一种基于布鲁姆教学目标分类法进行课堂提问的分类模型训练方法、方法、装置和存储介质制造方法及图纸

本发明专利技术涉及一种基于布鲁姆教学目标分类法进行课堂提问的分类模型训练方法、方法、装置和存储介质，分类模型训练方法包括获取课堂提问中文样本数据和对应的标签值；所述中文样本数据和所述对应的标签值满足布鲁姆教学分类法；对所述中文样本数据进行预处理得到中文关键词数据；根据所述中文关键词数据提取特征数据；所述分类模型根据所述特征数据和所述中文样本数据对应的标签值进行训练。本发明专利技术实现了一种打破学科限制的、自动分析中文问题更加有效的方法。有效的方法。有效的方法。

【技术实现步骤摘要】
一种基于布鲁姆教学目标分类法进行课堂提问的分类模型训练方法、方法、装置和存储介质


[0001]本专利技术涉及教育及互联网领域，尤其是一种基于布鲁姆教学目标分类法进行课堂提问的分类模型训练方法、方法、装置和存储介质。

技术介绍

[0002]课堂提问贯穿于整个教学过程，是教学语言的主要载体。有关研究在两所学校进行了问卷调查，发现大多数学生都认为，提问有益于他们的学习和表达思想的能力。调查还显示，一些教师不清楚提问的目的，他们对问题的准备还不够充分，也没有意识到有效设计问题的整体设计的重要性。有效的提问需要一些必要的策略。另外，一些相关研究关注了如何提出有效的问题。对于老师来说，有效的问题可以指导教学过程，检验学生的能力并激发学生的思想。对于学生来说，有效的问题可以激发学生的学习兴趣，引起学生的注意，增强师生之间的互动。此外，教学时间有限，如何在课堂上提出有效，有效的问题，将课程效益最大化，使教师能够传播知识，使学生能够尽可能多地学习，是至关重要的问题。
[0003]大多数问题缺乏科学依据和设计。应根据不同学生的情况设计课程问题，以取得更好的效果。对提问的研究必须具有明确的问题分类方法，因此问题分类是许多研究人员所青睐的话题。最简单的方法是将问题分为封闭式问题和开放式问题。研究人员还将一些问题称为敛聚性问题和发散性问题。吉尔福德(J.P.Guilford)提出了三元智能结构。根据SI理论，个人在智力测验中的表现可以追溯到潜在的心理能力或智力因素。吉尔福德将问题分为5类：认知，记忆，发散性思维，融合性思维和评估。至于其他分类法，Keith A.Acheson和Meredith Diamien Call将问题分为两类，David Hopkins将问题分为三类，依此类推。在这些分类法中，最有影响力和最深刻的分类法是Bloom的分类法。根据布鲁姆的分类法，知识可以分为认知领域，精神运动领域和情感领域。
[0004]布鲁姆分类学的认知领域已在教育领域得到广泛使用，对教学系统的深远影响。它为问题分类提供了科学依据和为课程设计提供了技术指导，可以反映教师提问的认知水平。教师可以结合布鲁姆分类法和课程设计更多高质量的问题，避免提出太多的低认知问题。提出满足不同认知水平的高质量且均衡的问题对于教师而言并非易事。对于新生，许多学习目标可能针对布鲁姆的较低认知水平，因为学生正在建立基础知识。但是，即使在这种情况下，我们也将努力将一些目标移至应用和分析级别，但如果认知层级太高，则会造成挫败感和无法实现的目标。对于大三和大四的学生，应该没有太多的记住和理解问题，这些学生应该能够掌握更高层次的学习目标。太多的低认知水平的问题和记住的问题可能会限制学生思维的发展并导致无聊。通过基于布鲁姆分类法对问题进行收集和分类，分类结果展示了他们提出的问题的水平分布，为教师设计在课堂上要提出的问题和更好的教学策略提供了依据。建立课程的教师应该在认知领域找到一系列可能的教育目标或成果。
[0005]布鲁姆分类法还根据每个认知层级提供了一个动作动词表。这在制定课程和课程目标时帮助教师，它应该有助于教师指定目标，从而使设计学习体验和设计问题变得更加
容易。有了这些单词作为指导工具，教师还可以围绕学生设计活动，任务和问题。表1展示了可测量的动作动词列表。
[0006]知识层(knowledge)评估学生记忆事实和基本信息的能力。理解层(comprehension)衡量学生根据先前的知识理解思想和主题的能力。应用层(application)评估学生在新环境中实施所学知识的技能。分析层(analysis)评估学生将信息分为几部分进行分类和查找关系的能力。综合层(synthesis)评估学生将思想整合在一起以创建新解决方案的能力。评估层衡量学生根据某些标准捍卫和判断问题的能力。布鲁姆分类法已用于对问题和分析性写作等文本分类，以了解问题的认知难度或反映学生的认知能力。表1中自下而上每个层次的动词表的英文表达依次包括：define、name、label、order、recall、list、tell、identify，clarify、classify、identify、interpret、illustrate，apply、assess、calculate、develop、prepare，classify、distinguish、compare、categories，compile、create、establish、design、generate、develop，justify、evaluate、judge、predict、decide、defend。
[0007]表1
[0008]
技术实现思路

[0009]本专利技术提出了一种打破限制的方法，使自动分析中文问题更加有效的分类模型训练方法。
[0010]本专利技术提供的基于布鲁姆教学目标分类法进行课堂提问的分类模型训练方法，包括以下步骤：
[0011]获取课堂提问中文样本数据集；所述中文样本数据集包括多条中文样本数据和对应的标签值；每条中文样本数据和对应的标签值满足布鲁姆教学分类法；
[0012]对所述中文样本数据进行预处理得到中文关键词数据，所述中文样本数据和所述对应的标签值满足布鲁姆教学分类法；
[0013]根据所述中文关键词数据提取特征数据；
[0014]所述分类模型根据所述特征数据和所述中文样本数据对应的标签值进行训练。
[0015]进一步的，所述中文样本数据和对应的标签值通过以下方式获取：
[0016]采集至少两种学科的中文教学视频，从所述中文教学视频中提取课堂提问；
[0017]根据所述课堂提问获取所述中文样本数据，并对所述课堂提问或者所述中文样本数据进行标注得到所述标签值。
[0018]进一步的，所述预处理包括：
[0019]根据所述中文样本数据提取词性标注的动词和疑问词；
[0020]添加贡献词；
[0021]根据所述动词、所述疑问词和所述贡献词获得所述关键词数据。
[0022]进一步的，根据所述关键词数据提取特征数据包括：
[0023]根据词频逆文档频TF
‑
IDF数值将所述关键词数据中的每一个关键词转换为数字表示，将转换后的所有数字所组成的向量作为该条关键词数据的特征数据；
[0024]所述TF
‑
IDF为词频TF和逆文档频率IDF的乘积，
[0025]TF
‑
IDF(t，d)＝TF(t，d)
·
IDF(t)；
[0026][0027]其中，TF为词频、IDF为逆文档频率，c(t，d)是单词t在文档d出现的频率，$D$是语料库中文档的总数，∑
i
c(t
i
，d)表示文档d中单词总数。
[0028]进一步的，所述分类模型采用逻辑回归，随机森林或分布式梯度增强库中的任一模型。
[0029]进一步的，还可以包括评价分类模型的性能。
[0030本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于布鲁姆教学目标分类法进行课堂提问的分类模型训练方法，其特征在于，包括：获取课堂提问中文样本数据集；所述中文样本数据集包括多条中文样本数据和对应的标签值；每条中文样本数据和对应的标签值满足布鲁姆教学分类法；对所述中文样本数据进行预处理得到中文关键词数据；根据所述中文关键词数据提取特征数据；所述分类模型根据所述特征数据和所述中文样本数据对应的标签值进行训练。2.根据权利要求1所述的分类模型训练方法，其特征在于，所述中文样本数据集通过以下方式获取：采集至少两种学科的中文教学视频，从所述中文教学视频中提取课堂提问；根据所述课堂提问获取所述中文样本数据，并对所述课堂提问或者所述中文样本数据进行标注得到所述标签值。3.根据权利要求1所述的分类模型训练方法，其特征在于，所述预处理包括：根据所述中文样本数据提取词性标注的动词和疑问词；添加贡献词；根据所述动词、所述疑问词和所述贡献词获得所述关键词数据。4.根据权利要求1所述的分类模型训练方法，其特征在于，根据所述关键词数据提取特征数据包括：根据词频逆文档频TF
‑
IDF数值将所述关键词数据中的每一个关键词转换为数字表示，将转换后的所有数字所组成的向量作为该条关键词数据的特征数据。5.根据权利要求4所述的分类模型训练方法，其特征在于，所述TF
‑
IDF为词频TF和逆文档频率IDF的乘积，TF
‑
IDF(t，d)＝TF(t，d)
·
IDF(t)；其中，TF为词频、IDF为逆文档频率，c(t，d)是关键词t在中文样本数据d出现的频率，D是中文样本数据集中中文样本数据的总数，∑
...

【专利技术属性】
技术研发人员：骆开庆，韩鹏，邱健，彭力，刘冬梅，黄嘉敏，
申请(专利权)人：华南师大清远科技创新研究院有限公司，
类型：发明
国别省市：