教变量数据之间的距离;
依据所述距离将所述多个评教变量数据分成多个评教指标类,其中,每个评教指标类中均包括多个评教变量数据;
按照预设规则,从每个评教指标类中确定出一个评教指标。
4.如权利要求2所述的方法,其特征在于,所述综合评教指标包括数量指标和质量指标,所述对所述多个评教指标进行主成分分析,得到所述多个评教指标的综合评教指标的步骤,包括:
对所述多个评教指标进行线性变换得到综合了多个评教指标的评教特征的多个主成分及每个主成分的方差贡献率;
筛选出所述方差贡献率大于预设阈值的多个目标主成分;
根据所述目标主成分与每个评教指标之间的相关系数确定出所述数量指标和质量指标。
5.如权利要求1所述的方法,其特征在于,对所述待评价教师的最终得分的影响权重包括数量权重因子和质量权重因子,所述数量权重因子表征了数量指标对所述待评价教师的最终得分的影响权重,所述质量权重因子表征了质量指标对所述待评价教师的最终得分的影响权重,依据所述学生评分数据、待评价教师的初始得分数据和综合评教指标,求解出所述综合评教指标对对所述待评价教师的最终得分的影响权重的步骤,包括:
依据所述学生评分数据、待评价教师的初始得分数据和综合评教指标,按照权重计算公式求解出所述综合评教指标对所述待评价教师的最终得分的影响权重,其中,σ为数量权重因子,μ为质量权重因子,P为学生评分数据,Y为待评价教师的初始得分数据,λ为数量惩罚因子,为质量惩罚因子。
6.一种教学质量评价装置,其特征在于,所述装置包括:
获取模块,用于获取待评价教师的初始得分数据、以及与所述待评价教师对应的学生评分数据及多个评教变量数据;
特征提取模块,用于对所述多个评教变量数据进行教学特征提取,得到所述多个评教变量数据的综合评教指标;
影响权重计算模块,用于依据所述学生评分数据、待评价教师的初始得分数据和综合评教指标,求解出所述综合评教指标对所述待评价教师的最终得分的影响权重;
最终得分计算模块,依据所述影响权重和所述学生评分数据,计算出所述待评价教师的最终得分数据。
7.如权利要求6所述的装置,其特征在于,所述特征提取模块包括:
聚类分析单元,用于对所述多个评教变量数据进行聚类分析,得到多个评教指标;
主成分分析单元,用于对所述多个评教指标进行主成分分析,得到所述多个评教指标的综合评教指标。
8.如权利要求7所述的装置,其特征在于,所述聚类分析单元具体用于:
计算任意两个评教变量数据之间的距离;
依据所述距离将所述多个评教变量数据分成多个评教指标类,其中,每个评教指标类中均包括多个评教变量数据;
按照预设规则,从每个评教指标类中确定出一个评教指标。
9.如权利要求7所述的装置,其特征在于,所述综合评教指标包括数量指标和质量指标,所述主成分分析单元具体用于:
对所述多个评教指标进行线性变换得到综合了多个评教指标的评教特征的多个主成分及每个主成分的方差贡献率;
筛选出所述方差贡献率大于预设阈值的多个目标主成分;
根据所述目标主成分与每个评教指标之间的相关系数确定出所述数量指标和质量指标。
10.如权利要求6所述的装置,其特征在于,对所述待评价教师的最终得分的影响权重包括数量权重因子和质量权重因子,所述数量权重因子表征了数量指标对所述待评价教师的最终得分的影响权重,所述质量权重因子表征了质量指标对所述待评价教师的最终得分的影响权重,所述影响权重计算模块具体用于:
依据所述学生评分数据、待评价教师的初始得分数据和综合评教指标,按照权重计算公式求解出所述综合评教指标对所述待评价教师的最终得分的影响权重,其中,σ为数量权重因子,μ为质量权重因子,P为学生评分数据,Y为待评价教师的初始得分数据,λ为数量惩罚因子,为质量惩罚因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810514488.8A CN108764710A (zh) | 2018-05-25 | 2018-05-25 | 教学质量评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810514488.8A CN108764710A (zh) | 2018-05-25 | 2018-05-25 | 教学质量评价方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108764710A true CN108764710A (zh) | 2018-11-06 |
Family
ID=64006530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810514488.8A Pending CN108764710A (zh) | 2018-05-25 | 2018-05-25 | 教学质量评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764710A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615018A (zh) * | 2018-12-24 | 2019-04-12 | 广东德诚科教有限公司 | 用户个性化行为评价方法、装置、计算机设备和存储介质 |
CN109727171A (zh) * | 2019-03-15 | 2019-05-07 | 重庆科技学院 | 一种教育机构培训过程监测与评价系统教师终端 |
CN110059978A (zh) * | 2019-04-26 | 2019-07-26 | 湖南科技学院 | 一种基于云计算辅助教学测评的教师评价系统 |
CN110211008A (zh) * | 2019-05-30 | 2019-09-06 | 潍坊护理职业学院 | 一种现代教育教学互动反馈系统及方法 |
CN111415074A (zh) * | 2020-03-12 | 2020-07-14 | 青岛酒店管理职业技术学院 | 一种英语教学用课程质量统计评价系统 |
CN111415283A (zh) * | 2020-04-15 | 2020-07-14 | 上海复岸网络信息科技有限公司 | 一种有效在线教学的因素分析方法和装置 |
CN111784184A (zh) * | 2020-07-14 | 2020-10-16 | 北京一起教育信息咨询有限责任公司 | 一种教学质量的分析方法、装置及电子设备 |
CN111985793A (zh) * | 2020-07-31 | 2020-11-24 | 安徽工程大学 | 一种学生网上评教方法 |
CN112668476A (zh) * | 2020-12-28 | 2021-04-16 | 华中师范大学 | 一种数据处理方法、装置、电子设备及存储介质 |
CN113360372A (zh) * | 2021-05-21 | 2021-09-07 | 安徽中科国创高可信软件有限公司 | 一种基于程序分析多维质量评价的程序语言教学实践平台 |
CN115879820A (zh) * | 2022-12-31 | 2023-03-31 | 华中师范大学 | 一种基于在线教学反馈信息的师生联结质量评价方法及系统 |
-
2018
- 2018-05-25 CN CN201810514488.8A patent/CN108764710A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615018A (zh) * | 2018-12-24 | 2019-04-12 | 广东德诚科教有限公司 | 用户个性化行为评价方法、装置、计算机设备和存储介质 |
CN109727171A (zh) * | 2019-03-15 | 2019-05-07 | 重庆科技学院 | 一种教育机构培训过程监测与评价系统教师终端 |
CN110059978A (zh) * | 2019-04-26 | 2019-07-26 | 湖南科技学院 | 一种基于云计算辅助教学测评的教师评价系统 |
CN110211008A (zh) * | 2019-05-30 | 2019-09-06 | 潍坊护理职业学院 | 一种现代教育教学互动反馈系统及方法 |
CN111415074A (zh) * | 2020-03-12 | 2020-07-14 | 青岛酒店管理职业技术学院 | 一种英语教学用课程质量统计评价系统 |
CN111415283A (zh) * | 2020-04-15 | 2020-07-14 | 上海复岸网络信息科技有限公司 | 一种有效在线教学的因素分析方法和装置 |
CN111784184A (zh) * | 2020-07-14 | 2020-10-16 | 北京一起教育信息咨询有限责任公司 | 一种教学质量的分析方法、装置及电子设备 |
CN111985793A (zh) * | 2020-07-31 | 2020-11-24 | 安徽工程大学 | 一种学生网上评教方法 |
CN112668476A (zh) * | 2020-12-28 | 2021-04-16 | 华中师范大学 | 一种数据处理方法、装置、电子设备及存储介质 |
CN112668476B (zh) * | 2020-12-28 | 2024-04-16 | 华中师范大学 | 一种数据处理方法、装置、电子设备及存储介质 |
CN113360372A (zh) * | 2021-05-21 | 2021-09-07 | 安徽中科国创高可信软件有限公司 | 一种基于程序分析多维质量评价的程序语言教学实践平台 |
CN115879820A (zh) * | 2022-12-31 | 2023-03-31 | 华中师范大学 | 一种基于在线教学反馈信息的师生联结质量评价方法及系统 |
CN115879820B (zh) * | 2022-12-31 | 2023-12-05 | 华中师范大学 | 一种基于在线教学反馈信息的师生联结质量评价方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764710A (zh) | 教学质量评价方法及装置 | |
CN109409677A (zh) | 企业信用风险评估方法、装置、设备及存储介质 | |
CN108717663A (zh) | 基于微表情的面签欺诈判断方法、装置、设备及介质 | |
CN111028016A (zh) | 销量数据预测方法、装置以及相关设备 | |
CN109872262A (zh) | 一种考勤系统及方法 | |
CN107194584A (zh) | 一种学生数据的分析方法及装置 | |
CN108520054A (zh) | 学习数据处理方法及装置 | |
Blowe et al. | Career and technical education: Academic achievement and graduation rates of students in the commonwealth of Virginia | |
CN109009084A (zh) | 多导联心电信号的qrs波群校验方法、装置及设备、介质 | |
CN109635113A (zh) | 异常参保人购药数据检测方法、装置、设备及存储介质 | |
CN108629047A (zh) | 一种歌曲清单生成方法及终端设备 | |
Maaliw | Early prediction of electronics engineering licensure examination performance using random forest | |
CN108805312A (zh) | 一种相邻卡口的确定方法及装置 | |
Ni et al. | Deepqr: Neural-based quality ratings for learnersourced multiple-choice questions | |
Shi et al. | In-depth exploration of engagement patterns in MOOCs | |
CN110378389A (zh) | 一种Adaboost分类器计算机创建装置 | |
CN112733059A (zh) | 一种智能阅读跟踪评价方法、系统、终端及存储介质 | |
CN108765224A (zh) | 课程类别与出勤率分析及装置 | |
Slof-Op’t Landt et al. | Eating disorder psychopathology dimensions based on individual co-occurrence patterns of symptoms over time: a dynamic time warp analysis in a large naturalistic patient cohort | |
CN108733784B (zh) | 一种教学课件推荐方法、装置及设备 | |
CN110298743A (zh) | 车辆质押物状态预警方法、装置、设备及存储介质 | |
CN114782224A (zh) | 基于用户特征的网页考评作弊监测方法、装置及电子设备 | |
CN108335242A (zh) | 学生区分方法和装置 | |
CN109145554A (zh) | 一种基于支持向量机的击键特征异常用户识别方法及系统 | |
CN109598275A (zh) | 特征选择装置、方法及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |
|
RJ01 | Rejection of invention patent application after publication |