基于深度學習技術的高職網絡教育教學質量評價研究

胡同花

（湖南永州職業技術學院信息工程學院 湖南省永州市 425000）

1 引言

大數據時代背景下，信息的互通與匯集使得網絡教育平臺具備一定的資源匯聚能力，能夠將豐富的教學資源進行重新整合，在提高教育資源利用效率的同時實現教育價值的最大化。隨著“數據驅動學校，分析變革教育”的大數據時代的到來，網絡教育中的教學過程、師生互動行為、學生學習情況每時每刻會產生相應的數據，通過深度學習技術觀測記錄提取分析這些數據，為建立實時、自動、精準的網絡教學課堂及構建教學評價模型提供了依據。由于高職教育中學習成員多樣化，有全職在校生，也部分社會在職人員及退伍軍人。學習者學習時間不固定，學習方式需要多樣性，更偏向自主性。本文基于深度學習的網絡課堂教學評價進行研究，探討大數據時代網絡教育“從教到學”的重大范式轉變，建立“以學生為本”的教學評價指標，從技術層面讓學習者的個體感受得到量化與呈現；利用深度學習技術轉變傳統的評價方法，提高評價的客觀準確性，發揮評價結果的導向作用，使教師和管理者從學生的需求出發完善教學和管理行為，最終提高人才培養質量。

2 網絡教育評價體系現狀研究

2.1 從對教師“教”的評價轉向對學生“學”的評價

近年來，教學評價領域國際權威期刊《Assessment and Evaluation in Higher Education》（《高等教育中的評價與評估》）的前沿研究中對學生“學”的關注度要遠高于對教師“教”的關注度。“以學生為本”的課堂教學評價體系體現在評價指標、評價方法和評價結果反饋等方面。評價指標上，目前國內外研究中多有關于課堂氛圍營造、激勵學生自主學習能力、引導學生探究學習和合作學習等評價指標。Wayne State University 在澳大利亞高校SET 問卷中，也涵蓋課程滿意度、教師營造課堂氣氛、語言清晰程度等維度。Marsh 在教師教學質量評價問卷（SEEQ）中，設置32 個教學評價指標，其中，包含引導學生資助學習能力、激發學生學習興趣以及營造課堂氣氛等評價指標。邱文教等人通過層次分析法分別從教師視角和學生視角構建了高校探究式課堂教學評價指標體系。評價方法上，傳統的課堂教學評價普遍采取問卷和訪談等方式，少數研究結合傳統方法與大數據分析的方法對課堂教學評價數據進行挖掘和分析，借此加深對課堂教學評價的認識。馬秀麟等人利用數據挖掘技術分析了學生評價數據的有效性、劉智等通過情感傾向識別與話題挖掘技術分析了學生教學評價數據中隱含的情感信息，但并沒有將這些信息應用于教學評價。以上這些評價方法并不能體現“以學生為本”的思想。評價結果反饋上，從形成性教學評價的角度，評價的目的不在于給出終結性判斷結論后對教師進行獎懲，而應該具有動態前向、反饋和強化的發展性功能。“以學生為本”的評價結果反饋則需要做到真正從學生需求的角度出發，獲取實時、動態和科學的反饋信息，準確控制課堂教學進程，從而做出正確的教學決策，實現潛在最優的課堂教學目標。

圖1：基于深度學習技術的高職網絡教育評價研究總思路

2.2 基于深度學習人工智能技術為網絡教育提供了技術支持

結合大數據的教學評價研究主要集中在挖掘評價指標與評價結果的相關性等方面。Anthony G. Picciano 教授說過：教學應用大數據分析處于起步階段，尤其是利用課堂教學的相關數據來客觀的評價課堂還做得很少。國內學者武小鵬等提出了基于FIAS 與PPE 理論的課堂教學評價方法，通過挖掘課堂語言信息（包括教師語言和學生語言），對探究式課堂教學進行評價，提出了大數據時代充分利用課堂教學數據進行“以學生為本”的教學評價研究的新思路。

然而，僅僅挖掘網絡教學中的語言信息是遠遠不夠的，網絡教學視頻中蘊含著豐富的關于學生的教學滿意度、參與度、教學體驗、幸福感、學生投入度等信息。近年來，以深度學習為代表的人工智能技術在視頻處理和理解領域取得了引人注目的成果，利用深度學習技術有效地提取網絡教學過程中教師和學生的情緒、互動事件等信息將極大地提高課程教學評價的準確性和客觀性。

通過基于深度學習技術構建網絡教學評價計算模型，生成從學生需求出發的實時、動態評價反饋。從評價指標、評價方法和評價結果上全面體現“以學生為本”的準則，豐富和延伸現有的高職教育教學評價理論體系。

3 基于深度學習技術的網絡教育評價方法研究

通過轉變傳統的“以教師為中心”的評價方式，從評價指標、評價方法和評價結果反饋三方面出發構建“以學生為本”的評價體系。可從三個層次進行研究：評價指標體系構建、基于深度學習技術的評價方法提出及相應的實時動態評價結果生成、評價體系構建的實證研究。從學生角度出發，研究多維度的高校課堂教學評價指標；從海量網絡教育教學數據出發，研究基于深度學習技術的課堂教學評價方法以及反映學生需求的評價反饋生成方法；從實證角度出發，研究評價指標、評價方法和評價反饋的實用性和有效性。總體研究思路如圖1 所示。

3.1 “以學生為本”網絡課堂教學評價理論支持研究

大數據分析顯示目前課堂教學評價正在由“以教師為中心”轉化為“以學生為中心”。這意味著需要從學生的角度出發構建新的教學評價理論框架。我們可以從評價指標體系、評價方法和評價結果反饋三方面研究“以學生為本”的網絡課堂教學評價理論框架。在評價指標體系上，為了突出學生的主體作用，在傳統的教師維度基礎上，新增學生維度。在評價方法上，將傳統的問卷調查、訪談等形式轉化為通過挖掘課堂教學大數據中體現評價指標的信息，結合深度學習方法，建立準確、客觀的課堂教學評價計算模型。評價結果反饋上，將課堂教學評價模型的結果映射到能反映學生需求和學習情況的維度，生成評分、等級或文字性評價，以發揮評價反饋的反思性和導向性作用。

3.2 基于深度學習的課堂教學評價模型研究

（1）設置教師維度和學生維度的課堂教學評價指標。教師課堂教學維度分為：教學內容、教學方法和教學態度三個子維度。其中教學內容涉及教學體系、重點難點、案例實驗教學等；教學方法包括提問與啟發、語言表達、課件和板書等；教學態度包括課堂教學熟練程度、講授嚴謹程度和情緒感染力等。學生課堂學習維度分為：學習態度、學習情緒和學習過程三個子維度。其中學習態度涉及課堂到課率、學習專注度等；學習情緒考察一段時間內學生總體情緒變化；學習過程包括師生互動、主動回答與提問、討論與小組合作等。

（2）網絡教育中利用深度學習技術分析課堂教學視頻數據，提取反映評價指標的特征和事件，如通過檢測和識別視頻中的人臉，分析課堂到課率、判斷教師、學生的情緒和課堂活躍程度；通過眼動儀等設備進行視覺注意力分析，分析學生的學習專注度情況；通過檢測課堂教學事件分析師生互動情況、提問回答情況、小組討論與合作情況。

（3）構建反映學生需求的評價結果反饋維度。在網絡教育教學評價中，應突顯學生在課堂上的主體地位，強調學生主動支配課堂、提出問題和表達自己看法的機會。線上線下課堂都需重視教師與學生的融洽互動，整體表現為積極的情緒。教師風格上應體現鼓勵表揚、情感表達、肯定學生和提問等。

（4）建立基于深度學習的課堂教學評價模型，將網絡課堂教學視頻數據中提取得到的反映教學評價指標的信息作為模型輸入，教學評價反饋結果維度作為模型輸出，訓練深度學習模型，生成量化和質性評價結果，實現精準評價和實時、導向性反饋。

3.3 網絡教育教學評價理論框架與計算模型的實證研究

為驗證本文所提出的網絡課堂教學評價理論框架和計算模型的可行性，我們在真實的課堂環境中開展實證研究。我們組織了一場由在校學生、同行教師與相關管理人員組成的網絡教育教學評價的實證調研。采用問卷調查法根據教學評價指標設計問卷，采用訪談法對教師、同行和學生進行教學效果調查，最后統計調查結果，分析調查結果的信度和效度。

通過對教評參與者開展的問卷調查與實地訪談我們發現網絡教育中的學生主體數據具有跨物理與網絡空間的復雜性；線上視頻課程中教師呈現比例會影響學習者的學習滿意度，包括對教師教學、課堂內容、師生互動和學習環境與設備等方面，而教師的姿勢不會對他們的學習滿意度產生顯著影響。根據普通多媒體學習中線索對學習者視覺注意的影響相關研究，非姿勢線索，如箭頭、加粗、加亮燈，對學習者的視覺注意具有引導作用，即他們會對與學習任務相關信息的注視的總時間更長、次數更多。在視頻課程中的教師姿勢會對學習內容的引起視覺注意。通過視覺注意力機制分析出學生在學習在線視頻課程時，視覺會關注到視頻中最顯著區域，據此可分析出教師姿勢及呈現比例與視覺注意機制之間的關系。影響學生參與網上學習的不利因素有: 網上資源內容尚不夠豐富、網頁形式呆板，有些課程輔導缺乏交互性、網頁內容更新較慢; 學習支持服務不夠便捷。其次，網絡課程結構體系相對完整，學生網上學習時間和次數就會相應增長; 師生網上交互率的高低與學生網上學習的時間和次數成正比，即交互率越高，上網次數越多，學習時間也越長。此外，在線學習的影響因素還包括網絡環境、課程資源、網上交互以及學習者自身原因等。

4 結論

本文從網絡教育教學過程評價等多方面進行研究，最大限度地發揮教學評價在促進學生學習的功能，豐富了原有的教學評價體系，為推動網絡教育教學改革提供重要參考；通過基于大數據技術的高職網絡教育教學質量提升研究可以讓網絡教育工作者加深對學生學習行為的認識與了解，有利于教育者在網絡教育教學中及時改進教學，提供更具個性化和針對性的支持服務，改進學生的學業表現，提高網絡教育的教學質量。