使用机器通过定性反馈提高教学质量

学生对教学的评估，或SET，通常用于高等教育中，作为对课程讲师表现的反馈。学生对老师进行定量评估，在诸如“老师为上课做好准备”和“我从这名老师中学到了很多东西”之类的问题上对他们的表现进行了数字评分。

数值等级可以切实衡量教师的课堂表现，而数字等级只能衡量问题的所在。不限成员名额的问卷调查会更好地反映总体情况，但在提取学生 反馈以识别改进课程教学方法方面相对未得到充分利用。

这是为什么?

Swapna解释说：“假设我正在教300名学生，400名学生，而这些学生正在给我反馈-这是一个庞大的数据集，并且需要手动获取见解，这对于改变我的教学过程或改善我的教学过程是乏味而艰辛的，” Gottipati，SMU的信息系统(教育)助理教授。“因此，我必须依靠某种工具或机器，而这就是这样一种尝试，可以非常快速地生成数据洞察力，以使教师可以从定性反馈中获得洞察力。”

反馈方面

Gottipati教授指的是她最近完成的项目“关于定性学生反馈的学习分析，以改善高等教育的教学效果”，该项目得到了教育部(MOE)高等教育研究基金的支持。Gottipati教授利用SMU的内部反馈系统对学生的课程结局进行评估，提出了一种名为“课程反馈分析系统(CFAS)”的学习分析系统，以“帮助教职员工对他们的教学实践获得更深刻的见解，课程以及评估的发展。”

利用自然语言处理(NLP)，Gottipati教授研究了学生在定量和定性反馈之间的五个主要方面，包括主题，情感，建议，时间和相关性。

她告诉研究与技术转让办公室：“首先，这是主题，这是学生们正在谈论的问题。” “第二，这是关于最重要的主题和问题的排名，因为我们要优先考虑它们。

“第三点是理解学生的看法，例如学生的情感或观点。以教师的教学风格为例-也许他或她的参与度不是很高，说话的速度不是很慢，或者声音很低。这些都是负面的反馈，这就是情感。

“最后一个是评论的快速摘要。这意味着可视化或某种用户友好的视觉效果或报告，可以帮助我们确定需要解决的问题。”

Gottipati教授解释说，NLP模型是基于规则和基于语法的，并且内置在模型中的规则可以提取形容词以及这些形容词指的是什么。它还可以确定学生在反馈中正在写的主题。

使用信息

如果不能使用，从开放式答案中提取的所有数据将毫无价值。为此，CFAS将采用Gottipati教授所说的交互式“甜甜圈”图形，这些图形不仅是基本的条形图和饼图，而且还包括“扩展和弹出给定主题的相应负面或正面反馈，等等”。

最终，这些方法不仅将帮助课程讲师微调他们的教学，还将帮助课程管理者和大学管理者进行课程的宏观管理。

Gottipati教授说：“在绩效评估期间，我们的报告官员可能会就如何改进我们的课程提出建议。” Gottipati教授也是信息系统学院(SIS)的本科教育临时副院长。“他们应该能够知道整个课程以及宏观课程的情况。如果他们知道其他课程的积极评价，也可以与其他教师分享，以改进他们的课程。教学。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！