導語：深度學習算法教學質(zhì)量評價系統(tǒng)研究一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：基于深度學習算法設計教學質(zhì)量評價系統(tǒng)，系統(tǒng)自動生成教師教學質(zhì)量評價報告，分析教學過程中存在的問題，給出優(yōu)化建議。教學質(zhì)量評價系統(tǒng)包括用戶管理、網(wǎng)上評價、數(shù)據(jù)管理、評價結(jié)果查詢、教學質(zhì)量分析5個單元，用戶進入系統(tǒng)后為教學質(zhì)量打分?；诮虒W質(zhì)量評價指標體系內(nèi)容，卷積神經(jīng)網(wǎng)絡學習專家教學質(zhì)量評價樣本，構(gòu)建卷積神經(jīng)網(wǎng)絡教學質(zhì)量評價模型。將教學質(zhì)量評價測試樣本輸入模型，模型輸出結(jié)果即為教學質(zhì)量評價分析結(jié)果，主要分析教學存在的問題，提出改進建議。系統(tǒng)可統(tǒng)計不同學科教學質(zhì)量評價情況，統(tǒng)計不同學科教學質(zhì)量占比情況，智能化程度較高，值得推廣使用。

關(guān)鍵詞：深度學習；用戶；教學質(zhì)量；數(shù)據(jù)管理；評價系統(tǒng)；智能化程度

深度學習是機器學習研究領域的延伸，是實現(xiàn)人工智能的有效方式，近幾年，關(guān)于深度學習的研究成為人工智能領域的研究重點[1⁃2]。深度學習理論在圖像識別、語音識別、語言處理、數(shù)據(jù)挖掘等方面取得了優(yōu)異成績。深度學習算法實現(xiàn)方式較多，如卷積神經(jīng)網(wǎng)絡、多層神經(jīng)元的自編碼神經(jīng)網(wǎng)絡、深度置信網(wǎng)絡等[3]。教學質(zhì)量評價系統(tǒng)是對教師階段性教學效果的評估，為掌握教師教學能力、提升教學質(zhì)量提供有利分析依據(jù)[4]。評價教學質(zhì)量過程中，涵蓋評價指標較廣，形成大規(guī)模復雜數(shù)據(jù)，大部分教學質(zhì)量評價系統(tǒng)僅能顯示教師教學質(zhì)量，不具備智能分析教師存在的問題，制定合理建議的功能，或者這些功能需要人工完成[5⁃6]。以往實例研究顯示，深度學習算法可精準提取數(shù)據(jù)的隱含規(guī)律，處理復雜數(shù)據(jù)的多樣性，因此，深度學習算法應用在教學質(zhì)量系統(tǒng)設計中較為合理。所以，本文采用深度學習算法設計教學質(zhì)量評價系統(tǒng)，智能評價教學質(zhì)量的同時提出合理化建議。

1教學質(zhì)量評價系統(tǒng)設計

1.1深度學習算法的教學質(zhì)量評價系統(tǒng)架構(gòu)?；谏疃葘W習算法的教學質(zhì)量評價系統(tǒng)基于B/S模式展開設計，如圖1所示。基于B/S模式設計教學質(zhì)量評價系統(tǒng)的優(yōu)點是：方便不同類型用戶操作，短期內(nèi)完成網(wǎng)上評價，系統(tǒng)維護便捷[7]。用戶端、應用單元、數(shù)據(jù)庫是系統(tǒng)的三個重要組成部分。用戶端包括督導、管理員、教師、審核管理員、學生五種類型用戶，不同類型用戶操作界面與瀏覽器結(jié)合，顯示頁面操作等內(nèi)容[8]。系統(tǒng)應用單元涵蓋用戶管理、網(wǎng)上評價、數(shù)據(jù)管理、評價結(jié)果查詢、教學質(zhì)量分析五個方面。教學質(zhì)量評價指標數(shù)據(jù)、評價主客體數(shù)據(jù)等有價值數(shù)據(jù)均存儲在數(shù)據(jù)庫中。1.2應用單元設計。1）用戶管理單元。用戶管理單元分為系統(tǒng)登錄與安全管理兩個方面。不同類型用戶根據(jù)不同單元入口登錄教學質(zhì)量評價系統(tǒng)，用戶在各自權(quán)限頁面中執(zhí)行操作[9]?？紤]用戶信息的安全性，將用戶分為教學督導、審核管理員、管理員、教師、學生五種用戶類型。2）網(wǎng)上評價單元。此單元的權(quán)限開放時間一般為期末或者特殊使用時期，由管理員開放教學質(zhì)量評價權(quán)限。網(wǎng)上評價單元中存在用戶身份的限制，用戶登錄所屬界面后進入不同權(quán)限界面，即審核管理員可審核錄入數(shù)據(jù)，有效管理數(shù)據(jù)庫；學生僅具備評價教師授課質(zhì)量、自身學習效果的權(quán)限。系統(tǒng)識別到學生用戶信息后自動給出待評價內(nèi)容，學生依據(jù)實際情況輸入教學質(zhì)量評價相關(guān)內(nèi)容[10]。各用戶處于不同界面時，系統(tǒng)數(shù)據(jù)庫的教學質(zhì)量評價指標體系向用戶智能提供待評價內(nèi)容。網(wǎng)上評價單元組成如圖2所示，由此可知，教學質(zhì)量評價的主體分別為學生、教師與專家。3）數(shù)據(jù)管理單元。數(shù)據(jù)管理單元的功能是維護教學質(zhì)量評價的相關(guān)數(shù)據(jù)，主要功能是控制系統(tǒng)的數(shù)據(jù)。控制兩方面內(nèi)容：一是操作管理數(shù)據(jù)源；二是管理教師與學生的基本信息。在此單元可修改、刪除數(shù)據(jù)。4）評價結(jié)果查詢單元。在查詢單元中，不同類型用戶可獲取教師教學質(zhì)量評價結(jié)果，還可以查詢課程等基本信息，用戶查詢到教學質(zhì)量評價結(jié)果的同時了解課程等相關(guān)信息，為管理評價過程提供有利條件[11]。學生通過查詢評價結(jié)果了解授課教師的教學質(zhì)量情況，幫助學生對教師做出客觀評價；教師根據(jù)不同課程、不同教學方面得分情況分析教學中存在的優(yōu)勢與不足[12]；管理員不僅可以查詢上述兩種內(nèi)容，還具備查詢后臺數(shù)據(jù)的權(quán)限，向教師提供正確的優(yōu)化教學質(zhì)量的依據(jù)。5）教學質(zhì)量分析單元。系統(tǒng)的教學質(zhì)量分析模塊基于深度學習算法學習教學質(zhì)量分析樣本后，可對教學質(zhì)量存在的問題展開分析，并給出相應的優(yōu)化建議，此功能是系統(tǒng)的優(yōu)勢所在，無需花費大量人工與時間分析教師教學質(zhì)量情況。1.3基于深度學習算法的教學質(zhì)量評價與分析。學習樣本數(shù)據(jù)的內(nèi)在規(guī)律與表示層次是深度學習的功能，設計教學質(zhì)量評價系統(tǒng)時采用深度學習算法中的卷積神經(jīng)網(wǎng)絡模型評價教學質(zhì)量[13]。首先，構(gòu)建教學質(zhì)量評價指標體系；其次，采用卷積神經(jīng)網(wǎng)絡模型學習訓練樣本，學習樣本為專家教學質(zhì)量評價樣本，學習訓練樣本后構(gòu)建教學質(zhì)量評價模型；最后，輸入測試樣本，開始教學質(zhì)量評價與分析，流程如圖3所示。1）教學質(zhì)量評價指標體系構(gòu)建教學過程、教學環(huán)境、教學師資、教學質(zhì)量監(jiān)控是教學質(zhì)量評價指標體系的一級指標，一級指標下分20個二級指標，最終構(gòu)建的教學質(zhì)量評價指標體系如圖42）基于卷積神經(jīng)網(wǎng)絡的深度學習算法卷積神經(jīng)網(wǎng)絡的構(gòu)成形式為一組（多組）卷積層+聚合層的模式，不同數(shù)量卷積器存在于卷積層中，卷積器功能是尋找教學質(zhì)量評價數(shù)據(jù)的局部特征[14]。聚合層減少模型復雜性的方式為縮減下一層輸入節(jié)點數(shù)量，具體方法為以固定窗長的方式聚合卷積層輸出節(jié)點[15]。大部分聚合層輸出為固定窗長內(nèi)節(jié)點最大值，綜合全部聚合層的數(shù)據(jù)值得到教學質(zhì)量評價結(jié)果。卷積神經(jīng)網(wǎng)絡聚合層與卷積層結(jié)構(gòu)如圖5所示。Di,k=θ()∑b=1s-1hb,kvTb+i+ak式中：vTb+i，hb,k分別表示第i組輸入特征矢量、第k個卷積器的權(quán)值參數(shù)；s與ak分別表示卷積器的寬度與網(wǎng)絡偏置。對第k個卷積器與第i組做加權(quán)平均，選用sigmoid函數(shù)作為函數(shù)θ，采用非線性函數(shù)θ計算卷積層的輸出節(jié)點值。卷積器輸出結(jié)果即為局部特征觀察結(jié)果，模型卷積完成后執(zhí)行聚合操作，將卷積結(jié)果的最大值作為聚合輸出結(jié)果，即圖5中，將D1，D2中的最大值作為結(jié)果M1輸出。經(jīng)過逐步聚合，卷積神經(jīng)網(wǎng)絡模型輸出節(jié)點逐漸減少，綜合多個卷積節(jié)點的聚合輸出值提取教學質(zhì)量評價特征的準確度更高。卷積神經(jīng)網(wǎng)絡學習以往專家教學質(zhì)量評價樣本后，構(gòu)建卷積神經(jīng)網(wǎng)絡教學質(zhì)量評價模型，輸入測試樣本后，得到教學質(zhì)量評價輸出結(jié)果。

2系統(tǒng)性能測試

本文基于深度學習算法設計的教學質(zhì)量評價系統(tǒng)包含大量數(shù)據(jù)，所以對運行的硬件與軟件環(huán)境存在一定要求。為保障系統(tǒng)高效運行，搭建如下測試環(huán)境：CPU為2.4GHz，內(nèi)存大小為4GB，計算機硬盤為200GB；基于Windows764位系統(tǒng)具有穩(wěn)定程度高、使用便捷的優(yōu)勢，計算機采用Windows764位操作系統(tǒng)。測試以某高校的2019年1月期末教學質(zhì)量評價作為樣本數(shù)據(jù)，從系統(tǒng)界面設計效果與教學質(zhì)量統(tǒng)計角度分析本文系統(tǒng)在教學質(zhì)量評價方面的優(yōu)勢。2.1系統(tǒng)界面設計。本文系統(tǒng)用戶登錄界面如圖6所示。在此界面中，不同類型的用戶通過賬號、密碼形式進入不同權(quán)限區(qū)域，執(zhí)行相應操作。本文系統(tǒng)采用驗證碼的形式確保用戶為本人登錄，避免賬戶被盜現(xiàn)象，確保用戶使用安全性。學生是教學質(zhì)量評價的主體，學生用戶角度教學評價界面如圖7所示。學生評價教師教學質(zhì)量過程中，同時顯示教師的編號信息、姓名、所屬院系、評價等級與評價分數(shù)等信息，學生用戶提交評價結(jié)果后，具備兩次修改權(quán)限的機會。基于深度學習算法的教學質(zhì)量評價系統(tǒng)相對一般教學質(zhì)量評價系統(tǒng)的優(yōu)勢在于能夠分析教學中存在的問題，提出改進教學質(zhì)量的建議。本文設計的教學質(zhì)量評價系統(tǒng)的分析與建議功能體現(xiàn)了系統(tǒng)的智能化程度，分擔人工評估教師教學效果的工作量，提升了教學質(zhì)量評價的運行效率。2.2教學質(zhì)量評價內(nèi)容統(tǒng)計。以該高校廣告學專業(yè)教學質(zhì)量評價為例，展示本文系統(tǒng)統(tǒng)計各學科教學質(zhì)量情況，如表1所示。不同學科教學質(zhì)量評價統(tǒng)計顯示，本文系統(tǒng)能夠識別不同課程教學質(zhì)量評價的最高分、最低分以及平均分，為全面分析教學質(zhì)量提供了不同類型數(shù)據(jù)。在本文系統(tǒng)導出以上9門學科教學質(zhì)量占比的情況下，制成餅圖如圖9所示（以各學科教學質(zhì)量評價分數(shù)均值計算）。本文系統(tǒng)可根據(jù)用戶需求導出如圖9所示的不同學科教學質(zhì)量占比情況餅圖，更加直觀地體現(xiàn)不同學科教學質(zhì)量的優(yōu)劣。圖中數(shù)據(jù)顯示，相對其他科目而言，平面設計教學質(zhì)量相對優(yōu)秀，其他學科教學質(zhì)量相當。

3結(jié)論

本文基于深度學習算法設計教學質(zhì)量評價系統(tǒng)，由此設計的系統(tǒng)智能化程度較高，準確做出教學質(zhì)量評價的同時，根據(jù)教學質(zhì)量分數(shù)評估教師教學過程中存在的問題，根據(jù)教學薄弱環(huán)節(jié)提出合理化教學改進建議。大部分教學質(zhì)量評價系統(tǒng)不具備這種智能分析的功能，一般由管理員完成，增加了教學質(zhì)量評價的工作量。所以本文系統(tǒng)最大的優(yōu)勢在于提升教學質(zhì)量評價運行效率、縮減人工評價工作量，是一種智能化的教學質(zhì)量評價系統(tǒng)。

作者:趙敏 詹瑋 單位:1.貴州民族大學 2.貴州醫(yī)科大學