CN113689147A - 一种教学质量评估的机器学习算法 - Google Patents
一种教学质量评估的机器学习算法 Download PDFInfo
- Publication number
- CN113689147A CN113689147A CN202111082005.XA CN202111082005A CN113689147A CN 113689147 A CN113689147 A CN 113689147A CN 202111082005 A CN202111082005 A CN 202111082005A CN 113689147 A CN113689147 A CN 113689147A
- Authority
- CN
- China
- Prior art keywords
- teacher
- teaching
- machine learning
- learning algorithm
- teaching quality
- 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
- 238000010801 machine learning Methods 0.000 title claims abstract description 16
- 238000001303 quality assessment method Methods 0.000 title claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 5
- 230000000694 effects Effects 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 4
- 206010020675 Hypermetropia Diseases 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 3
- 201000006318 hyperopia Diseases 0.000 claims description 3
- 230000004305 hyperopia Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 208000001491 myopia Diseases 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 210000000697 sensory organ Anatomy 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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—Systems or methods specially adapted for 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及教育教学技术领域,且公开了一种教学质量评估的机器学习算法,包括以下步骤:S1、所有授课教师信息录入存储模块,存储模块中含有每个教师容貌、年龄、教龄、性别、姓名以及身高;S2、在取得学生、家长、老师同意一致同意后,班级中后墙上方安装监测模块,监测模块带有编号,该标号与班级名称相同,监测模块长时间处在关机状态;S3、评估小组控制某个或多个班级中的监测模块打开,监测模块识别老师,与存储模块中容貌匹配;S4、在教师不知具体评估时间时,监测模块对教师授课画面记录;机器机器学习算法,能够以硬性条件综合判断教师教学质量,评估更准确,对教师授课画面记录,并对同一教师多次记录授课画面,利于提高教学质量。
Description
技术领域
本发明涉及教育教学技术领域,具体为一种教学质量评估的机器学习算法。
背景技术
教学在人类文明的发展中起着非常重要的作用,它推动了重大的科学技术进步。二十世纪科学技术进步给人类生产和生活带来的巨大变化确实令人赞叹不已。从远古时代起一直是人们幻想的“顺风耳”,“千里眼”,“空中飞行”和“飞向太空”都在这一世纪成为现实。教学是教师的教和学生的学所组成的一种人类特有的人才培养活动。通过这种活动,教师有目的、有计划、有组织地引导学生学习和掌握文化科学知识和技能,促进学生素质提高,使他们成为社会所需要的人。
教学质量是衡量高校教学水平和教学效果的重要指标,长期以来对教学质量评估都是以少数老师的主观判断为主要依据,造成了片面,不准确的结果,也难以对教学过程出现的问题进行改进,并且教学质量评估一般采用听课的方式,有些老师听课表现与平时授课表现不一致,导致教学质量评估无法反映老师的水平。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种教学质量评估的机器学习算法,解决了上述背景技术中提出的问题。
(二)技术方案
为实现上述目的,本发明提供如下技术方案:一种教学质量评估的机器学习算法,包括以下步骤:
S1、所有授课教师信息录入存储模块,存储模块中含有每个教师容貌、年龄、教龄、性别、姓名以及身高;
S2、在取得学生、家长、老师同意一致同意后,班级中后墙上方安装监测模块,监测模块带有编号,该标号与班级名称相同,监测模块长时间处在关机状态;
S3、评估小组控制某个或多个班级中的监测模块打开,监测模块识别老师,与存储模块中容貌匹配;
S4、在教师不知具体评估时间时,监测模块对教师授课画面记录;
S5、评估模块从师生互动、新课导入、讲授新课方式、教师态度、教学活动、板书设计综合分析教师各环节教学质量;
S6、监测模块对教师一学期随机记录至少三次,数据整合模块对教师形成性总结,得出教学质量等级。
优选的,所述步骤S1中,信息录入具体步骤为:
S11、教师输入姓名、身份证出生日期和性别,在信息栏则显示年龄以及性别;
S12、教师近对镜头录入五官,再远离镜头录入全身照,以此获得教师外部信息;
S13、录入参加教育工作年号。
优选的,所述步骤S2中,监测模块每次开启监测时间为45min而后自动关闭。
优选的,所述步骤S3中,监测识别具体步骤为:
S31、远视角获取教师身高范围以及模糊外貌,初步筛选复合人员范围;
S32、近视角获取教师面部特征,锁定匹配教师;
S33、自动对教师拍照留底。
优选的,所述步骤S5中,各环节还包括教育机智。
优选的,所述步骤S6中,教学质量等级分为优秀、良好、合格。
(三)有益效果
本发明提供了一种教学质量评估的机器学习算法,具备以下有益效果:
(1)、本发明中,改变传统的少数老师主观判断,设计的机器机器学习算法,能够以硬性条件综合判断教师教学质量,评估更准确。
(2)、本发明中,在教师不知情下,对教师授课画面记录,并对同一教师多次记录授课画面,数据整合对教师形成性总结,让教师发现自身优缺问题,利于提高教学质量。
附图说明
图1为本发明的流程图。
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。
如图1所示,本发明提供一种技术方案:一种教学质量评估的机器学习算法,包括以下步骤:
S1、所有授课教师信息录入存储模块,存储模块中含有每个教师容貌、年龄、教龄、性别、姓名以及身高,信息录入具体步骤为:
S11、教师输入姓名、身份证出生日期和性别,在信息栏则显示年龄以及性别;
S12、教师近对镜头录入五官,再远离镜头录入全身照,以此获得教师外部信息;
S13、录入参加教育工作年号;
S2、在取得学生、家长、老师同意一致同意后,班级中后墙上方安装监测模块,监测模块每次开启监测时间为45min而后自动关闭,监测模块带有编号,该标号与班级名称相同,监测模块长时间处在关机状态;
S3、评估小组控制某个或多个班级中的监测模块打开,监测模块识别老师,与存储模块中容貌匹配,监测识别具体步骤为:
S31、远视角获取教师身高范围以及模糊外貌,初步筛选复合人员范围;
S32、近视角获取教师面部特征,锁定匹配教师;
S33、自动对教师拍照留底;
S4、在教师不知具体评估时间时,监测模块对教师授课画面记录;
S5、评估模块从师生互动、新课导入、讲授新课方式、教师态度、教学活动、板书设计、教育机智综合分析教师各环节教学质量;
S6、监测模块对教师一学期随机记录至少三次,数据整合模块对教师形成性总结,得出教学质量等级,教学质量等级分为优秀、良好、合格。
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。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种教学质量评估的机器学习算法,其特征在于:包括以下步骤:
S1、所有授课教师信息录入存储模块,存储模块中含有每个教师容貌、年龄、教龄、性别、姓名以及身高;
S2、在取得学生、家长、老师同意一致同意后,班级中后墙上方安装监测模块,监测模块带有编号,该标号与班级名称相同,监测模块长时间处在关机状态;
S3、评估小组控制某个或多个班级中的监测模块打开,监测模块识别老师,与存储模块中容貌匹配;
S4、在教师不知具体评估时间时,监测模块对教师授课画面记录;
S5、评估模块从师生互动、新课导入、讲授新课方式、教师态度、教学活动、板书设计综合分析教师各环节教学质量;
S6、监测模块对教师一学期随机记录至少三次,数据整合模块对教师形成性总结,得出教学质量等级。
2.根据权利要求1所述的一种教学质量评估的机器学习算法,其特征在于:所述步骤S1中,信息录入具体步骤为:
S11、教师输入姓名、身份证出生日期和性别,在信息栏则显示年龄以及性别;
S12、教师近对镜头录入五官,再远离镜头录入全身照,以此获得教师外部信息;
S13、录入参加教育工作年号。
3.根据权利要求1所述的一种教学质量评估的机器学习算法,其特征在于:所述步骤S2中,监测模块每次开启监测时间为45min而后自动关闭。
4.根据权利要求1所述的一种教学质量评估的机器学习算法,其特征在于:所述步骤S3中,监测识别具体步骤为:
S31、远视角获取教师身高范围以及模糊外貌,初步筛选复合人员范围;
S32、近视角获取教师面部特征,锁定匹配教师;
S33、自动对教师拍照留底。
5.根据权利要求1所述的一种教学质量评估的机器学习算法,其特征在于:所述步骤S5中,各环节还包括教育机智。
6.根据权利要求1所述的一种教学质量评估的机器学习算法,其特征在于:所述步骤S6中,教学质量等级分为优秀、良好、合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111082005.XA CN113689147A (zh) | 2021-09-15 | 2021-09-15 | 一种教学质量评估的机器学习算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111082005.XA CN113689147A (zh) | 2021-09-15 | 2021-09-15 | 一种教学质量评估的机器学习算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113689147A true CN113689147A (zh) | 2021-11-23 |
Family
ID=78586698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111082005.XA Pending CN113689147A (zh) | 2021-09-15 | 2021-09-15 | 一种教学质量评估的机器学习算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689147A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015125553A (ja) * | 2013-12-26 | 2015-07-06 | Kddi株式会社 | 教え合い品質推定装置、教え合い品質推定方法およびプログラム |
CN109165881A (zh) * | 2018-11-08 | 2019-01-08 | 四川坤翔科技有限公司 | 基于大数据的教师授课质量评估方法 |
CN109446893A (zh) * | 2018-09-14 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
CN109919434A (zh) * | 2019-01-28 | 2019-06-21 | 华中科技大学 | 一种基于深度学习的教师课堂表现智能评价方法 |
WO2019201215A1 (zh) * | 2018-04-17 | 2019-10-24 | 深圳市心流科技有限公司 | 课堂评测方法、装置及计算机可读存储介质 |
CN110837947A (zh) * | 2019-10-11 | 2020-02-25 | 杭州电子科技大学 | 一种基于音视频分析技术的教师授课专注度的评估方法 |
US20200184587A1 (en) * | 2018-12-07 | 2020-06-11 | Board Of Regents, The University Of Texas System | Method and System for Faculty Resource Management Using a Faculty Database Structure |
US20210056676A1 (en) * | 2019-08-23 | 2021-02-25 | Worcester Polytechnic Institute | Method and apparatus for estimating emotional quality using machine learning |
CN112907054A (zh) * | 2021-02-07 | 2021-06-04 | 重庆惠统智慧科技有限公司 | 一种基于ai与大数据分析的教学质量评估系统 |
-
2021
- 2021-09-15 CN CN202111082005.XA patent/CN113689147A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015125553A (ja) * | 2013-12-26 | 2015-07-06 | Kddi株式会社 | 教え合い品質推定装置、教え合い品質推定方法およびプログラム |
WO2019201215A1 (zh) * | 2018-04-17 | 2019-10-24 | 深圳市心流科技有限公司 | 课堂评测方法、装置及计算机可读存储介质 |
CN109446893A (zh) * | 2018-09-14 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
CN109165881A (zh) * | 2018-11-08 | 2019-01-08 | 四川坤翔科技有限公司 | 基于大数据的教师授课质量评估方法 |
US20200184587A1 (en) * | 2018-12-07 | 2020-06-11 | Board Of Regents, The University Of Texas System | Method and System for Faculty Resource Management Using a Faculty Database Structure |
CN109919434A (zh) * | 2019-01-28 | 2019-06-21 | 华中科技大学 | 一种基于深度学习的教师课堂表现智能评价方法 |
US20210056676A1 (en) * | 2019-08-23 | 2021-02-25 | Worcester Polytechnic Institute | Method and apparatus for estimating emotional quality using machine learning |
CN110837947A (zh) * | 2019-10-11 | 2020-02-25 | 杭州电子科技大学 | 一种基于音视频分析技术的教师授课专注度的评估方法 |
CN112907054A (zh) * | 2021-02-07 | 2021-06-04 | 重庆惠统智慧科技有限公司 | 一种基于ai与大数据分析的教学质量评估系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Köse | Technological pedagogical content knowledge (TPACK) of English language instructors | |
Anderson | The future of reading research | |
Pierce et al. | Do Mathematics and Reading Competencies Integrated into Career and Technical Education Courses Improve High School Student State Assessment Scores? | |
Ocampo | Effectiveness of Differentiated Instruction in the Reading Comprehension Level of Grade-11 Senior High School Students. | |
Michelli et al. | Teacher quality and teacher education quality | |
Williams | Promoting meaningfulness by coupling Bloom’s taxonomy with adult education theory: introducing an applied and interdisciplinary student writing exercise | |
Sun et al. | Assessment-for-learning teaching mode based on interactive teaching approach in college English | |
Efrizal | Improving students’ vocabulary mastery through English movie for second year students at MAN 01 Kota Bengkulu | |
Hajhashemi et al. | MI as a predictor of students' performance in reading competency | |
Zulfiya | Ways to Improve Mental Activity of Students by Means of Integrated Lessons | |
Gaybulloyeva et al. | Use of Innovative TECHNOLOGY in Student Speech Growth in Primary School Lessons | |
CN113689147A (zh) | 一种教学质量评估的机器学习算法 | |
Honig | California's experience with textbook improvement | |
Tavanapour et al. | Relationship between Demotivation Factors and Gender among Iranian EFL Students and Teachers in Iranian Academic Contexts | |
Yan | Classroom-Based Assessment of Young EFL Learners in the Chinese Context: Teachers' Conceptions and Practices | |
Baydjanov et al. | WAYS TO IMPROVE MENTAL ACTIVITY OF STUDENTS BY MEANS OF INTEGRATED LESSONS | |
Sudirman et al. | Implications of the Free Curriculum and PMM Digitalization Policy on the Decline of Teacher and Student Quality (A Study using Max Horkheimer's Critical Social Theory Approach) | |
Torres | Classroom Management Influence in English Acquisition in EFL A2 Students | |
Richter | Second language teacher education: The development of pre-service teacher cognitions about the characteristics and practices of effective ESL instructors | |
Smith et al. | Reflecting with my tribe: L1 educators writing together in hybrid professional learning communities | |
CN111508297A (zh) | 一种基于物联网的智慧教学系统 | |
Wright | We've got it backwards: It's too late by age 8 | |
Field | Recent developments and emerging problems in English art education | |
Mitchell et al. | Ready, Set, Grow: Exploring the Readiness and Preparation of Kindergarten Students within a Title 1 School | |
Aiman et al. | The Influence of Role-Playing Learning Models Based on Flipbook Media at the Elementary School |
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: 20211123 |
|
RJ01 | Rejection of invention patent application after publication |