孫萍 張譞 蘇冠文 李嘉鵬 李軍培

摘 ?要：教學(xué)質(zhì)量是影響教學(xué)效果的重要因素。學(xué)生對于教學(xué)評價制度的認(rèn)知和感受及體驗，是人們衡量一位教師的教學(xué)能力的重要依據(jù)，他們更愿意選擇聽名師的課。對教師教學(xué)能力評價和認(rèn)知的合理分析，需要有效的評價工具。本研究擬對高校教師的教學(xué)能力、影響因素進(jìn)行梳理;建立了教學(xué)能力鑒別的支持向量機(jī)的分類模型。結(jié)合支持向量機(jī)技術(shù)，對認(rèn)知度進(jìn)行鑒別。

關(guān)鍵詞：認(rèn)知度;支持向量機(jī);評價體系

中圖分類號：G640 ? ? ? 文獻(xiàn)標(biāo)志碼：A ? ? ? ? 文章編號：2096-000X（2020）21-0053-03

Abstract： Teaching quality is an important factor affecting teaching effect. Students' cognition， feeling and experience of the teaching evaluation system is an important basis for people to measure a teacher's teaching ability， and they prefer to listen to the class of a famous teacher. The reasonable analysis of teachers' teaching ability evaluation and cognition needs effective evaluation tools. In this study， the teaching ability and influencing factors of university teachers are combed， and the classification model of support vector machine （SVM） for teaching ability identification is established. Combined with support vector machine （SVM） technology， recognition degree is identified.

Keywords： cognition; support vector machine classification; evaluation system

一、概述

近年來高校教育中的教學(xué)與科研的矛盾日益加劇，在管理上重科研輕教學(xué)的導(dǎo)向，導(dǎo)致部分年輕教師不重視教學(xué)，甚至逃避教學(xué)。這就很難滿足社會發(fā)展對高等教育高級人才培養(yǎng)的要求，和家長們對大學(xué)的期望相背，使得社會上對大學(xué)教育的質(zhì)疑聲不絕于耳。

教師的教學(xué)能力是由認(rèn)識知識能力、理解能力、把控教學(xué)活動的能力組成，是教師教學(xué)的重要組成。具體表現(xiàn)分為：1. 掌握教學(xué)大綱能力;2. 靈活處理教材能力;3. 課堂教學(xué)的設(shè)計、把控能力等。事實上，每位教師在教學(xué)中的投入，還有他的教學(xué)能力，對教學(xué)質(zhì)量提升的影響都是至關(guān)重要的。根據(jù)對部分高校教師隊伍的調(diào)查發(fā)現(xiàn)，教師的教學(xué)能力高低差異較大，不均衡。那些有博士學(xué)位的青年教師，在專業(yè)理論上有著深厚的基礎(chǔ);但初出茅廬，在教學(xué)理論上是薄弱的，更欠缺實踐經(jīng)驗，經(jīng)常出現(xiàn)照本宣科。中老年教師雖然有豐富的教學(xué)經(jīng)驗，但與學(xué)生有代溝，課堂上缺乏互動，也不容易得到學(xué)生的認(rèn)同。對教師的教學(xué)能力有重要影響的因素是多元的，教師們對自己的教學(xué)能力認(rèn)知也是有誤差的，或自我感覺良好，或自信心不足。

教學(xué)是為實現(xiàn)教學(xué)目標(biāo)，進(jìn)行的知識信息傳遞、過程控制與實施的過程。心理學(xué)認(rèn)為，學(xué)生所要掌握的知識需要有教師精心的設(shè)計。否則會出現(xiàn)：學(xué)生說“上課好像聽懂了，下課還是不會做”;而老師說“我已強(qiáng)調(diào)N次了，分析得夠透徹的了”;但結(jié)果學(xué)生還是表現(xiàn)出不明白，教學(xué)效果依然不理想。但教師的教學(xué)能力仍是關(guān)鍵，它直接影響到教學(xué)的質(zhì)量。

對教師教學(xué)能力的認(rèn)知評價多年來一直是專家們關(guān)注的課題，已有的評價系統(tǒng)大多憑借督導(dǎo)專家的經(jīng)驗，評估的主觀性、隨意性，往往使得評價結(jié)果與現(xiàn)實有誤差。本文為減少外力因素的干擾，依據(jù)教師教學(xué)的特點，給出了教學(xué)能力評估的指標(biāo)體系，由此建立教學(xué)能力認(rèn)知的支持向量機(jī)分類器模型，取代傳統(tǒng)統(tǒng)計方法中的復(fù)雜函數(shù)表示。該模型在模式識別的研究中具有優(yōu)勢，通過形狀參數(shù)的優(yōu)化，能提高對教學(xué)能力認(rèn)知評價的精確度，挖掘評價過程中的潛在因素關(guān)聯(lián)，實現(xiàn)對教學(xué)質(zhì)量的有效評估。

二、支持向量機(jī)的算法概述

支持向量機(jī)（support vector machine，簡稱SVM）是一種可以分類、模式識別、擬合的監(jiān)督學(xué)習(xí)模型。通過結(jié)構(gòu)風(fēng)險最小準(zhǔn)則和核函數(shù)方法，將學(xué)習(xí)樣本從低維空間映射到高維Hilbert空間，把要識別的問題轉(zhuǎn)化成為一個二次規(guī)劃尋優(yōu)問題（線性或非線性的）。對于非線性可分問題，首先都選擇合適的核函數(shù)，將非線性可分的特征向量空間映射到線性可分的特征向量空間，使得分隔的距離最大，下一步再用線性可分的支持向量機(jī)進(jìn)行分類。這個算法特別對解決那些小樣本的，非線性的、高維數(shù)的、以及局部極小值等分類、模式識別問題特別適合[5]。本研究的目的是支持向量機(jī)的方法實現(xiàn)對教學(xué)能力認(rèn)知的鑒別。常用的核函數(shù)包括以下幾種[4]：

三、教學(xué)能力認(rèn)知度分類模型的提出

學(xué)生對于教師的選擇時，面對著大量的不確定性信息，對于教師能力的認(rèn)知也面臨著一些模糊性、隨機(jī)性甚至歧義性等問題。為了了解學(xué)生對高校教師教學(xué)能力的期望，我們分別多次用網(wǎng)上問卷、現(xiàn)場問答、微信答卷等方法，調(diào)查天津某高校學(xué)生對高校教師應(yīng)該具備的教學(xué)能力，學(xué)生對教師的需求與期望。

教師能力的認(rèn)知度代表著他被學(xué)生、專家的認(rèn)可程度。我們調(diào)查發(fā)現(xiàn)，在學(xué)生們選課的過程中，主要關(guān)注課程的屬性、難易程度、專業(yè)需求等。由此影響了他們對于老師的喜好或厭惡程度，及對于老師的期望高低。通過分析的基礎(chǔ)上，本文構(gòu)建了教師能力認(rèn)知度評價模型（如圖1所示）。

四、基于支持向量機(jī)的教學(xué)能力認(rèn)知度的鑒別

本文使用抽樣問卷的方式，了解某高校150名學(xué)生對教師教學(xué)能力的認(rèn)知情況，統(tǒng)計分析的結(jié)果見表1可知。從總體上看，“職業(yè)態(tài)度”的認(rèn)知度最高，其次是“教學(xué)能力”，“學(xué)術(shù)能力”位居第三。

從上述調(diào)查結(jié)果中選出100個樣本，其得分用作支持向量機(jī)算法的訓(xùn)練集的元素，其余的50個樣本的得分當(dāng)作算法的預(yù)測集的元素，對教學(xué)能力的認(rèn)知度逐步分類。用Matalb程序?qū)崿F(xiàn)算法，學(xué)習(xí)參數(shù)設(shè)置為C=1×105，K=1×10-5。對比不同核函數(shù)的SVM的分類性能，結(jié)果表明：支持向量機(jī)核函數(shù)選用高斯核的對教學(xué)能力認(rèn)知的正確識別率可以達(dá)到了100%，其他二種核函數(shù)的支持向量機(jī)的識別率都低于100%（比較結(jié)果見表2）。經(jīng)過對比，本文用高斯核函數(shù)的支持向量機(jī)來作為教學(xué)能力認(rèn)知的鑒別模型，分類圖見圖2。

由此可見，采用支持向量機(jī)分類方法，來建立教學(xué)能力認(rèn)知評價，較好的減少了其他評價方法中的誤差，避免了主觀因素的影響，很好地反映客觀的結(jié)論。

五、結(jié)論

從分析可知，學(xué)術(shù)能力和職業(yè)態(tài)度是學(xué)生們認(rèn)知度最高的要素。教師良好的態(tài)度、精湛的學(xué)術(shù)是吸引學(xué)生的重要指標(biāo)。學(xué)生認(rèn)為高校教師應(yīng)具有廣博的知識，甚至是學(xué)術(shù)精英，是專家。同時教師的基本功——教學(xué)能力同樣重要。在現(xiàn)在“不出版就出局”的影響下，出現(xiàn)忽略教學(xué)的現(xiàn)象，這同樣遭到學(xué)生們的詬病。他們不喜歡“茶壺煮餃子”類型的教師，希望在教學(xué)中能得到很好的知識。特別是現(xiàn)在高校學(xué)生找工作遇阻，急需在學(xué)校中獲得知識和技能，幫助他們更多的獲得就業(yè)的機(jī)會基礎(chǔ)。綜觀這些因素，直接影響了學(xué)生對教師的認(rèn)知，他們認(rèn)同科研能力和教學(xué)能力同等重要。

本文將支持向量機(jī)分類方法引入教學(xué)能力認(rèn)知評估中，提高了模型計算的速度和精度。該模型的預(yù)測效果較好。支持向量機(jī)將線性模糊不可分的樣本映射到高維空間，利用小樣本學(xué)習(xí)的高效性，可以很精準(zhǔn)的解決如同各評價指標(biāo)間的非線性函數(shù)關(guān)系。該模型預(yù)測精度高、實現(xiàn)速度快，而且算法簡單等，適合用在教學(xué)能力認(rèn)知的分類中。

參考文獻(xiàn)：

[1]朱海林，宋承祥.基于支持向量機(jī)的教學(xué)質(zhì)量評價研究[J].山東師范大學(xué)學(xué)報（自然科學(xué)版），2008，23（4）：4-6.

[2]付永鋼，申瑞民.基于支持向量機(jī)的學(xué)習(xí)評價系統(tǒng)[J].計算機(jī)工程，2004（8）：15-16+74.

[3]劉偉，孫林.基于支持向量機(jī)的課堂教學(xué)質(zhì)量評價[J].合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2010，33（7）：968-971.

[4]余輝，趙暉.支持向量機(jī)多類分類算法新研究[J].計算機(jī)工程與應(yīng)用，2008（7）：185-189+212.

[5]吳桂芳，等.基于主成分分析和支持向量機(jī)的山羊絨原料品種鑒別分析[J].光譜學(xué)與光譜分析，2009，29（06）：1541-1544.

[6]Hsu Chih-Wei， Lin Chih-Jen. A comparison of methods for multiclass support vector machines[J]. IEEE Transactions on Neural Networks，2002，13（2）：415-425.

[7]DAI Liu-ling， HUANG He-yan， CHEN Zhao-xiong. Ternary sequential analytic optimization algorithm for SVM classifier design[J]. Asian Journal of Information Technology， 2005，4（3）：2-8.