基于深度学习技术的高职网络教育教学质量评价研究

胡同花

（湖南永州职业技术学院信息工程学院 湖南省永州市 425000）

1 引言

大数据时代背景下，信息的互通与汇集使得网络教育平台具备一定的资源汇聚能力，能够将丰富的教学资源进行重新整合，在提高教育资源利用效率的同时实现教育价值的最大化。随着“数据驱动学校，分析变革教育”的大数据时代的到来，网络教育中的教学过程、师生互动行为、学生学习情况每时每刻会产生相应的数据，通过深度学习技术观测记录提取分析这些数据，为建立实时、自动、精准的网络教学课堂及构建教学评价模型提供了依据。由于高职教育中学习成员多样化，有全职在校生，也部分社会在职人员及退伍军人。学习者学习时间不固定，学习方式需要多样性，更偏向自主性。本文基于深度学习的网络课堂教学评价进行研究，探讨大数据时代网络教育“从教到学”的重大范式转变，建立“以学生为本”的教学评价指标，从技术层面让学习者的个体感受得到量化与呈现；利用深度学习技术转变传统的评价方法，提高评价的客观准确性，发挥评价结果的导向作用，使教师和管理者从学生的需求出发完善教学和管理行为，最终提高人才培养质量。

2 网络教育评价体系现状研究

2.1 从对教师“教”的评价转向对学生“学”的评价

近年来，教学评价领域国际权威期刊《Assessment and Evaluation in Higher Education》（《高等教育中的评价与评估》）的前沿研究中对学生“学”的关注度要远高于对教师“教”的关注度。“以学生为本”的课堂教学评价体系体现在评价指标、评价方法和评价结果反馈等方面。评价指标上，目前国内外研究中多有关于课堂氛围营造、激励学生自主学习能力、引导学生探究学习和合作学习等评价指标。Wayne State University 在澳大利亚高校SET 问卷中，也涵盖课程满意度、教师营造课堂气氛、语言清晰程度等维度。Marsh 在教师教学质量评价问卷（SEEQ）中，设置32 个教学评价指标，其中，包含引导学生资助学习能力、激发学生学习兴趣以及营造课堂气氛等评价指标。邱文教等人通过层次分析法分别从教师视角和学生视角构建了高校探究式课堂教学评价指标体系。评价方法上，传统的课堂教学评价普遍采取问卷和访谈等方式，少数研究结合传统方法与大数据分析的方法对课堂教学评价数据进行挖掘和分析，借此加深对课堂教学评价的认识。马秀麟等人利用数据挖掘技术分析了学生评价数据的有效性、刘智等通过情感倾向识别与话题挖掘技术分析了学生教学评价数据中隐含的情感信息，但并没有将这些信息应用于教学评价。以上这些评价方法并不能体现“以学生为本”的思想。评价结果反馈上，从形成性教学评价的角度，评价的目的不在于给出终结性判断结论后对教师进行奖惩，而应该具有动态前向、反馈和强化的发展性功能。“以学生为本”的评价结果反馈则需要做到真正从学生需求的角度出发，获取实时、动态和科学的反馈信息，准确控制课堂教学进程，从而做出正确的教学决策，实现潜在最优的课堂教学目标。

图1：基于深度学习技术的高职网络教育评价研究总思路

2.2 基于深度学习人工智能技术为网络教育提供了技术支持

结合大数据的教学评价研究主要集中在挖掘评价指标与评价结果的相关性等方面。Anthony G. Picciano 教授说过：教学应用大数据分析处于起步阶段，尤其是利用课堂教学的相关数据来客观的评价课堂还做得很少。国内学者武小鹏等提出了基于FIAS 与PPE 理论的课堂教学评价方法，通过挖掘课堂语言信息（包括教师语言和学生语言），对探究式课堂教学进行评价，提出了大数据时代充分利用课堂教学数据进行“以学生为本”的教学评价研究的新思路。

然而，仅仅挖掘网络教学中的语言信息是远远不够的，网络教学视频中蕴含着丰富的关于学生的教学满意度、参与度、教学体验、幸福感、学生投入度等信息。近年来，以深度学习为代表的人工智能技术在视频处理和理解领域取得了引人注目的成果，利用深度学习技术有效地提取网络教学过程中教师和学生的情绪、互动事件等信息将极大地提高课程教学评价的准确性和客观性。

通过基于深度学习技术构建网络教学评价计算模型，生成从学生需求出发的实时、动态评价反馈。从评价指标、评价方法和评价结果上全面体现“以学生为本”的准则，丰富和延伸现有的高职教育教学评价理论体系。

3 基于深度学习技术的网络教育评价方法研究

通过转变传统的“以教师为中心”的评价方式，从评价指标、评价方法和评价结果反馈三方面出发构建“以学生为本”的评价体系。可从三个层次进行研究：评价指标体系构建、基于深度学习技术的评价方法提出及相应的实时动态评价结果生成、评价体系构建的实证研究。从学生角度出发，研究多维度的高校课堂教学评价指标；从海量网络教育教学数据出发，研究基于深度学习技术的课堂教学评价方法以及反映学生需求的评价反馈生成方法；从实证角度出发，研究评价指标、评价方法和评价反馈的实用性和有效性。总体研究思路如图1 所示。

3.1 “以学生为本”网络课堂教学评价理论支持研究

大数据分析显示目前课堂教学评价正在由“以教师为中心”转化为“以学生为中心”。这意味着需要从学生的角度出发构建新的教学评价理论框架。我们可以从评价指标体系、评价方法和评价结果反馈三方面研究“以学生为本”的网络课堂教学评价理论框架。在评价指标体系上，为了突出学生的主体作用，在传统的教师维度基础上，新增学生维度。在评价方法上，将传统的问卷调查、访谈等形式转化为通过挖掘课堂教学大数据中体现评价指标的信息，结合深度学习方法，建立准确、客观的课堂教学评价计算模型。评价结果反馈上，将课堂教学评价模型的结果映射到能反映学生需求和学习情况的维度，生成评分、等级或文字性评价，以发挥评价反馈的反思性和导向性作用。

3.2 基于深度学习的课堂教学评价模型研究

（1）设置教师维度和学生维度的课堂教学评价指标。教师课堂教学维度分为：教学内容、教学方法和教学态度三个子维度。其中教学内容涉及教学体系、重点难点、案例实验教学等；教学方法包括提问与启发、语言表达、课件和板书等；教学态度包括课堂教学熟练程度、讲授严谨程度和情绪感染力等。学生课堂学习维度分为：学习态度、学习情绪和学习过程三个子维度。其中学习态度涉及课堂到课率、学习专注度等；学习情绪考察一段时间内学生总体情绪变化；学习过程包括师生互动、主动回答与提问、讨论与小组合作等。

（2）网络教育中利用深度学习技术分析课堂教学视频数据，提取反映评价指标的特征和事件，如通过检测和识别视频中的人脸，分析课堂到课率、判断教师、学生的情绪和课堂活跃程度；通过眼动仪等设备进行视觉注意力分析，分析学生的学习专注度情况；通过检测课堂教学事件分析师生互动情况、提问回答情况、小组讨论与合作情况。

（3）构建反映学生需求的评价结果反馈维度。在网络教育教学评价中，应突显学生在课堂上的主体地位，强调学生主动支配课堂、提出问题和表达自己看法的机会。线上线下课堂都需重视教师与学生的融洽互动，整体表现为积极的情绪。教师风格上应体现鼓励表扬、情感表达、肯定学生和提问等。

（4）建立基于深度学习的课堂教学评价模型，将网络课堂教学视频数据中提取得到的反映教学评价指标的信息作为模型输入，教学评价反馈结果维度作为模型输出，训练深度学习模型，生成量化和质性评价结果，实现精准评价和实时、导向性反馈。

3.3 网络教育教学评价理论框架与计算模型的实证研究

为验证本文所提出的网络课堂教学评价理论框架和计算模型的可行性，我们在真实的课堂环境中开展实证研究。我们组织了一场由在校学生、同行教师与相关管理人员组成的网络教育教学评价的实证调研。采用问卷调查法根据教学评价指标设计问卷，采用访谈法对教师、同行和学生进行教学效果调查，最后统计调查结果，分析调查结果的信度和效度。

通过对教评参与者开展的问卷调查与实地访谈我们发现网络教育中的学生主体数据具有跨物理与网络空间的复杂性；线上视频课程中教师呈现比例会影响学习者的学习满意度，包括对教师教学、课堂内容、师生互动和学习环境与设备等方面，而教师的姿势不会对他们的学习满意度产生显著影响。根据普通多媒体学习中线索对学习者视觉注意的影响相关研究，非姿势线索，如箭头、加粗、加亮灯，对学习者的视觉注意具有引导作用，即他们会对与学习任务相关信息的注视的总时间更长、次数更多。在视频课程中的教师姿势会对学习内容的引起视觉注意。通过视觉注意力机制分析出学生在学习在线视频课程时，视觉会关注到视频中最显著区域，据此可分析出教师姿势及呈现比例与视觉注意机制之间的关系。影响学生参与网上学习的不利因素有: 网上资源内容尚不够丰富、网页形式呆板，有些课程辅导缺乏交互性、网页内容更新较慢; 学习支持服务不够便捷。其次，网络课程结构体系相对完整，学生网上学习时间和次数就会相应增长; 师生网上交互率的高低与学生网上学习的时间和次数成正比，即交互率越高，上网次数越多，学习时间也越长。此外，在线学习的影响因素还包括网络环境、课程资源、网上交互以及学习者自身原因等。

4 结论

本文从网络教育教学过程评价等多方面进行研究，最大限度地发挥教学评价在促进学生学习的功能，丰富了原有的教学评价体系，为推动网络教育教学改革提供重要参考；通过基于大数据技术的高职网络教育教学质量提升研究可以让网络教育工作者加深对学生学习行为的认识与了解，有利于教育者在网络教育教学中及时改进教学，提供更具个性化和针对性的支持服务，改进学生的学业表现，提高网络教育的教学质量。