[发明专利]一种智能教学评估与分析方法

说明书

本发明涉及智能教学技术领域，具体公开了一种智能教学评估与分析方法，该方法结合教师评价、课后作业及实验报告的无结构化文本和结构化信息并存的特点将实体整合到卷积塔之中以构建可感知实体卷积神经网络，而后将实体关系与权重相结合，以确保最后的整合成绩能够反映学生的综合表现，成绩可靠度高，并且能帮助教师及时准确地分析学生行为，以发现学生的问题与难点，以做出及时的预判与处理，有助于加快教学进度，减轻教师负担，促进学生个性发展；还能帮助教育管理者进行信息化管理与绩效评估，促进教师专业发展，提升教学质量与学校管理能力。

技术领域

本发明涉及智能教学技术领域，尤其涉及一种智能教学评估与分析方法。

背景技术

智能教学技术是当前各种教学系统或各种教学应用软件的核心技术之一，其能够根据教学内容的类型和教学目标的要求，针对性地提供符合教育规律的自动化推送技术，是智能教学系统的真正智能所在。自然语言处理是人工智能的一个重要领域，它是指对自然语言进行语义理解，以理解和分析不同文本内容的技术。

通常教师在备课时，对于一定的教学内容所对应的教学目标的确定和教学策略的选项，都是依据个人的理解进行操作，难免陷入经验型的陷阱。这为如何对每一位学生的学习成果做出针对性评估与分析提出了一个难题。目前通常采用定性的方法，即教师主观地对学生进行评估与分析，判断其优良。但是这种方法因人而缺乏客观性，不能作为一种通用的质量评估方法。

发明内容

本发明提供一种智能教学评估与分析方法，解决的技术问题在于：如何提供一种对学生的学习成果进行客观评估与分析的方法。

为解决以上技术问题，本发明提供一种智能教学评估与分析方法，包括步骤：

(1)数据预处理

S1：收集整理教师评价数据、学生课后作业数据、学生实验报告数据及学生科目成绩数据，并对教师评价数据、学生课后作业数据、学生实验报告数据中不同类型的数据进行分组编号；

S2：分别采取不同的n-gram内核对分组编号后的数据进行预处理；

S3：通过基于自然语言处理及教学评估的知识图谱对预处理后的数据进行实体命名提取；

(2)构建可感知实体卷积神经网络

(3)定性定量评估与分析

1)关系提取

S4：将步骤S3中提取的教师评价的实体、学生课后作业的实体以及学生实验报告的实体放入所述可感知实体卷积神经网络中，提取到相应的教师评价实体关系、学生课后作业实体关系和学生实验报告实体关系；

2)关系权重评估

S5：将步骤S4中提取的所有的实体关系整合于一个多感知器中；

S6：为多感知器中每个实体关系添加权重，并归一化为相应的权重分析分数；

3)权重整合

S7：将学生科目成绩数据做正则归一化处理后，与所述步骤S6得到的权重分析分数做权重整合，得出学生的综合成绩。

进一步地，所述可感知实体卷积神经网络包括输入层、卷积层、池化层、Softmax层和输出层；

所述输入层用于读取所述步骤S3提取的实体，所述卷积层用于提取读取的实体的特征，所述池化层用于对所述卷积层提取的特征进行降维处理；所述Softmax层用于将所述池化层的输出值映射为相应的概率值，最终选择最大概率值所在的类别作为模型分类的结果，所述输出层用于输出提取的教师评价实体关系、学生课后作业实体关系和学生实验报告实体关系。

进一步地，所述池化层中每个实体对应一个卷积核，分别读取一个唯一的部分。