何梦伊

摘 要：网上评教是高校对教师教学成果进行评判的重要指标之一，也是教师能够获取课堂反馈的重要信息来源。然后由于网上教评机制目前存在的一些技术和管理问题，大量的教学评价却存在有效性缺失的情况。针对网上教评的语言特点，本研究提出将大数据分析和数据挖掘应用于网上教评的分析中，从而提取真正有价值的评判信息和学生需求，来改善教学效果。

关键词：数据分析；情感分析；网上教评

1 研究背景

随着互联网大数据分析的快速发展，数据挖掘和数据分析被迅速应用于企业的营销活动中。分析用户以往的消费行为习惯并从消费者的反馈中提取有价值的信息，已经成为互联网公司分析市场挖掘需求的重要手段并获得巨大的收益。然而，在大数据发展如火如荼的趋势下，其在高校教育活动中的应用则略显滞后，且利用大数据来推动相关的教育改革也并不像商业活动进展的如此迅速和彻底，高校每日积累的海量数据可以得到更好的利用。

教学活动的开展在高校的日常管理中依然是最重要的一部分，教学成果的好坏直接影响学生的未来和学校的发展，因此学生对于教学的态度和评价是教育者研究课堂活动提高教学质量的重要依据。由于教育的趋利性弱，最新的信息技术并没有迅速的应用于教学评价的分析和挖掘，如今教学评价的作用仍然主要局限于对教师工作的评审上，而非教学改革中，显然后者相比较而言更加重要。相应的，国内有关教学评价的大数据分析的研究也基本呈现空缺状态，本论文将以大学英语课程为例，讨论大数据分析在教学评价中的应用。

2 大数据分析的特点

大数据分析目前在针对评价文本过程中有显著成果的操作有：提取评价对象，即所评价的内容；判断评价中的情感倾向，即评价是正面还是负面；以及评价信息的检索与归纳。其整体的顺序为Target Retrieval – Sentiment Classification – Sentiment Extraction。

1）. 评价对象提取（Target Retrieval）

在这一阶段的主要任务是将评论中的一个个具体的信息单元进行抽选，将评价文本这种形式转变为计算机能够辨别和处理的信息形式。这是整个对评价及进行大数据分析的基础阶段。例如在教学评价“老师讲课认真负责，内容贴近实际，课堂氛围活跃”，能够迅速提取出”内容“和”课堂氛围“两个向量文本。

2）. 情感倾向性分类（Sentiment Classification）

这一阶段需要将评价中提取的关键词，根据情感词典中对词汇的评分，对每一条评论的所有提取词进行分数的计算，最后根据没条评论的分值来判断该评论包含的情感是褒义、贬义或者中性。

3）. 评价信息检索与归纳（Sentiment Extraction）

作为评级分析的最后一个环节，评价信息检索与归纳可以看做是和评价用户进行交互，是在两面两个步骤的基础上加工进行的，是前两项任务的汇总。

3 教学评价的语言特点

基于数据分析的基本运行逻辑，教学评价的文本特点适合对其进行情感分析。教学评价的语言整体呈现出以下几个特点。

3.1 评价指标明确，范围稳定，词汇重复率高

根据相关的研究显示，教学评价的文本内容主要围绕四个指标，即教学态度、教学内容、教学方法和教学效果。而每种指标下对应的具体评价也基本在一定的范围内，例如与教学内容相关的评价通常集中在“基本概念和原理的讲解”、“教学中重点难点的处理”、“理论联系实际情况”和“新内容扩充”这些方面。对于这些指标的评价语言所体现出的变化性不大，重复率较高。

3.2 語句结构简单明了，语法多为固定搭配

教学评价的语句结构相对简单，没有过于复杂和灵活的语法构成，出现较多“n.+adj.”和“v.+adv.”的形式，例如“内容丰富”、“语言幽默”、“课堂氛围活跃”、“老师态度认真负责”“讲得好”等等。这样的文本特点在机器进行识别和处理时判断情感倾向性得准确率会相对较高。

3.3 语句中带有歧义的词汇少

教学评价中的语句和词汇很少会存在模糊不清或者有歧义的现象，一般以客观具体的描述为主，机器出现理解偏差的概率相对较小。

4 网上评教的现状和问题

如今高校的评教系统基本已经全部由计算机来完成，要求学生在校园网上完成对任课教师的评教工作。而对于高校网上教评现状的研究和调查的数量很大，这方面的研究已经相当丰富，很多研究显示目前的网上评教存在的质量和效果问题相对较多，网上评教存在的必要性受到质疑。以中部省份某大学（后指Z大学）为例，目前Z大学的网上评教系统包括学生打分和评价两部分组成，允许对教师分别进行打分和主观描述。然而给任课老师打分数的有效性在很多研究中都备受质疑，其一在于很多学生存在滥打分的现象，快速勾选分数以图省事，而不是经慎重考虑后再进行评分；其二，学校的评教系统并没有提供给学生一套系统的评分标准来帮助学生进行评估，而是任凭学生按照自己的感觉来打分，这样每个学生的标准不同，打出的分数很难真实反映教师的授课情况。除此之外，学生的评教活动大多会在课程即将结束之时进行，由于新学期里学生可能不再继续学习该课程，便出现了很多评教倦怠的情绪，敷衍了事写几句评语。据调查，这一现象的原因正是由于学生认为课程是否改善以后也和自己无关，因此缺乏提出真实想法的动力。而带着敷衍情绪填写的教评，对于老师而言也无从对课程改进，导致恶性循环的形成。

5 大数据分析应用的前景

大数据分析不应该仅仅被应用于商业活动中，也应该渗透进高校校园中，更好的为学生服务。高校网上评教的数量和信息量巨大，完全由人工来审查不仅费时费力，而且可能会忽略了很多数据之间的相关关系。大数据分析，特别是对文本进行情感倾向性的判断，能够快速提取评教中的关键词并判断每条评价的倾向性，并将这些数据再进行整合归纳，还能够进一步判断整个班级对课程的认可程度和课堂氛围，从中挖掘出更多有价值的信息来分析出学生真实的需求所在，也能够有效地解决目前网上教评中滥评和倦怠的问题，帮助教师更好地在课程进程中有效的介入学生学习，取得更好的课堂效果。

参考文献

[1]姜姗.基于情感倾向性分析的教学评价自动分析方法[D]，山东科技大学，2015.

[2]刘秀梅.大数据时代大学英语课堂教学评价体系的构建[J]，中国矿业大学，2016.

[3]吴劲松.高校“学生评教”利弊分析[J].高教研究，2009，（3）：13-15.

[4]马秀麟，衷克定，刘立超.从大数据挖掘的视角分析学生评教的有效性[J]， 中国电化教育，2014.

[5]史美东.高校教学评价学生评教指标的有效性及设置研究[J]，产业与科技论坛，2017，（16），225-226.endprint