基于MNSS的高校教学质量智能化评价系统设计

吴 响

（徐州医科大学医学信息与工程学院，江苏 徐州 221004）

0 引言

高校开展教学质量智能评价工作，能够及时获取课程资源体系、教师教学模式的准确评价结果[1]，有利于改善课程资源体系、提升课程教学质量、加强对高校教师教学工作的监督与管理[2]，并促进高校综合教学能力的增强[3]。但目前高校教学质量评价工作存在评价内容单一、智能化程度不足、评价结果缺乏客观性等问题，且教学质量评价过程的交互性、定量化、定性化以及评价维度不足[4]，严重阻碍了高校教学质量评价工作的多维智能化建设进程[5]。为此，本文设计了一种基于MNSS的高校教学质量智能化评价系统，借助MNSS平台内置的多层神经网络算法，综合实用性、丰富度、新颖性、条理性、学习活跃度、互动性等多维因素，构建面向单门课程与整体课程资源体系的智能评判机制，同时借助平台即时通信与智能交互功能构建交互式智能评价反馈体系，不断提升高校教学质量评价工作的整体智能化水平，为持续提高高校教学水平、创新理论实践课程资源体系、改革传统线下教学模式提供重要支撑。

1 智能化教学质量评价系统特征分析

现代化教学质量评价系统应具备智能化、交互性、定量定性、评价维度广等特点，能够为高校教学质量评价提供客观、智能且准确的评价结果[6]，为高校进行课程资源更新、教育教学模式改革提供结果支撑。

1.1 智能化

传统教学质量评价系统以固定的标准化量表作为主要评价方法，评价内容与结果较为固定，缺乏灵活性与智能化，且在评价结果准确度、评价信息权重等方面仍存在不足。现代化的教学质量评价系统应具备智能化特征，利用人工智能算法对多维度评价信息进行处理，完成综合评价工作，同时能根据评价反馈结果自动适配前沿的课程资源，并重新调整教学方向，提高高校教学质量。

1.2 交互性

教学质量智能评价系统应具备较强的可交互性，便于更客观的抽取用户交互式评价反馈内容，便于平台开展定量与定性的智能评价工作，并缩短评价耗时，保证评估结果对于实际教学状况的真实反映。

1.3 定量化与定性化

评价结果定量化可以直观的显示出教学质量细节，能准确显示各评估项所得分数，并利用评价结果定性化为教师提供可视化的评价反馈内容。同时综合利用定量化与定性化评价方法，对教师进行多维度评价工作，为教师提供符合自身实际状况的评价结果，有利于教师提升自身综合能力。

1.4 评价维度广

区别于传统线下教学质量评价方式，借助智能化手段，开展全面详尽的多层面、多领域、多维度智能评价工作，能够获取更加全面的教学评价结果，使评价结果更具准确性与客观性，是推进新时代高校教育教学改革、实现高水平创新人才培养的重要保障。

2 系统设计目标分析

为实现可靠、稳定且易用的教学质量智能评价系统服务，本文设计的教学质量智能评价系统需要满足以下设计目标。

2.1 鲁棒性

使用智能评价系统开展高校教学质量评价工作，要求平台具备高效处理大规模数据的能力，满足对课程资源体系、教师教学模式等的实时动态评价工作，同时保证多用户同时在线参与评价与交互式反馈工作，此过程中要保证平台的高效稳定运行，因此该智能评价系统的设计应具有鲁棒性。

2.2 实用性

在系统设计过程中，应提高系统的实用性，避免无用的功能开发，同时，对代码书写规范程度与代码层次进行优化，提高资源利用效率，降低对网络带宽与用户设备配置的要求，保证使用不同设备的用户能够流畅完成评价工作，并提高系统对多维信息的智能化处理能力，为高校教学评价工作的正常进行提供技术支持。

2.3 可扩展性

由于高校教学质量智能评价需求的不断更迭，要求平台具备较强的可扩展性，为此，该高校教学质量智能评价系统架设于MNSS平台中，仅需在服务器中进行更新即可完成更新任务。同时，系统采用模块化设计理念，提高功能与模块的增删与升级的便捷程度，有利于系统的更新与维护。

3 系统功能模块设计

3.1 智能评价

智能评价模块包含课程资源体系智能评价、教学模式智能评价与用户交互式智能评价三个部分，利用人工智能算法完成对上述评价目标的综合智能评价，有效提高评价结果的可信度与准确度。

3.1.1 课程资源体系智能评价

首先，针对课程资源中单门课程的课程目标、教学内容、学生学习状况、教师教学环节与考核内容等信息进行综合评判，计算每一部分的评价结果权重值，利用一致性检验提高权重值的可用性；其次计算该课程教学质量评价结果，设定模糊评价对象集，并根据上阶段计算所得权重值进一步确定权重集合；然后利用模糊评语集等级，对模糊评价因素集合中的元素进行模糊判断，确定隶属度向量矩阵；最后计算得出该课程教学质量的评价结果。

针对课程资源体系的评价需求，对课程在教学任务过程中涉及的结构化与非结构化数据进行智能挖掘与预处理工作，并利用自然语言处理、语义分析提取关键特征参数数据，结合课程内容的实用性、丰富度、新颖性、条理性、学习活跃度、互动性以及实验效率等维度形成综合评价指标，并与现有课程资源体系对于人才培养教学时间的适应程度、内容时效、难易度、学习成绩、实践成效等因素建立多维映射关系，利用MNSS平台内置的多层神经网络算法构建评估网络矩阵模型，计算综合得分，并生成基于决策网络的评价指数，用于反映相应课程门类在该映射评价网络某一指标的特异性，进而对相应课程知识门类进行调整和改进，以实现专业课程体系普适性与有效性评估的完整闭环。

图1 课程知识体系质量评价框架

3.1.2 教学模式智能评价

为实现高准确度的高校教学模式智能评价目标，以客观性为首要原则，对高校教学模式进行综合评价。其中教学维度包含教学目标、教学态度、教学资料与教学内容的关联度以及课堂管理能力；学生维度包含学生对教学内容的理解程度、学生对教学活动的参与情况、学生对课程的兴趣以及考试情况；环境维度包含教学场地对教学行为的支持能力与能否支持师生互动。借助MNSS平台强大的数据处理能力并利用人工智能算法计算评估结果，完成对高校教学模式的评价工作（见图2，P22）。

图2 教学模式评价框架

3.1.3 用户交互式智能评价

用户评价包含学生评价、教师自评与师生互评，综合三种评价方式提高评价结果的准确性与客观性，调查问卷由管理员进行手动编辑或根据人工智能算法自动生成，从而提高评价系统对于高校实际教学情况的贴合程度。同时利用MNSS内置的多层神经网络构建综合用户评价算法，将学生评价、教师自评与师生互评结果进行综合处理与计算，从而获取具有重要参考意义的教学评价结果。

（1）学生评价。学生登入系统后系统自动提示待完成问卷，按照实际状况对调查问卷进行填写。通过学生的评价问卷填写状况，获得具有高参考意义的评价结果，对于高校教学评价任务的开展具有重要作用。

（2）教师自评。教师登录系统后可进行自我评价问卷填写，对自身教学模式、教学质量等进行评价，使教师对自身教学质量以及教学水平具有更完善的认知，从而实现教师的自我反思与提高。

（3）师生互评。结合MNSS平台即时通信技术，设计教师―学生互评功能，根据师生交互式反馈结果，通过自然语言处理对师生互评信息进行处理，并利用关键信息提取技术挖掘关键信息，完成教师―学生互评工作。

3.2 结果查询

高校教学质量智能评价工作完成后，形成可视化数据表单结果，同时系统根据历史评价数据可利用折线图显示历史评分趋势，增强数据显示的直观性，管理员可通过数据查询及时获取任意单门课程、课程资源体系、教师教学模式以及师生互评的客观结果，为高校教学质量改革提供重要数据参考。

3.3 教学质量分析

教学质量评估完成后，借助MNSS平台强大的数据处理能力，结合人工智能算法对评价结果进行处理，并生成准确性高、可靠性强的高校教学质量智能化评价综合报告，多维映射教学课程资源体系、教学模式以及教师教学能力的客观评价结果，推进全面、智能、客观的高校教学质量评价工作进程，为新时代高校教育教学改革与创新提供重要帮助。

3.4 数据维护

该功能面向管理员用户，管理员登入系统后，可对基础数据进行维护，如对教师―班级―学生对应关系进行增删改操作，并可对评价表单内容进行编辑，提高表单内容与高校教学内容的贴合度。同时借助MNSS平台内置的多层神经网络算法实现具有客观性、合理性以及定量化的教学质量评价工作。最后，利用数据维护功能，管理员能够对不同用户类别权限以及可用功能进行编辑，进而提高对不同用户管理的灵活性。

4 结语

为实现高校教学质量评估工作智能化，提高高校教学质量评价工作完成效率与准确率，本文基于MNSS平台设计了一种高校教学质量智能化评价系统。借助MNSS平台可无侵入式接入能力，提高系统对于不同设备与系统环境的兼容性和普适性，保证平台高负载均衡状态下教学质量智能评价工作的极速开展。同时，结合高校教学资源体系、教学模式以及师生互评结果，完成多维度的高校教学质量评价工作，提高了评价结果的客观性与有效性。此外，依托于MNSS平台强大的计算引擎与处理能力，综合运用人工智能算法对教学质量评价结果进行处理，为课程资源体系更新、教学模式改革、教师教学能力提升提供重要参考。该系统的应用，在实现教评工作智能化的同时，能够有效增强教师教学能力与学校综合教学水平，并促进高校课程教学资源体系现代化建设进程，为构建科学化、高水准及智能化的高校教学模式提供重要参考，具有重要的教育意义与实践价值。