CN113743825B - 基于大数据的教育教学水平评估系统及方法 - Google Patents
基于大数据的教育教学水平评估系统及方法 Download PDFInfo
- Publication number
- CN113743825B CN113743825B CN202111098009.7A CN202111098009A CN113743825B CN 113743825 B CN113743825 B CN 113743825B CN 202111098009 A CN202111098009 A CN 202111098009A CN 113743825 B CN113743825 B CN 113743825B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- unit
- students
- student
- data
- 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
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于大数据的教育教学水平评估系统及方法,包括:评估流程获取模块、数据库、单项变化分析模块、真实度预测模块、综合变化分析模块和教学评估筛选模块,通过评估流程获取模块连接观测学生填写评估问卷过程,通过单项变化分析模块分析评估结果的不定性,通过真实度预测模块分析评估结果的参考价值,通过综合变化分析模块分析评估数据的相似性,通过教学评估筛选模块综合不定性、参考价值和相似程度筛选排除掉部分学生的不真实评估数据,依据剩余数据生成最终评估结果,提高了教师教学水平评估结果的真实性和准确性,帮助做好了教育教学水平评估管理工作。
Description
技术领域
本发明涉及大数据技术领域,具体为基于大数据的教育教学水平评估系统及方法。
背景技术
教学对于教师和学生而言是个相互的过程,随着社会的发展和时代的进步,对教师的教学水平要求越来越高,一阶段教学工作结束后就要对教师的教学水平进行评估,教学水平评估的一部分来源于学生对教师的评价,学生通过填写评估问卷的方式对教师进行评价,通过综合所有学生对一个教师的教学水平评估数据得到最终的评估结果;
然而,这种评估方式存在一定的问题:首先,部分学生在填写评估问卷时会出现敷衍填写状况,并非是经过认真填写后得到的评估结果,导致得到的评估结果不够真实;其次,现有方式中都是将所有学生的评估数据作为教师教学水平评估结果的一部分,评估结果无法贴合教师的实际教学水平,影响对教师的综合评估成绩,即使有排除部分的评估数据,考虑的方面也不够完善,仍然不能筛选排除掉遗漏的不真实数据。
所以,人们需要基于大数据的教育教学水平评估系统及方法来解决上述问题。
发明内容
本发明的目的在于提供基于大数据的教育教学水平评估系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:基于大数据的教育教学水平评估系统,其特征在于:所述系统包括:评估流程获取模块、数据库、单项变化分析模块、真实度预测模块、综合变化分析模块和教学评估筛选模块;
所述评估流程获取模块用于连接并观测学生对教师的教学水平评估过程,获取评估选项和结果数据,将获取到的数据传输到所述数据库中;所述单项变化分析模块用于记录并分析学生面对同一题项时的选择变化情况;所述真实度预测模块用于采集不同学生完成评估需要的时间,并分析对应评估结果的可参考性;所述综合变化分析模块用于分析同一学生评估不同教师教学水平时的选择变化情况,分析评估结果的相似性;所述教学评估筛选模块用于筛选排除部分学生的评估数据,分析剩余评估数据生成最终教学水平评估结果。
进一步的,所述评估流程获取模块包括评估过程连接单元、选项获取单元、匿名保护单元和勾选数据记录单元,所述评估过程连接单元用于通过共享屏幕的方式连接学生评估教师教学水平过程;所述选项获取单元用于获取评估内容对应题项的选项;所述匿名保护单元用于对学生身份进行匿名保护;所述勾选数据记录单元用于记录学生勾选的选项数据,将记录的数据传输到所述数据库中。
进一步的,所述单项变化分析模块包括更换选择记录单元和更换时间统计单元,所述更换选择记录单元用于记录学生面对同一题项、确认选项前选择的选项更换情况;所述更换时间统计单元用于统计学生确认选项花费的时间;所述真实度预测模块包括评估时间采集单元和参考程度分析单元,所述评估时间采集单元用于采集不同学生评估完成需要的时间,所述参考程度分析单元用于依据评估完成时间分析对应评估数据的可参考程度。
进一步的,所述综合变化分析模块包括评估模型建立单元、选项分布设置单元、评估路线获取单元和相似程度分析单元,所述评估模型建立单元用于建立选项变化空间模型;所述选项分布设置单元用于将评估问卷中涉及到的不同选项分布在空间模型的不同位置上;所述评估路线获取单元用于获取学生在一张评估问卷中的选择变化形成的评估路线;所述相似程度分析单元用于分析同一学生在不同评估问卷中的评估路线的相似程度。
进一步的,所述教学评估筛选模块包括评估结果筛选单元和最终结果生成单元,所述评估结果筛选单元用于筛选排除部分学生的评估数据;所述最终结果生成单元用于在排除部分评估数据后,依据剩余学生的评估结果分析生成学生对教师的最终教学水平评估结果。
基于大数据的教育教学水平评估方法,其特征在于:包括以下步骤:
S11:连接观测匿名后的学生个人教学评估过程,记录评估内容及选择结果;
S12:记录学生面对同一题项时勾选结果的变化情况;
S13:调取评估记录,获取不同学生评估教师教学水平花费的时间,分析评估结果参考性;
S14:建模,分布评估选项位置,获取同一学生评估不同教师教学水平的整体评估路线,分析评估结果相似性;
S15:结合评估过程的不定性、真实性和相似性筛选排除部分学生的评估数据,生成最终结果。
进一步的,在步骤S11-S12中:利用评估过程连接单元连接观测学生个人教学评估过程,利用匿名保护单元对学生的身份信息进行匿名处理,利用选项获取单元获取到评估问卷中的选项集合为s={s1,s2,...,sn},其中,n表示选项数,利用勾选数据记录单元记录不同学生在不同问卷中的评估选择数据,将记录的数据传输到数据库中,利用更换选择记录单元记录到学生在确认选择哪个选项前更换勾选的次数集合为M={M1,M2,...,Mk},其中,k表示参与评估的学生数,利用更换时间统计单元统计到随机一个学生每次更换勾选花费的时间集合为t={t1,t2,...,tm},其中,m=Mi,Mi表示该学生更换勾选的次数,根据下列公式计算该学生的评估不定系数Qi:
其中, 表示该学生平均每次更换勾选花费的时间,tj表示该学生随机一次更换勾选花费的时间,得到评估不定系数集合为Q={Q1,Q2,...,Qk},将评估不定系数集合传输到评估结果筛选单元中,通过计算标准差的方式计算学生评估结果的不定系数的目的在于分析学生在确认选择的选项前更换选择变化的稳定性,将其作为筛选排除评估数据的一大因素,标准差有利于得到更准确的稳定性分析结果,减少了未被排除的遗漏数据。
进一步的,在步骤S13中:利用评估时间采集单元采集到不同学生评估教师教学水平花费的总时间集合为T={T1,T2,...,Tk},利用参考程度分析单元分析评估结果的参考价值:得到随机一个学生的评估结果参考价值pi:得到所有学生的评估结果参考价值集合为p={p1,p2,...,pk},将参考价值集合传输到评估结果筛选单元中,花费的评估时间越少,说明学生评估得越不认真,对应评估结果的参考价值就越低,依据评估时间比例映射评估结果的参考价值最为真实,将参考价值作为筛选排除评估数据的第二个因素,帮助提高了评估结果的真实性。
进一步的,在步骤S14中:利用评估模型建立单元建立选择变化空间模型,利用选项分布设置单元将选项分布在空间模型中,得到选项变化向量坐标集合为(X,Y)={(X1,Y1),(X2,Y2),...,(Xn×(n-1),Yn×(n-1))},根据下列公式计算随机一个选项变化向量与水平正方向的夹角θi:
夹角的范围是[0,π],利用评估路线获取单元获取到该学生在评估一个教师时的评估路线中各选项变化向量夹角集合为α={α1,α2,...,αJ-1},其中,J表示评估的题项总数,比对该学生对所有教师的评估路线,得到对应选项变化向量夹角相同的个数为q,根据下列公式计算该学生评估路线相似程度系数Wi:
Wi=(q/N)×100%;
其中,N表示该学生评估的教师人数,得到所有参与评估的学生评估路线相似程度系数集合为W={W1,W2,...,Wk},将相似程度系数集合传输到评估结果筛选单元中,一个学生往往需要评估多个教师的教学水平,因要填写多张评估问卷,学生容易敷衍应对,通过分析学生的评估路线的相似程度能够明显、直观地反映出学生是否敷衍应对教学水平评估工作,评估路线越相似,说明评估时越不认真,将其作为筛选排除评估数据的最后一个因素,有利于完善排除因素。
进一步的,在步骤S15中:利用评估结果筛选单元筛选排除部分学生的评估数据:根据公式
得到随机一个学生的综合评估真实系数S终i,设置真实系数阈值S阈,比较S终i和S阈:若S终i<S阈,说明该学生的评估结果真实度不足,排除该学生的评估数据,用上述相同方式筛选其它学生的评估数据,在排除完成后,依据剩余学生的评估结果分析生成学生对教师的最终教学水平评估结果,参考价值越低、相似程度越高、不定系数越大,说明评估数据越不真实,依据三种因素得到综合评估真实系数,有利于完整地排除掉不真实数据,提高了教师教学水平评估结果的真实性和准确性。
与现有技术相比,本发明所达到的有益效果是:
本发明利用屏幕共享的方式连接观测学生对教师的教学水平评估过程,通过单项变化分析模块记录分析学生在填写评估问卷并面对同一题项时的选择变化情况,获得评估不定系数,通过真实度预测模块采集不同学生完成评估需要的时间,分析评估结果的可参考价值,通过综合变化分析模块分析同一学生评估不同教师教学水平时的选择变化路线,获取评估结果的相似程度系数,最后,综合不定系数、可参考价值和相似程度筛选排除掉部分学生的不真实评估数据,提高了教师教学水平评估结果的真实性和准确性,帮助做好了教育教学水平评估管理工作。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明基于大数据的教育教学水平评估系统的结构图;
图2是本发明基于大数据的教育教学水平评估方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
请参阅图1-2,本发明提供技术方案:基于大数据的教育教学水平评估系统及方法,其特征在于:系统包括:评估流程获取模块S1、数据库S2、单项变化分析模块S3、真实度预测模块S4、综合变化分析模块S5和教学评估筛选模块S6;
评估流程获取模块S1用于连接并观测学生对教师的教学水平评估过程,获取评估选项和结果数据,将获取到的数据传输到数据库S2中;单项变化分析模块S3用于记录并分析学生面对同一题项时的选择变化情况;真实度预测模块S4用于采集不同学生完成评估需要的时间,并分析对应评估结果的可参考性;综合变化分析模块S5用于分析同一学生评估不同教师教学水平时的选择变化情况,分析评估结果的相似性;教学评估筛选模块S6用于筛选排除部分学生的评估数据,分析剩余评估数据生成最终教学水平评估结果。
评估流程获取模块S1包括评估过程连接单元、选项获取单元、匿名保护单元和勾选数据记录单元,评估过程连接单元用于通过共享屏幕的方式连接学生评估教师教学水平过程;选项获取单元用于获取评估内容对应题项的选项;匿名保护单元用于对学生身份进行匿名保护;勾选数据记录单元用于记录学生勾选的选项数据,将记录的数据传输到数据库S2中。
单项变化分析模块S3包括更换选择记录单元和更换时间统计单元,更换选择记录单元用于记录学生面对同一题项、确认选项前选择的选项更换情况;更换时间统计单元用于统计学生确认选项花费的时间;真实度预测模块S4包括评估时间采集单元和参考程度分析单元,评估时间采集单元用于采集不同学生评估完成需要的时间,参考程度分析单元用于依据评估完成时间分析对应评估数据的可参考程度。
综合变化分析模块S5包括评估模型建立单元、选项分布设置单元、评估路线获取单元和相似程度分析单元,评估模型建立单元用于建立选项变化空间模型;选项分布设置单元用于将评估问卷中涉及到的不同选项分布在空间模型的不同位置上;评估路线获取单元用于获取学生在一张评估问卷中的选择变化形成的评估路线;相似程度分析单元用于分析同一学生在不同评估问卷中的评估路线的相似程度。
教学评估筛选模块S6包括评估结果筛选单元和最终结果生成单元,评估结果筛选单元用于筛选排除部分学生的评估数据;最终结果生成单元用于在排除部分评估数据后,依据剩余学生的评估结果分析生成学生对教师的最终教学水平评估结果。
基于大数据的教育教学水平评估方法,其特征在于:包括以下步骤:
S11:连接观测匿名后的学生个人教学评估过程,记录评估内容及选择结果;
S12:记录学生面对同一题项时勾选结果的变化情况;
S13:调取评估记录,获取不同学生评估教师教学水平花费的时间,分析评估结果参考性;
S14:建模,分布评估选项位置,获取同一学生评估不同教师教学水平的整体评估路线,分析评估结果相似性;
S15:结合评估过程的不定性、真实性和相似性筛选排除部分学生的评估数据,生成最终结果。
在步骤S11-S12中:利用评估过程连接单元连接观测学生个人教学评估过程,利用匿名保护单元对学生的身份信息进行匿名处理,利用选项获取单元获取到评估问卷中的选项集合为s={s1,s2,...,sn},其中,n表示选项数,利用勾选数据记录单元记录不同学生在不同问卷中的评估选择数据,将记录的数据传输到数据库S2中,利用更换选择记录单元记录到学生在确认选择哪个选项前更换勾选的次数集合为M={M1,M2,...,Mk},其中,k表示参与评估的学生数,利用更换时间统计单元统计到随机一个学生每次更换勾选花费的时间集合为t={t1,t2,...,tm},其中,m=Mi,Mi表示该学生更换勾选的次数,根据下列公式计算该学生的评估不定系数Qi:
其中, 表示该学生平均每次更换勾选花费的时间,tj表示该学生随机一次更换勾选花费的时间,得到评估不定系数集合为Q={Q1,Q2,...,Qk},将评估不定系数集合传输到评估结果筛选单元中,通过计算标准差的方式计算学生评估结果的不定系数的目的在于分析学生在确认选择的选项前更换选择变化的稳定性,将其作为筛选排除评估数据的一大因素,计算标准差便于得到更准确的稳定性分析结果,能够有效减少未被排除的遗漏数据。
在步骤S13中:利用评估时间采集单元采集到不同学生评估教师教学水平花费的总时间集合为T={T1,T2,...,Tk},利用参考程度分析单元分析评估结果的参考价值:得到随机一个学生的评估结果参考价值pi:得到所有学生的评估结果参考价值集合为p={p1,p2,...,pk},将参考价值集合传输到评估结果筛选单元中,花费的评估时间越少,说明学生评估得越不认真,对应评估结果的参考价值就越低,依据评估时间比例映射评估结果的参考价值最为真实,将参考价值作为筛选排除评估数据的第二个因素,能够帮助提高评估结果的真实性。
在步骤S14中:利用评估模型建立单元建立选择变化空间模型,利用选项分布设置单元将选项分布在空间模型中,得到选项变化向量坐标集合为(X,Y)={(X1,Y1),(X2,Y2),...,(Xn×(n-1),Yn×(n-1))},根据下列公式计算随机一个选项变化向量与水平正方向的夹角θi:
夹角的范围是[0,π],利用评估路线获取单元获取到该学生在评估一个教师时的评估路线中各选项变化向量夹角集合为α={α1,α2,...,αJ-1},其中,J表示评估的题项总数,比对该学生对所有教师的评估路线,得到对应选项变化向量夹角相同的个数为q,根据下列公式计算该学生评估路线相似程度系数Wi:
Wi=(q/N)×100%;
其中,N表示该学生评估的教师人数,得到所有参与评估的学生评估路线相似程度系数集合为W={W1,W2,...,Wk},将相似程度系数集合传输到评估结果筛选单元中,一个学生往往需要评估多个教师的教学水平,因要填写多张评估问卷,学生容易敷衍应对,通过分析学生的评估路线的相似程度能够明显、直观地反映出学生是否敷衍应对教学水平评估工作,评估路线越相似,说明评估时越不认真,将其作为筛选排除评估数据的最后一个因素,帮助完善排除因素。
在步骤S15中:利用评估结果筛选单元筛选排除部分学生的评估数据:根据公式
得到随机一个学生的综合评估真实系数S终i,设置真实系数阈值S阈,比较S终i和S阈:若S终i<S阈,说明该学生的评估结果真实度不足,排除该学生的评估数据,用上述相同方式筛选其它学生的评估数据,在排除完成后,依据剩余学生的评估结果分析生成学生对教师的最终教学水平评估结果,参考价值越低、相似程度越高、不定系数越大,说明评估数据越不真实,依据三种因素得到综合评估真实系数,便于完整地排除掉不真实数据、提高教师教学水平评估结果的真实性和准确性。
实施例一:利用更换选择记录单元记录到学生在确认选择哪个选项前更换勾选的次数集合为M={M1,M2,M3}={3,5,2},利用更换时间统计单元统计到学生1每次更换勾选花费的时间集合为t={t1,t2,t3}={10,20,6},单位为:秒,根据公式计算学生1的评估不定系数Q1≈5.9,同样方式得到学生2和学生3的评估不定系数分别为:Q2≈2.6,Q3=3.2,利用评估时间采集单元采集到不同学生评估教师教学水平花费的总时间集合为T={T1,T2,T3}={10,15,5},单位为:分钟,利用参考程度分析单元分析评估结果的参考价值:依据/>得到所有学生的评估结果参考价值集合为p={p1,p2,p3}={1,1.5,0.5},利用评估模型建立单元建立选择变化空间模型,利用选项分布设置单元将选项分布在空间模型中,得到选项变化向量坐标集合为(X,Y)={(X1,Y1),(X2,Y2),(X3,Y3),(X4,Y4),(X5,Y5),(X6,Y6)}={(1,-1),(-1,1),(2,1),(-2,-1),(1,2),(-1,-2)},根据公式计算选项变化向量与水平正方向的夹角分别为θ1=45°,θ2=135°,θ3≈26.5°,θ4≈153.5,θ5≈63.4°,θ6≈116.6°,利用评估路线获取单元获取到该学生在评估一个教师时的评估路线中各选项变化向量夹角集合为α={α1,α2,α3}={0°,45°,63.4°},比对该学生对所有教师的评估路线,得到对应选项变化向量夹角相同的个数为q=10,根据公式Wi=(q/N)×100%得到所有参与评估的学生评估路线相似程度系数集合为W={W1,W2,W3}={67%,33%,100%},利用评估结果筛选单元筛选排除部分学生的评估数据:根据公式/>得到学生的综合评估真实系数:S终1=0.25,S终1=1.75,S终1=0.16,设置真实系数阈值S阈=1,S终1<S阈,S终2>S阈,S终3<S阈,学生1和学生3的评估结果真实度不足,排除评估数据。
最后应说明的是:以上所述仅为本发明的优选实例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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。
Claims (6)
1.基于大数据的教育教学水平评估方法,其特征在于:包括以下步骤:
S11:连接观测匿名后的学生个人教学评估过程,记录评估内容及选择结果;
S12:记录学生面对同一题项时勾选结果的变化情况;
S13:调取评估记录,获取不同学生评估教师教学水平花费的时间,分析评估结果参考性;
S14:建模,分布评估选项位置,获取同一学生评估不同教师教学水平的整体评估路线,分析评估结果相似性;
S15:结合评估过程的不定性、真实性和相似性筛选排除部分学生的评估数据,生成最终结果;
在步骤S11-S12中:利用评估过程连接单元连接观测学生个人教学评估过程,利用匿名保护单元对学生的身份信息进行匿名处理,利用选项获取单元获取到评估问卷中的选项集合为s={s1,s2,...,sn},其中,n表示选项数,利用勾选数据记录单元记录不同学生在不同问卷中的评估选择数据,将记录的数据传输到数据库(S2)中,利用更换选择记录单元记录到学生在确认选择哪个选项前更换勾选的次数集合为M={M1,M2,...,Mk},其中,k表示参与评估的学生数,利用更换时间统计单元统计到随机一个学生每次更换勾选花费的时间集合为t={t1,t2,...,tm},其中,m=Mi,Mi表示该学生更换勾选的次数,根据下列公式计算该学生的评估不定系数Qi:
在步骤S13中:利用评估时间采集单元采集到不同学生评估教师教学水平花费的总时间集合为T={T1,T2,...,Tk},利用参考程度分析单元分析评估结果的参考价值:得到随机一个学生的评估结果参考价值pi:得到所有学生的评估结果参考价值集合为p={p1,p2,...,pk},将参考价值集合传输到评估结果筛选单元中;
在步骤S14中:利用评估模型建立单元建立选择变化空间模型,利用选项分布设置单元将选项分布在空间模型中,得到选项变化向量坐标集合为(X,Y)={(X1,Y1),(X2,Y2),...,(Xn×(n-1),Yn×(n-1))},根据下列公式计算随机一个选项变化向量与水平正方向的夹角θi:
夹角的范围是[0,π],利用评估路线获取单元获取到该学生在评估一个教师时的评估路线中各选项变化向量夹角集合为α={α1,α2,...,αJ-1},其中,J表示评估的题项总数,比对该学生对所有教师的评估路线,得到对应选项变化向量夹角相同的个数为q,根据下列公式计算该学生评估路线相似程度系数Wi:
Wi=(q/N)×100%;
其中,N表示该学生评估的教师人数,得到所有参与评估的学生评估路线相似程度系数集合为W={W1,W2,...,Wk},将相似程度系数集合传输到评估结果筛选单元中;
在步骤S15中:利用评估结果筛选单元筛选排除部分学生的评估数据:根据公式
得到随机一个学生的综合评估真实系数S终i,设置真实系数阈值S阈,比较S终i和S阈:若S终i<S阈,说明该学生的评估结果真实度不足,排除该学生的评估数据,用上述相同方式筛选其它学生的评估数据,在排除完成后,依据剩余学生的评估结果分析生成学生对教师的最终教学水平评估结果。
2.基于大数据的教育教学水平评估系统,应用于如权利要求1所述的基于大数据的教育教学水平评估方法,其特征在于:所述系统包括:评估流程获取模块(S1)、数据库(S2)、单项变化分析模块(S3)、真实度预测模块(S4)、综合变化分析模块(S5)和教学评估筛选模块(S6);
所述评估流程获取模块(S1)用于连接并观测学生对教师的教学水平评估过程,获取评估选项和结果数据,将获取到的数据传输到所述数据库(S2)中;所述单项变化分析模块(S3)用于记录并分析学生面对同一题项时的选择变化情况;所述真实度预测模块(S4)用于采集不同学生评估完成需要的时间,并分析对应评估结果的可参考性;所述综合变化分析模块(S5)用于分析同一学生评估不同教师教学水平时的选择变化情况,分析评估结果的相似性;所述教学评估筛选模块(S6)用于筛选排除部分学生的评估数据,分析剩余评估数据生成最终教学水平评估结果。
3.根据权利要求2所述的基于大数据的教育教学水平评估系统,其特征在于:所述评估流程获取模块(S1)包括评估过程连接单元、选项获取单元、匿名保护单元和勾选数据记录单元,所述评估过程连接单元用于通过共享屏幕的方式连接学生评估教师教学水平过程;所述选项获取单元用于获取评估内容对应题项的选项;所述匿名保护单元用于对学生身份进行匿名保护;所述勾选数据记录单元用于记录学生勾选的选项数据,将记录的数据传输到所述数据库(S2)中。
4.根据权利要求2所述的基于大数据的教育教学水平评估系统,其特征在于:所述单项变化分析模块(S3)包括更换选择记录单元和更换时间统计单元,所述更换选择记录单元用于记录学生面对同一题项、确认选项前选择的选项更换情况;所述更换时间统计单元用于统计学生确认选项花费的时间;所述真实度预测模块(S4)包括评估时间采集单元和参考程度分析单元,所述评估时间采集单元用于采集不同学生完成评估需要的时间,所述参考程度分析单元用于依据评估完成时间分析对应评估数据的可参考程度。
5.根据权利要求2所述的基于大数据的教育教学水平评估系统,其特征在于:所述综合变化分析模块(S5)包括评估模型建立单元、选项分布设置单元、评估路线获取单元和相似程度分析单元,所述评估模型建立单元用于建立选项变化空间模型;所述选项分布设置单元用于将评估问卷中涉及到的不同选项分布在空间模型的不同位置上;所述评估路线获取单元用于获取学生在一张评估问卷中的选择变化形成的评估路线;所述相似程度分析单元用于分析同一学生在不同评估问卷中的评估路线的相似程度。
6.根据权利要求2所述的基于大数据的教育教学水平评估系统,其特征在于:所述教学评估筛选模块(S6)包括评估结果筛选单元和最终结果生成单元,所述评估结果筛选单元用于筛选排除部分学生的评估数据;所述最终结果生成单元用于在排除部分评估数据后,依据剩余学生的评估结果分析生成学生对教师的最终教学水平评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111098009.7A CN113743825B (zh) | 2021-09-18 | 2021-09-18 | 基于大数据的教育教学水平评估系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111098009.7A CN113743825B (zh) | 2021-09-18 | 2021-09-18 | 基于大数据的教育教学水平评估系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113743825A CN113743825A (zh) | 2021-12-03 |
CN113743825B true CN113743825B (zh) | 2023-07-14 |
Family
ID=78739905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111098009.7A Active CN113743825B (zh) | 2021-09-18 | 2021-09-18 | 基于大数据的教育教学水平评估系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743825B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003256935A (ja) * | 2002-02-28 | 2003-09-12 | Mitsubishi Paper Mills Ltd | アンケートシステム |
JP2004280180A (ja) * | 2003-03-12 | 2004-10-07 | Nri & Ncc Co Ltd | 広告用キーワード抽出システム、広告文配信システム、広告用キーワード抽出プログラム及び広告文配信プログラム |
CN103295174A (zh) * | 2013-04-11 | 2013-09-11 | 深圳市慢性病防治中心 | 一种营养评估系统 |
CN109447822A (zh) * | 2018-09-19 | 2019-03-08 | 平安科技(深圳)有限公司 | 保单智能回访方法、装置及计算机可读存储介质 |
CN114912510A (zh) * | 2022-04-07 | 2022-08-16 | 央视市场研究股份有限公司 | 一种线上调研样本质量评估系统 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002133066A (ja) * | 2000-10-25 | 2002-05-10 | Tos:Kk | アンケート調査システム |
CN101315680B (zh) * | 2007-05-31 | 2011-03-16 | 中国科学院自动化研究所 | 基于自动调查问卷的群体意见定性分析工具及实现方法 |
US9514412B2 (en) * | 2013-12-09 | 2016-12-06 | Google Inc. | Techniques for detecting deceptive answers to user questions based on user preference relationships |
CN107301165A (zh) * | 2016-04-14 | 2017-10-27 | 科大讯飞股份有限公司 | 一种试题难度分析方法及系统 |
CN107392829A (zh) * | 2017-08-21 | 2017-11-24 | 中国电建集团北京勘测设计研究院有限公司 | 水电水利工程移民评估信息系统 |
CN108764671B (zh) * | 2018-05-16 | 2022-04-15 | 山东师范大学 | 一种基于自建语料库的创造能力评测方法和装置 |
CN109271483B (zh) * | 2018-09-06 | 2022-03-15 | 中山大学 | 基于递进式多判别器的问题生成方法 |
CN109636089A (zh) * | 2018-10-25 | 2019-04-16 | 安徽创见未来教育科技有限公司 | 一种学生综合素质评价系统 |
CN109614021A (zh) * | 2018-10-29 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 交互方法、装置及设备 |
CN109636448A (zh) * | 2018-11-20 | 2019-04-16 | 云图元睿(上海)科技有限公司 | 调查问卷系统及方法 |
CN110189802B (zh) * | 2019-04-28 | 2023-05-02 | 万达信息股份有限公司 | 基于指标存储模型的双向映射队列研究信息系统 |
US11605307B2 (en) * | 2019-10-17 | 2023-03-14 | International Business Machines Corporation | Assessing student understanding |
CN111738588A (zh) * | 2020-06-18 | 2020-10-02 | 武汉好快科技有限公司 | 一种多功能教学质量综合测评系统 |
CN112259201A (zh) * | 2020-09-15 | 2021-01-22 | 中国医科大学附属盛京医院 | 基于双重加权的医疗机构新冠肺炎感染防控能力评估系统 |
-
2021
- 2021-09-18 CN CN202111098009.7A patent/CN113743825B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003256935A (ja) * | 2002-02-28 | 2003-09-12 | Mitsubishi Paper Mills Ltd | アンケートシステム |
JP2004280180A (ja) * | 2003-03-12 | 2004-10-07 | Nri & Ncc Co Ltd | 広告用キーワード抽出システム、広告文配信システム、広告用キーワード抽出プログラム及び広告文配信プログラム |
CN103295174A (zh) * | 2013-04-11 | 2013-09-11 | 深圳市慢性病防治中心 | 一种营养评估系统 |
CN109447822A (zh) * | 2018-09-19 | 2019-03-08 | 平安科技(深圳)有限公司 | 保单智能回访方法、装置及计算机可读存储介质 |
CN114912510A (zh) * | 2022-04-07 | 2022-08-16 | 央视市场研究股份有限公司 | 一种线上调研样本质量评估系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113743825A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nugrahanti et al. | The Remote Auditing and Information Technology | |
Teshima | Quality recognition & prediction: Smarter pattern technology with the Mahalanobis-Taguchi system | |
CN113743825B (zh) | 基于大数据的教育教学水平评估系统及方法 | |
Tella et al. | Impact of web portals on e-learning | |
Hunter et al. | IntelliClean: A teaching case designed to integrate data cleaning and spreadsheet skills into the audit curriculum | |
Dancer et al. | Modelling students at risk | |
Chou et al. | The value of functional exercise in pediatric mass-casualty incident training | |
Samoilova et al. | Learning analytics and survey data integration in workload research | |
Gozali et al. | A framework toward successful business incubator for Indonesian public universities: A pilot review | |
Ofoha et al. | Employers' perception and expectations of professional competency of distance learning graduates: A tracer study of nursing graduates of the national Open University of Nigeria (NOUN) | |
EP3624421A1 (en) | Method for monitoring activities performed by user groups in online digital environments | |
Puspita et al. | Implementation of AHP Method in Decision Support for Selecting Outstanding Students Case Study: Senior High School | |
Slim et al. | A geometric distributed probabilistic model to predict graduation rates | |
Wainer et al. | An application of testlet response theory in the scoring of a complex certification exam | |
Wiseley | Collaborative administrative record matching in California | |
RU2780244C1 (ru) | Система сбора и обработки полётной информации для валидации цифрового двойника летательного аппарата при проведении лётных испытаний | |
Tholandi et al. | Approaches to improve and adapt maternal mortality estimations in low‐and middle‐income countries: A scoping review | |
Assiri | The Administrative Procedures of Total Quality Assurance in Saudi Public Universities | |
ALzoubi et al. | Suitability of Multiple-choice Questions in Evaluating the Objectives of Academic Educational Process of Accounting Specialization | |
Chan et al. | EFFECT OF BEHAVIOURAL ENGAGEMENT ON THE PERFORMANCE OF ACTUARIAL SCIENCE UNDERGRADUATES IN A HIGHER EDUCATION | |
Ahsan | Transportation Planning Education in the United States: A Survey of the Publicly Available Program Websites of ACSP Member Colleges | |
Younus et al. | Digital Census And Sustainable Development: Evaluating The Accuracy And Reliability Of Digital Census Data | |
Hussain et al. | A Study to Explore the Influence of Socioeconomic Factors on Students’ Academic Achievement at College Level | |
McCowan et al. | Career education and development scale for secondary and tertiary students in Vietnam | |
Irwansyah et al. | Implementation of augmented reality technology-based learning media in molecular hybridization concept |
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 |