何夢伊

摘 要：網(wǎng)上評教是高校對教師教學(xué)成果進行評判的重要指標(biāo)之一，也是教師能夠獲取課堂反饋的重要信息來源。然后由于網(wǎng)上教評機制目前存在的一些技術(shù)和管理問題，大量的教學(xué)評價卻存在有效性缺失的情況。針對網(wǎng)上教評的語言特點，本研究提出將大數(shù)據(jù)分析和數(shù)據(jù)挖掘應(yīng)用于網(wǎng)上教評的分析中，從而提取真正有價值的評判信息和學(xué)生需求，來改善教學(xué)效果。

關(guān)鍵詞：數(shù)據(jù)分析；情感分析；網(wǎng)上教評

1 研究背景

隨著互聯(lián)網(wǎng)大數(shù)據(jù)分析的快速發(fā)展，數(shù)據(jù)挖掘和數(shù)據(jù)分析被迅速應(yīng)用于企業(yè)的營銷活動中。分析用戶以往的消費行為習(xí)慣并從消費者的反饋中提取有價值的信息，已經(jīng)成為互聯(lián)網(wǎng)公司分析市場挖掘需求的重要手段并獲得巨大的收益。然而，在大數(shù)據(jù)發(fā)展如火如荼的趨勢下，其在高校教育活動中的應(yīng)用則略顯滯后，且利用大數(shù)據(jù)來推動相關(guān)的教育改革也并不像商業(yè)活動進展的如此迅速和徹底，高校每日積累的海量數(shù)據(jù)可以得到更好的利用。

教學(xué)活動的開展在高校的日常管理中依然是最重要的一部分，教學(xué)成果的好壞直接影響學(xué)生的未來和學(xué)校的發(fā)展，因此學(xué)生對于教學(xué)的態(tài)度和評價是教育者研究課堂活動提高教學(xué)質(zhì)量的重要依據(jù)。由于教育的趨利性弱，最新的信息技術(shù)并沒有迅速的應(yīng)用于教學(xué)評價的分析和挖掘，如今教學(xué)評價的作用仍然主要局限于對教師工作的評審上，而非教學(xué)改革中，顯然后者相比較而言更加重要。相應(yīng)的，國內(nèi)有關(guān)教學(xué)評價的大數(shù)據(jù)分析的研究也基本呈現(xiàn)空缺狀態(tài)，本論文將以大學(xué)英語課程為例，討論大數(shù)據(jù)分析在教學(xué)評價中的應(yīng)用。

2 大數(shù)據(jù)分析的特點

大數(shù)據(jù)分析目前在針對評價文本過程中有顯著成果的操作有：提取評價對象，即所評價的內(nèi)容；判斷評價中的情感傾向，即評價是正面還是負(fù)面；以及評價信息的檢索與歸納。其整體的順序為Target Retrieval – Sentiment Classification – Sentiment Extraction。

1）. 評價對象提取（Target Retrieval）

在這一階段的主要任務(wù)是將評論中的一個個具體的信息單元進行抽選，將評價文本這種形式轉(zhuǎn)變?yōu)橛嬎銠C能夠辨別和處理的信息形式。這是整個對評價及進行大數(shù)據(jù)分析的基礎(chǔ)階段。例如在教學(xué)評價“老師講課認(rèn)真負(fù)責(zé)，內(nèi)容貼近實際，課堂氛圍活躍”，能夠迅速提取出”內(nèi)容“和”課堂氛圍“兩個向量文本。

2）. 情感傾向性分類（Sentiment Classification）

這一階段需要將評價中提取的關(guān)鍵詞，根據(jù)情感詞典中對詞匯的評分，對每一條評論的所有提取詞進行分?jǐn)?shù)的計算，最后根據(jù)沒條評論的分值來判斷該評論包含的情感是褒義、貶義或者中性。

3）. 評價信息檢索與歸納（Sentiment Extraction）

作為評級分析的最后一個環(huán)節(jié)，評價信息檢索與歸納可以看做是和評價用戶進行交互，是在兩面兩個步驟的基礎(chǔ)上加工進行的，是前兩項任務(wù)的匯總。

3 教學(xué)評價的語言特點

基于數(shù)據(jù)分析的基本運行邏輯，教學(xué)評價的文本特點適合對其進行情感分析。教學(xué)評價的語言整體呈現(xiàn)出以下幾個特點。

3.1 評價指標(biāo)明確，范圍穩(wěn)定，詞匯重復(fù)率高

根據(jù)相關(guān)的研究顯示，教學(xué)評價的文本內(nèi)容主要圍繞四個指標(biāo)，即教學(xué)態(tài)度、教學(xué)內(nèi)容、教學(xué)方法和教學(xué)效果。而每種指標(biāo)下對應(yīng)的具體評價也基本在一定的范圍內(nèi)，例如與教學(xué)內(nèi)容相關(guān)的評價通常集中在“基本概念和原理的講解”、“教學(xué)中重點難點的處理”、“理論聯(lián)系實際情況”和“新內(nèi)容擴充”這些方面。對于這些指標(biāo)的評價語言所體現(xiàn)出的變化性不大，重復(fù)率較高。

3.2 語句結(jié)構(gòu)簡單明了，語法多為固定搭配

教學(xué)評價的語句結(jié)構(gòu)相對簡單，沒有過于復(fù)雜和靈活的語法構(gòu)成，出現(xiàn)較多“n.+adj.”和“v.+adv.”的形式，例如“內(nèi)容豐富”、“語言幽默”、“課堂氛圍活躍”、“老師態(tài)度認(rèn)真負(fù)責(zé)”“講得好”等等。這樣的文本特點在機器進行識別和處理時判斷情感傾向性得準(zhǔn)確率會相對較高。

3.3 語句中帶有歧義的詞匯少

教學(xué)評價中的語句和詞匯很少會存在模糊不清或者有歧義的現(xiàn)象，一般以客觀具體的描述為主，機器出現(xiàn)理解偏差的概率相對較小。

4 網(wǎng)上評教的現(xiàn)狀和問題

如今高校的評教系統(tǒng)基本已經(jīng)全部由計算機來完成，要求學(xué)生在校園網(wǎng)上完成對任課教師的評教工作。而對于高校網(wǎng)上教評現(xiàn)狀的研究和調(diào)查的數(shù)量很大，這方面的研究已經(jīng)相當(dāng)豐富，很多研究顯示目前的網(wǎng)上評教存在的質(zhì)量和效果問題相對較多，網(wǎng)上評教存在的必要性受到質(zhì)疑。以中部省份某大學(xué)（后指Z大學(xué)）為例，目前Z大學(xué)的網(wǎng)上評教系統(tǒng)包括學(xué)生打分和評價兩部分組成，允許對教師分別進行打分和主觀描述。然而給任課老師打分?jǐn)?shù)的有效性在很多研究中都備受質(zhì)疑，其一在于很多學(xué)生存在濫打分的現(xiàn)象，快速勾選分?jǐn)?shù)以圖省事，而不是經(jīng)慎重考慮后再進行評分；其二，學(xué)校的評教系統(tǒng)并沒有提供給學(xué)生一套系統(tǒng)的評分標(biāo)準(zhǔn)來幫助學(xué)生進行評估，而是任憑學(xué)生按照自己的感覺來打分，這樣每個學(xué)生的標(biāo)準(zhǔn)不同，打出的分?jǐn)?shù)很難真實反映教師的授課情況。除此之外，學(xué)生的評教活動大多會在課程即將結(jié)束之時進行，由于新學(xué)期里學(xué)生可能不再繼續(xù)學(xué)習(xí)該課程，便出現(xiàn)了很多評教倦怠的情緒，敷衍了事寫幾句評語。據(jù)調(diào)查，這一現(xiàn)象的原因正是由于學(xué)生認(rèn)為課程是否改善以后也和自己無關(guān)，因此缺乏提出真實想法的動力。而帶著敷衍情緒填寫的教評，對于老師而言也無從對課程改進，導(dǎo)致惡性循環(huán)的形成。

5 大數(shù)據(jù)分析應(yīng)用的前景

大數(shù)據(jù)分析不應(yīng)該僅僅被應(yīng)用于商業(yè)活動中，也應(yīng)該滲透進高校校園中，更好的為學(xué)生服務(wù)。高校網(wǎng)上評教的數(shù)量和信息量巨大，完全由人工來審查不僅費時費力，而且可能會忽略了很多數(shù)據(jù)之間的相關(guān)關(guān)系。大數(shù)據(jù)分析，特別是對文本進行情感傾向性的判斷，能夠快速提取評教中的關(guān)鍵詞并判斷每條評價的傾向性，并將這些數(shù)據(jù)再進行整合歸納，還能夠進一步判斷整個班級對課程的認(rèn)可程度和課堂氛圍，從中挖掘出更多有價值的信息來分析出學(xué)生真實的需求所在，也能夠有效地解決目前網(wǎng)上教評中濫評和倦怠的問題，幫助教師更好地在課程進程中有效的介入學(xué)生學(xué)習(xí)，取得更好的課堂效果。

參考文獻

[1]姜姍.基于情感傾向性分析的教學(xué)評價自動分析方法[D]，山東科技大學(xué)，2015.

[2]劉秀梅.大數(shù)據(jù)時代大學(xué)英語課堂教學(xué)評價體系的構(gòu)建[J]，中國礦業(yè)大學(xué)，2016.

[3]吳勁松.高?！皩W(xué)生評教”利弊分析[J].高教研究，2009，（3）：13-15.

[4]馬秀麟，衷克定，劉立超.從大數(shù)據(jù)挖掘的視角分析學(xué)生評教的有效性[J]， 中國電化教育，2014.

[5]史美東.高校教學(xué)評價學(xué)生評教指標(biāo)的有效性及設(shè)置研究[J]，產(chǎn)業(yè)與科技論壇，2017，（16），225-226.endprint