一种基于深度学习模型的教师微能力评价方法技术

本发明专利技术公开了一种基于深度学习模型的教师信息化教学微能力评价方法，其特点是该方法包括：构建教师微能力分类框架、设计教师微能力分类标准和评价标准、从移动听评课系统采集评课数据、清洗和变换评课文本、对评课文本进行微能力分类标准和微能力水平评价、构建基于预训练的深度学习教师微能力分类模型、构建基于注意力机制的深度学习教师微能力评价模型、通过预测和加权平均得到教师微能力分类预测结果和微能力水平评价结果，以及将教师微能力分析结果可视化至教师个体画像等步骤。本发明专利技术与现有技术相比具有多角度科学评价教师课堂能力，提升数据真实性和准确率，减少人工采集工作量和分析成本，具有较高的研究实践价值。具有较高的研究实践价值。具有较高的研究实践价值。

【技术实现步骤摘要】
一种基于深度学习模型的教师微能力评价方法


[0001]本专利技术涉及教育人工智能与文本挖掘
，尤其是一种基于深度学习模型的教师微能力评价方法。

技术介绍

[0002]教师信息化教学能力是衡量信息技术与教育教学融合程度的重要内容，能力测评作为能够反馈与反促教师信息化教学能力的分析手段，受到了研究者的关注。现有的主流教师微能力测评方式主要有两种：其一是大规模调研，研究者根据不同测评情境设计调研问卷并回收数据进行分析，可以得到粗略的教师微能力发展水平或发展指数。这种方式具有主观性强、颗粒度大和反馈迟滞等不足。其二是基于充分证据进行微能力认证，这种方式能够做到关注能力本位，用证据来测评教师的微能力表现，适用于教师发展项目的终结性考核。然而，对群体教师进行教学和研修证据收集、分析与认证是一项长周期、高难度、大成本的工程，对专家人力资源负担产生较大挑战。因此，有必要设计一种基于对深度学习模型的教师信息化教学微能力分析方法，来达到证据易获得、分析自动化、反馈常态化的目的。

技术实现思路

[0003]本专利技术的目的是针对现有技术的不足而提出的一种基于深度学习模型的教师微能力评价方法，采用构建教师微能力分类框架的方法，设计教师微能力分类标准和评价标准，从移动听评课系统采集评课数据，清洗和变换评课文本，对评课文本进行微能力分类标准和微能力水平评价，通过预测和加权平均得到教师微能力分类预测结果和微能力水平评价结果，自动高效地对教师微能力进行评价，方法简便，证据易获得、分析自动化、反馈常态化，减少了大量的人工分析成本，尤其适用于教师发展项目的终结性考核，公正、客观，具有较高的研究实践价值。
[0004]实现本专利技术的技术方案是：一种基于深度学习模型的教师微能力评价方法，其特点是该方法具体包括以下步骤：1）基于中小学多媒体教学环境特征构建信息化教学教师微能力分类框架，该框架结合实际课堂教学情境，从学情分析、教学设计、教学实施和学业测评4个维度设计13个微能力点；2）在步骤1教师微能力分类框架基础上，分别对13个教师微能力点制定分类标准，并对每个微能力点制定相应的评价标准；3）从移动听评课系统中采集教师评课数据，进行脱敏处理，每条评课数据具有的属性包括：课程ID，开课老师ID，开课时间，评课人姓名ID，弹幕实际时间，弹幕视频时间，弹幕内容和弹幕长度；4）对步骤3采集得到的属性缺失和重复的数据，利用数据清理工具进行变换和处理。同时利用属性子集选择的基本启发式方法对步骤3采集得到的数据进行检测，删除相关程度不高或者冗余属性的数据。所述属性子集选择的基本启发式方法包括以下算法：逐步
向前选择、逐步向后删除、步向前选择和逐步向后删除的组合和决策树归纳；5）对步骤4处理完成的教师评课文本数据标注，标注工作主要分成两个部分，第一部分标注的内容为教师评课文本对应教师微能力分类标注，第二部分标注的内容为教师评课文本对应教师微能力评价标注；6）构建基于预训练的深度学习模型完成教师评课文本对应教师微能力的分类。
[0005]7）构建基于注意力机制的深度学习模型完成教师评课文本对应教师微能力的评价。
[0006]8）对于每名教师，根据教师ID从移动听评课系统中提取所有与教师ID相匹配的评课数据，形成每名教师的评课集合，首先使用步骤6的基于预训练的深度学习模型对集合内所有数据完成分类，然后使用步骤7的基于注意力机制的深度学习模型对分类后的评课文本进行评价。
[0007]9）对于每名教师，使用加权求平均的方式计算集合里面每个微能力点的得分值，并使用关键词提取技术从教师的评课文本集合中根据不同微能力点分别提取关键词，使用可视化工具将其进行表征。
[0008]所述步骤1）的具体过程为：从学情分析维度设计1个微能力点，该微能力点为学情分析；从教学设计维度设计3个微能力点，分别为教学资源设计、学习过程设计和学习活动设计；从教学实施维度设计6个微能力点，分别为课堂导入、课堂讲授与互动、总结与提升、学习方法指导、小组学习组织和展示交流支持；从学业测评维度设计3个微能力点，分别为评价设计与应用、评价数据伴随性采集和评价结果分析。
[0009]所述步骤2）的具体过程为：学情分析：评课文本中含有体现学生经验、知识储备、学习能力、学习风格以及学习条件等分析学情内容，该微能力评价教师是否能：精准确定教学的适切目标；为教学重难点的突破、教学策略的选择和教学活动的设计提供科学依据；为教学中动态调整教学内容和方法提供参考。
[0010]教学资源设计：评课文本中含有体现教师关于数字教育资源的设计内容，该微能力评价教师是否能：熟练运用信息检索方法；丰富教育教学资源的媒体形式；根据教学主题判断资源的适用性；保证数字教育资源的科学性和时效性。
[0011]学习过程设计：评课文本中含有体现有效整合学习内容、学习策略、学习环境等要素设计学习过程的内容，该微能力评价教师是否能激发学生学习兴趣，促进学生参与，帮助学生掌握学习方法，发展学生能力与思维，促进学生在真实情境中迁移和应用相关知识与方法，鼓励开展探究学习，营造平等开放的课堂学习氛围，发展学生的必备品格与价值观念。
[0012]学习活动设计：评课文本中含有体现依据课程标准和学习目标，合理借助信息化手段支持学习活动设计的内容，该微能力评价教师是否能整合学校、家庭、社会等多方资源，拓展学生学习空间，为学生开展合作学习、过程记录提供交流和协作的工具或平台，为教师过程跟踪、行为分析与及时干预提供支持，提升学生利用网络资源和技术工具开展学
习的能力。
[0013]课堂导入：评课文本中含有体现教师合理利用信息技术手段设计并实施课堂教学的导入环节的内容，该微能力评价教师是否能：引起学生兴趣，激发学生学习动机；让学生感到切身相关，认同学习目标；建立所学内容与学生已有知识间的关联；帮助建立学习信心、获得学习成就感；奠定良好的课堂学习基调。
[0014]课堂讲授与互动：评课文本中含有体现教师借助合适的信息技术手段设计与优化讲解、启发、示范、指导、评价等课堂讲授与互动的内容，该微能力评价教师是否能：有助于知识和技能的形象化与直观化；通过多种方式建立知识之间的关联；有助于学生理解重点和关键问题；为学生参与知识理解和建构提供了丰富的学习支持；关注学生的不同需要；引发学生感知、记忆、想象、创造等思维活动。
[0015]总结与提升：评课文本中含有体现教师合理应用信息技术资源或工具开展课堂总结与提升活动的内容，该微能力评价教师是否能：提升知识巩固的效果；促进学生对所学知识和技能的整体理解与应用；帮助学生更为直观地理解和发现知识之间的关联；帮助教师发现教学活动中存在的问题并进行针对性指导；有助于学生在活动中体验和掌握联系、归纳、对比等总结方法。
[0016]学习方法指导：评课文本中含有体现应用信息技术手段或资源支持写作表达、推理演算、调研分析等方法的教学，该微能力评价教师是否能：清晰、准确地进行方法示范和指导；创设更为丰富、适切的方法体验、习得和迁移的情景；有助于检验学生方法掌握的情况；提高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习模型的教师信息化教学微能力评价方法，其特征在于该方法具体包括以下步骤：步骤1：基于中小学多媒体教学环境特征，构建教师信息化教学微能力分类框架，该框架从学情分析、教学设计、教学实施和学业测评4个维度设计13个教师微能力点；步骤2：在步骤1的教学微能力分类框架基础上，分别对13个教师微能力点制定分类标准，以及评价标准；步骤3：从移动听评课系统中采集教师评课数据，并对其进行脱敏处理，得到每条评课数据均具有包括：课程ID、开课老师ID、开课时间、评课人姓名ID、弹幕实际时间、弹幕视频时间、弹幕内容和弹幕长度的属性；步骤4：将上述评课数据利用数据清理工具对属性缺失和重复的数据进行清洗与变换，同时利用属性子集选择的基本启发式方法进行检测，删除相关程度不高或者冗余属性的数据；步骤5：对步骤4处理完成的教师评课文本数据进行标注，所述标注为教师评课文本对应教师微能力分类标注和评价标注；步骤6：构建基于预训练的深度学习模型完成教师评课文本对应教师微能力的分类；步骤7：构建基于注意力机制的深度学习模型完成教师评课文本对应教师微能力的评价；步骤8：根据教师ID从移动听评课系统中提取所有与教师ID相匹配的评课数据，形成每名教师的评课集合，使用步骤6构建的基于预训练的深度学习模型对评课集合内所有数据完成分类，然后使用步骤7构建的基于注意力机制的深度学习模型对分类后的评课文本进行评价；步骤9：使用加权求平均的方式计算评课集合里每个微能力点的得分值，利用关键词提取技术从教师的评课集合中根据不同微能力点分别提取关键词，运用可视化工具对教师微能力画像，将设计的13个教师微能力点逐一进行表征。2.根据权利要求1所述的基于深度学习模型的教师信息化教学微能力评价方法，其特征在于所述学情分析、教学设计、教...

【专利技术属性】
技术研发人员：闫寒冰，林梓柔，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：