洪雪峰

基于传统机器学习与深度学习的学生评教情感分类对比分析

洪雪峰

（广东金融学院 互联网金融与信息工程学院，广东 广州 510521）

通过在网站上收集建构154，000条评论的语料库，运用传统机器学习法和深度学习法，对其分类精确值及F测量值进行比对。大量的实证分析表明，基于深度学习架构在教师评价的情感分类任务上优于传统的机器学习分类器，其分类准确率达到98.29%。建议运用机器深度学习的模式，利用卷积神经网络和双向长短期记忆神经网络构建情感分析模型，可以学生评教为提升高校教育质量，其结果可作为衡量教学效果的指标，并给管理者提供决策依据。

深度学习；机器学习；学生评教；情感分析

教学质量的优劣是各高校核心竞争力的指标之一，因此，采用有效的手段提升高校教学质量是各高校的首要任务。目前大多数高校均采用教学质量评价这一手段，但其评价结果的科学性和有效性一直以来颇受争议。究其原因，教学评价活动是一项非常复杂的活动，其涉及的因素较多。学生评教通常既包括一些固定的问题，也包括一些开放性问题。固定问题主要是借助评教量化表，该量化表对教学活动中的教学目标、教学设计、教学内容以及课后练习等进行指标考核，通过量化表分值统计进而总结评价可以得到一些发现。然而，评教量化表日益受到教师们普遍的诟病，其所提供的指标内涵不能显示教学过程的所有方面。……