基于深度學(xué)習(xí)的新型評(píng)教模式探索

張俊 陳怡華 陳詩(shī)源

基金項(xiàng)目：中山大學(xué)新華學(xué)院教學(xué)改革項(xiàng)目：移動(dòng)互聯(lián)網(wǎng)形式下新型評(píng)教方式的探索與平臺(tái)的建立（項(xiàng)目編號(hào)：2019J029）

引言

我國(guó)有六十多萬(wàn)所學(xué)校和上億的學(xué)生，傳統(tǒng)的評(píng)教方式主要為紙質(zhì)版評(píng)教和期中/期末網(wǎng)上統(tǒng)一評(píng)教，這兩種評(píng)教方式都有一定的局限性面，不僅耗費(fèi)人力物力，但是其時(shí)效性極差，學(xué)生對(duì)于教學(xué)過(guò)程中的疑惑不能及時(shí)反饋給老師。在教育行業(yè)引入深度學(xué)習(xí)，打破傳統(tǒng)教育管理和教學(xué)模式下的禁錮，從教育管理信息數(shù)據(jù)中挖掘出更高層和更有價(jià)值的信息，真正掌握學(xué)生的需求，進(jìn)而改進(jìn)教育管理體系的缺陷和不足，并且為教育管理決策提供指導(dǎo)和信息支撐。

研究?jī)?nèi)容

本文基于深度學(xué)習(xí)技術(shù)，構(gòu)建的用于自動(dòng)判斷識(shí)別學(xué)生對(duì)每個(gè)評(píng)價(jià)指標(biāo)評(píng)價(jià)情況的神經(jīng)網(wǎng)絡(luò)模型，如圖1所示，包括輸入層、隱藏層和輸出層;輸入層包含H個(gè)神經(jīng)元;輸出層包含I個(gè)神經(jīng)元;隱藏層具有三層，每層神經(jīng)元個(gè)數(shù)依次為。

神經(jīng)網(wǎng)絡(luò)模型的輸入層輸入為學(xué)生對(duì)評(píng)教過(guò)程中每一項(xiàng)評(píng)價(jià)指標(biāo)的結(jié)果，輸出層的輸出為學(xué)生在教學(xué)中遇到的問(wèn)題。用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的模型訓(xùn)練庫(kù)包括大量學(xué)生評(píng)教情況的樣本，樣本包括學(xué)生為N個(gè)，每個(gè)學(xué)生對(duì)L個(gè)不同評(píng)價(jià)指標(biāo)進(jìn)行評(píng)分，其中L個(gè)不同評(píng)價(jià)指標(biāo)包括了整個(gè)教學(xué)評(píng)價(jià)所有內(nèi)容數(shù)量為K，則訓(xùn)練輸入為每個(gè)學(xué)生每個(gè)評(píng)價(jià)指標(biāo)的對(duì)應(yīng)得分，表示為;其中，K為所有學(xué)科需要考核的全部知識(shí)點(diǎn)數(shù)量，表示該學(xué)生第道題目的得分，表示第道題目對(duì)應(yīng)的評(píng)價(jià)內(nèi)容。

?實(shí)施方法

（1）學(xué)生登陸教務(wù)系統(tǒng)分別對(duì)評(píng)價(jià)表中的每一項(xiàng)指標(biāo)進(jìn)行評(píng)價(jià)，如：“老師的課件和板書(shū)有助于學(xué)習(xí)”、“老師的講解與課件或課程材料相結(jié)合”、“整體來(lái)說(shuō)這堂課令人獲益或者有價(jià)值”、“這堂課的難度適宜”等等，并且這些評(píng)價(jià)指標(biāo)分別設(shè)置五個(gè)得分檔：0分，2分，4分，6分，8分和10分，學(xué)生可根據(jù)自己在課堂上的聽(tīng)課經(jīng)歷以及教師的課堂表現(xiàn)，對(duì)每個(gè)評(píng)價(jià)指標(biāo)進(jìn)行打分，以此作為圖1中神經(jīng)網(wǎng)絡(luò)模型的輸入。

（2）在訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型時(shí)，激活函數(shù)采用tanh，公式為;損失函數(shù)采用交叉熵?fù)p失函數(shù)，公式為，其中為正確輸出，為神經(jīng)網(wǎng)絡(luò)實(shí)際輸出;優(yōu)化函數(shù)采用隨機(jī)梯度下降法（Stochastic Gradient Descent，SGD）公式為;迭代訓(xùn)練直至模型收斂。

圖1

（3）在訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型時(shí)，進(jìn)行預(yù)測(cè)分類(lèi)。將需要分類(lèi)的試題結(jié)果作為測(cè)試數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型，最后的輸出層采用softmax函數(shù)將結(jié)果歸一化為概率值。假設(shè)輸入一共有個(gè)樣本，對(duì)于每一個(gè)輸入，輸出值為其對(duì)應(yīng)的類(lèi)別，那么對(duì)于訓(xùn)練集，其中。

對(duì)于每一個(gè)輸入樣本，經(jīng)過(guò)模型后都能得到該樣本針對(duì)每一類(lèi)別的概率值，輸出為一個(gè)維的向量，具體的公式如下：

其中為模型的參數(shù)，是將每一類(lèi)的概率分布進(jìn)行歸一化。

實(shí)施案例

下面以對(duì)M課程所有學(xué)生的評(píng)教情況進(jìn)行考察為具體實(shí)施例。具體包括以下步驟：

步驟1：學(xué)生登陸評(píng)教平臺(tái)，分別對(duì)M課程設(shè)立的評(píng)價(jià)指標(biāo)進(jìn)行打分評(píng)價(jià)，如：“老師的課件和板書(shū)有助于學(xué)習(xí)”、“老師的講解與課件或課程材料相結(jié)合”、“整體來(lái)說(shuō)這堂課令人獲益或者有價(jià)值”、“這堂課的難度適宜”等等，并且這些評(píng)價(jià)指標(biāo)分別設(shè)置的得分檔分別為：0分，2分，4分，6分，8分和10分，學(xué)生可根據(jù)自己在課堂上的聽(tīng)課經(jīng)歷以及教師的課堂表現(xiàn)，對(duì)每個(gè)評(píng)價(jià)指標(biāo)進(jìn)行打分。

步驟2：獲取M課程的評(píng)教分值分布，通過(guò)深度學(xué)習(xí)模型分析得到M課程的薄弱環(huán)節(jié)和需要鞏固提高的環(huán)節(jié)。判定標(biāo)準(zhǔn)：如果學(xué)生評(píng)教的成績(jī)低于評(píng)教滿(mǎn)分的一半，可認(rèn)定該類(lèi)評(píng)價(jià)指標(biāo)是學(xué)生掌握的薄弱環(huán)節(jié)，如，滿(mǎn)分為10分的指標(biāo)“老師的課件和板書(shū)有助于學(xué)習(xí)”，學(xué)生得分為4分，那么可以反饋出該M課程的老師課件和板書(shū)對(duì)學(xué)生的學(xué)習(xí)幫助不大，需要根據(jù)實(shí)際情況進(jìn)行改進(jìn)。

步驟3：系統(tǒng)根據(jù)設(shè)置的薄弱環(huán)節(jié)的規(guī)則，自動(dòng)推送步驟2中所確定的M課程的薄弱環(huán)節(jié)和需要改進(jìn)的措施以郵件的方式通知到M課程的任課老師。

步驟4：M課程的任課老師根據(jù)反饋的M課程的薄弱環(huán)節(jié)和需要鞏固提高的環(huán)節(jié)，對(duì)M課程做出相應(yīng)的教學(xué)決策。如，步驟2中的薄弱環(huán)節(jié)是“老師的課件和板書(shū)有助于學(xué)習(xí)”的評(píng)價(jià)，那么系統(tǒng)將推送M課程該評(píng)價(jià)分?jǐn)?shù)和改進(jìn)措施給任課老師，任課教師可根據(jù)所推送的相關(guān)信息，對(duì)所選M課程的同學(xué)改進(jìn)教學(xué)方法，也可以換一種學(xué)生更容易理解的講課方式，進(jìn)行講解。

本文將教育教學(xué)評(píng)價(jià)與深度學(xué)習(xí)技術(shù)相結(jié)合，以學(xué)生的具體需求為導(dǎo)向，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)師生間的良好互動(dòng)和交流，對(duì)教師教學(xué)手段的改進(jìn)和教育決策的完善提供了技術(shù)支持。

參考文獻(xiàn)

[1]?何衛(wèi)東，申佳紅.基于SLE學(xué)習(xí)評(píng)價(jià)系統(tǒng)的深度學(xué)習(xí)初探[J]教育科學(xué)論壇，2020（22）：75-77.

[2]?陳振華.教學(xué)評(píng)價(jià)中存在的問(wèn)題及反思[J]教育發(fā)展研究，2009，000（018）：84-87.

[3]?蔡敏，張麗.大學(xué)生參與教師教學(xué)評(píng)價(jià)的調(diào)查研究[J]高等教育研究，2005， 026（003）：69-73.

[4]?溫文君.參與管理視角下的高校學(xué)生評(píng)教研究[D].江西師范大學(xué).