基于深度学习的评教文本提取与情感分析.pdfVIP

与

信息技术信息化计算机应用

基于深度学习的评教文本提取与情感分析

12

郭丽颖杨平

摘要对评教文本利用人工智能深度学习方法进行信息挖掘，对海量的评教文本进行关键词提取，并进行评教

文本情感倾向分析。把评教结果进行直观的、便于理解的数据可视化，主要采用雷达图、词云等数据可

视化，呈现给管理层与相关教师，能更有效地提高反馈评教结果的效率与效果，促进教学质量的提升。

关键词教学质量；情感倾向分析；深度学习；信息挖掘；数据可视化

doi：10.3969/j.issn.1672-9528.2024.06.029

0引言大的时候，如果仍用人工处理就不太现实了。于是，通过

查阅网络上的相关资料以及部分院校的评教指标分类，最

利用人工智能领域深度学习方法对大数据环境下的海量

终决定评教指标分为5个类，分别是教学态度、教学方法、

评教文本进行自动提取关键词，挖掘带有情感倾向的主观性

[1]教学管理、教学内容、教学效果。再从网络上分别搜索这

文本进行情感倾向分析。首先通过采集学校一线网络评教

的数据，利用统计学方法、深度学习、大数据技术对评教数5个评教指标的评教评语作为样本，当获取到5个指标及

据进行建模分析。评教数据达到一定的积累，还能在不同学其相对应的评教评语之后，就通过利用TF-IDF算法和余

院、不同学年、不同课程间做纵向和横向的比较，输出可视弦相似度算法计算文本相似度，可以得到单个句子与5个

化的教学质量评价结果，提供基于大数据的教学质量预测与指标的相似度，选出相似度最大的指标，就是单个句子的

决策，为学校、教育主管部门减负、增效，并为教师个人提指标分类。

供准确、科学的教学质量评价，从而有针对性地帮助教师改对分好类的文本进行情感分析处理，在网络上下载好情

进与提升教学质量。感词典。情感词典分别有否认词、积极词、消极词、中性词

对评教数据进行分析与等级划分，采用直观图表等形式以及不同程度的副词。每种词语有各自的分值，然后将分好

呈现评教结果，例如采用雷达图、直方图、评教文本词云，类的评教评论加载进来，对评教评论进行分词处理。同时，

反馈给各个学院以及各位教师，教师可以通过直观图表来查

也把所有的情感词典加载进来，扫描情感词前的程度词以及

看每项指标评价情况。比如，从雷达图上可以看出该教师或

否定词，根据程度词来进行评分，积极词性越高的，得分也

者整个学院教学质量的全貌，一目了然地找出教学上的薄弱

就越高，而消极词性则相反，转折词和感叹词分数另外计算，

环节，为下一步改进教学质量打下基础。评教文本的词云是

返回统计积极词和消极词的分数。对评教文本进行分类与情

文本数据可视化的一种形式，通过分词学生评教文本的关键

感分析处理后，再采用雷达图、直