大數據分析在大學英語教學評價中的應用前景

何夢伊

摘 要：網上評教是高校對教師教學成果進行評判的重要指標之一，也是教師能夠獲取課堂反饋的重要信息來源。然后由于網上教評機制目前存在的一些技術和管理問題，大量的教學評價卻存在有效性缺失的情況。針對網上教評的語言特點，本研究提出將大數據分析和數據挖掘應用于網上教評的分析中，從而提取真正有價值的評判信息和學生需求，來改善教學效果。

關鍵詞：數據分析；情感分析；網上教評

1 研究背景

隨著互聯網大數據分析的快速發展，數據挖掘和數據分析被迅速應用于企業的營銷活動中。分析用戶以往的消費行為習慣并從消費者的反饋中提取有價值的信息，已經成為互聯網公司分析市場挖掘需求的重要手段并獲得巨大的收益。然而，在大數據發展如火如荼的趨勢下，其在高校教育活動中的應用則略顯滯后，且利用大數據來推動相關的教育改革也并不像商業活動進展的如此迅速和徹底，高校每日積累的海量數據可以得到更好的利用。

教學活動的開展在高校的日常管理中依然是最重要的一部分，教學成果的好壞直接影響學生的未來和學校的發展，因此學生對于教學的態度和評價是教育者研究課堂活動提高教學質量的重要依據。由于教育的趨利性弱，最新的信息技術并沒有迅速的應用于教學評價的分析和挖掘，如今教學評價的作用仍然主要局限于對教師工作的評審上，而非教學改革中，顯然后者相比較而言更加重要。相應的，國內有關教學評價的大數據分析的研究也基本呈現空缺狀態，本論文將以大學英語課程為例，討論大數據分析在教學評價中的應用。

2 大數據分析的特點

大數據分析目前在針對評價文本過程中有顯著成果的操作有：提取評價對象，即所評價的內容；判斷評價中的情感傾向，即評價是正面還是負面；以及評價信息的檢索與歸納。其整體的順序為Target Retrieval – Sentiment Classification – Sentiment Extraction。

1）. 評價對象提取（Target Retrieval）

在這一階段的主要任務是將評論中的一個個具體的信息單元進行抽選，將評價文本這種形式轉變為計算機能夠辨別和處理的信息形式。這是整個對評價及進行大數據分析的基礎階段。例如在教學評價“老師講課認真負責，內容貼近實際，課堂氛圍活躍”，能夠迅速提取出”內容“和”課堂氛圍“兩個向量文本。

2）. 情感傾向性分類（Sentiment Classification）

這一階段需要將評價中提取的關鍵詞，根據情感詞典中對詞匯的評分，對每一條評論的所有提取詞進行分數的計算，最后根據沒條評論的分值來判斷該評論包含的情感是褒義、貶義或者中性。

3）. 評價信息檢索與歸納（Sentiment Extraction）

作為評級分析的最后一個環節，評價信息檢索與歸納可以看做是和評價用戶進行交互，是在兩面兩個步驟的基礎上加工進行的，是前兩項任務的匯總。

3 教學評價的語言特點

基于數據分析的基本運行邏輯，教學評價的文本特點適合對其進行情感分析。教學評價的語言整體呈現出以下幾個特點。

3.1 評價指標明確，范圍穩定，詞匯重復率高

根據相關的研究顯示，教學評價的文本內容主要圍繞四個指標，即教學態度、教學內容、教學方法和教學效果。而每種指標下對應的具體評價也基本在一定的范圍內，例如與教學內容相關的評價通常集中在“基本概念和原理的講解”、“教學中重點難點的處理”、“理論聯系實際情況”和“新內容擴充”這些方面。對于這些指標的評價語言所體現出的變化性不大，重復率較高。

3.2 語句結構簡單明了，語法多為固定搭配

教學評價的語句結構相對簡單，沒有過于復雜和靈活的語法構成，出現較多“n.+adj.”和“v.+adv.”的形式，例如“內容豐富”、“語言幽默”、“課堂氛圍活躍”、“老師態度認真負責”“講得好”等等。這樣的文本特點在機器進行識別和處理時判斷情感傾向性得準確率會相對較高。

3.3 語句中帶有歧義的詞匯少

教學評價中的語句和詞匯很少會存在模糊不清或者有歧義的現象，一般以客觀具體的描述為主，機器出現理解偏差的概率相對較小。

4 網上評教的現狀和問題

如今高校的評教系統基本已經全部由計算機來完成，要求學生在校園網上完成對任課教師的評教工作。而對于高校網上教評現狀的研究和調查的數量很大，這方面的研究已經相當豐富，很多研究顯示目前的網上評教存在的質量和效果問題相對較多，網上評教存在的必要性受到質疑。以中部省份某大學（后指Z大學）為例，目前Z大學的網上評教系統包括學生打分和評價兩部分組成，允許對教師分別進行打分和主觀描述。然而給任課老師打分數的有效性在很多研究中都備受質疑，其一在于很多學生存在濫打分的現象，快速勾選分數以圖省事，而不是經慎重考慮后再進行評分；其二，學校的評教系統并沒有提供給學生一套系統的評分標準來幫助學生進行評估，而是任憑學生按照自己的感覺來打分，這樣每個學生的標準不同，打出的分數很難真實反映教師的授課情況。除此之外，學生的評教活動大多會在課程即將結束之時進行，由于新學期里學生可能不再繼續學習該課程，便出現了很多評教倦怠的情緒，敷衍了事寫幾句評語。據調查，這一現象的原因正是由于學生認為課程是否改善以后也和自己無關，因此缺乏提出真實想法的動力。而帶著敷衍情緒填寫的教評，對于老師而言也無從對課程改進，導致惡性循環的形成。

5 大數據分析應用的前景

大數據分析不應該僅僅被應用于商業活動中，也應該滲透進高校校園中，更好的為學生服務。高校網上評教的數量和信息量巨大，完全由人工來審查不僅費時費力，而且可能會忽略了很多數據之間的相關關系。大數據分析，特別是對文本進行情感傾向性的判斷，能夠快速提取評教中的關鍵詞并判斷每條評價的傾向性，并將這些數據再進行整合歸納，還能夠進一步判斷整個班級對課程的認可程度和課堂氛圍，從中挖掘出更多有價值的信息來分析出學生真實的需求所在，也能夠有效地解決目前網上教評中濫評和倦怠的問題，幫助教師更好地在課程進程中有效的介入學生學習，取得更好的課堂效果。

參考文獻

[1]姜姍.基于情感傾向性分析的教學評價自動分析方法[D]，山東科技大學，2015.

[2]劉秀梅.大數據時代大學英語課堂教學評價體系的構建[J]，中國礦業大學，2016.

[3]吳勁松.高校“學生評教”利弊分析[J].高教研究，2009，（3）：13-15.

[4]馬秀麟，衷克定，劉立超.從大數據挖掘的視角分析學生評教的有效性[J]， 中國電化教育，2014.

[5]史美東.高校教學評價學生評教指標的有效性及設置研究[J]，產業與科技論壇，2017，（16），225-226.endprint