教師畫像與評分系統(tǒng)的設(shè)計與實現(xiàn)
發(fā)布時間:2020-12-04 00:02
信息技術(shù)的進(jìn)步為大數(shù)據(jù)時代的到來奠定了發(fā)展的基礎(chǔ),爆炸式的信息增長為數(shù)據(jù)挖掘提供了可供研究的數(shù)據(jù)基礎(chǔ)。各行各業(yè)都在積極的應(yīng)用數(shù)據(jù)挖掘技術(shù)來探索現(xiàn)有的數(shù)據(jù)中包含的潛在信息,教育領(lǐng)域也不例外。將數(shù)據(jù)挖掘技術(shù)運用于教育方面及教學(xué)場景中被稱之為教育數(shù)據(jù)挖掘(Educational Data Mining,簡稱EDM)。EDM是一個交叉學(xué)科,涉及計算機(jī)科學(xué)與技術(shù)、統(tǒng)計學(xué)、教育學(xué)等多個知識領(lǐng)域。教學(xué)活動是指教師和學(xué)生互動的過程,教師在其中發(fā)揮著引導(dǎo)和給予的作用,是提高教學(xué)質(zhì)量的關(guān)鍵。對老師的課程教學(xué)進(jìn)行公正、客觀地評價是激發(fā)教師熱情工作,引導(dǎo)教師改進(jìn)教學(xué),提高教學(xué)質(zhì)量的重要方法。在學(xué)生反饋這一方面,雖然目前高校都有學(xué)生評教系統(tǒng),包含了打分和文字評價,但是對于這些數(shù)據(jù)的處理還停留在簡單的統(tǒng)計分析階段,普遍都是采用平均分的計算模式來對教師得到的打分進(jìn)行處理,這種方法隱含了一些不合理的處理因素。其次是對文本的處理,大多依靠老師逐條閱讀,這對于教務(wù)處和任課老師來說工作量都很大。目前的評教系統(tǒng)并未呈現(xiàn)教師畫像,單靠返回的分?jǐn)?shù)很難理解其具體含義。以此為背景,本文對學(xué)生評教的文本數(shù)據(jù)進(jìn)行了數(shù)據(jù)挖掘與分析,生成了...
【文章來源】:重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【部分圖文】:
教育數(shù)據(jù)挖掘的基本研究流程
w2,...,wT)=∏t=1Tp(wt|context) (公其中 s 代表當(dāng)前的 sentence,w1 到 wT 為組成該句子的詞。Context 表示境,p(wt|context)為在給定語境時,詞 wt 出現(xiàn)的概率[48]。詞向量模型的訓(xùn)練過程:Step1:為了訓(xùn)練出詞向量,需要提前準(zhǔn)備好語料庫,由于本文使用的是中語言處理,所以在準(zhǔn)備語料庫的時候需要進(jìn)行分詞操作。Step2:掃描 step1 中準(zhǔn)備的語料庫,統(tǒng)計每個詞語出現(xiàn)的頻數(shù)并保存在一里。Step3: 根據(jù)詞語出現(xiàn)的頻率建立相應(yīng)的哈夫曼樹。哈夫曼樹的每一個樹己相對應(yīng)的權(quán)值,這個權(quán)值與葉子結(jié)點到根節(jié)點所有的樹枝的和就是該的權(quán)值。為了使樹的代價比較小,權(quán)值大的葉子節(jié)點會比較靠近根節(jié)點好這樣的哈夫曼樹后,每個詞都會有一個基于此哈夫曼樹的二進(jìn)制編碼示從根節(jié)點到該詞語的路徑。比如我們假設(shè)左樹枝的編碼為 0,右樹枝中紅框內(nèi)的詞的哈夫曼編碼就是 101。
pinion 的含義以及提取過程進(jìn)行了說明,從初步提取到 OP 算法提取;接著對pinion 進(jìn)行情感值計算,并把提取出的 Aspect 用詞向量模型計算與六個教學(xué)評估度的相似性,把 Aspect 映射到相似性最高的維度上,最后基于六個維度進(jìn)行情值求和,得到一個教師情感值矩陣,最終利用這個矩陣生成教師基于學(xué)生文本價的教師畫像。.1 數(shù)據(jù)集.1.1 原始數(shù)據(jù)集本研究所用到的數(shù)據(jù)是 C 大學(xué)教務(wù)處提供的 2014-2016 年 C 大學(xué)學(xué)生評教數(shù),共 6 學(xué)期。本次研究所用到的數(shù)據(jù)均以得到學(xué)校授權(quán)并預(yù)先對老師工號,課號,課程名稱,學(xué)號,學(xué)生姓名做了加密處理,不會侵犯學(xué)生和教師的隱私。學(xué)生評教的原始數(shù)據(jù)如圖所示,關(guān)鍵字 TEACH_TERM 為上課學(xué)期,SER_KCID 為課程 ID 號,ZWMC 為課程名稱,BJMC 為班級名稱,QTYJ 指學(xué)的文本評語,最后一列為學(xué)生對老師的綜合評分。部分評教數(shù)據(jù)如圖 3.1 所示。
本文編號:2896677
【文章來源】:重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【部分圖文】:
教育數(shù)據(jù)挖掘的基本研究流程
w2,...,wT)=∏t=1Tp(wt|context) (公其中 s 代表當(dāng)前的 sentence,w1 到 wT 為組成該句子的詞。Context 表示境,p(wt|context)為在給定語境時,詞 wt 出現(xiàn)的概率[48]。詞向量模型的訓(xùn)練過程:Step1:為了訓(xùn)練出詞向量,需要提前準(zhǔn)備好語料庫,由于本文使用的是中語言處理,所以在準(zhǔn)備語料庫的時候需要進(jìn)行分詞操作。Step2:掃描 step1 中準(zhǔn)備的語料庫,統(tǒng)計每個詞語出現(xiàn)的頻數(shù)并保存在一里。Step3: 根據(jù)詞語出現(xiàn)的頻率建立相應(yīng)的哈夫曼樹。哈夫曼樹的每一個樹己相對應(yīng)的權(quán)值,這個權(quán)值與葉子結(jié)點到根節(jié)點所有的樹枝的和就是該的權(quán)值。為了使樹的代價比較小,權(quán)值大的葉子節(jié)點會比較靠近根節(jié)點好這樣的哈夫曼樹后,每個詞都會有一個基于此哈夫曼樹的二進(jìn)制編碼示從根節(jié)點到該詞語的路徑。比如我們假設(shè)左樹枝的編碼為 0,右樹枝中紅框內(nèi)的詞的哈夫曼編碼就是 101。
pinion 的含義以及提取過程進(jìn)行了說明,從初步提取到 OP 算法提取;接著對pinion 進(jìn)行情感值計算,并把提取出的 Aspect 用詞向量模型計算與六個教學(xué)評估度的相似性,把 Aspect 映射到相似性最高的維度上,最后基于六個維度進(jìn)行情值求和,得到一個教師情感值矩陣,最終利用這個矩陣生成教師基于學(xué)生文本價的教師畫像。.1 數(shù)據(jù)集.1.1 原始數(shù)據(jù)集本研究所用到的數(shù)據(jù)是 C 大學(xué)教務(wù)處提供的 2014-2016 年 C 大學(xué)學(xué)生評教數(shù),共 6 學(xué)期。本次研究所用到的數(shù)據(jù)均以得到學(xué)校授權(quán)并預(yù)先對老師工號,課號,課程名稱,學(xué)號,學(xué)生姓名做了加密處理,不會侵犯學(xué)生和教師的隱私。學(xué)生評教的原始數(shù)據(jù)如圖所示,關(guān)鍵字 TEACH_TERM 為上課學(xué)期,SER_KCID 為課程 ID 號,ZWMC 為課程名稱,BJMC 為班級名稱,QTYJ 指學(xué)的文本評語,最后一列為學(xué)生對老師的綜合評分。部分評教數(shù)據(jù)如圖 3.1 所示。
本文編號:2896677
本文鏈接:http://www.wukwdryxk.cn/jiaoyulunwen/gaodengjiaoyulunwen/2896677.html
最近更新
教材專著