基于CNN的教学质量评估模型研究.pdfVIP

教学刊

沿视界JournalofHigherEducation2023年S1期

DOI10.19980/j.CN23-1593/G4.2023.S1.003

基于CNN的教学质量评估模型研究

，，，，，

孟庆祥王帆冯苑君申力卢冰杜娟

，

武汉大学遥感信息工程学院武汉430000）

摘要高校教学质量评估活动开展为广大教师及时调整教学策略提供针对性建议，有助于提高教学质量。但现行评估方法多为

简单加权平均，人为给定指标权重，常存在主观性和片面性局限。针对上述现象，该文综合学生、同行教师、督导员三方评价将教学质量

分为优秀、良好、一般和较差4个等级，并采用神经网络算法，建立基于卷积神经网络的教学质量评估模型。该文首先研究现行教学质

量评估体系优缺点，判断模型构建可行性，提出基于深度学习的教学质量评估模型构建方法，然后代入现有教学评估数据，比较所得结

果与已知事实验证模型准确性。结果证明，评估模型准确性较高。该研究将有助于建立一个更加科学可靠的教学质量评估标准体系。

关键词教学质量；深度学习；评估方法；CNN网络；评价体系

中图分类号院G642文献标志码院A文章编号院2096-000X2023冤S1-0014-04

Abstract:Thedevelopmentofteachingqualityassessmentactivitiesincollegesanduniversitiescanprovidemoretargeted

informationforteacherstoadjustteachingstrategiesinatimelymanneranddocollegelecturersafavortoimproveteachingquality.

Nevertheless,themajorityofthecurrentevaluationmethodsareweightedaveragealgorithms.Theweightsofeachindicatorare

artificiallygivenempiricalvalues,whichoftenhavelimitationsofsubjectivityandone-sidedness.Inviewoftheabovephenomenon,

thispapernotonlycomprehensivelyconsidersthecourseevaluationsofstudents,peerteachersandsupervisorstodividetheteaching

qualityintofourgrades:excellent,good,averageandinferior,butalsousesneuralnetworkalgorithmstoestablishateachingquality

evaluationmodelstructurebasedonConvolutionalNeuralNetworks(CNN).Thispaperstudiestheprosandconsofthecurrent

teachingqualityevaluationsystem,judgesthefeasibilityofbuildingaCNNmodel,andproposesaconstructionmethodforthemodel

ofteachingqualit