基于机器学习的高校学生评教信度分类分析
2021-07-24苑迎春雒明雪陈江薇
河北农业大学学报(社会科学版) 2021年3期
苑迎春,雒明雪,陈江薇
(1.河北农业大学 信息科学与技术学院,河北 保定 071000;2.河北农业大学 教务处,河北 保定 071000)
课堂教学是高校实现人才培养最直接和最根本的方法,课堂教学质量的高低直接决定着人才培养质量,科学合理的课堂教学质量评价能有效地促进人才培养质量的提升。为保障课堂教学质量得到有效监测和及时反馈,很多高校通过学生评教这一举措来实施监测并反馈教学质量情况,从而促进教学质量的提高。学生评教为教师收集学生反馈信息和改进教学服务提供帮助,其结果直接影响学校对教师考核、课程规划等。然而,在实际评教过程中,存在着学生不客观评教的问题,如学生在评教时存在被动、消极、敷衍、“集体高分”“分数贬值”、随意评教、恶意评教等现象[1-4]。以上不良现象影响了评教的客观性,因此如何纠正学生不客观评教,提高学生评教信度具有重要意义。
为提升学生评教的客观性,大量学者做了相关研究。部分学者从评价指标出发,建立科学、有效的评教指标,从教学、练习与评价、学生反馈等多维度进行打分,全方面、多角度地对教师教学进行评价,同时提高学生评教的便捷性;也有部分学者从评教原始数据的分析、处理入手,通过对不客观数据的识别,将异常数据进行剔除或通过修正算法进行修正,减轻偏离数据的影响,使教师最终评价更加客观[5]。
针对学生评教数据的客观性问题,不同学者通过定义不同指标进行识别和区分。……
登录APP查看全文
