《统计学习算法在高校教学质量评估中的应用研究》.doc

统计学习算法在高校教学质量评估中的应用研究* 张　钢12　 何小敏1 张小波1 黄永慧1 1 广东省广州市广东工业大学自动化学院网络工程系(510006) 2 ipx@ [摘要] 本文分析了机器学习算法在教学质量评估中应用的可行性，并以带权间隔支持向量回归模型(Weighed Margin Support Vector Regression - WMSVR)对教学质量评估的众多分量进行训练学习，以建立稳定描述教师教学质量的机器学习模型。模型以量化的教学质量评估指标作为输入，引入了学生意见信息的可信程度，并以带权间隔来表示样本的置信度，以WMSVR模型作为训练器，模型输出数量化的教学质量指标。通过与教师的教学活动的专家评价对比表明，WMSVR模型在教学质量评估中有较高的准确度和泛化能力，在语义上有足够的能力表达教学质量的指标体系。 关键词：教学质量评估 支持向量回归 统计学习 中图分类号：G4、TP39 背景 在高校教育中，教学质量是教学效果的一个最重要衡量指标。提高教学质量，是一所学校的教育水平实现跨越式发展的必由之路[1]。但是，鉴于高校学科的多样性，知识结构的复习性，以及教育手段的灵活性，要客观、全面、系统地评价某一课程的教学质量成为一个颇具挑战性的问题。同时，由于教学过程是一个双向互动的过程，评价一个教师的教学质量，其复杂程度要比单纯评价一个产品的质量