大數據環境下基于多維信息融合的高校教學評價

黃曉輝+鐘茂生+熊李艷+李廣麗

摘 要：當前，大部分教學評估方法只依靠學生對當前教學進行打分，然后通過統計分析的方法計算出教學評價得分。這種方法依據的信息來源單一、對原始數據的可靠性要求高。然而，現實的打分數據往往噪音多、數據不規范、學生評分受各種因素的影響。針對該問題，提出了一種大數據環境下基于多維信息融合的高校教學評價方法。該方法可以集成多種因素，如學生打分、考試成績、學生歷史表現等，進行綜合的評價當前教學，給出更客觀公正的教學評價。

關鍵詞：大數據；信息融合；矩陣分解；教學評估

一、引言

根據《國家中長期教育改革和發展規劃綱要（2010-2020年）》[1]精神和《教育部關于普通高等學校本科教學評估工作的意見》[2]，提高本科教育教學質量，突出內涵建設、強化教學質量保障，是不斷提高人才培養質量的一個重要方面。因此，課堂教學作為教育教學的最重要方式之一，是高等教育評估的一項重要內容。

隨著信息技術的迅猛發展和高校對信息化投入的不斷加大，大數據已經走進了各大高校校園，如何真正有效的利用學校教學和管理中產生的大數據已成為建設好智慧校園的一個重要挑戰。其中，由教學過程產生的各種數據，可以有效用于解決教學評價中的問題。在傳統的教學評價中，通常只依靠學生對課程的打分數據進行教學評價，這類方法依靠的數據來源單一，不能夠全面、客觀、公正的評價教學效果。本文針對該問題，提出了一種大數據環境下基于多維信息融合的高校教學評價方法。

二、相關工作及分析

高校教學評價是推動高校教育發展的一項重要舉措[3]。當前，有許多研究人員針對高校教學評價提出了很多可行的方法。在文獻[4]中，作者提出中國高校教學要走向規范化，以專業教學評估與教師教學評估為主導，教學督導與教學評估相結合，教學評估要重視基礎數據的利用。

大數據分析是當前信息與互聯網技術的熱點研究課題。在文獻[5]中，作者提出利用數據挖掘技術中的關鍵規則挖掘方法來發現數據之間有意義的關聯關系，并給出了教學評估數據挖掘系統的框架。

在文獻[6]中，作者認為第二輪教學本科教學評估是以“教學基本狀態數據”為主要依據，因此，大數據分析方法在本輪教學評估中將能發揮重要的作用。在文獻[7]中，作者從高校教育大數據的匯聚融合角度，分析了教育大數據如何推動大學管理和人才培養的創新與改革。

三、基于多維信息融合的高校教學評價方法

2013年中國教育部啟動的第二輪本科教學評估與首輪評估不同點在于，本次評估以“教學基本狀態數據”為基礎，對“人才培養目標與培養效果的實現狀況”進行自查、專家審核與指導。以此為契機，可以得到大量教學過程產生的數據。因此，可綜合利用這些數據進行教學評價。

在學校的管理和教學過程中，將產生不同類型的數據，如學生的考勤數據、平時作業成績、期末考試成績、學生給教師的評價分數等。這些數據都在一定程度上反映了教師的教學態度和教學水平，都將影響到教學評價。與傳統的單一利用學生對教師的打分進行教學評價不同，這些不同種類的數據具有不同的量綱，也就是說數據之間存在語義鴻溝。在教學評價中，不能簡單的把不同部分的數據直接相加進行教學評價，也就是說，需要設計一種新的能夠融合多維信息的方法來綜合評價教學效果。

在本文中，提出利用基于多矩陣非負分解的方法來融合學生考勤數據、平時作業成績、期末考試成績、學生給教師的評價分數等信息，進行綜合打分并給出最后的教學評價結果。

給定教學評價數據集，其中代表學生考勤數據、平時作業成績、期末考試成績、學生給教師的評價分數等數據視圖中的一個視圖，如圖1所示。為了融合這些數據視圖，本文提出一種基于cosine約束的多矩陣非負分解進行特征融合方法，其形式化定義為

其中，為平衡約束與代價函數之間的參數，和為多矩陣中第j種特征的分解后的模矩陣，為數據對象分配模矩陣，為特征模矩陣，為數據對象通過異構融合后的分配模矩陣。表示融合后的模矩陣需要盡可能得使不同特征的分配模矩陣保持一致。在算法迭代過程中，使得不同的特征模矩陣收斂到融合后的模矩陣。為了保證分解的唯一性，在矩陣非負分解過程中需按列歸一化為1。

通過求解以上目標函數，多維信息數據到中，然后利用進行教學評價，這樣就可以綜合利用到所有的學生考勤數據、平時作業成績、期末考試成績、學生給教師的評價分數等信息。針對該目標函數，選擇歐式距離或者KL散度距離來作為度量與的距離。然后，通過梯度下降方法求解W，U，W*來融合異構高校教學評價數據中的異構特征，求解公式為：

這樣，即可通過迭代的求解U，W，W*來融合多維信息數據，最終的融合結果保存在融合矩陣W*中。

四、結束語

本文通過分析現有的高校教學評價方法的不足：只依靠單一的學生對教師的教學評分來評價教學效果，該方法不能夠有效地利用在管理和教學過程中產生的大數據。因此，本文提出了一種在大數據環境下基于多矩陣非負分解的多維信息融合方法，并設計了一個融合多維信息的目標函數，然后，通過梯度下降法求解目標函數，從而得到多維信息融合方法。通過此方法，可進一步提高教學評價的客觀性和公正性，從促進教師教學積極性，提高教學效果。

參考文獻：

[1]國家中長期教育改革和發展規劃綱要（2010—2020年）[J].中國高等教育，2010（Z3）：13-37.

[2]董健康，韓雁，梁志星.《教育部關于普通高等學校本科教學評估工作的意見》解讀[J].高教發展與評估，2013，29（5）：12-18.

[3]劉鳳泰.高度重視、不斷完善、建立中國特色的高校教學評估制度[J].中國高等教育，2004（19）：19-21.

[4]陳國海.中國高校教學評估的走向初探[J].高教探索，2005（6）：46-48.

[5]趙健，傅莉.數據挖掘在本科教學評估中的應用[J].高教發展與評估，2008，24（1）：66-69.

[6]趙伶俐.以“教學基本狀態數據”為據——《大數據時代》對第二次本科教學評估的啟示與警示[J].現代大學教育，2015（2）：95-102.

[7]鄭慶華.高校教育大數據的分析挖掘與利用[J].中國教育信息化，2016（13）.

（作者單位：華東交通大學信息工程學院）