【技术实现步骤摘要】
本专利技术涉及教育评价，具体涉及一种基于大数据的教学质量评价方法及系统。
技术介绍
1、教学评价是教学管理工作的重要组成部分，也是进行教育科学管理的重要手段，教学质量评价是对教学过程、教学成果进行价值判断，并评定其价值的优缺点以求改进的过程.建立科学的教学评价指标体系，应当遵循：能够全面反映教师的教学质量，且能够系统地反映评价教育对象的各方面情况，能对教学予以诊断，促进教学质量的提高。
2、学生评分作为评价教师教学质量的可行、可靠、最直接的评价方式在学校教育评价系统内被广泛运用，但其评价结果的准确性并未得到教师的广泛认同，主要原因为：
3、(1)不同学生主观评价标准存在区别；
4、由于受到评价水平、评价态度、情感因素等的限制，部分学生从主观上难以对教师教学质量进行客观、公正的评价，定性评价指标受到参评者主观因素的影响；
5、(2)不同班级之间存在差异性；
6、由于不同的班集体内部意识形态存在区别，部分班集体对教师进行评分的结果可能存在普遍过低的情况；
7、总体来说，受参评者主观因素和不同班级之间意识形态差异的影响，教师的教学质量评价结果并不能全面的反映教学质量，也无法系统地反映针对班级内每个学生的教育覆盖程度。
技术实现思路
1、为此，本专利技术提供一种基于大数据的教学质量评价方法及系统，有效的解决了现有技术中的受参评者主观因素和不同班级之间意识形态差异的影响，教师的教学质量评价结果并不能全面的反映教学质量，也
2、为解决上述技术问题，本专利技术具体提供下述技术方案：一种基于大数据的教学质量评价方法，包括：
3、设置评价因素的因素权值，构成因素权值集，并自动链接主评价体系、子评价体系；
4、获取至少两个主体集合中若干评价主体录入的各项因素评价分值，以形成初分值集；
5、以其中一个主体集合为分析主体，基于主评价体系筛选出分析主体中的异常因素评价分值并剔除，以形成新分值集；
6、基于主评价体系计算主体集合中每个评价因素的第一分值均值，计算所有主体集合中对应评价因素的第二分值均值，以得出关联参数，基于关联参数计算分析主体对应评价因素的分值均值实值；
7、根据分值均值实值、因素权值集采用加权平均计算质量评价终值，并输出；
8、基于子评价体系将每个异常因素评价分值计算转化为离值参数，将离值参数累加以计算教学全面度值，并输出。
9、进一步地，
10、每个所述主评价体系、所述子评价体系均对应一个因素权值集，每一个评价因素对应一个因素权值；
11、所述评价因素包括至少两个主因素以及主因素对应的至少两个子因素。
12、进一步地，
13、获取至少两个主体集合中若干评价主体录入的各项因素评价分值，具体包括以下步骤：
14、评价主体向数据库内录入针对评价客体的各项因素评价分值；
15、在数据库中查找同一评价客体对应的至少两个主体集合，并获取其中评价主体录入的各项因素评价分值；
16、其中，每一个主体集合对应一个所述初分值集。
17、进一步地，
18、以其中一个主体集合为分析主体，基于主评价体系筛选出分析主体中的异常因素评价分值并剔除，以形成新分值集，具体包括以下步骤：
19、将其中一个主体集合作为分析主体；
20、按数值大小对分析主体内对应评价因素的因素评价分值进行排序；
21、计算分析主体内对应评价因素的因素评价分值的平均值x；
22、依次计算相邻因素评价分值之间的差值，并计算所有差值的平均值a；
23、将处于[x-a，x+a)区间以下的评价因素标记为异常因素评价分值；
24、剔除初分值集中的异常因素评价分值，构成新分值集。
25、进一步地，
26、基于主评价体系计算主体集合中每个评价因素的第一分值均值，计算所有主体集合中对应评价因素的第二分值均值，以得出关联参数，基于关联参数计算分析主体对应评价因素的分值均值实值，具体包括以下步骤：
27、计算分析主体中新分值集内每一个评价因素的因素评价分值的平均值，得到第一分值均值；
28、计算所有主体集合中新分值集内每一个评价因素的因素评价分值的平均值，得到第二分值均值；
29、将第二分值均值和第一分值均值的比值作为关联参数；
30、将分析主体中对应评价因素的因素评价分值与关联参数的乘积作为评价因素的分值均值实值。
31、进一步地，
32、根据分值均值实值、因素权值集采用加权平均计算质量评价终值，并输出，具体包括以下步骤：
33、同一分析主体中采用加权平均通过分值均值实值、因素权值集计算每个评价主体对应的评价单值；
34、计算每个评价主体对应的评价单值的平均值，得到质量评价终值。
35、进一步地，
36、基于子评价体系将每个异常因素评价分值计算转化为离值参数，将离值参数累加以计算教学全面度值，并输出，具体包括以下步骤：
37、获取分析主体内对应评价因素的因素评价分值的平均值x以及相邻因素评价分值之间的差值的平均值a；
38、得到[x-a，x+a)区间的最小端点值x-a；
39、将异常因素评价分值与最小端点值x-a做差得到异常参数差c；
40、将异常参数差c与常数k的比值计算得到离值参数；
41、将每个异常因素评价分值计算得到的离值参数累加得到异常因素的特定因素分值；
42、根据特定因素分值和对应的因素权值集采用加权平均计算得到教学全面度值，并输出。
43、进一步地，
44、基于子评价体系将每个异常因素评价分值计算转化为离值参数，将离值参数累加以计算教学全面度值，并输出，具体包括以下步骤：
45、获取分析主体内对应评价因素的因素评价分值的平均值x以及相邻因素评价分值之间的差值的平均值a；
46、计算(0，x+a)区间内因素评价分值的平均值y以及相邻因素评价分值之间的差值的平均值b；
47、得到[y-b，y+b)区间的最小端点值y-b；
48、将每一个异常因素评价分值与最小端点值y-b做差得到异常参数差d；
49、将异常参数差d与常数k的比值计算得到离值参数；
50、将每个异常因素评价分值计算得到的离值参数累加得到异常因素的特定因素分值；
51、根据特定因素分值和对应的因素权值集采用加权平均计算得到教学全面度值，并输出。
52、为解决上述技术问题，本专利技术还进一步提供下述技术方案：一种基于大数据的教学质量评价方法的系统，具备：
53、数据采集模块，获取评价因素的因素权值，构本文档来自技高网...
【技术保护点】
1.一种基于大数据的教学质量评价方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的教学质量评价方法，其特征在于，
3.根据权利要求1所述的基于大数据的教学质量评价方法，其特征在于，
4.根据权利要求3所述的基于大数据的教学质量评价方法，其特征在于，
5.根据权利要求4所述的基于大数据的教学质量评价方法，其特征在于，
6.根据权利要求5所述的基于大数据的教学质量评价方法，其特征在于，
7.根据权利要求4所述的基于大数据的教学质量评价方法，其特征在于，
8.根据权利要求4所述的基于大数据的教学质量评价方法，其特征在于，
9.一种应用权利要求1～8任一项所述的基于大数据的教学质量评价方法的系统，其特征在于，具备：
10.根据权利要求9所述的基于大数据的教学质量评价系统，其特征在于，
【技术特征摘要】
1.一种基于大数据的教学质量评价方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的教学质量评价方法，其特征在于，
3.根据权利要求1所述的基于大数据的教学质量评价方法，其特征在于，
4.根据权利要求3所述的基于大数据的教学质量评价方法，其特征在于，
5.根据权利要求4所述的基于大数据的教学质量评价方法，其特征在于，
6.根据权利...
【专利技术属性】
技术研发人员：姚富光，蒲昌玖，张宗银，彭涛，唐黎，鲁江坤，
申请(专利权)人：重庆第二师范学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。