互联网络远程教学评价

互联网络远程教学评价（精选12篇）

互联网络远程教学评价 篇1

构建网络课堂教学评价指标体系的原则

课堂教学评价是以教育目标的实现为终极目的, 以教学目标和有关教学理论为依据对课堂教学质量进行价值判断的过程。对课堂教学:评价首先要建立评价指标体系。课堂教学评价指标体系是评价目标的具体体现, 是对评价内容的界定, 也是开展评价的依据。有价值的指标体系是定量分析有效性的关键。构建课堂教学评价指标体系应遵循方向性原则、科学性原则、导向性原则、可操作性原则。

网络课堂教学评价的特点

(1) 指标描述的开放性。在教学设计、教学实施、教学内容和课堂文化等四个评价维度中, 每一个方面都是以一种描述性的语言表示的。这种描述性的项目内容使评价者一目了然, 并使他们能够给出比较符合实际的得分级别。

(2) 课堂文化的独特性。课堂文化是本课堂教学评价区别于老课堂教学评价的最显著的特点, 也是外国先进经验的借鉴。积极向上的课堂文化, 创设了一种宽松、和谐的氛围, 一种尊重学生、尊重不同意见的学习环境, 培养了学生的创新意识和创新精神。

(3) 评价目的的明确性。一般而言, 课堂教学评价主要在于评价教师。而本课堂教学评价方案特别重视了课堂教学对学生理解学科可能产生的影响的评价项目, 从而将评价的目的从单纯对教师教学的评价扩展到包括教学对学生产生的影响, 是促进“以学生发展为本”教学的有意义之评价方案。

(4) 评价结果的整体性。本课堂教学评价方案将一堂课的评价分为4个等第, 依据对教学设计、教学实施、教学内容和课堂文化的综合观察的结果, 最后落脚在教学是否促进了学生对学科知识的掌握及应用学科知识能力的形成, 从分散具体到综合整体。

网络课堂教学评价的方案

网络教学学生评价系统包括对学生在这门课程中的考试成绩、作业的评价, 对学习过程参与度的评价等。

发展性评价:

(1) 关注学生在学习过程中的点滴进步和变化, 及时给予学生评价和反馈。在学生学习的过程中不断利用口头评价对学生的发展状况进行评价和反馈, 激发学生的学习积极性, 并有效地促使学生朝向既定的学习目标奋进。

(2) 为学生建立了电子成长档案。让学生收集自己方方面面的资料, 包括父母的期望, 老师、同学和自我的评价, 各次的作业和竞赛成绩, 自己满意的作品, 等等。学生通过成长记录看到自己进步的轨迹, 发现自己的不足, 并以此加强自我反省、自我评价和合作能力。

形成性评价:日常评价、分段评价和期末评价有机地结合起来。在期末成绩中, 日常表现和作业、单元测验以及期末考试各占一定的比例, 有些内容如态度和学习方法等应参考平时评价, 可以在平时分层次、分阶段对学习的不同内容进行测查并结合到学期评价中。使用鼓励性的评语, 客观地对学生的发展状况进行描述, 并提出有利于学生发展的意见。这样做的导向作用是使学生和家长不再只关注期末考试, 体现了形成性评价的精神并将评价融入日常教学中, 做到教评相长。

多元化评价:改变过去单独由教师评价学生的状态, 鼓励学生本人、同学、家长等参与到评价中。在日常教学中, 要注重学生自我评价, 提高他们的学习积极性、主动性和自我反思能力。当学生回答问题或小组合作时, 还可以让其他学生或小组给予评价。

激励性评价:给每一个学生成功的机会。在评价与考试中注重学生差异并充分发挥学生的潜能, 把考试作为查缺补漏和促进学生学习的环节。教学过程中采用即时的口头评价、谈心式的评语激励每一个学生, 特别是对学习成绩不好的学生, 要注重保护他的自尊心和自信心, 评价语言的措辞要谨慎, 让学生更多地看到自己的优势与进步, 对未来的学习充满信心。

互联网络远程教学评价 篇2

关键词：教学 多媒体网络 评价

一、对多媒体网络教学进行评价的意义

多媒体网络教学是计算机多媒体技术、网络通信技术与现代教育理论相结合的产物。

据统计，仅在我国的高等院校，截至到4月就有300多所学校建立了校园多媒体教学网络系统，并相继开展了多媒体网络教学。紧跟其后，许多中小学也建立了校园多媒体教学网络系统，并且继续呈现出一种迅速上升的趋势。而在远程多媒体网络教学方面,教育部于199月批准在清华大学、湖南大学、浙江大学、北京邮电大学四所试点高校开展现代远程教育试点工作，即运用计算机网络技术和多媒体数字技术，在数字化环境下进行远程交互式的学习。，四所试点高校共招收9000名网上学生；19至初，教育部又批准北京大学、财政部会计函授学校、中央广播电视大学进行试点。浙江大学在两年间招收了近3000名网上本科生和 200名网上研究生，并开设了计算机、英语、工商管理等课程。

很多教育专家在调查研究的基础上指出，为了使计算机多媒体教学网络能够很好地为教学服务，在我们装备计算机并将其连接入网的同时，必须解决如下问题：

一是解决教学网络中的信息资源问题。

二是要针对网络教学进行课程改革。

三是要重视教师在网络环境下的职业和技术培训。

浅谈对网络教学评价的策略 篇3

【摘要】随着网络技术的不断发展，网络教学系统各方面日趋成熟。然而，作为衡量这种新型教学系统服务质量核心的网络教学的评价体系还有诸多不足。本文以网络的自身特点和建构主义学习模式为基础，简要论述了可以应用于网络教学方面的一些评价策略。

【关键词】评价策略 建构主义学习理论 教学评价

【中图分类号】G434 【文献标识码】A 【文章编号】1672-5158（2013）01—0285—02

一、引言

建构主义强调，在整个教学过程中由教师起组织、指导和促进作用，学生是学习的主体，利用情境、协作、会话等学习环境要素充分发挥学生的积极性、主动性，最终完成对知识的意义建构。他们认为学习者是在与周围环境相互作用的过程中，通过“同化”与“顺应”两种方式，促进自身认知结构发展。学生的学习不是被动的，而应是主动的，探索式的，协作式的学习。

计算机网络为建构主义教学模式下的主动探索、协作交流提供了无与伦比的教学平台。网络教学打破了地域和时空的局限，实现了双向交互、实时多点交流、广泛的传播、快捷的数据信息收集等多种功能，以网络通信技术、多媒体技术为依托，为建构主义教学理论支起了技术框架。那么在这种“新的学习模式”下，如何进行教学效果和学习结果的评价呢？以下从几方面谈谈开展网络教学的评价策略。

二、网络教学评价的基本要求

（一）开展形成性评价和诊断性评价

学习是一个动态发展的过程，像建构主义学理论下的情境创设，知识的意义建构以及人与人的协作关系都是随时空转换而不断变化的。因此，在网络教学中，我们要充分利用网络的反馈及时，管理方便，省时省力等优良特性，对整个教学过程做跟踪监控、检测、指导。形成性评价也叫过程评价，就是关注教学活动中学生的学习状态、学习态度、应变能力甚至情感、家庭情况等，从中发现问题，及时反馈并相应给出建议和补救方案。此外为了使网络教学更有针对性、预见性，还需对学习者进行诊断性评价。诊断性评价也称置前评价，被安排在教学设计前，是制定教学目标、组织教学内容、选择学习策略的依据。依据置前评价的结果，学习者可以有选择地进行学习。

（二）以自我评价为主，结合教师评价、小组评价等多种评价方式

建构主义主张自主学习，鼓励学生积极参与学习、研究，发挥首创精神，实现自我反馈。学习者每一次实现对原有认知结构的改造与重组，也就是完成了一次自我的肯定、否定、再否定的辩证评价过程。这种自我评价有利于学习者成就感的形成、目标的明确、个性化的培养，使学生由评价客观成为评价主体，提高了学习的参与性，增强了学生的评价能力。网络教学强化了学习的自主性，为自我评价提供了强大的“硬件平台”，同时，我们也不应忽略教师评价和小组评价的作用。教师评价为学生对知识的意义建构提供了一种引导，而学习者之间的相互交流、协商、评价，可能引起各种层次和类型的文化碰撞，价值观的碰撞以及思维的碰撞，这有助于他们在认知层次上达到协同，从而提高教学效果。将三者有机的结合在一起，可以使评价更科学、更合理、更客观。

（三）通过对评价对象的多维度、多层次的评价，提高评价的说服力

建构主义重视个性发展，提倡多情境解决问题，主张发散性思维的培养。以往传统教学的评价参照标准比较单一，往往只依据考试成绩的高低，操作技能的熟练程度，却无视不同学生各异的特质、情感和学习风格，无形之中扼杀了学生个性的发展。而网络教学的出现顺应了个性发展的需要，为自主学习创造了良好的环境。在网络教学中，我们要重视学生综合能力和整体素质的发展，科学地、理性地、全面地对学生进行评价，从知识、能力、品质、态度等多项指标去衡量每一名学生。运用更具个性发展的评价策略，激发学习者潜意识中的学习兴趣，充分发挥他们的积极性、主动性和创造性，使众多更具特色的学习个体融于网络学习这个大环境中。网络技术、通信技术和多媒体技术的不断发展，已经丰富了网络教学的评价手段，具有多项测评功能的评价系统的实现已不再是梦想。

（四）既要有个别评价又要有整体评价

个别评价侧重于学习中学生的差异，而整体评价侧重于从大量信息、数据的背后挖掘学习中存在的共同点。个别评价又包括自我评价和一对一交流的师生评价和学生互评。对于不同的学习个体，由于所处的社会文化背景不同、价值观念不同，再加上由先天素质和后天发展导致的不同的学习起始能力，这就造成了个体之间巨大的差异，因而他们的学习需要也就不同。个别评价不仅能够满足不同的学习需要、提供更有针对性的学习指导，而且还能够促进情感沟通，避免学生屡遭失败“陷入困境”，树立学生自信心。注重个性差异的同时也不要忽略对学习的整体评价。网络教学具有跨度广、规模大、涉及的范围宽等特点，这就使其提供的数据、信息更真实可靠，更具广泛性，更有参考价值。此外，网络传输系统快捷、灵活的特点使数据的采集、搜索、分析更加简易方便。通过对这些大量数据的统计分析，找出隐藏着的学习规律，据此，可以制定出更先进的教学策略。

三、网络教学评价的实施系统

针对以上对网络教学评价几点要求的分析，下面结合现有的网络技术，简要介绍一些可实现的网络教学评价系统。

（一）网络实时评价系统

网络实时评价系统是一个基于Internet的网上虚拟评价环境的模型。学习者可以不受时间、空间的限制，通过公共通信手段，进行文字、图像、视频和音频的异地实时交流。这种评价系统体现了网络教学快捷、灵活的特性，可以为学习者提供及时的反馈，有效地监控、管理学习过程，提高学习效率，增强学习的控制度。

（二）网络考试系统

网络考试系统是一个基于数据库和Internet的远程在线实时测试系统，包括学生考试系统，自动批阅系统和题库管理系统等。该系统可以在任何地点、任何时间进行实时考试，试卷的难易程度可控制，支持自动批卷功能，而且数据的统计分析方便快捷。该系统中的所有考试信息都以数据库记录的形式存储。用户可以用登录的方式从数据库中随机抽取试卷，进行阶段测试和综合测试。信息量大，效率高，管理方便也是网络考试系统的优点，教学者能很容易地从评价结果中获得更深层的信息。

（三）网络答疑系统

目前网络答疑系统主要有在线讨论和互动交流两种形式。在网络答疑系统的数据库中存储了大量的疑问和解答信息，教师可以对这些信息加以汇总和分析，从中发现教学的问题，并及时调整教学方法和策略，改进教学效果。网络答疑系统还提供了搜索引擎的数据库系统，学习者可以通过关键字匹配，问题勾连技术，全文检索等技术快速得到问题的答案。

（四）网络多媒体考试系统

网络多媒体系统是基于Web、多媒体技术和虚拟现实技术的评价模式。在该模式下，服务器和客户端可实现对多种对象的评价。在传统文本型考试的基础上，增加了音频、视频、图形等多媒体数据，并可运用虚拟现实技术组建虚拟考试环境，使各种各样的测评方式得以实施。例如口语测试、技能实验、情感交流等。网络多媒体考试系统以宽带技术、流媒体技术、AG技术为技术支撑。

上面所提到的几个测评系统既可单独使用，也可联合起来进行教学评价。例如，可利用实时系统开展形成性评价和个别评价，也可通过答疑系统进行小组评价和诊断性评价，还可以将网络考试系统和答疑系统结合起来对学习整体评价。

四、结束语

各种形式的网络教学才刚刚兴起，各方面工作都亟待提高，此时对整个教学服务质量的评价显得尤为重要。我们应把先进评价理念和现有的评价技术有效地结合在一起，采取适当的网络评价策略，优化网络教学。

参考文献

[1]张倩苇、桑新民：《网络环境下学习评价新模式的探索》《中国远程教育》，2002年

[2]毛新勇：《建构主义学习的质量控制与评价》，《教育发展研究》，1999年

网络教学中的评价系统设计 篇4

网络教学评价属于教育评价的子范畴, 具备教育评价的三个方面的含义 (价值判断、评价发展、参照标准) 。然而, 网络教学评价与传统教学评价相比, 又体现出鲜明的特色:

1、评价的过程性

注重过程性评价, 强调对网络教学的过程进行实时的监控。了解学员的学习动态, 激励学员的学习兴趣, 利用及时反馈信息来指导、调控甚至补救网络教学与学习活动。

2、在评价主体上体现多元化, 进行综合性评价

综合性评价是指对学员个体在教学活动过程中所表现出的基础知识、基本技能、学习方法、学习态度、能力的体现及发展等进行考察评估, 并结合终结评价即考试评价的结果, 对学员进行较全面的综合性评价。以往的教学模式中, 对学生学习的评价主要是由教师作出的, 往往单凭考试成绩衡量学生的学习水平。这是一种自上而下的单向评价, 学生只是被评价者, 只能被动、消极地接受, 没有评价的权利。这样不能客观地反映学生的发展程度, 不利于学生自我评价能力的发展, 也不利于学生主体的培养和发展。注重培养学生的自我评价能力, 可以引导学生对自身不断进行思考, 不断校准自己的行为和目标之间的差距, 不断地改进自己的行为, 从而更好、更快地实现目标。

3、评价的实时性

网络实时评价是指学员完成作业后, 系统能及时对作业进行评价, 并把结果及时反馈给师生。网络实时评价体现了网络教学快捷、灵活的特性, 可以为学员的学习效果提供及时的反馈, 有效地监控、管理学习过程, 提高学习效率, 增强学习的控制度, 并及时调整教学。

二、网络教学的评价要素

教学目标与测试标准是否一致是教学能否成功的关键。参照标准越是接近教学目标, 达到的教学效果也就越接近理想的状态。评价指标体系就是具体化了的评价标准。作为一种规范, 评价指标体系是明确的、可测量的, 可被观察到的。

网络化教学可以从教师、学员及教学资源三方面进行评价。

三、评价学员的学习成果的具体实现

评价学习成果主要采用“逐步逼近法”。“逐步逼近法”的优点是计算简单, 不仅适用于个别化的教学, 也适合于集体授课的教学模式, 而且避免了评估中的主观随意性, 最后的评估结果也符合学员的实际认知能力水平。由于它更适用于用计算机来实现, 所以在网络教学中多采用逐步逼近法对学习成果进行评价。

逐步逼近法是这样实现的:

1、学员登录时先检查是否存在该

生的认知能力记录表, 如果没有, 就对学员进行一次测试用于首次确认学员的综合认知能力值。值为[0, 500]内的任一整数 (取最大值500为了计算方便) 。0和500表示对应最弱和最强的认知能力。系统提供五种等级区段用来直观的显示学员的综合能力:

很差=[0, 100]、较差=[100, 200], 中等=[200, 300]、良好=[300, 400]、优秀=[400, 500]

在以后的逐步逼近过程中可以不断修正。这样我们就得到了该生的综合认知能力值, 即“初估值”。

2、根据上次评估值, 我们在测试

阶段, 从题库中选取适合学员综合认知能力值的题目进行测试。根据做题的对错, 系统对“能力值”做出修正。

具体的算法如下:

if正确then能力值=能力值+每级别分值*试题难度等级

else能力值=能力值-每级别分值*试题难度等级

解释:级别分值可由教师设定, 系统默认级别分值为1分。

显然, 本次评估值与上一次评估值相比, 在对学员综合认知能力的评估准确度上又接近了一步, 如此继续下去。学员每前进一个阶段, 认知能力评估值要修改一次, 而每一次修改都要比前一次更接近准确值, 实现了利用“逐步逼近法”对学员的综合认知能力进行评价的功能。

四、结束语

总之, 基于网络环境下的教学质量评价体系弥补了传统教学质量评价体系的不足, 是保障高等学校教育教学质量不断提高的有效机制, 是提高高等教育教学质量的有力保证。它弥补了目前我国教学评价过程中信息收集不足、很少进行形成性评价的不足;另外评价结果的实时反馈对于指导、调控甚至补救教学与学习活动提供了更加及时有效的帮助信息。

传统课堂教育的质量保障体系是在经历了数百年的发展才逐步形成和完善起来的, 对于网络化教学这一全新的教育方式, 建立一套科学实用的质量保障体系也需要教育工作者长期不懈的探索与实践。

参考文献

[1]余胜泉:《基于互联网网络的远程教学质量评价模型》[J].开放教育研究, 2004, (1) .[1]余胜泉:《基于互联网网络的远程教学质量评价模型》[J].开放教育研究, 2004, (1) .

[2]姜宇:《多媒体网络教学评价的基础和内容》[J].黑龙江生态工程职业学院学报2007年7月第20卷第4期[2]姜宇:《多媒体网络教学评价的基础和内容》[J].黑龙江生态工程职业学院学报2007年7月第20卷第4期

互联网络远程教学评价 篇5

问题探究式网络课堂教学效果评价模型设计

将问题探究式的课堂教学放在网络这个特殊的`环境情景中,即建立一个问题探究式课堂教学效果评价(Evaluating the Effect of Problem-inquiry Teaching based on Internet,以下简称为EEPTI)模型,通过评价EEPTI模型,就可以发现问题并解决问题,从而达到提高教学效果的目的.

作 者：张妍 ZHANG Yan 作者单位：华南理工大学,政治与公共管理学院,广州,510640刊 名：重庆工学院学报(自然科学版) ISTIC英文刊名：JOURNAL OF CHONGQING INSTITUTE OF TECHNOLOGY年，卷(期)：21(10)分类号：G642关键词：问题探究式 课堂教学 网络 模型

互联网络远程教学评价 篇6

关键词：计算机教学网络立体互动评价

研究意义

近几年大部分高职院校开始探索教学改革活动，对培养高职学生的能力起到了一定的积极作用。计算机课程和其它课程一样，随着教学改革的深入，凸显出一些新的问题和矛盾。

一是多数教师（学生）没有做到有针对性的思考或评价自己教学（学习）的多纬性，主要是对教学（学习）过程中自己的教学（学习）效果期望、后悔（期望的落差）、满意（期望的满足）以及对此采取的教学（学习）措施进行思考，没有对期望的落差采取及时的措施以应对，没有对期望的满足进行总结以提高，即没有形成横向互动（对于教师（学生）的个人互动）。二是教学与学习缺少纵向横向立体互动。不仅缺少对学生的概念知识、基本技能、解决社会实践问题等经度上的教师的期望、落差、满意和措施，而且缺少对教师的教学态度、教学内容和效果、实践教学和创新能力等经度上的学生的期望、落差、满意和措施。

论文针对上面列出的教学评价缺陷，提出了高职计算机课程教学的网络立体互动评价。在通过现代网络站点技术实现师生教学在线互动评价（网络笔记）、在从多经度多纬度实现师生教学的立体互动评价、在提高教学效果、在培养高技能人才等方面具有重要意义。

研究现状

网络笔记，有些学者称为教学日志，通常是通过网络技术书面记录和描述课堂教学中教师和学生的言行和行为、或者方法、策略进行的持续的记录，这种记录是反映教师对自己的教学进行反思、改进和总结提供了真实、生动的活化石（Richards & Farrel， 2005： 68）。网络学习笔记是学生对以前学习的思考以及今后该采取什么措施，为学生学习的提高提供了很好的手段。Nunan （2001）认为内省或反思是一种观察学生的思想、动机、推理过程、思想状态及记录学习者网络学习经历的有效手段，实际上就是“学生和教师之间的书面交流”（Genesee & Upshur， 1998： 120）。国外对师生网络笔记有深度的理论探讨和实践探索。国内对教学和学习笔记方面的研究也有涉及。如，赵恕敏（2009）对教学笔记作了全面介绍，提出应遵循具体性、客观性、经常性和批判性原则。夏章洪教授（2013）从平面性质的教学笔记中导出“雷达图”平面图来评价教学效果。国内对教学和学习笔记的理论探究或实践，两者结合的研究不多，对网络环境下的师生对话式教学和学习笔记研究更是少见，通过“雷达图”的教学效果评价又是采用平面模式进行的。以上方法针对文科英语等课程教学效果的评价可能是够的。由于计算机相关专业有更高的教学和学习要求，我们认为利用师生撰写立体感观的网络笔记及其立体教与学的互动来促进高职院校的计算机教学，可以有效提高教与学的效果。

实施办法

（1）构建师生立体互动教学和学习笔记网络平台

平台包括：教学笔记、学习笔记区：供学生、老师撰写笔记、发帖交流；多层立体“雷达图”评价区：通过网络发帖交流，形成对师生的立体“雷达图”评价图；对老师、网络平台投票区：对老师的教学进行投票，对网络平台的实用性进行投票。等等。

（2）构建高职计算机多层立体“雷达图”评价

期望切面“雷达图”评价图师生网络立体笔记的主题和素材，既可以包括关于教师各个经度上的教学效果期望、后悔、满意以及对此采取的教学措施，也可写学生各个经度上的学习效果期望、后悔、满意以及对此采取的教学措施。多层立体“雷达图”多层立体“雷达图”评价有多个切面，分别是期望切面（评价值有高、低、一般等）、落差切面（评价值有失望、很失望、特失望等）、满足切面（评价值有满足、一般、特别满足等）和措施切面（评价值有得当、不得当、特别得当等）等等，每一个切面的计算机教学评价指标体系有六个经度，针对学生的评价有3个：概念知识、基本技能、解决社会实践问题，针对教师的评价也有3个：教学态度、教学内容和效果、实践教学和创新能力。

参考文献：

[1]Genesee， F & J. A. Upshur. 1998. Classroom-based Evaluation in Second Language Education. Cambridge： CambridgeUniversity Press.

[2]Nunan， D. 2001. Research Methods in Language Learning. Cambridge： Cambridge University Press.

[3]Richards， J. C. & T. S. C. Farrel. 2005. Professional Development for Language Teachers. Cambridge： Cambridge University Press.

[4]赵恕敏， 2009， 教学日志：网络教师反思性教学的有效途径， 《大学教育科学》第2期。

网络教学评价系统的开发与应用 篇7

高校教师的评价主要包括专家评价、同行评价和学生评价。学生既是教学活动的对象, 也是教学活动的主体, 由于学生自始至终参与教学的全过程。因此学生评价在整个评价过程中占有十分重要的作用。而传统的学生评价多采用调查问卷的方式进行, 不但费时、费力、容易出错, 而且还受到时间、地点的限制。而采用网上评价的方式可以使学生在方便的时间和地点对教师做出公正的评价。同时由于是计算机进行评价的计算, 评价结果的公平与公正性得到了很好的保证。

1、系统结构的选择

目前常用的网络系统的开发结构为C/S (Client/Server) 结构, 即客户机和服务器结构。和B/S (Brower/Server) 结构, 即浏览器和服务器结构。它是随着Internet技术的兴起, 对于C/S结构的一种改进结构。在这种结构中, 用户工作界面是通过WWW浏览器来实现的, 极少部分事务逻辑在前端 (Brower) 来实现, 主要的事务逻辑在服务器端 (Server) 实现。这样的结构设计, 大大简化了客户端电脑的负荷, 减少了系统维护与升级的成本和工作量, 降低了用户的总体成本 (C T O) 。因此, 本系统采用C/S结构开发。

2、开发工具简介

系统前台采用Dreamweaver 8设计用户界面, 后台采用ASP.NET作为开发工具, 使用Microsoft SQL Server 2005作为网络数据库管理系统。

2.1 ASP.NET简介

ASP.NET是Microsoft公司推出的新一代建立动态Web应用程序开发平台, 是一种建立动态Web应用程序的新技术。它是.NET框架的一部分, 可以使用任何.NET兼容的语言 (如Visual Basic、C#) 编写ASP.NET应用程序。当建立Web页面时, 可以使用ASP.NET服务器端控件来建立常用的UI (用户界面) 元素, 并对它们进行编程来完成一般的任务。它具有高效的运行性能、简易性、灵活性、可管理性等特性, 是目前主流的网络开发技术之一。

2.2 SQL Server 2005简介

SQL Server 2005是一个全面的数据库平台, 它使用集成的商业智能 (BI) 工具提供了企业级的数据管理。SQL Server 2005数据库引擎为关系型数据和结构化数据提供了更安全可靠的存储功能, 可以构建和管理用于业务的高可用性和高性能的数据应用程序。

3、系统模块功能详细设计

通过对于使用部门的调研和用户需求分析, 建立了本系统结构。主要包括前台的学生评教和后台评价管理两大部分。

3、1 前台学生评教

学生首先要选择专业和学期, 然后输入自己的学号和密码, 就可以登录到本系统对教师进行评价。这部分设计有两个问题值得注意。第一个问题是学生评价只能进行一次, 不能重复进行。解决这个问题的方法是建立一个评价标志位, 学生在进行评价前先判断该位是否已评, 如果已评则提示学生不能再进行评估, 然后退出本系统。同时通过此评价标志位可以统计出学生的参评率, 也能够查看未参评学生名单。第二个问题是评价数据的完整性问题。即学生只评价了几位教师后, 由于断电、断网等原因退出本系统, 则应认为此部分评价数据无效。应删除这部分数据, 重新进行评价。解决这个问题可使用数据库中的事务处理机制, 因为如果一个事务作为一个整体是成功的, 则事务中的每个任务都必须成功。如果事务中有一部分失败, 则整修事务失败。在前台模块中除了学生评教以外, 还可以进行密码的更改、对于使用本系统的留言等功能。

3、2 后台评价管理

后台评价管理根据使用者的不同分为三级, 主管教学领导、教学秘书、教学管理员。使用者输入用户名和密码后, 还应选择其对应的权限才能进入本系统。进入系统后, 根据用户权限的不同分别映射到不同的管理页面中。可以灵活利用session变量来实现此项功能。

3.2.1 主管教学领导实现的主要功能

对于主管教学领导来说, 他主要是能够查看教师的评价结果。可以全部查看, 也可以按系部查看, 还可以输入教工号来查看某教师的评价结果。从而对任课教师的教学情况进行全面的了解。

3.2.2 教学秘书实现的主要功能

(1) 学生本学期的课程和任课教师的安排。这也是学生评估的基础工作。

(2) 新专业的建立。如果没有此专业则不能导入此专业学生信息。

(3) 学生信息的导入。这部分功能分为两步进行, 第一步将本地已经做好的Excel文件利用文件上传对象上传到WEB服务器上特定目录上。第二步将WEB服务器上的Excel文件中的数据利用RecordSet对象读取出来, 并写入到SQL数据库中。

(4) 旧专业的删除。实现此功能时还应考虑到删除属于该专业的学生。

3.2.3 教学管理员实现的主要功能

(1) 在评估结束后, 清除学生评价标志位, 为下一次评估作准备。

(2) 根据教师担任的某门课程生成评分记录, 帮助教师掌握教学效果。

(3) 统计各个系部的参评率, 并生成未参加评估学生名单备用。

(4) 为各系秘书建立或删除使用账号。

(5) 根据教师的评分情况生成排名表。

(6) 数据库的备份与恢复。

4、结束语

本系统自交付运行以来, 工作可靠, 性能稳定。学生普遍放映系统界面良好、操作使用方便。教师对于评价结果也都比较认可。本系统对于促进教师教学, 提高教学质量起到了十分积极的作用。

摘要：随着高校教学质量课堂教学评估工作量的不断增加, 其复杂性也越来越大, 这使得高校教学评估工作的信息化和网络化势在必行。针对本校教学评估模式, 开发了基于B/S的网络教学评价系统。采用ASP.NET开发用户界面, 利用SQL Server2005作为后台数据库。经过实际使用, 系统性能稳定, 运行正常, 完全能够满足教学评估的需要。

关键词：网上评教,C/S,B/S,教学管理,信息系统

参考文献

[1]吴晓刚主编.SQL Server 2005数据库原理与实训教程.北京交通大学出版社

[2]翁健红主编.ASP.NET程序设计.机械工业出版社

[3]梁晓晖主编.ASP.NET网站开发实用教程.机械工业出版社

互联网络远程教学评价 篇8

一、理论基础

1. 建构主义与自主学习理论

作为一种新的学习理论, 建构主义认为在教学上应以学习者为中心进行教学, 强调把学生放在教育活动的中心, 提倡探究性的学习、讨论、合作学习、个别化教学以及利用现代信息技术手段进行教学。自主学习理论认为自主学习至少应包括以下五方面内容:学习目的明确;学习动机明确;掌握学习策略;能正确评估学习结果并适时调整学习策略;拥有自主权和学习资源。学习者确立明确的适合个体需求的学习目的会激发学习动机, 主动探索学习策略, 在教师的帮助下应能掌握评估学习的方法, 并及时进行内省和反思, 调整学习策略, 逐渐发现最适合自己的学习方法。随着自信心的增强, 对教师的依赖性会随之降低。

2. 人本主义教学思想

人本主义强调学习者的主体因素和心理环境, 尊重学生的个人情感和个人需要, 提倡人本教育。其代表人物罗杰斯认为:人类具有天然的学习潜能, 但是真正有益的学习只发生在所学内容与学习者具有相关性和学习者能主动参与时。这种教学思想的重要观点是, 将学习者视为完整的个体, 他们有智慧和情感。

3.“输入假设”理论

克拉申关于外语学习的“输入假设”理论要点是, 理想的输入应该做到既有趣, 又有关联, 并且有足够的输入量, 教师应为学生提供大于学生目前语言能力的信息输入量;同时, 创设轻松愉快的学习氛围, 使学生在心理障碍最小的状态下轻松地进行语言习得。适当的语言输入和适度的情感过滤可以激活学习者的第二语言习得机制, 促进其语言习得, 产生良好的“i+1”学习效果。

鉴于以上理论与背景, 我们进行了网络环境下大学外语听说教学评价体系研究, 以建构主义和自主学习为理论支撑, 以形成性评价为手段, 以多维互动式交际法教学为导向, 目的是研究适合我国英语听说教学的评价方法, 为学生和教师双向提供评价依据, 提升听力和口语活动的效果, 使培养学生英语运用能力的教学活动更具有可行性和可操作性, 切实以学生为中心点来提高其语言运用能力和自主学习能力。

二、研究方法

1. 研究目标

通过对学生在网络环境中自主听力和相关口语活动自主评价意识的培养, 帮助学生学会对自己的学习效果进行自我评价和同伴互评, 从中发现自己学习中的问题和不足, 反思自己的学习行为, 调整自己的学习内容及策略, 争取更好的学习效果。正确地进行评价不只是对过去的学习情况做出检测, 更重要的是为学生今后的发展提供支持性信息, 使他们发现自己的口语表达潜能, 并对自己的语音、语调和表达方式及表达内容加以关注, 在获得学习上的成就感的同时, 增强学习自信心, 提高学习效果。通过网络环境下的教学, 力求使大学英语教学突破传统课堂教学的局限, 朝着个性化学习、策略化学习、主动化学习的方向发展, 以提高学生自主学习能力和英语综合运用能力。通过实验, 大胆改革旧的语言教学评价体系, 把形成性评价和终结性评价相结合, 以考察语言应用能力和改革口语考试为突破口, 探索大学英语听说考试内容、方法及学生素质综合评价的新途径, 构建符合素质教育思想的评价内容和标准, 逐步建立促进学生的全面发展和个性发展相统一的学生素质发展评价体系。

2. 研究内容

本研究以笔者所在学校2008级开始的本科学生为研究对象, 进行教学实证研究, 在大学英语拓展课视听说组设立了实验班和对照班, 使用定性研究和定量研究相结合的方法, 辅以调查问卷、课堂观察、学生学习记录、教师教学记录等方式, 对实验效果进行了检验。我校本科学生实行大学英语四学期制, 其中, 第一、二学期为基础学习, 每周两次课, 包括一次综合、一次听说;随后的二学期实行拓展课制。所以, 在学生入校后的第一年里对学生听说能力自主学习能力的培养尤为重要。本研究侧重点在于如何为网络环境下的自主听力和相关的口语活动建立合理的评价体系, 既能够为学生和教师提供定期反馈, 又能够作为一种监督手段, 体现个体差异, 体谅学习情感, 还可以不断促使学生明确学习目标, 调整学习策略, 更为教师在教学改革探索过程中及时调整教学方法和手段提供依据。

本研究首先建立了课堂听力口语活动评价量表, 随堂应用, 具体衡量学生对听力材料的把握程度、学生听力学习的认真程度、口语的语音、语调、表达内容、表达方式、用语选择、自信度、自由度、身体辅助语言以及辅助材料选择等相关方面, 包括学习者自主和教师自主双向评价, 通过学生自我评价、同伴互评和教师评价三种形式同步综合进行, 并使用大脑思维图示分析学生口语表达的思维过程, 不仅加强自我监督和同伴监督意识, 并能使教师更好地对学生的输出过程及结果进行合理分析。其次, 把课程体系分成三个层次:语言基础、语言技能和语言应用。对于不同水平的学生提出不同的教学要求, 采用不同的教学方法。A级学生水平较高, 已掌握了基础知识和技能, 对他们的要求是提高语言应用能力, 采用任务型教学法更为有利;B级学生语言基础知识较好, 语言技能要进一步操练, 进行一学期的语言技能培养, 语言应用能力在第二、第三学期培养;C级水平的学生, 语言知识和技能都有待提高, 更需要语言知识的扩大和语言各种技能如听、说、读、写、译的训练。

根据分级、分层教学体系, 考试形式和内容也根据课程体系分级、分层。每个级别都在测试话题、交际功能、测试重点等方面有所变化。我们分别对三个级别水平的学生建设了三个级别的试题库。1级:朗读、理解与问答、复述故事等;2级:描述评论、就特定话题讨论等;3级:情景对话、角色扮演、就特定话题深入讨论、辩论、演讲等。期末口语考试根据学生目前的水平, 我们从试题库中选取了与课上所学内容相关的试题, 现场抽签进行考试, 由两位老师担任主考, 以大学英语四、六级口语考试的评分标准为基准进行打分, 避免了原来的一名教师给分的主观性。

三、研究结果

通过对实验结果的定量分析发现, 实验班两次期末测试各项成绩均优于对照班, 听力及口语考试通过率最高达到99.4%, 最低也达到了85.5%, 明显高于年级平均水平。通过定性分析发现, 这种评价方式能帮助自控能力强的学生明确学习目的, 调整学习策略, 进行持续、有效的学习;同时, 对于缺乏自信心、成绩较弱的学生也产生了明显效果, 学生通过自我评价树立了自主学习的意识, 并认识到了需要达到的学习目标与他们当前的知识水平、理解能力与技能水平之间的差距, 有助于引导他们采取切实行动积极缩小这种差距。

在研究中我们发现, 下面的因素对有效评价体系的顺利进行起到重要作用。

1. 情感因素

情感因素包括动机和信任两个方面。在动机的发展顺序中, 较为高级的是成就动机, 这需要形成真正的自我动机。在自我动机形成过程中, 成功地完成越来越困难的任务是自我满足感的源泉, 同时还使学生产生了取得更大进步的愿望。当学生达到这种动机水平时, 他们就拥有了成为真正的“自主学习者”所需要的动机。如果学生能够在学习过程中连续取得好成绩, 就会形成积极的自我概念和自尊的态度, 这些是促使形成稳定的个人人格的重要方面。另外, 动机是双方面的, 教师应该致力于帮助学生的学习, 为研究和学习创立条件, 强化学生学习的认知技能, 并在形成性评价中依靠成功的教育成就引起的动机来加强进一步的学习。

信任来自教师、同学和自己三个方面。教师是引导教学的灵魂人物, 应始终保持鼓励性的态度, 给予学生建设性的意见, 并敏锐地感觉学生的情感变化;同学之间应建构团结和谐的内在环境, 互相支持;学生自己要有自信心, 只有自信才能够勇敢地面对自己的缺点和困难, 主动寻求解决的方案以便不断地改进。

2. 任务因素

任务因素包括教学内容和衡量标准两个方面。教师应把握具体教学任务的关键因素和难点所在, 能够指出并明确高质量工作应达到的标准, 让学生清楚所要求达到的目标。教师制定标准时应符合学生的程度, 并通过描述、举例等方式让学生明白并接受其作为衡量自己学习的标准。

3. 结构因素

在结构因素中, 首先要注意的是相互关联, 每项任务的最终成型作品能够受益于形成性评价的过程, 下一步的学习任务也应能受益于已进行的形成性评价;其次, 要注意评估关联, 对于每项任务进行形成性评价时, 不必削弱终结性评价的作用, 二者处于互补的关系。

4. 过程因素

评价过程包括三个方面: (1) 自评。教师帮助学生发展自我评估的技巧, 学生逐步通过自评懂得应该为自己的学习承担责任。 (2) 同伴参与。教师鼓励学生间的合作和互评, 学生们在相互的评估中逐步学会如何提出建设性的意见, 如何尽自己所能帮助同学。 (3) 教师监督。教师应持续监督学生的学习, 跟踪学习的过程和进展。

评价过程中, 教师要发现阻碍学生通往成功之路的难点和误区, 同时也要发现学生作品中的可贵之处和进步之处, 给予学生反馈时应寻找学生易于接受的时机。反馈内容应该寻找易于产生最大效益的突破口。反馈意见应该指出学生的缺点, 更应该指出优点所在, 应该有说服力, 理解学生的需求, 并真正有利于学生。

四、评价体系应注意的问题

测试的信度是指在不同时间进行的各种评估活动的结果的一致性。效度即有效性, 指一个测验能测出预定要测量的事物的程度, 或能够引起预报作用的程度。英语测试的效度就是要考查学生的英语综合水平, 看这种测试能在多大程度上把学生的真实水平测试出来。信息的可靠性主要与信息的持续性收集有关, 要求形成性评价中教师有目的有针对性地不断收集一个时期内从头至尾的信息, 避免信息间断造成的片面性和盲目性。形成性评价往往具有主观因素, 学生的自我评估和他评的标准往往会因人而异, 每个人的具体学习目的不同, 会影响形成性评价的内容和结果, 在评价过程中很容易受到被评估对象的个人因素影响, 比如性格内向或外向、学习焦虑程度、口语发音、表述能力等, 而使评估有失公正。教师和学生接触较多后也会受到潜意识中对学生印象的影响, 在评价过程中产生误差, 因此要有综合测试对学生的综合能力做出客观评判。

五、结论

此评价体系为教师及学生提供了网络学习环境下以鼓励为特征的高质量的有效即时评估, 使学生的学习目标和策略更加明确, 学习动力增强, 学习效率也随之进一步提高。这将帮助学生形成自我激励、自我监控的自主性学习, 同时, 在客观上促进新世纪大学英语的教学效果不断提高, 达到大学英语教学的近期目标。通过自我评价、同伴评价等评估方式形成自主学习的习惯, 引导学生进入学习的良性循环状态, 这将有利于学生保持长期的自主学习英语的习惯, 建立一套长效学习机制, 进一步促进学生个人英语综合素质的不断提高, 达到教学活动最为根本的长远目标。因而, 我们预期本课题研究在大学英语教学领域有一定的推广价值, 能为学生的终身性英语学习起到切实的促进作用, 能为教师的英语教学提供方法论和实际可行的评价依据。

摘要：合理有效地进行教学评价, 使其对教学起积极的反拨作用是多媒体网络技术运用于大学英语课堂的关键性元素。以教学实证研究为依据, 阐述了如何为网络环境下的自主听力和相关的口语活动建立合理的评价体系, 并指出影响有效评价体系顺利实施的相关因素。

关键词：听说教学,评价体系,网络环境

参考文献

[1]夏纪梅.现代外语课程设计理论与实践[M].上海:上海外语教育出版社, 2006.

[2]加涅, R.M.学习的条件和教学论[M].上海:华东师范大学出版社, 2001.

[3]Steffe, L.P&Gale, J.Constructivism in Education[M].Lawrence Erlbaum Associates, Inc.1995.

[4]Gagn, R.The Conditions of Learning (4th.) [M].New York:Holt, Rinehart&Winston.1985

[5]Kifer, E.The impact of success and failure on the learner[J].Evaluation in Education.International Progress, 1977, 4 (3) :283-359.

互联网络远程教学评价 篇9

教学质量评价中有许多模型,如主成分分析、因子分析、聚类分析和模糊聚类等。但这些模型基本上都是基于数学模型,它们存在以下不足:(1)为了便于建立数学模型,在对高度复杂的评价问题进行解析时进行了许多简化,影响了评价模型的准确性和有效性;(2)由于指标多而细,高度相关现象明显,存在指标间的信息重复问题,给分析带来了不必要的繁琐;(3)各因素的权重确定困难,主观成分多;(4)这些模型对评价的非线性拟合的差异不稳定且可衡量性差;(5)缺少智能性,范化能力弱;(6)依据这些模型开发的评价系统没有学习能力,灵活性、开放性、适应性差。

因为人工神经网络的建模,是一种自然的非线性建模过程,毋需分清存在何种非线性关系,通过分析大量的样本数据后,自动确定神经网络权值系数,从而对教学质量进行评价。

在教学评价上,近几年主要是建立基于BP网络的评价模型,取得了很多成果。但这些研究显然是初步的,应用效果也受到限制。主要原因,一是BP本身有局部极小等缺陷,二是在神经网络与质量评价的结合上还没有取得突破性进展。因此,有必要拓宽思路,引入新的方法,构建新的评价教学质量评价模型。

1 RBF网络进行教学质量评价的原理

图1是径向基函数网络结构图。

图中输入层的任一节点用q表示,隐含层的任一节点用i表示,输出层的任一节点用k表示。网络有M维输入空间,P个输入向量(q=1,2,…,P),N个隐层神经元,L维输出空间。ɸ为隐层节点的激活函数,称为“基函数”。隐层神经元将自己的基函数中心Ci与输入向量Xq=(x1q,x2q,…,xMq)(表示第q个输入向量)之间的距离乘以本身的阈值bi作为自己的输入。它实现由输入Xq到输出Yq=(y1q,y2q,…,yLq)的映射。对于输出节点k有

式中,yKq为输入向量Xq所对应的L维输出空间中的第k个输出;Ri为某一类非线性径向对称基函数;||·||为欧氏范数,表示Xq与Ci的距离;wik为隐层第i个神经元与第k个输出节点的连接权。

最常采用的径向基函数为Gauss函数:

式中,Ri为隐层第i单元的输出;δi为Gauss函数的扩展常数,控制围绕中心的分布,δi越小,就越具有选择性。

神经元的参数Ci确定了Gauss函数的中心,当输人向量Xq与Ci重合时,Gauss函数的输出达到最大值,Xq距离Ci越远,神经元的输出就越小[2]。

用RBF网络来进行教师教学质量评价,工作可以分为测评打分、训练学习和测试应用三个阶段。在测评打分阶段,专家按照制定的测试标准、测试程序,通过发放测评量表,取得对教师的教学质量评价数据,并进行综合归纳和归一化处理。在训练学习阶段,将处理后的测评数据作为RBF神经网络的训练样本,输入给RBF网络。网络经过训练学习并满足要求后,就可以进行测试应用,输入测评数据后其输出即为所对应的评价结果。因为神经网络具有泛化功能,能较好地识别未出现过的样本。

2 教学质量评价指标体系的构建

本文以陕西某高职院校教学质量评价的指标体系为依据(见表1),建立了基于RBF神经网络的教学质量评价模型。

3 RBF神经网络在教学质量评价中的应用

3.1 网络结构设计

评价网络的结构设计主要是根据要解决的具体问题,确定网络的输入空间、输出空间,确定网络隐层节点数和基函数。

本设计中,因为指标体系二级指标设置了20项,则输入空间维数M=20;输入向量X=(X11,…X21,…,X54);网络运行的结果将产生一个输出,则输出空间维数L=1,输出为Y;基函数选用Gauss函数。

在RBF网络中,隐层神经元数N的确定是一个关键问题,其范围:输入空间≤N≤样本数。基本思想是:用径向基函数作为隐层单元的“基”,构成隐含层空间。确定过程是:从第1个神经元开始训练,通过检查输出误差使网络自动增加神经元,训练样本每循环计算一次后,用使网络产生最大误差所对应的训练样本作为基函数中心Ci产生一个新的隐层神经元,然后重新计算,并检查新网络的误差,重复此过程直到达到误差要求或最大隐层神经元数为止。本设计即采用此方法[3]。

3.2 RBF网络参数的确定

网络的参数要通过学习来确定。由RBF的结构可知,评价网络有以下参数需要确定,即径向基函数的中心点Ci和扩展常数δi;输出层和隐含层连接权重wik。因此RBF神经网络的学习过程可分为两步:RBF网络径向基函数的中心与扩展常数选择,网络输出层和隐含层权值之间的确定。

基函数的数据中心Ci从样本中选取,样本密集的地方中心点可以适当多些,样本稀疏的地方以适当少些;若数据本身是均匀分布的,中心点可以均匀分布。总之,选出的数据中心要有代表性。

扩展常数的确定取决于输入向量之间的距离,要求是大于最小距离,小于最大距离。扩展常数过小,将需要更多的神经隐层神经元数目,出现过适性;扩展常数过大,则每个神经神经元都基本相同,无法进行网络设计。为了避免每个径向基函数太尖或太平,δi可按下式设定:

式中,dmax是样本之间的最大距离;P是样本的数目[4]。

3.3 训练样本集的确定

训练样本集的确定是神经网络准确进行教学质量评价的关键环节。这里使用2010年的10名教师的评价数据,将其规一化:成绩/100,作为进行神经网络训练的初始输入数据,得到对应的训练样本(见表2)。为了提高训练样本的代表性,这10名教师的选取考虑了职称、学历、年龄、性别,以及专家评价的优、良、中、差不同格次等因素。

3.4 Matlab仿真和结果

仿真评价的结果与专家评价的结果非常接近,说明模型具有良好的容错性和泛化能力[5]。

4 小结

通过仿真证明,此方法输出结果与专家评价结果之间的误差很小,表明RBF神经网络方法用于高校教师教学质量评价是完全有效和合理的。

摘要：高校教学质量的评价是一个多因素、多变量、模糊的非线性过程。运用RBF神经网络建立教学质量评价模型,可以较好地解决传统评价模型中数学模型难以建立、评价因素相关、评价主体主观因素影响等问题。选定训练样本,确定网络结构和参数,经过训练得到RBF网络,并进行了仿真验证。结果表明,该方法具有广泛的适用性。

关键词：教学质量评价,RBF神经网络,指标体系

参考文献

[1]从爽.径向基函数网络的功能分析与应用的研究[J].计算机工程与应用,2002,(3):85-87.

[2]Stephane Mallat.A Wavelet Tour of Signal Processing(second Edition)[M].1999 by Academic Press(TranslationCopyright 2002 by ChinaMachinePress),23-27.

[3]田景文,高美娟著.人工神经网络算法研究及应用[M].北京:北京理工大学出版社,2006:178-196.

[4]Demuth H,Beale M.Neural network toolbox user'sguide(version 4)[Z].The Math Works Inc.,2001:221-246

互联网络远程教学评价 篇10

本文的研究目标是通过对现有评价指标、评价方法的分析, 建立有效的教学评价模型, 并实现相应的网上教学评价系统设计。结合BP神经网络, 给出了一种非线性的教学评价模型, 训练好的BP网络模型根据测评数据, 就可得到对评价对象的评价结果, 实现定性与定量的有效结合。

1 BP神经网络模型

(1) 输入/输出节点。输入/输出节点是与样本直接相关的。根据沈阳工业大学教学质量评估指标体系, 将二级评价指标作为模型的输入神经元, 因此系统的输入层神经元的个数为二级指标的个数。将评价结果作网络的输出, 输出层神经元个数为1。

(2) 层数。由于BP网络的功能实际上是通过网络输入到网络输出的计算来完成的, 因此隐含层数越多, 神经网络学习速度就越慢。但是只含有一个隐含层的BP网络就可以逼近任意的非线性函数。因此, 本文选取结构相对简单的3层BP网络, 即隐含层只有一个。

(3) 隐含层神经元个数。隐含层单元个数与问题的要求以及输入输出单元个数有直接的关系。隐层单元过多将会导致神经网络训练时间过长、误差不易控制及容错性差等问题。本文采用公式2.1计算得出隐含层神经元个数。

4) 激活函数BP网络的非线性逼近能力是通过S型的激活函数来体现出来的, 所以隐含层中一般采用S型的激活函数, 输出层的激活函数可以采用线性或S型[3]。S型激活函数为

该函数值在[-1, 1]范围内变化很剧烈, 而超出这个范围即处于不灵敏区, 变化则相当平缓。因此为使得进入不灵敏区的误差函数有所改变, 迅速退出不灵敏区, 保证训练网络的快速性, 尽可能使所有输入值都在灵敏变化段中, 一般需在该公式中引进参数。本文的神经网络算法即在此部分进行改进。

2 基于BP神经网络的教学评价模型构建

本文由公式2.1计算得出隐含层节点数为4 (这里考虑了下述16个指标可以分为4组) 。 (见表1)

3 改进的BP神经网络算法描述

网络的拓扑结构和训练数据确定之后, 总误差函数E的性质特征就完全由激活函数f决定了。改进激活函数, 可以改变误差曲面, 尽量减少局部极小值的可能性。BP算法的激活函数一般为sigmoid型函数, 即f (x) =1/ (1+e-x) 。

改进的BP算法是对标准的S型函数引入新的参数λ, 则函数变为f (x) =1/ (1+λe-x) 其中系数λ决定着S型函数的压缩程度。该非线性函数满足如下两个条件:一是连续光滑且具有单调性;二是定义域为 (-∞, +∞) , 值域为 (0, 1) , 故符合激活函数要求。而且它使得激活函数曲线变得平坦, 方便在yj≈0或1-yj≈0时, 避开局部极小因此该函数具有更好的函数逼近能力以及容错能力。

4 仿真计算与分析

以学生评教数据为输入值, 专家评教数据为期望输出值, 采用上述算法在Matlab下设计仿真程序对BP模型进行辨识, 输入层、隐含层和输出层的结点数分别为16×4×1, 激活函数采用变化的S型, 学习率η=0.99。

通过沈阳某大学教务处所提供的数据进行实验, 采用10组样本进行网络训练, 并对10位教师进行测评。10样本的评价目标和神经网络辨识分别为差 (21.93) , 及格 (4 4.6 4) , 及格 (4 6.9 4) , 中 (5 9.8 7) , 中 (5 91 1) , 中 (6 2.3 5) , 中 (5 9.8 3) , 良 (7 8.9 3) , 良 (79.56) , 优 (99.12) 。结果显示, BP模型对评估的模拟结果比较精确, 对整个考核的排序十分有用。因此该模型能较为准确地根据各评价指标来确定教学效果。

5 结论

结合国家高等教育的政策导向以及学校实际, 建立了一个基于BP神经网络建立了教学评价模型, 引用具有更好函数逼近以及容错能力的改进的BP学习算法, 确定指标体系的权重, 使评价结果科学合理。

摘要：通过对BP神经网络模型的构建和算法进行详细阐述, 系统地介绍了BP神经网络理论在教学评价中的应用现状, 并给出基于BP神经网络的教学评价模型的构建方法。

关键词：BP,神经网络,教学评价,模型构建,评价方法

参考文献

[1]王智钢.基于ASP.NET技术的网络教学评价系统的开发[J].金陵科技学院学报, 2006, 22 (1) :27-30.

互联网络远程教学评价 篇11

【摘 要】教师课程教学评价为了便于学校领导和管理人员了解本校教师的教学基本情况，做到准确把握，为学校制定师资发展规划和科学发展方向提供客观、正确和科学依据。

【关键词】评价指标 权重 神经网络

1.评价指标设计

教师课程教学质量评价，确定一套科学合理的教学质量评价指标体系是关键。高职学院教学质量评价体系以课程教学评价为主，一般包括教学内容、教学态度、教学方法、讲授能力、教学效果和教书育人等一级指标，每个一级指标下设立各种二级指标。在该体系中分为督导专家评教指标体系，同行教师评教指标体系，学生评教指标体系三个子系统。

2.评价体系权重设计

根据以上权重确定的原则，采用专家意见法和调查分析法，经过专家讨论确定一级指标权重和二级指标的权重，且同一级指标权重值之和为1。本文采用BP神经网络对教学质量评价数值进行仿真实验，输入值采用一级指标评价值，二级指标评价值转化成对应的一级指标评价值。

3.神经网络训练与泛化概念

通过调用train（）函数对神经网络参数进行训练，可以建立神经网络模型net。该函数的调用格式为[net，tr，Y，E]=train（net，X，Y），其中，n为输入变量的路数，n为样本的组数，变量X为n*M矩阵，Y为m*M矩阵，m为输出变量的路数，X，Y分别存储样本点的输入和输出数据。通过样本数据进行训练，得出训练后的神经网络对象net，同时得到其他相关参数信息，。

当确定了BP网络结构后，必须根据误差是否满足要求，再对网络的权值和阈值是否进行学习和修正，以达到网络误差的要求，使训练网络最终达到预先给定的输入输出映射函数关系。BP网络的学习过程分为两个阶段：

第一阶段是输入已知训练数据，通过设置训练的网络结构和初始化权值和阈值，从网络的第一层逐步计算各个网络神经元的输出值。

第二阶段是对阈值和权值进行相应修改，从最后一层向前计算训练过的阈值和权值对预先设定的误差的梯度，即影响程度，从而对各阈值和权值进行相应修改。

以上两个阶段反复交替进行，直到达到误差要求，满足收敛为止。由于误差逐层往回传递，以修正层和层之间的阈值和权值，该多层网络常称之为BP网络。

如果在预先给定最大训练的次数后，仍然不能训练出满足要求的网络，则系统将会报出错误的信息。

4.训练样本采集

1. 评教数据采集

教师课程教学质量评教数据总共有三个部分组成，有督导专家评教数据、同行教师评教数据和学生评教数据。

首先，督导专家评教数据获得。十个一级指标，督导专家评教没有二级指标，对每一个单项评分区间（0，1）之间分数。其次，同行教师评教数据获得。同行教师评教有六个一级指标，十六个二级指标。最后学生评教数据获得。学生评教表有四个一级指标，有十九个二级指标。一级指标评分区间（0，1）区间打分。教师课程教学质量综合评价，有以上三个在分别进行采集数据。每张表格表号是l、2、□、n，根据表号进行汇总BP神经网络训练样本数集。

2. 数据整理

样本数据的质量直接关系到模型建立的科学程度M。由于课程教学质量评价存在很强的主观性，且受心理因素的影响在评介侧重点上有所不同。为了使原始数据更加科学、准确，确保网络训练与模型的质量，通过督导专家、同行教师、学生综合评价得到原始数据，从教学评教20个样本数据中随意抽取10个样本作为训练数据，3个样本作为检测数据。

为使数据符合训练过程函数的运算要求，对所原始数据进行归一化处理，使其落在[0，1]区间。以下讲述如何获得专家评价值：

根据“权重对应表”，设定权重矩阵C，每一个分量Ci（i=l，2，…，20），要求

Ci≥0（i=1，2，… ，20）且

令矩阵X表示一级指标，则Xi（i=l，2，□，20）。根据评教数据采集方法可以获得样本数据，每一个样本数据中有二十个一级指标的数据，区间（0 1）。

令专家评价值 Y = 通过此公式可以获得每一个样

本的专家评价值。

5.BP神经网络模型的实验设计

本实验设计过程如下：首先输入训练的10样本集，每个样本集有20个输入点， 输入矩阵是20*10。输入总评，即专家评价值10个数据，每个样本对应一个专家评价值；其次，构建BP神经网络模型，通过newff神经网络构建函数，设定神经元节点，隐含层传递函数和输出层传递函数，及训练函数等，同时确定训练次数和训练目标误差；最后通过net=train（net，P，T）得到训练后仿真输出结果，与目标结果进行对比，计算误差能否达到预期目标。

本实验神经网络模型是BP神经网络模型，所以构建网络函数采用newff，即一个前向BP网络。BP神经网络公式：net=newff（PR，[S1，S2，…，SN]，{TFl TF2…TFN}，BTF，BLF，PF）。那么采用哪种训练方式，其训练速度最快，这里是难预知的，因为这取决于许多因素，包括给定问题的复杂性、训练样本集的数量、网络权值和阈值数量、误差目标等。

隐层的节点数如何确定。本文根据Kolmogorov定理，公式m=2n+1，其中n是输入节点数，m表示隐层节点数，即神经元节点数。

采用S（sigmoid）型函数做为BP神经网络中传输函数。

6. 实验结果

应用BP神经网络建立的教学质量评价模型用于学习的样本，待测样本网络输出值与专家评价值非常接近。也就是说，该模型能较为准确的根据各评价指标来确定教师课程教学质量评价结果。

【参考文献】

[1]吴维勇. 教师课堂教学质量评价体系研究[J]. 九江学院学报（自然科学版），2006（3）.

互联网络远程教学评价 篇12

因此, 情景教学法等先进的教学方法已为越来越多的高职院校所接受。情景教学法是指在教学过程中, 教师有目的地引入或创设与教学内容相关的、生动具体的场景, 用逼真的环境创造氛围, 以引起学生的学习兴趣, 积极主动地在模拟场景中扮演不同角色, 从而帮助学生理解和获取知识或技能, 是一种以学生为主体的教学方法。

为整体提高教师教学水平, 从而提高教学质量, 高职院校需要拥有一套完善的教学质量评价体系。然而教学评估结果的因素很多, 定级标准复杂且受主观因素的影响较大。为使做出的评价更具客观性、合理性、简便性, 本文采用BP神经网络模型结构建立数学模型, 并选取嘉兴职业技术学院的采取情景教学的若干教师应用此模型, 对其已有的教学质量数据进行了测试, 利用专家样本对神经网络进行训练, 以求为教学质量评价提供一种切实可行的评价方法。

一、神经网络概念及原理

神经网络的全称是人工神经网络 (Artificial Neural Network, ANN) , 它是在神经科学研究的基础上模仿人类大脑的结构和功能而构成的一种信息处理系统。神经网络由大量的神经元互相连接而成, 它的信息处理通过神经元的相互作用来实现, 知识与信息的存储表现为网络元件互联分布式的物理联系。神经网络的基本特征为非线性影射、学习分类和实时优化, 因此, 它为模式识别、非线性分类等研究开辟了新的途径。

BP (Back Propagation) 网络是1986年由R umelhart和McCelland为首的科学家小组提出, 是一种按误差逆传播算法训练的多层前馈网络, 是目前应用最广泛的神经网络模型之一。BP网络能学习和存储大量的输入—输出模式映射关系, 而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法, 通过反向传播来不断调整网络的权值和阈值, 使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层 (input layer) 、隐层 (hide layer) 和输出层 (output layer) 。BP网络可看作是一个从输入到输出的高度非线性映射, 即要求映射f, 使f是g的最佳逼近。神经网络通过对简单的非线性函数进行数次复合, 可得出近似复杂的函数。

BP网络模型的输入向量为嘉兴职业技术学院情景教学质量评价的各指标。对其指标的属性值进行归一化处理, BP网络模型的输出为评价结果, 尽可能采用多的样本数训练这个网络, 使其获取学校督导组成的评价专家团的评价能力及其对有些重要指标的侧重, 这样BP网络经过自适应学习得到的较为准确的信息就会以BP网络模型中的那组权系数值表示出来, 磨合好的BP网络模型根据待评价各指标的属性值, 就可得到对嘉兴职业技术学院情景教学质量评价的评价结果, 从而尽可能与学校督导组成的专家评委的评价无限接近, 实现定性和定量分析的有效结合, 保证评价的公正性。

二、教学质量评价指标体系的确立

评价指标体系的构建是高职院校教学质量评价的核心内容。本着从“教、学、做”一体的视角出发, 评价指标在选取的时候要体现“工学结合”的特色, 本文选取了嘉兴职业技术学院教学评价指标来确立教学质量评价体系, 具体内容如表1所示。

三、情景教学质量评价指标的BP神经网络模型应用

BP网络的输入和输出向量的维数确定了输入和输出层的神经元数目, 输入向量的维数选取的是影响情景教学质量的各种因素, 为能够全面反映情景教学的影响因素, 本文选取了教学设计、教学内容、教学组织、教学效果、教学素养、仪态仪表等所包含的20个因素, 所以输入层的神经元个数为20。确定情景教学质量评价结果作为BP神经网络输出层, 其神经元个数为1, 目标输出模式为[0, 1]间的一个数, 评价集设为{优, 良, 及, 不及}, 对应的指数区间集合={ (0.9, 1], (0.7, 0.9], [0.6, 0.7], [0, 0.6) }。由于输出模式为[0, 1]间的一个数, 因此, 输出层神经元的传递函数可选用S型对数函数logsig。通过反复实验表明, 在一定程度上隐含层数目越多, BP网络的非线性映射能力就越强, 但是隐含层数目超过一定值, 网络性能反而会降低。在合理的结构和恰当的权值条件下, 一个三层BP网络可以以任意精度去逼近映射关系, 因此本文采用三层BP结构。隐含层的神经元个数直接影响着网络的非线性预测性能。根据Kolmogorov定理, 设定网络的隐含层神经元个数为16。按照一般的设计原则, 隐含层神经元的传递函数为S型正切函数tansig。

四、反向传播 (BP) 算法的实施过程

反向传播 (BP) 算法的实施过程如图1所示。

五、测评结果分析

确定网络结构及算法, 需要利用选取的样本数据对BP神经模型进行一定的学习规范的训练, 以提高网络的适应能力。从实践研究发现, 此模型的实现采用BP三层网络结构, 利用软件MATLAB7.0, 输入层20个神经元, 隐含层16个神经元, 输出层1个神经元, 训练步数40, 目标误差为0.001, 网络训练次数80次。收集嘉兴职业技术学院8位教师情景教学评价相关数据, 通过MATLAB7.0编程测试, 对测试结果与督导评价结果对比表明, 误差较小, 测试结果与督导的等级评价一致, 评价令人满意。测试结果与督导评价结果如表2所示。

六、结语

根据以上分析, 对8名教师情景教学质量的BP神经网络测试结果进行研究发现:本文中设计神经网络评价模型对情景教学质量评价与督导评价的相似度很高, 并且它可以克服人为教学评价中主观性较强的缺点。这种模型的应用将会为我校及其他高职院校情景教学评价提供一种可行性较强的评价方法。当然, BP神经网络模型存在其自身的缺点, 如BP算法可以使权值收敛到某个值, 但并不保证其为误差平面的全局最小值;网络隐含层的层数和单元数的选择尚无理论上的指导, 一般是根据经验或者通过反复实验确定等。而且, 高职院校教学质量评价相对复杂, 应根据具体情况进行评价, 特别是在情景教学方式下, 不能一味追求学生角色模拟的教学, 可以通过实物演示、音乐烘托等视觉、听觉有时候甚至是味觉、嗅觉的冲击来进行情景教学。此外, 还应注意情景教学效果的及时反馈, 以便被测评教师能够及时发现自身存在的问题, 不断改进教学手段与教学方法, 提升高职院校情景教学质量。

摘要：目前高职教学要求课堂实施“教、学、做”一体的教学模式, 而在这一模式下必须打破传统的教学方法, 大多采用情景教学法进行教学。为检验情景教学法的教学效果, 本文利用BP神经网络的自适应和自学习功能, 提出一种基于BP神经网络的情景教学效果评价模型, 并选取若干教师应用此模型, 对其原有的情景教学质量数据进行了测试, 结果表明, 利用该模型进行情景教学质量评价较为客观合理。

关键词：情景教学,BP神经网络,评价指标

参考文献

[1]曹勃:基于教学情景因素的普通高校数学改革[J].教育与职业, 2008 (6) .

[2]王春媛、胡旺:基于B/S高职院校实践教学质量评价系统的设计与实现[J].兰州石化职业技术学院学报, 2008 (4) .

[3]赵东:案例与情景教学法在商务谈判课程中的实践[J].华东交通大学学报, 2006 (12) .