CN113361926B - 一种基于教学序列的教学质量评价方法 - Google Patents

一种基于教学序列的教学质量评价方法 Download PDF

Info

Publication number
CN113361926B
CN113361926B CN202110630797.3A CN202110630797A CN113361926B CN 113361926 B CN113361926 B CN 113361926B CN 202110630797 A CN202110630797 A CN 202110630797A CN 113361926 B CN113361926 B CN 113361926B
Authority
CN
China
Prior art keywords
interface
knowledge
students
student
teaching
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.)
Active
Application number
CN202110630797.3A
Other languages
English (en)
Other versions
CN113361926A (zh
Inventor
郝国生
张婷婷
刘小洋
黄军伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Normal University
CERNET Corp
Original Assignee
Jiangsu Normal University
CERNET Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Normal University, CERNET Corp filed Critical Jiangsu Normal University
Priority to CN202110630797.3A priority Critical patent/CN113361926B/zh
Publication of CN113361926A publication Critical patent/CN113361926A/zh
Application granted granted Critical
Publication of CN113361926B publication Critical patent/CN113361926B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于教学序列视角的教学质量评价方法，适用于教育领域。给出对单个学生学习序列检测方法，单个学生学习序列可视化方法；多个学生学习序列可视化方法；班级学生学习序列统计方法，班级学生学习序列可视化方法；基于学习序列统计特征的教学质量定量计算方法；基于学习序列统计特征的教学质量对比评价方法。本方法通过综合利用知识图谱、图论、马尔可夫链、可视化、概率与数理统计等方法，基于学生的学习序列特征和教师的讲授序列特征对比和可视化方法，给出教学质量评价的直观方法，从而为评价教学质量提供定量决策支持。

Description

一种基于教学序列的教学质量评价方法
技术领域
本发明涉及一种教学质量评价方法，尤其适用于计算机和教育领域使用的一种基于教学序列视角的教学质量评价方法。
背景技术
教学质量是人才培养质量的直接影响因素，而教学质量评价是对教师和学生的教学互动质量的衡量，对于发现优良的教学方法、引领教学过程和学风建设都具有重要意义。
关于教学质量评价，已经有了广泛而深入的研究。从评价对象来区分，分为对学校的教学质量评价和对教师个体的教学质量评价，无论哪种质量评价，都离不开对教学过程和教学效果方面的信息进行收集。常见的是对常规教学过程信息进行收集。例如对过程文件，如教案、讲稿、作业批改等数据的收集等。
对学校的教学质量评价，通常是学科评估的一个重要组成部分。其中的教学质量评价则利用教学基本状态数据来实现常态化评价，基本状态数据包括课程建设、教师教学、学生学习、学生就业等环节，覆盖课程实施、课程评价、学业分析、就业分析等。姜有昌提出较全面的教育质量评价包括人才质量、教科研成果和综合表彰等三个方面，其中，人才质量是核心，从学生起薪标准、从业对口率、职业发展力、岗位忠诚度等几个维度进行评判。采集的教学过程信息，一方面提供了教学质量评价的依据，另一方面也提供了分析教学过程和发现教学问题的素材。
在评估常态化影响下，教育管理部门以及各级学校通常有一套完整的教学质量评价体系与执行机构，如从多个方面，包括组织保障、质量目标、信息收集、评价分析、信息反馈等，涉及多主体、全过程、全方面的质量监控。又如基于状态(State)，监控(Monitoring)，评估(Evaluation)，反馈(Feedback)(简称为SMEF)信息化模型设计的高校内部教学质量评估与监控。又如听课—督导—学生信息员—老师评优或评职称—资格审核—教师竞赛等多环节的教学质量评价方法。
学校对教师个体的教学质量评价，目前实际执行最多的仍然是听课和座谈，这里的听课方法又分为进入课堂和不进入课堂而采用远程视频方法的听课。但是，听课与座谈收集到的主观信息较多，客观信息较少。通常能够实现以评促教，但较难实现以评促学。随着信息技术的发展，基于教育信息化平台进行教学质量评价，也得到了较深入的研究。如程琦峰和刘红婷提出首先以对课程碎片化划分和进行课程资源建设，其次，以学生对知识点或技能的掌握情况作为评价信息，分析教学质量，但他们并未给出具体的实现细节。
上述无论是对学校整体的或是对教师个体的教学质量评价方法，通常很少考虑学生学习过程序列，以及基于学习序列的知识点掌握覆盖率等，而这是教学质量评价的直接方法。对知识点掌握的覆盖率，通常是基于习题的测试。基于习题的测试，一方面是对学生掌握知识点情况的考核，另一方面也可以对学生思维方法、思维品质、学生养成的世界面和价值观进行考查。
发明内容
针对现有技术的不足之处，提供一种基于教学序列视角进行教学质量评价的方法，其步骤简单，分析效果好，通过综合利用知识网络、图论、马尔可夫链、统计、区间分析的方法，达到可以量化对比分析教学质量的目的。
为实现上述发明目的，本发明的基于教学序列视角的教学质量评价方法，步骤如下：
S1：构建面向课程的知识图谱，知识图谱中记载的各知识点都设计有习题，让一个自然班级的所有学生完成知识图谱中规定的习题，根据每名学生所完成习题的对错情况，判断每名学生对知识点的掌握情况，进而检测得到每名学生的个性化知识点分界面特征；
S2：在面向课程的知识图谱基础上，对每名学生的个性化知识点分界面特征进行可视化处理；包括静态的与动态的分界面进行可视化，从而刻画出每名学生的学习序列，进而对比不同学生的学习质量；
S3：获取一个自然班级的所有学生在某一时刻所有的个性化知识点分界面，基于均值与方差及最高最低等统计特征，求取该班级内所有学生的个性化知识点分界面的统计特征，根据该时刻教师授课内容设定期望分界面，依次计算所有学生的个性化知识点分界面距离期望分界面的距离，定义最近的个性化知识点分界面为最高分界面，距离最远的为最低分界面；在最高最低分界面之间，对个性化知识点分界面数量进行统计；
S4：重复步骤S3再次获取另一个同年级的自然班级的所有学生在同一时刻下同一门课程的学习序列，基于两个不同班级学生学习序列的均值与方差及最高最低等统计特征，进行数量与可视化对比，从而实现不同班级的教学质量对比，并据此给出相应的评价，为教学决策提供支持。
进一步，所述面向课程的知识图谱由知识点及与知识点相关的习题和其它学习资源组成，这些资源与知识点共同组成关联网络，关联网络依据知识点间的依赖关系采用有向无环图方式组织，知识点之间存在前驱后继关系，通过学生完成知识图谱中的习题的对错情况，判断出学生对知识点的掌握情况，然后根据学生掌握知识点的情况生成该学生已经掌握的知识点和应该掌握但尚未掌握的知识点集合，已经掌握的知识点和尚未掌握的知识点集合的交界面由若干边组成的，所述组成交界面的边：联结每条边的两个顶点，前驱属于已经掌握的知识点集合，后继属于尚未掌握的知识点集合，该交界面作为学生的个性化知识点分界面特征；
教师的授课、学生的作业、考试，都对应于相应的知识点，教师当前已经讲授的内容对应的知识点及要求学生掌握的程度决定了对学生的期望分界面，即满分代表的程度，也就是说，教师讲授的最新知识点与其后继的知识点的联接边即是期望分界面，通过学生做题的对错得到当前学生掌握该知识点的程度或等级，据此，进一步求出学生应该掌握但尚未掌握的知识点，这些知识点与学生已经掌握的知识点的联结边形成了该学生的个性化知识点分界面，基于期望分界面与当前学生的个性化知识点分界面的距离，可以量化学生掌握知识点的情况，作为该名学生的个性化学习特征。
进一步，知识网络可视化后，通过对于某一时刻，某一学生的个性化知识点分界面的静态可视化展示，从而直观地观察学生知识点掌握情况与期望掌握情况的差距；对于不同时刻，沿着时间轴，可视化展示该名学生分界面的变化情况，从而动态展现该名学生的学习序列情况；通过对比与期望掌握情况的差距，可视化地观察每个学生掌握知识点的变化情况；基于不同学生的个性化知识面变化情况，可以对比出不同学生之间的学习差距。
进一步，对于一个自然班级的所有学生，求取该自然班级的所有学生在某一时刻所有的个性化知识点分界面，基于均值与方差及最高最低等统计特征，分别求取每个学生各自的个性化知识点分界面的统计特征；
对比在该时刻与期望分界面的距离，将距离值最大的个性化知识点分界面定义为最低分界面，而距离值最小的个性化知识点分界面定义为最高分界面；其他学生的个性化知识点分界面位于最低和最高分界面之间；
最低与最高分界面之间的距离越大，说明该自然班级的学生学习情况越分散，即有学习较好的学生，也有学习较差的学生；反之，若最低与最高分界面之间的距离越小，说明学生学习情况越集中，即大多数的学生的差距不大，分化不明显；
将未掌握知识点的数量为0定义为最好的教学质量；将未掌握知识点的数量为自然班级的所有学生数与区间知识点数量的积定义为最差的教学质量，根据最低与最高分界面间未掌握知识点的数量对教学质量进行评价。
进一步，将自然班级的所有学生在某一时刻的所有的个性化知识点分界面进行可视化，根据各个知识点上未掌握的学生个数，利用由浅入深的不同颜色对群体知识点分界面特征的可视化，颜色越深，表明学生掌握情况越差，反之越好。
进一步，基于两个不同班级学生学习序列的统计特征，对比不同班级分界面的最低知识点所在层次，对比最高知识点所在层次，对比平均层次，对比具有最多未掌握学生的知识点所在层次，对比均值与方差，从而从数量上对教学质量进行评价；将两个不同班级学生学习序列的统计可视化进行对比，直观上进行教学质量评比，提供教学质量评价方法，从而找到较优的教学方法，为教学决策提供支持。
与现有技术相比，本发明的有益效果：
本发明的一种基于教学序列视角的教学质量评价方法，通过知识网络中的个性化特征分界面及其可视化方法，基于期望分界面与个性化特征分界面的差距，给出了学生个人的学习质量评价方法；利用班级群体的统计分界面特征及其可视化方法，及最低分界面与最高分界面之间未掌握知识点的数量给出教师教学质量评价方法。上述方法为教学质量提升提供了定量决策支持。
附图说明
图1本发明实施例的基于知识点网络的学生学习质量可视化分布图；
图2本发明实施例的学院-教师-学生三层学习质量提升纽带系统。
具体实施方式：
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
基于教学序列视角的教学质量评价方法，其特征在于步骤如下：
S1：构建面向课程的知识图谱，知识图谱中记载的各知识点都设计有习题，让一个自然班级的所有学生完成知识图谱中规定的习题，根据每名学生所完成习题的对错情况，判断每名学生对知识点的掌握情况，进而检测得到每名学生的个性化知识点分界面特征；
所述面向课程的知识图谱由知识点及与知识点相关的习题和其它学习资源组成，这些资源与知识点共同组成关联网络，关联网络依据知识点间的依赖关系采用有向无环图方式组织，知识点之间存在前驱后继关系，通过学生完成知识图谱中的习题的对错情况，判断出学生对知识点的掌握情况，然后根据学生掌握知识点的情况生成该学生已经掌握的知识点和尚未掌握的知识点集合，已经掌握的知识点和尚未掌握的知识点集合的交界面由若干边组成的，所述组成交界面的边：联结每条边的两个顶点，前驱属于已经掌握的知识点集合，后继属于应该掌握但尚未掌握的知识点集合，两类知识点交界面的边集合，作为学生的个性化知识点分界面特征；
教师的授课、学生的作业、考试，都对应于相应的知识点，教师当前已经讲授的内容对应的知识点及要求学生掌握的程度决定了对学生的期望分界面，即满分代表的程度，也就是说，教师讲授的最新知识点与其后继的知识点的联接边即是期望分界面，通过学生做题的对错得到当前学生掌握该知识点的程度或等级，据此，进一步求出学生尚未掌握的知识点，这些知识点与学生已经掌握的知识点的联结边形成了该学生的个性化知识点分界面，基于期望分界面与当前学生的个性化知识点分界面的距离，可以量化学生掌握知识点的情况，作为该名学生的个性化学习特征。
S2：在面向课程的知识图谱基础上，对每名学生的个性化知识点分界面特征进行可视化处理；包括静态的与动态的分界面进行可视化，从而刻画出每名学生的学习序列，进而对比不同学生的学习质量；知识网络可视化后，通过对于某一时刻，某一学生的个性化知识点分界面的静态可视化展示，从而直观地观察学生知识点掌握情况与期望掌握情况的差距；对于不同时刻，沿着时间轴，可视化展示该名学生分界面的变化情况，从而动态展现该名学生的学习序列情况；通过对比与期望掌握情况的差距，可视化地观察每个学生掌握知识点的变化情况；基于不同学生的个性化知识面变化情况，可以对比出不同学生之间的学习差距。
S3：获取一个自然班级的所有学生在某一时刻所有的个性化知识点分界面，基于均值与方差及最高最低等统计特征，求取该班级内所有学生的个性化知识点分界面的统计特征，根据该时刻教师授课内容设定期望分界面，依次计算所有学生的个性化知识点分界面距离期望分界面的距离，定义最近的个性化知识点分界面为最高分界面，距离最远的为最低分界面；在最高最低分界面之间，对个性化知识点分界面数量进行统计；
对于一个自然班级的所有学生，求取该自然班级的所有学生在某一时刻所有的个性化知识点分界面，基于均值与方差及最高最低等统计特征，分别求取每个学生各自的个性化知识点分界面的统计特征；
对比在该时刻与期望分界面的距离，将距离值最大的个性化知识点分界面定义为最低分界面，而距离值最小的个性化知识点分界面定义为最高分界面；其他学生的个性化知识点分界面位于最低和最高分界面之间；
最低与最高分界面之间的距离越大，说明该自然班级的学生学习情况越分散，即有学习较好的学生，也有学习较差的学生；反之，若最低与最高分界面之间的距离越小，说明学生学习情况越集中，即大多数的学生的差距不大，分化不明显；
根据最低与最高分界面间未掌握知识点的数量对教学质量进行评价，将未掌握知识点的数量为0定义为最好的教学质量；类似地，将未掌握知识点的数量是自然班级的所有学生数与区间知识点数量的积定义为最差的教学质量。将自然班级的所有学生在某一时刻的所有的个性化知识点分界面进行可视化，根据各个知识点上未掌握的学生个数，利用由浅入深的不同颜色对群体知识点分界面特征的可视化，颜色越深，表明学生掌握情况越差，反之越好。
S4：重复步骤S3再次获取另一个同年级的自然班级的所有学生在同一时刻下的学习序列，基于两个不同班级学生学习序列的均值与方差及最高最低等统计特征，进行数量与可视化对比，从而实现不同班级的教学质量对比，并据此给出相应的评价，为教学决策提供支持。基于两个不同班级学生学习序列的统计特征，对比不同班级分界面的最低知识点所在层次，对比最高知识点所在层次，对比平均层次，对比具有最多未掌握学生的知识点所在层次，对比均值与方差，从而从数量上对教学质量进行评价；将两个不同班级学生学习序列的统计可视化进行对比，直观上进行教学质量评比，提供教学质量评价方法，从而找到较优的教学方法，为教学决策提供支持。
知识图谱构建过程中，知识点采用有向无环图表示知识网络空间，记为
G＝＜K,E＞ (1)
其中，K表示知识点，E表示知识点之间的联接边。G中知识点之间存在固定的序列，习题关联到对应的知识点形成。图1给出了某学生的个性化知识点分界面变化。
某一时刻t，教师已经讲授的内容对应的知识点及要求学生掌握的程度，标志了期望分界面DE(t)，即如果学生完全掌握教师所讲授的知识点，能达到的分界面，记这一分界面为:
DE(t)＝＜e1(t),e2(t),...,ei(t),...en(t)＞ (2)
某一时刻t，某学生st已经掌握的知识点集合:
KM,st(t)＝{k1(t),k2(t),...,ki(t),…km(t)} (3)
由KM,st(t)可以求得其个性化知识点分界面。求取步骤如下：其直接后继知识点集合记作：
KSucc(ki(t))＝{kj(t)|＜ki(t),kj(t)＞∈E} (4)
如果满足：
则有：
e＝＜ki(t),kp(t)＞∈Dstu(t) (6)
通过Dstu(t)表示学生的个性化分界面：
Dstu(t)＝{e|e∈E,e＝＜ki(t),kp(t)＞,ki(t)∈KM,st(t),kp(t)∈KUM,st(t)} (7)
其中，KUM,st(t)表示学生st尚未掌握的知识点集合，基于期望分界面DE(t)与当前学生的个性化知识点分界面Dstu(t)的距离：
即两个分界面的距离等于Dstu(t)中所有知识点到DE(t)中知识点距离的最小值的平均值，容易知道：
dst(t)≥0 (9)
教学质量与dst(t)成反比，即dst(t)值越小，则教学质量越好，反之越差。
某一时刻，学生应掌握但未掌握的知识点集合为：
KU,st＝KE(t)\Kstu(t) (10)
式中，“\”为集合的差运算符，KE(t)是教师已经讲授的知识点集合，Kstu(t)是学生已经掌握的知识点集合。
对同一个学生st，不同的时刻t1<t2<…<ti<…<tm时，对应的个性化知识点分界面不同，即Dst(t1)≤Dst(t2)≤…≤Dst(ti)≤…≤Dst(tm)。
对于不同的学生st1和st2，在同一时刻t，通过对比和/>在知识网络中的位置，可以对他们的学习质量进行评比，当/>时，认为学生st2学习质量更好；反之，学生st1学习质量更好。
对于一个自然班级的所有学生ST＝{st1,st2,…,stn}，可以求取他们在t时刻的所有个性化知识点分界面，即进一步，可以求取这些分界面的统计特征，包括最高分界面：
最高分界面也满足：
DST,max＝argmaxdst＝argmax{||DE(t)-Dst(t)|||st∈ST} (12)
最低分界面：
最低分界面也满足：
DST,min＝argmindst＝argmin{||DE(t)-Dst(t)|||st∈ST} (14)
最高与最低分界面距离：
dST,XN＝||DST,max-DST,min|| (15)
分界面距离平均值：
E(dST)＝∑st∈ST||DE(t)-Dst(t)||/n (16)
分界面距离方差：
D(dST)值越大，说明学生学习情况越分散，即既有学习较好的学生，也有学习较差的学生；反之，D(dST)值越小，说明学生学习情况越集中，即大多数的学生的差距不大，分化不明显。
某一时刻，学生应掌握但未掌握的知识点的个数为：
nU,st＝|KU,st| (18)
未掌握知识点数量平均值：
nU,ST＝∑st∈STnU,st＝∑st∈ST|KU,st|/|ST| (19)
易知nU,ST≥0。当nU,ST＝0时，教学质量最好，即学生完全掌握了教师讲授的知识点。对于两个不同的班级ST1和ST2，如果则ST2班的教学质量比ST2班的好。
基于教学序列度量及其可视化，在各级学校可以形成从上到下的教学质量评价方法。例如图2给出了大学教学的“学院-教师-学生”三层学习质量评价纽带系统。在学生层，通过学生的个体化序列，学生可以可视化地发现自己薄弱知识点所在，从而有针对性地开展精准学习。在教师层，教师可以可视化地发现班级学生在知识点上的分布情况，从而有的放矢地开展教学。在学院层面，可以可视化地对比不同教师所讲授课程的知识点掌握分布统计特征，并给出学习序列统计对比，进行教学质量评价，从而可以有据可依地制定相关制度。

Claims (5)

1.一种基于教学序列视角的教学质量评价方法，其特征在于步骤如下：
S1：构建面向课程的知识图谱，知识图谱中记载的各知识点均设计有习题，让一个自然班级的所有学生完成知识图谱中的习题，根据每名学生所完成习题的对错情况，判断每名学生对知识点的掌握情况，进而检测得到每名学生的个性化知识点分界面特征；
所述面向课程的知识图谱由知识点及与知识点相关的习题和其它学习资源组成，这些资源与知识点共同组成关联网络，关联网络依据知识点间的依赖关系采用有向无环图方式组织，知识点之间存在前驱后继关系，根据学生完成知识图谱中习题的对错情况，判断出学生对知识点的掌握情况，然后根据学生掌握知识点的情况生成该学生已经掌握的知识点和尚未掌握的知识点集合，已经掌握的知识点和尚未掌握的知识点集合的交界面由若干有向边组成的，组成交界面的边：联结每条边的前驱顶点和后继顶点，前驱顶点属于已经掌握的知识点集合，后继顶点属于尚未掌握的知识点集合，与该交界面直接连接的所有后继知识点，作为学生的个性化知识点分界面特征；
教师的授课、学生的作业、考试，都对应于相应的知识点，教师当前已经讲授的内容对应的知识点及要求学生掌握的程度决定了对学生的期望分界面，即满分代表的程度，也就是说，教师讲授的最新知识点与其后继的知识点的联接边即是期望分界面，通过学生做题的对错得到当前学生掌握该知识点的程度，据此，进一步求出学生应该掌握但尚未掌握的知识点，这些知识点与已经掌握的知识点集合之间的联结边形成了该学生的个性化知识点分界面，基于期望分界面与当前学生的个性化知识点分界面的距离，量化学生掌握知识点的情况，作为该名学生的个性化学习特征；
S2：在面向课程的知识图谱基础上，对每名学生的个性化知识点分界面特征进行可视化处理；包括静态的与动态的分界面进行可视化，从而刻画出每名学生的学习序列，进而对比不同学生的学习质量；
S3：获取一个自然班级的所有学生在某一时刻所有的个性化知识点分界面，基于均值与方差及最高最低统计特征，求取该班级内所有学生的个性化知识点分界面的统计特征，根据该时刻教师授课内容设定期望分界面，依次计算所有学生的个性化知识点分界面距离期望分界面的距离，定义距离最近的个性化知识点分界面为最高分界面，距离最远的为最低分界面；在最高分界面与最低分界面之间，对个性化知识点分界面数量进行统计；
S4：重复步骤S3再次获取另一个同年级的自然班级的所有学生在同一时刻下的个性化只是点分界面，基于两个不同班级学生个性化知识点分界面的统计特征的均值与方差及最高最低统计特征，进行数量与可视化对比，从而实现不同班级的教学质量对比，并据此给出相应的评价，为教学决策提供支持。
2.根据权利要求1所述的一种基于教学序列视角的教学质量评价方法，其特征在于：知识网络可视化后，通过对于某一时刻，某一学生的个性化知识点分界面的静态可视化展示，从而直观地观察学生知识点掌握情况与期望掌握情况的差距；对于不同时刻，沿着时间轴，可视化展示该名学生分界面的变化情况，从而动态展现该名学生的学习序列情况；通过对比与期望掌握情况的差距，可视化地观察每个学生掌握知识点的变化情况；基于不同学生的个性化知识面变化情况，对比出不同学生之间的学习差距。
3.根据权利要求1所述的一种基于教学序列视角的教学质量评价方法，其特征在于：对于一个自然班级的所有学生，求取该自然班级的所有学生在某一时刻所有的个性化知识点分界面，基于均值与方差及最高最低统计特征，分别求取每个学生各自的个性化知识点分界面的统计特征；
对比在该时刻与期望分界面的距离，将距离值最大的个性化知识点分界面定义为最低分界面，而距离值最小的个性化知识点分界面定义为最高分界面；最低分界面与最高分界面之间的为学生的个性化知识点分界面；
最低与最高分界面之间的距离越大，说明该自然班级的学生学习情况越分散，即有学习较好的学生，也有学习较差的学生；反之，若最低与最高分界面之间的距离越小，说明学生学习情况越集中，即大多数学生的差距不大，分化不明显；
根据最低与最高分界面间未掌握知识点的数量对教学质量进行评价：将未掌握知识点的数量为0定义为最好的教学质量；将未掌握知识点的数量是自然班级的所有学生数与区间知识点数量的积定义为最差的教学质量。
4.根据权利要求3所述的一种基于教学序列视角的教学质量评价方法，其特征在于：将自然班级的所有学生在某一时刻的所有的个性化知识点分界面进行可视化，根据各个知识点上未掌握的学生个数，利用由浅入深的不同颜色对群体知识点分界面特征进行可视化，颜色越深，表明学生掌握情况越差，颜色越浅，表明学生掌握情况越好。
5.根据权利要求1所述的一种基于教学序列视角的教学质量评价方法，其特征在于：基于两个不同班级学生学习序列的统计特征，对比不同班级分界面的最低知识点掌握程度，对比最高知识点掌握程度，对比平均掌握程度，对比具有最多未掌握学生的知识点，对比均值与方差，从而从数量上对教学质量进行评价；将两个不同班级学生学习序列的统计可视化进行对比，直观上进行教学质量评比，提供教学质量评价方法，从而找到优秀的教学方法，为教学决策提供支持。
CN202110630797.3A 2021-06-07 2021-06-07 一种基于教学序列的教学质量评价方法 Active CN113361926B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110630797.3A CN113361926B (zh) 2021-06-07 2021-06-07 一种基于教学序列的教学质量评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110630797.3A CN113361926B (zh) 2021-06-07 2021-06-07 一种基于教学序列的教学质量评价方法

Publications (2)

Publication Number Publication Date
CN113361926A CN113361926A (zh) 2021-09-07
CN113361926B true CN113361926B (zh) 2024-02-02

Family

ID=77532871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110630797.3A Active CN113361926B (zh) 2021-06-07 2021-06-07 一种基于教学序列的教学质量评价方法

Country Status (1)

Country Link
CN (1) CN113361926B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115878766A (zh) * 2022-08-30 2023-03-31 重庆大学 一种基于ai技术的教师经验型智能题库及其使用方法
CN116167667B (zh) * 2023-04-19 2023-07-04 天津市职业大学 一种教学评测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107665473A (zh) * 2016-07-27 2018-02-06 科大讯飞股份有限公司 学习路径规划方法和装置
CN110009957A (zh) * 2019-04-10 2019-07-12 上海乂学教育科技有限公司 自适应学习中数学大知识图谱测试系统及方法
CN110032651A (zh) * 2019-04-18 2019-07-19 江苏师范大学 一种基于知识图谱的个性化学习特征模型的建构方法
CN110991943A (zh) * 2019-12-26 2020-04-10 河南城建学院 一种基于云计算的教学质量评价系统
CN112053269A (zh) * 2020-09-22 2020-12-08 腾讯科技（深圳）有限公司 一种学情诊断方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107665473A (zh) * 2016-07-27 2018-02-06 科大讯飞股份有限公司 学习路径规划方法和装置
CN110009957A (zh) * 2019-04-10 2019-07-12 上海乂学教育科技有限公司 自适应学习中数学大知识图谱测试系统及方法
CN110032651A (zh) * 2019-04-18 2019-07-19 江苏师范大学 一种基于知识图谱的个性化学习特征模型的建构方法
CN110991943A (zh) * 2019-12-26 2020-04-10 河南城建学院 一种基于云计算的教学质量评价系统
CN112053269A (zh) * 2020-09-22 2020-12-08 腾讯科技（深圳）有限公司 一种学情诊断方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113361926A (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
Ben-Zvi Scaffolding students’ informal inference and argumentation
Tohir et al. Prospective Teachers' Expectations of Students' Mathematical Thinking Processes in Solving Problems.
Bergin et al. Teacher evaluation: Are principals’ classroom observations accurate at the conclusion of training?
CN113361926B (zh) 一种基于教学序列的教学质量评价方法
Conijn et al. Human-centered design of a dashboard on students’ revisions during writing
Chan et al. Assessing statistical reasoning in descriptive statistics: A qualitative meta-analysis
Maryati et al. Analysis of statistical misconception in terms of statistical reasoning
Amalia et al. Students’ critical thinking skills in modeling based learning
Scoular Equipping teachers with tools to assess and teach general capabilities
Oreski et al. CRISP-DM process model in educational setting
Zappe et al. Faculty beliefs of entrepreneurship and design education: An exploratory study comparing entrepreneurship and design faculty
Briggs et al. Using a Learning Progression Framework to Assess and Evaluate Student Growth.
Brahmia et al. Developing mathematical creativity with physics invention tasks
Michael-Chrysanthou et al. Students’ beliefs for formative assessment in mathematics teaching and learning
Kupriyanov et al. Digital development trajectory as a tool for improving the quality of education
Chan et al. Assessing statistical reasoning in descriptive statistics: A qualitative meta-analysis
Garfield et al. Research on teaching and learning statistics
Quartz et al. Using multiple measures of teaching quality to improve the preparation of urban teachers
Zahorec et al. Evaluation of the current state in teaching informatics at upper secondary level of education (ISCED3A) in the Slovak Republic: conceptual and methodical starting points
CN116109456B (zh) 一种智慧教育综合评价方法、系统、电子设备及存储介质
Kusumastuti et al. Students’ Mathematical External Connection Ability Based on Personality Types of Sensing Intuition
Reid et al. Small instructional changes to emphasize data modeling practices
CEYLAN et al. Differences of science classroom practices in low-and high-performing schools
Chen et al. The Assessment for Undergraduate Development Using Factor Analysis and K-Means Clustering
Vrabcová Contemporary school curricular reform in the Czech Republic as a type of educational change: descriptive and comparative view of selected process issues and milestones

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
GR01 Patent grant
GR01 Patent grant