趙敏 詹瑋

摘? 要： 基于深度學(xué)習(xí)算法設(shè)計(jì)教學(xué)質(zhì)量評價(jià)系統(tǒng)，系統(tǒng)自動生成教師教學(xué)質(zhì)量評價(jià)報(bào)告，分析教學(xué)過程中存在的問題，給出優(yōu)化建議。教學(xué)質(zhì)量評價(jià)系統(tǒng)包括用戶管理、網(wǎng)上評價(jià)、數(shù)據(jù)管理、評價(jià)結(jié)果查詢、教學(xué)質(zhì)量分析5個(gè)單元，用戶進(jìn)入系統(tǒng)后為教學(xué)質(zhì)量打分。基于教學(xué)質(zhì)量評價(jià)指標(biāo)體系內(nèi)容，卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)專家教學(xué)質(zhì)量評價(jià)樣本，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)教學(xué)質(zhì)量評價(jià)模型。將教學(xué)質(zhì)量評價(jià)測試樣本輸入模型，模型輸出結(jié)果即為教學(xué)質(zhì)量評價(jià)分析結(jié)果，主要分析教學(xué)存在的問題，提出改進(jìn)建議。系統(tǒng)可統(tǒng)計(jì)不同學(xué)科教學(xué)質(zhì)量評價(jià)情況，統(tǒng)計(jì)不同學(xué)科教學(xué)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(xué)習(xí); 用戶; 教學(xué)質(zhì)量; 數(shù)據(jù)管理; 評價(jià)系統(tǒng); 智能化程度

中圖分類號： TN911.1?34; TP319? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼： A? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）13?0143?04

Teaching quality evaluation system based on deep learning algorithm

ZHAO Min1， ZHAN Wei2

（1. School of Data Science and Information Engineering， Guizhou Minzu University， Guiyang 550025， China;

2. College of Clinical Medicine， Guizhou Medical University， Guiyang 550025， China）

Abstract： The teaching quality evaluation system is designed based on the deep learning algorithm. The system can automatically generate teachers′ teaching quality evaluation report， analyze the problems existing in the teaching process and give optimization suggestions. The teaching quality evaluation system includes 5 units， named user management， online evaluation， data management， evaluation result query and teaching quality analysis. The user scores the teaching quality after entering the system. On the basis of the content of teaching quality evaluation index system and the teaching quality evaluation samples of convolutional neural network learning experts， a convolutional neural network teaching quality evaluation model is constructed. Input the teaching quality evaluation test sample into the model， the output result of the model is the teaching quality evaluation and analysis results， which mainly analyzes the problems existing in the teaching. In addition， the suggestions for improvement is put forward. The system can count the evaluation of teaching quality of different subjects and the teaching quality proportion of different subjects. It is highly intelligent and worth popularizing.

Keywords： deep learning; user; teaching quality; data management; evaluation system; intelligence level

0? 引? 言

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究領(lǐng)域的延伸，是實(shí)現(xiàn)人工智能的有效方式，近幾年，關(guān)于深度學(xué)習(xí)的研究成為人工智能領(lǐng)域的研究重點(diǎn)[1?2]。深度學(xué)習(xí)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(xué)習(xí)算法實(shí)現(xiàn)方式較多，如卷積神經(jīng)網(wǎng)絡(luò)、多層神經(jīng)元的自編碼神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)等[3]。

教學(xué)質(zhì)量評價(jià)系統(tǒng)是對教師階段性教學(xué)效果的評估，為掌握教師教學(xué)能力、提升教學(xué)質(zhì)量提供有利分析依據(jù)[4]。評價(jià)教學(xué)質(zhì)量過程中，涵蓋評價(jià)指標(biāo)較廣，形成大規(guī)模復(fù)雜數(shù)據(jù)，大部分教學(xué)質(zhì)量評價(jià)系統(tǒng)僅能顯示教師教學(xué)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(shí)例研究顯示，深度學(xué)習(xí)算法可精準(zhǔn)提取數(shù)據(jù)的隱含規(guī)律，處理復(fù)雜數(shù)據(jù)的多樣性，因此，深度學(xué)習(xí)算法應(yīng)用在教學(xué)質(zhì)量系統(tǒng)設(shè)計(jì)中較為合理。所以，本文采用深度學(xué)習(xí)算法設(shè)計(jì)教學(xué)質(zhì)量評價(jià)系統(tǒng)，智能評價(jià)教學(xué)質(zhì)量的同時(shí)提出合理化建議。

1? 教學(xué)質(zhì)量評價(jià)系統(tǒng)設(shè)計(jì)

1.1? 深度學(xué)習(xí)算法的教學(xué)質(zhì)量評價(jià)系統(tǒng)架構(gòu)

基于深度學(xué)習(xí)算法的教學(xué)質(zhì)量評價(jià)系統(tǒng)基于B/S模式展開設(shè)計(jì)，如圖1所示?；贐/S模式設(shè)計(jì)教學(xué)質(zhì)量評價(jià)系統(tǒng)的優(yōu)點(diǎn)是：方便不同類型用戶操作，短期內(nèi)完成網(wǎng)上評價(jià)，系統(tǒng)維護(hù)便捷[7]。用戶端、應(yīng)用單元、數(shù)據(jù)庫是系統(tǒng)的三個(gè)重要組成部分。用戶端包括督導(dǎo)、管理員、教師、審核管理員、學(xué)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(yīng)用單元涵蓋用戶管理、網(wǎng)上評價(jià)、數(shù)據(jù)管理、評價(jià)結(jié)果查詢、教學(xué)質(zhì)量分析五個(gè)方面。教學(xué)質(zhì)量評價(jià)指標(biāo)數(shù)據(jù)、評價(jià)主客體數(shù)據(jù)等有價(jià)值數(shù)據(jù)均存儲在數(shù)據(jù)庫中。

1.2? 應(yīng)用單元設(shè)計(jì)

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(gè)方面。不同類型用戶根據(jù)不同單元入口登錄教學(xué)質(zhì)量評價(jià)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(xué)督導(dǎo)、審核管理員、管理員、教師、學(xué)生五種用戶類型。

2） 網(wǎng)上評價(jià)單元。此單元的權(quán)限開放時(shí)間一般為期末或者特殊使用時(shí)期，由管理員開放教學(xué)質(zhì)量評價(jià)權(quán)限。網(wǎng)上評價(jià)單元中存在用戶身份的限制，用戶登錄所屬界面后進(jìn)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(xué)生僅具備評價(jià)教師授課質(zhì)量、自身學(xué)習(xí)效果的權(quán)限。系統(tǒng)識別到學(xué)生用戶信息后自動給出待評價(jià)內(nèi)容，學(xué)生依據(jù)實(shí)際情況輸入教學(xué)質(zhì)量評價(jià)相關(guān)內(nèi)容[10]。各用戶處于不同界面時(shí)，系統(tǒng)數(shù)據(jù)庫的教學(xué)質(zhì)量評價(jià)指標(biāo)體系向用戶智能提供待評價(jià)內(nèi)容。網(wǎng)上評價(jià)單元組成如圖2所示，由此可知，教學(xué)質(zhì)量評價(jià)的主體分別為學(xué)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(hù)教學(xué)質(zhì)量評價(jià)的相關(guān)數(shù)據(jù)，主要功能是控制系統(tǒng)的數(shù)據(jù)?？刂苾煞矫鎯?nèi)容：一是操作管理數(shù)據(jù)源;二是管理教師與學(xué)生的基本信息。在此單元可修改、刪除數(shù)據(jù)。

4） 評價(jià)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(xué)質(zhì)量評價(jià)結(jié)果，還可以查詢課程等基本信息，用戶查詢到教學(xué)質(zhì)量評價(jià)結(jié)果的同時(shí)了解課程等相關(guān)信息，為管理評價(jià)過程提供有利條件[11]。學(xué)生通過查詢評價(jià)結(jié)果了解授課教師的教學(xué)質(zhì)量情況，幫助學(xué)生對教師做出客觀評價(jià);教師根據(jù)不同課程、不同教學(xué)方面得分情況分析教學(xué)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(xué)質(zhì)量的依據(jù)。

5） 教學(xué)質(zhì)量分析單元。系統(tǒng)的教學(xué)質(zhì)量分析模塊基于深度學(xué)習(xí)算法學(xué)習(xí)教學(xué)質(zhì)量分析樣本后，可對教學(xué)質(zhì)量存在的問題展開分析，并給出相應(yīng)的優(yōu)化建議，此功能是系統(tǒng)的優(yōu)勢所在，無需花費(fèi)大量人工與時(shí)間分析教師教學(xué)質(zhì)量情況。

1.3? 基于深度學(xué)習(xí)算法的教學(xué)質(zhì)量評價(jià)與分析

學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律與表示層次是深度學(xué)習(xí)的功能，設(shè)計(jì)教學(xué)質(zhì)量評價(jià)系統(tǒng)時(shí)采用深度學(xué)習(xí)算法中的卷積神經(jīng)網(wǎng)絡(luò)模型評價(jià)教學(xué)質(zhì)量[13]。首先，構(gòu)建教學(xué)質(zhì)量評價(jià)指標(biāo)體系;其次，采用卷積神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)訓(xùn)練樣本，學(xué)習(xí)樣本為專家教學(xué)質(zhì)量評價(jià)樣本，學(xué)習(xí)訓(xùn)練樣本后構(gòu)建教學(xué)質(zhì)量評價(jià)模型;最后，輸入測試樣本，開始教學(xué)質(zhì)量評價(jià)與分析，流程如圖3所示。

1） 教學(xué)質(zhì)量評價(jià)指標(biāo)體系構(gòu)建

教學(xué)過程、教學(xué)環(huán)境、教學(xué)師資、教學(xué)質(zhì)量監(jiān)控是教學(xué)質(zhì)量評價(jià)指標(biāo)體系的一級指標(biāo)，一級指標(biāo)下分20個(gè)二級指標(biāo)，最終構(gòu)建的教學(xué)質(zhì)量評價(jià)指標(biāo)體系如圖4所示。

2） 基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法

卷積神經(jīng)網(wǎng)絡(luò)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(xué)質(zhì)量評價(jià)數(shù)據(jù)的局部特征[14]。聚合層減少模型復(fù)雜性的方式為縮減下一層輸入節(jié)點(diǎn)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(diǎn)[15]。大部分聚合層輸出為固定窗長內(nèi)節(jié)點(diǎn)最大值，綜合全部聚合層的數(shù)據(jù)值得到教學(xué)質(zhì)量評價(jià)結(jié)果。卷積神經(jīng)網(wǎng)絡(luò)聚合層與卷積層結(jié)構(gòu)如圖5所示。

圖5中，卷積器輸出計(jì)算方法為：

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(luò)模型輸出節(jié)點(diǎn)逐漸減少，綜合多個(gè)卷積節(jié)點(diǎn)的聚合輸出值提取教學(xué)質(zhì)量評價(jià)特征的準(zhǔn)確度更高。

卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)以往專家教學(xué)質(zhì)量評價(jià)樣本后，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)教學(xué)質(zhì)量評價(jià)模型，輸入測試樣本后，得到教學(xué)質(zhì)量評價(jià)輸出結(jié)果。

2? 系統(tǒng)性能測試

本文基于深度學(xué)習(xí)算法設(shè)計(jì)的教學(xué)質(zhì)量評價(jià)系統(tǒng)包含大量數(shù)據(jù)，所以對運(yùn)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(yùn)行，搭建如下測試環(huán)境：CPU為2.4 GHz，內(nèi)存大小為4 GB，計(jì)算機(jī)硬盤為200 GB;基于Windows 7 64位系統(tǒng)具有穩(wěn)定程度高、使用便捷的優(yōu)勢，計(jì)算機(jī)采用Windows 7 64位操作系統(tǒng)。測試以某高校的2019年1月期末教學(xué)質(zhì)量評價(jià)作為樣本數(shù)據(jù)，從系統(tǒng)界面設(shè)計(jì)效果與教學(xué)質(zhì)量統(tǒng)計(jì)角度分析本文系統(tǒng)在教學(xué)質(zhì)量評價(jià)方面的優(yōu)勢。

2.1? 系統(tǒng)界面設(shè)計(jì)

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(jìn)入不同權(quán)限區(qū)域，執(zhí)行相應(yīng)操作。本文系統(tǒng)采用驗(yàn)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(xué)生是教學(xué)質(zhì)量評價(jià)的主體，學(xué)生用戶角度教學(xué)評價(jià)界面如圖7所示。

學(xué)生評價(jià)教師教學(xué)質(zhì)量過程中，同時(shí)顯示教師的編號信息、姓名、所屬院系、評價(jià)等級與評價(jià)分?jǐn)?shù)等信息，學(xué)生用戶提交評價(jià)結(jié)果后，具備兩次修改權(quán)限的機(jī)會。

基于深度學(xué)習(xí)算法的教學(xué)質(zhì)量評價(jià)系統(tǒng)相對一般教學(xué)質(zhì)量評價(jià)系統(tǒng)的優(yōu)勢在于能夠分析教學(xué)中存在的問題，提出改進(jìn)教學(xué)質(zhì)量的建議。

教師教學(xué)質(zhì)量分析與建議如圖8所示。

本文設(shè)計(jì)的教學(xué)質(zhì)量評價(jià)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(dān)人工評估教師教學(xué)效果的工作量，提升了教學(xué)質(zhì)量評價(jià)的運(yùn)行效率。

2.2? 教學(xué)質(zhì)量評價(jià)內(nèi)容統(tǒng)計(jì)

以該高校廣告學(xué)專業(yè)教學(xué)質(zhì)量評價(jià)為例，展示本文系統(tǒng)統(tǒng)計(jì)各學(xué)科教學(xué)質(zhì)量情況，如表1所示。

不同學(xué)科教學(xué)質(zhì)量評價(jià)統(tǒng)計(jì)顯示，本文系統(tǒng)能夠識別不同課程教學(xué)質(zhì)量評價(jià)的最高分、最低分以及平均分，為全面分析教學(xué)質(zhì)量提供了不同類型數(shù)據(jù)。

在本文系統(tǒng)導(dǎo)出以上9門學(xué)科教學(xué)質(zhì)量占比的情況下，制成餅圖如圖9所示（以各學(xué)科教學(xué)質(zhì)量評價(jià)分?jǐn)?shù)均值計(jì)算）。

本文系統(tǒng)可根據(jù)用戶需求導(dǎo)出如圖9所示的不同學(xué)科教學(xué)質(zhì)量占比情況餅圖，更加直觀地體現(xiàn)不同學(xué)科教學(xué)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(shè)計(jì)教學(xué)質(zhì)量相對優(yōu)秀，其他學(xué)科教學(xué)質(zhì)量相當(dāng)。

3? 結(jié)? 論

本文基于深度學(xué)習(xí)算法設(shè)計(jì)教學(xué)質(zhì)量評價(jià)系統(tǒng)，由此設(shè)計(jì)的系統(tǒng)智能化程度較高，準(zhǔn)確做出教學(xué)質(zhì)量評價(jià)的同時(shí)，根據(jù)教學(xué)質(zhì)量分?jǐn)?shù)評估教師教學(xué)過程中存在的問題，根據(jù)教學(xué)薄弱環(huán)節(jié)提出合理化教學(xué)改進(jìn)建議。大部分教學(xué)質(zhì)量評價(jià)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(xué)質(zhì)量評價(jià)的工作量。所以本文系統(tǒng)最大的優(yōu)勢在于提升教學(xué)質(zhì)量評價(jià)運(yùn)行效率、縮減人工評價(jià)工作量，是一種智能化的教學(xué)質(zhì)量評價(jià)系統(tǒng)。

注：本文通訊作者為詹瑋。

參考文獻(xiàn)

[1] 劉勇，李青，于翠波.深度學(xué)習(xí)技術(shù)教育應(yīng)用：現(xiàn)狀和前景[J].開放教育研究，2017，23（5）：113?120.

[2] 曾旭禹，楊燕，王淑營，等.一種基于深度學(xué)習(xí)的混合推薦算法[J].計(jì)算機(jī)科學(xué)，2019，46（1）：126?130.

[3] 劉方園，王水花，張煜東.深度置信網(wǎng)絡(luò)模型及應(yīng)用研究綜述[J].計(jì)算機(jī)工程與應(yīng)用，2018，54（1）：11?18.

[4] 吳沁，杜亞平.全科醫(yī)學(xué)移動教學(xué)模式的教學(xué)效果評價(jià)[J].中國全科醫(yī)學(xué)，2017，20（25）：3153?3157.

[5] 柳春.基于AHP法的成人學(xué)歷教育教學(xué)質(zhì)量評價(jià)體系研究[J].成人教育，2016，36（3）：64?68.

[6] ZHOU Lintao， LI Hongxing， SUN Kaibiao. Teaching performance evaluation by means of a hierarchical multifactorial eva?luation model based on type?2 fuzzy sets [J]. Applied intelligence， 2016， 46（1）： 1?11.

[7] 陳娟，李元，李萬國.基于B/S模式的嵌入式系統(tǒng)測試方法與實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用，2016，42（2）：50?52.

[8] 劉靖.地方高?；趹?yīng)用型人才培養(yǎng)的教學(xué)評估體系建設(shè)與應(yīng)用：以廣東海洋大學(xué)為例[J].職業(yè)技術(shù)教育，2016，37（27）：56?60.

[9] 周九詩，鮑建生.美國PACT教師教學(xué)質(zhì)量評估系統(tǒng)的評介與啟示[J].教育科學(xué)，2018，34（5）：80?87.

[10] 魏順平，程罡.數(shù)據(jù)驅(qū)動的教育機(jī)構(gòu)在線教學(xué)過程評價(jià)指標(biāo)體系構(gòu)建與應(yīng)用[J].開放教育研究，2017，23（3）：113?120.

[11] 劉芳，宮華，許可，等.基于熵權(quán)改進(jìn)的TOPSIS法的教師教學(xué)質(zhì)量評價(jià)[J].沈陽工業(yè)大學(xué)學(xué)報(bào)，2017，39（5）：540?544.

[12] 曹慧，毛亞慶.美國UTOP課堂教學(xué)質(zhì)量評估系統(tǒng)的探索與反思[J].全球教育展望，2017，46（1）：79?89.

[13] 鄧俊鋒，張曉龍.基于自動編碼器組合的深度學(xué)習(xí)優(yōu)化方法[J].計(jì)算機(jī)應(yīng)用，2016，36（3）：697?702.

[14] 周飛燕，金林鵬，董軍.卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2017，40（6）：1229?1251.

[15] 李旭冬，葉茂，李濤.基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測研究綜述[J].計(jì)算機(jī)應(yīng)用研究，2017，34（10）：2881?2886.