基于混合高斯模型融合歷史評價信息的高校教學評價方法

黃曉輝　鐘茂生　熊李艷　李廣麗

摘 要：隨著第二輪教學本科教學評估的深入，高校教學評價越來越受到各大高校的重視。其中，課堂教學評價是高校教學評估中的一項重要內容。當前高校課堂教學評價主要根據學生對當前課程和教師講課的印象進行打分，該評價方法可能會受到各種因素的影響，此外不同學生中心的評價標準也不一樣，這樣，可能會導致評價結果不夠客觀公正。本文提出一種能融合歷史評價信息的混合高斯評價學習模型。該評價模型假設教師的教學水平是逐步提高的，不會出現教學水平的突發提高或降低。這樣，通過以歷史的評價結果作為先驗知識，融合當前的學生評價來評價當前的課堂教學。

關鍵詞：高斯模型；本科教學評估；數據挖掘

中圖分類號：TP391文獻標志碼：A文章編號：2095-9214（2016）12-0153-02

一、引言

2013年中國教育部啟動的第二輪本科教學評估以來，各大高校對教學評估越來越重視。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、強化教學質量保障，是提高人才培養質量的一項重要內容。而課程教學的管理和監控是提高本科教育教學質量的基礎。

當前，高校課堂教學的評價主要根據學生對當前課程和教師講課的印象進行打分，然后，統計分析的方法得到該門課程的教學評價。然而，學生的評分可能會受到各種因素的影響，如考試成績、教師對課堂管理的嚴格程度，此外，不同學生中心的評分標準也不一樣，這樣，可能會導致評價結果不能夠真正的體現出教師的教學水平。

為此，本文提出一種能融合教師歷史教學評價信息的混合高斯評價學習模型。該評價模型假設教師的教學水平是逐步提高的，不會在相鄰的教學學期中出現教學水平的劇烈變化。這樣，以歷史的評價結果作為先驗知識，通過融合當前的學生評價來評價當前的課堂教學，從而得到更加客觀公正的教學評價結果。

二、相關工作及分析

高校課堂教學評價是高校教學管理中的一項基礎性工作。有效地教學評價方法能夠極大促進教師的教學積極性，提高教學效果。在文獻[3]中，作者在總結第一輪高校教學評估經驗的基礎上，提出新一輪的高校教學評估應“建立健全以學校自我評估為基礎，以院校評估、專業認證及評估、國際評估和教學基本狀態數據常態監測為主要內容，政府、學校、專門機構和社會多元評價相結合，與中國特色現代高等教育體系相適應的教學評估制度”的基本框架。

近年來，隨著各大高校大力推行數字校園和智慧校園，在此過程中積累了大量的教學和管理數據。在文獻[4]中，作者提出了一種改進的Aprior算法，在此算法基礎上設計并實現了一個高校教學質量評估系統來挖掘學生評價結果與任課教師在性別、學歷、年齡、職稱等基本信息之間隱含關聯關系。在文獻[5]中，基于2012～2014年103所被評院校的課堂評價數據，作者對不同職稱、不同地域、不同年齡和不同辦學主體的教學狀況進行分析，發現課堂教學因職稱、地域、年齡的不同，呈現出較大差異，同時對專家反饋課堂問題的文本進行分析，發現合格評估的公共價值取向是促進高?；貧w育人和關注教學本身，還發現新建本科院校的教師教學技能和教學管理水平有待提高。

在文獻[6]中，作者從學生的視角出發，通過對中國大學本科生的問卷調查，結合訪談與文本分析，從本科課程教學方式與教學效果兩個維度，對我國大學本科教學質量進行評估。結果表明，中國大學本科教育普遍存在教學方法傳統，教學方式單一，班級規模偏大，教學理念改革流于形式，教學效果普遍不理想，重視教學內容，忽視教學方法改進等問題。

三、基于混合高斯模型融合歷史評價信息的高校教學評價方法

長期的教學實踐表明，教師教學水平的提高是一循序漸進的過程。為了設計一個合理的模型來擬合這一過程，避免由數據噪音而導致的教學評價的偏差，本小節介紹一種基于混合高斯模型融合歷史評價信息的高校教學評價模型。從模型設計角度來說，在相鄰的學期中，對同一教師的教學評價結果應該是相近的，不應該出現劇烈變化。為此，可以融合教師的歷史評價數據來調和由噪音數據產生的評價結果的震蕩。解決這一問題的關鍵是如何在教學評價模型中引入歷史信息，并權衡其在評價過程中的作用。

利用教師以前的評價結果作為當前評價的先驗知識，結合歷史評價結果和當前數據對教學做出評價，其模型可形式化為

l（φ，μ，Σ）=∑mi=1logp（xi，φ，μ，Σ）=∑mi=1log∑kzi=1p（xi，φ，μ，Σ）p（zi；φ）p（zi；ziold，σ2）

其中，k表示評價結果種類，可以包括不合格、合格、良好、優秀等，m表示待評價教師的數目。p（zi；ziold，σ2）表示對第i個老師的評價應該在該教師上個學期的評價結果上左右浮動，通過這樣歷史的評價結果可以融入當前的數據中。目標函數中其他部分是一個則是一個高斯混合分布。通過優化該公式可以求解出φ，μ，Σ，同時也可以求出隱變量zi，即得到每個教師的當前評價結果。

針對該模型，可以采用EM算法（期望最大化）對目標函數進行最小化求解φ，μ，Σ和zi，最后通過迭代算法求出φ，μ，Σ和zi的具體值?？倐€算法的流程如圖1所示。在此評價模型基礎上，我們將評價結果首先分別反饋給教師本人，反饋給專家，然后綜合模型評價結果、教師本人的意見及專業意見，并將這些意見寫入歷史數據庫，以便下一次教學評價使用，使教學評價成為一個良性循環。

四、結束語

本文提出了一種能夠融合歷史評價信息和當前評分信息的混合高斯學習模型，并為模型設計了一個目標函數。該目標函數包含了一個學習當前數據混合高斯分布和一個以歷史評價結果為先驗知識單變量高斯。最后，在此基礎上設計了一個基于混合高斯模型融合歷史評價信息的高校教學評價的系統框架。

（作者單位：華東交通大學信息工程學院）

基金贊助：研究生教學改革研究課題（JXYJG-2016-085）、國家自然科學基金（61562027、61363072、61462027）、江西省社會科學“十二五”規劃項目（15XW12）、江西省自然科學基金項目（20161BAB212050）、江西省教育廳項目（GJJ150494）、江西省教改課題（JXJG-15-5-7）

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]劉振天.我國新一輪高校本科教學評估總體設計與制度創新[J].高等教育研究，2012（3）：23-28.

[4]伍熙熙.數據挖掘在教學評估系統中的應用研究[D].北京化工大學，2015.

[5]劉旭，許曉東.我國新建本科院校課堂教學現狀研究——基于2012～2014年度合格評估課堂評價數據的分析[J].高等工程教育研究，2016（3）.

[6]吳凡.我國研究型大學本科教學質量評估——基于學生視角的第三方評估[J].高教探索，2016（4）：73-77.