[发明专利]一种基于指标权重学习和行为熵的微格教学综合评价方法

摘要

本发明公开了一种基于指标权重学习和行为熵的微格教学综合评价方法，方法步骤如下构建教学技能指标；收集样本；确定权重；计算试教者评分；构造互动行为指标集；计算课堂互动行为熵；综合评价；本发明的优点是1、更能真实科学和全面地反映试教者的教学效果；2、在总体样本下，教学技能评价指标的权重确定方法更合理；3、增加了课堂教学互动行为熵，与评价分值结合产生最终评价结果，相对传统评价方法(如模糊综合评判等)，该结果衡量试教者教学效果更客观。

主权项

一种基于指标权重学习和行为熵的微格教学综合评价方法，其特征在于方法步骤如下：(1)构建教学技能指标；假设所述教学综合评价方法中共有N1个一级教学指标，记为表示第i个一级指标，并含有个二级教学指标表示第i个一级教学指标所含的第j个二级教学指标；(2)收集样本；假设当前共有N3个试教者的历史评价结果，第k个试教者的历史评价结果属于第p个等级，即其中，等级指标集为R＝{A，B，C，D，E}，p∈{1，2，3，4}，分别表示为优秀、良好、中等、一般和差；为了便于第(3)步训练计算，将各等级进行量化，即A＝5，B＝4，C＝3，D＝2，E＝1；(3)确定权重；利用神经网络算法学习各级指标权重，建立二级隐层BP神经网络模型，通过样本学习得到一级指标权重向量和二级指标权重向量即所有N1个一级教学指标对应的全部二级教学指标按顺序排列的集合，其中随着样本的增加，可进行反复训练，不断优化所述指标权重向量V1和V2，使每个评价指标的权重更接近于真实情况；(4)计算试教者评分；利用第(3)步得到的权重向量V1和V2，作为第(3)步所述二级BP神经网络模型的参数计算微格教学试教者的教学等级评分，如计算第k个试教者的教学等级评分为(5)构造互动行为指标集；假设所述教学综合评价方法中共有N5个课堂教学互动行为指标，表示第l个互动行为指标；(6)计算课堂教学互动行为熵；对每位试教者在教学时间T内按时间间隔t采集课堂教学互动行为发生次数，并计算行为概率，即对第k个试教者以t为时间间隔，采集第l个教学互动行为指标在教学时间T内发生次数为计算行为概率并计算第k个试教者课堂教学互动行为熵Hk值越大表明第k个试教者的教学行为越丰富，反之则第k个试教者教学行为越少；(7)综合评价；根据教学等级评分和行为熵Hk计算第k个试教者的综合评价结果