基于情感分析和数据挖掘的研究生评教质量验证研究

发布时间：2021-08-31 07:42

　　以S大学构建的研究生课程教学评价问卷和2016-2018三年的研究生评教数据为基础,采用数据挖掘和情感挖掘相结合的比较分析方法,对研究生评教的质量进行了验证和研究,表明情感挖掘数据和评教量表数据既有相关性,也有差异性,二者比较,能够更好地了解评教问卷质量的本质,是一种有效的研究生评教问卷进行验证的方法。 

【文章来源】：高教论坛. 2020,(05)

【文章页数】：8 页

【部分图文】：

不同课程类型的教学评价分布图

3.研究生在选择非学位选修课时一般会考虑将来得分较高或者学分较高的课程,所以在各个方面都评价相对较高,但是建议相对较少。将特色亮点、问题不足、学习效果、课程建议四个问题反馈的情感得分值和课程类别进行方差分析(结果见图5),发现问题与不足与课程类别的P值小于0.05,有显著性差异,表明研究生对于问题不足和课程类别的差异感受最明显,对于这个问题的回答,反映了最真实的情绪。同时,根据问卷中多项选择问题的统计(见表7),研究生授课课堂讲授为主的比例是最高的,达到了95.1%,占总比例也达到了35%,表明该校研究生教师需要进一步改进授课方式,提升授课效果,否则不太容易让研究生评教满意。

最后,笔者对四个问题的反馈情感得分和教学评价总分,进行相关性分析,结果见表8,发现问题不足的情感得分和学习效果的情感得分与教学评价汇总得分的P值分别为0.002和0.000,小于0.01,表明二者和教学评价汇总之间有相关性,特色亮点和课程建议的P值大于0.05。通过访谈,了解到对于特色亮点和课程建议两个问题,有一定的宏观性,研究生对问题驾驭能力不足,导致相关性不足;而对于问题不足和学习效果,一般回答都是较为直接的感受,是切身体会,能够达到较好的效果,所以相关性比较好。表7 研究生授课方式分布统计 响应 个案百分比 N 百分比% 授课方式分布a 研讨(组织学生课堂讨论) 561 17.0 45.5 案例(组织案例教学) 706 21.4 57.2 实践(实践经验传授或实际操作) 329 10.0 26.7 视频(动画、录像等多媒体手段演示) 531 16.1 43.0 课堂讲授 1174 35.6 95.1 总计 3301 100.0 267.5 a. 值为 1 时制表的二分组。

【参考文献】：
期刊论文
[1]浅谈我国高校学生评教[J]. 涂亦娴,何雪菁,热比古丽·艾散,陈进,方立丽.  教育现代化. 2019(32)
[2]学生评教(教师)模型的构建与分析[J]. 王雪婷.  湖北社会科学. 2019(04)
[3]“以学生为中心”改进学生评教的思考与实践[J]. 李贞刚,陈强,孙婷婷.  现代教育管理. 2019(01)
[4]情感分析技术在研究生评教文本中的应用[J]. 严霞,张琨.  计算机时代. 2019(01)
[5]以学生为中心、以学习成果为导向的学生评教体系研究[J]. 保骏,吕明.  中国电子教育. 2018(02)
[6]我国高校“学生评教”指标体系构建研究——基于辽宁省12所高校的调查分析[J]. 王尧,高源.  辽宁教育行政学院学报. 2018(03)
[7]基于数据分析的高校学生评教研究[J]. 李正,蒋芳薇.  中国大学教学. 2018(04)
[8]基于情感挖掘的学生评教系统设计及其应用[J]. 罗玉萍,潘庆先,刘丽娜,张鲁华.  中国电化教育. 2018(04)
[9]基于区分度及可信度的学生评教模型的构建[J]. 王力纲,何汉武.  高教探索. 2018(04)
[10]基于CNN深度学习模型的交通图像拥堵识别[J]. 崔华,刘云飞,宋鑫鑫,李盼侬.  科技创新与应用. 2018(04)

硕士论文
[1]基于词典和机器学习组合的情感分析[D]. 丁蔚.西安邮电大学 2017



本文编号：3374496