基于粗细粒度的评教文本情感分析研究.pdf

摘要

摘要

随着我国教育事业的不断发展，教育由原先的填鸭式教育逐步演进为现

在的高质量教育它不仅要求学生习得文化知识，还要求教育从业者在教育过程

中体现人文关怀，培养综合素质人才因此，学生在教学活动中的感受显得尤为

重要现如今，各高校成立线上教学评价平台，通过问卷问题和书写评语反馈学

生的教学感受其中，学生评语可极大地反映出真情实感，对此类评价文本进行

信息挖掘更具备现实意义为此，本文关注评教领域的情感分析，通过从粗粒度

和细粒度两个角度分别挖掘潜藏的情感信息前者帮助教学管理者从宏观角度评

判课堂的教学质量，为之后教育政策的制定铺平道路；后者反馈出教师从多个评

教维度的教学表现，为教师优化教学方式指引方向

细粒度情感分析，即方面级情感分析，旨在断定句中实体（方面词）的情感

极性之前的研究工作大多基于语义和句法来预测情感极性，其中基于语义的方

法大多利用注意力机制来捕捉方面词和观点词之间的语义关系，基于句法的方法

会利用图神经网络来聚合依赖树上的节点来提取句法信息然而，这两类方法容

易被噪音影响，观点词周围的词汇会干扰模型的判断

粗粒度情感分析，即篇章级情感分析，己存在较多研究，它们所使用的数据

集大多集中在公共领域，对评教领域的探索较少，并且原先公共数据集的标注原

则不再适配于评教领域此外，传绩机器学习模型和深度学习模型缺乏逻辑推理

能力，且不具备教育领域的相关知识，对本文提出的任务并不适配

针对过往研究工作中存在的不足，本文分别聚焦于教学评价领域情感分析的

两个主要问题：

（1）针对细粒度情感分析，如何解决语句中不相关上下文羊词对辨别观

点词的消极影响，进一步提高判断情感极性的准确率

（2）针对粗粒度情感分析，如何制定公平公正和以学生为主的情感极性

标注规则，并使用具备庞大教育领域知识和逻辑推理能力的模型提升该任务效果

根据上述研究情况和问题，本文将构建基于距离和以方面词为导向的方面级

情感分析模型对高校评教系绩中的文本数据进行细粒度预测，并利用中文大语言

模型和提示工程来研究粗粒度情感分析一方面，在细粒度情感分析中，根据观

点词在句中普遍在方面词附近的事实，提出新的句法距离计算方式，提高观点词

的判断准确率针对依然存在观点词与方面词相隔较远的情况，引入新的注意力

机制提取全局句法信息，进一步缩小观点词候选范围另一方面，针对粗粒度情

感分析的问题，制定符合教育学和心理学理论的标注规则，并充分利用大模型拥

I

摘要

有的巨大教育领域知识量和处理复杂任务的能力，结合提示工程提高其对教学评

价领域中粗粒度情感分析任务的理解，最终提升预测准确率本文的主要贡献如

下：

（1）基于距离和以方面词为导向的细粒度情感分析研究首先，本文引入

基于距离的句法权重（DSW），它聚焦于方面词的局部句法范围，可以有效地去

除依赖树上的噪音其次，提出方面词融合的注意力机制（Al）来进一步过滤局

部句法范围内的候选观点词，并兼顾与方面词距离较远的观点词的情况最后，

添加KL散度损失函数保证句法信息和语义信息互不干扰

（2）研究教学评价领域下粗粒度情感分析任务，首先，本文在教育学和心

理学等理论指导下制定数据标注规则，保证兼顾到每一位学生在课堂中的教学感

受其次，适配中文大模型到评教场景中，依据潜在的教育知识确保给予教师公

平的整体评价最后，构建多个教学评价专属的提示工程，有效地增加数据的多

样性和数量

（3）使用真实数据集对上述模型展开实验，实验结果达到了最优的效果，

模型架构的有效性得到证实此外，在公共数据集上的实验结果超过了目前最优

模型，模型的泛化能力同样得到检验上述模型的使用可以帮助教育从业者获得

更加全面精准的情感分析结果，为下一步的优化教学提供有力的数据支撑

关键词：教学评价；情感分析；句法分析；中文大模型；提示工程

II