一种教学质量评价及改进指导方法技术

本发明专利技术提供了一种教学质量评价及改进指导方法，包括：S10数据采集；S20对输入层的得分值、过程层的得分值以及成果层的得分值中缺失得分样本数据进行识别和填充，识别离群点并删除；S30利用信息熵权法计算各层权重，计算该课程效率总得分，以此评价课程教学情况；以及S40计算输入层、过程层、成果层以及各层所包含的每种初始数据的信息增益，并进行排序，信息增益越大代表对结果的影响越大，为该课程的改进提供指导方向。本发明专利技术的一种教学质量评价及改进指导方法，分别根据评分规则对输入层、过程层以及成果层进行评分及信息增益，获得课程效率总得分以及信息增益的排序，以此评价课程教学情况并对课程的改进提供指导方向。

【技术实现步骤摘要】
一种教学质量评价及改进指导方法
本专利技术涉及教学评估
，具体涉及一种教学质量评价及改进指导方法。
技术介绍
随着教育观念的转变以及教育改革的不断深入，对课堂教学质量的要求越来越高，一方面传统的教学手段和教学管理方式已远远不能满足目前课程教学的需求，另一方面学生评教已成为学校教学质量监控体系的重要组成部分。提高课堂教学的效率是一直关注并执着追求的目标，教学效率的高低是影响教学质量的关键因素，建立一个科学、合理的教学评价体系对保证和稳步提高教学质量起着举足轻重的作用；目前的教学质量评价主要是以学生考试的合格率、优秀率等作为定量评价的指标，甚至成为评价学校和教师教学质量的主要依据，这虽然在一定程度上体现了课堂教学效率，但对于强调效率意识来说是远远不够的；因此，我们提出了一种立足于学生学习感受进行打分，确定各项效率影响因素的权重，最终评估某一课程教学效率的评价系统。
技术实现思路
为了解决上述问题，本专利技术提供一种教学质量评价及改进指导方法，提供了一种智能的教学质量评价体系，分别根据评分规则对输入层、过程层以及成果本文档来自技高网...

【技术保护点】
1.一种教学质量评价及改进指导方法，其特征在于，包括如下步骤：/nS10数据采集，通过问卷调查法对某一课程的初始数据进行采集，初始数据包括输入层的得分值、过程层的得分值、成果层的得分值以及各层重要程度得分值，输入层包括课程资源参数、课程内容参数、课程结构参数以及课程实施参数，过程层包括课堂主动性、课堂积极性以及互动效果，成果层包括考试成绩以及作业报告；/nS20数据处理，对输入层的得分值、过程层的得分值以及成果层的得分值中缺失得分样本数据进行识别和填充，识别离群点并删除；/nS30利用信息熵权法计算各层权重，计算该课程效率总得分，以此评价课程教学情况；以及/nS40计算输入层、过程层、成果层以...

【技术特征摘要】
1.一种教学质量评价及改进指导方法，其特征在于，包括如下步骤：
S10数据采集，通过问卷调查法对某一课程的初始数据进行采集，初始数据包括输入层的得分值、过程层的得分值、成果层的得分值以及各层重要程度得分值，输入层包括课程资源参数、课程内容参数、课程结构参数以及课程实施参数，过程层包括课堂主动性、课堂积极性以及互动效果，成果层包括考试成绩以及作业报告；
S20数据处理，对输入层的得分值、过程层的得分值以及成果层的得分值中缺失得分样本数据进行识别和填充，识别离群点并删除；
S30利用信息熵权法计算各层权重，计算该课程效率总得分，以此评价课程教学情况；以及
S40计算输入层、过程层、成果层以及各层所包含的每种初始数据的信息增益，并对输入层、过程层、成果层以及各层所包含的每种初始数据的信息增益进行排序，信息增益越大代表对结果的影响越大，为该课程的改进提供指导方向。


2.根据权利要求1所述的教学质量评价及改进指导方法，其特征在于，所述步骤S10中各初始数据的评分规则如下：
S11输入层的得分值的评分规则为每个参数各10分，由该课程的相关教师和学生分别打分后取算数平均值获得；
S12过程层的得分值的评分规则包括：
S121课堂主动性得分值的评分规则：计算学生对于课前预习和思考题的完成概率乘以10，取算数平均值作为课堂主动性得分；
S122课堂积极性得分值的评分规则：抽取5次学生出勤情况，计算学生出勤率乘以10，取算数平均值作为积极性得分；
S123课堂互动效果得分值的评分规则：取老师与学生互动次数除以学生总人数再乘四作为互动效果概率，互动效果概率乘10，取算数平均值作为课堂互动效果得分；
S13成果层的得分值的评分规则：
S131以期中成绩算数平均值的权重为七分之一，期末成绩算数平均值的权重为七分之六，将期中成绩以及期末成绩计算加权平均值后再除以10作为考试成绩得分；
S132以作业报告或实验报告成绩的算数平均值除以10作为作业报告得分。


3.根据权利要求2所述的教学质量评价及改进指导方法，其特征在于，所述步骤S20包括：
S21将课程资源参数、课程内容参数、课程结构参数、课程实施参数以及各层重要程度得分值样本分布图像，并判断每个得分样本为倾斜数据还是非倾斜数据，对于各参数的倾斜数据的缺失值利用相应参数的中位数填充，其中无法通过正态分布检验的样本判断为倾斜数据，通过正态分布检验的样本为非倾斜数据；
S22将课程资源参数、课程内容参数、课程结构参数以及课程实施参数的得分样本进行离群点识别，对小于2.5Q1-1.5Q3的数据以及大于2.5Q3-1.5Q1的数据判断为离群点进行删除，Q3为第三分位点，Q1为第一分位点。


4.根据权利要求3所述的教学质量评价及改进指导方法，其特征在于，所述
S30包括如下步骤：
S31计算输入层的总得分，如下式(1)所示，



其中，SI为输入层的总得分，SI1i为输入层四项参数的学生打分算数平均值，SI2i为输入层四项参数的教师打分算数平均值；
S32计算过程层总得分，如下式(2)所示，
SP＝SP1*0.3+SP2*0.3+SP3*0.4………………………………………………(2)
其中，SP1为课堂主动性得分值，SP2为课堂积极性得分值，SP3为互动效果得分值；
S33计算成果层总得分，如下式(3)所示，
SA＝SA1*0.7+SA2*0.3………………………………………………………(3)
其中，SA1为考试成绩得分值，SA2为作业报告得分值；
S34计算该课程效率总得分，如下式(4)所示，
S＝W1*SI+W2*SP+W3*SP………………………………………………(4)
其中，W1、W2、W3分别为输入层、过程层以及成果层的权重，分别通过信息熵权法计算获得。


5.根据权利要求4所述的教学质量评价及改进指导方法，其特征在于，所述信息熵权法计获得输入层、过程层以及成果层的权重的方法如下：
S341构建由输入层、过程层以及成果层的重要程度得分值构成的决策矩阵D



其中，j为[1,n]中的正整数，d1j为第j个输入层的重要程度得分值，d2j为第j个过程层的重要程度得分值；d3j为第j个成果层的重要程度得分值；n为各层的重要程度得分值数据的总个数；
S342对决策矩阵D做归一化，得到归一化的决策矩阵R



其中，r1j为归一化后的输入层的第j个数据；r2j为归一化后的过程层的第j个数据；r3j为归一化后的成果层的第j个数据；



S343计算输入层、过程层以及成果层的信息熵



其中E1为输入层的信息熵，E2为过程层的信息熵，E3为成果层的信息熵；
S344计算输入层、过程层以及成果层的区分度
Fi＝1-Ei
其中F1为输入层的区分度，F2为过程层的区分度，F3为成果层的区分度；
S345计算输入层、过程层以及成果层的权重











6.根据权利要求5所述的教学质量评价及改进指导方法，其特征在于，所述步骤S40包括：
S41利用随机抽样方法随机抽取各个指标的数据，抽取的数据量要求小于原数据量；将抽取数据计算各个参数、各个层以及课程效率的得分；
S42依据得分结果以及实际情况将课程效率总得分、各个层的得分以及各个参数得分划分为优异、一般2个程度，将定量数据转化为定性数据；
S43重复S41以及S42步骤20次，收集20组定性数据；
S44计算输入层、过程层、成果层对于课程总效率的信息增益；
S441输入层信息增益的计算方法如下式(11)、(12)、(13)所示，






H(X)-H(T|X)…………………………………………………………(13)
其中X为输入层，T为课程效率，X1为输入层结果被定性为“优异”，X2输入层结果被定性为“一般”；pX1为输入层结果被定性为“优异”概率，pX2为输入层结果被定性为“一般”概率；H(X)为输入层的信息熵，H(T|X)为输入层的条件信息熵，H(X)-H(T|X)为输入层的信息增益；
S442过程层信息增益的计算方法如下式(14)、(15)、(16)所示，






H(Y)-H(T|Y)…………………………………………………………(...

【专利技术属性】
技术研发人员：高芳，李彦翰，文韬，沈正阳，吴昊，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32