摘要
随着国家教育事业的蓬勃发展，社会对高校教学质量的关注也日渐提升。学生教学评价作为当前教学质量评估工作中的关键一环，如何深入挖掘和利用学生教学评价数据来提升高校的教学质量也成为了当前很多科研工作者的研究焦点。高校的教学评价数据主要有两种，分别为结构化的教学评分数据和非结构化的课程评价文本数据。但目前绝大部分高校的课程评价模型还仅仅停留在将它们割裂开来看待的阶段，并没有深入探索它们之间深层次的联系和其中潜在的情感信息。因此，本文旨在充分利用情感分析技术深入挖掘教学评价数据中丰富的学生情感信息，并将其应用于课程评价模型中来更加全面、更加客观公正地评估教师的教学能力，以达到“以评促教”和提高教学质量的目的。 本文的主要研究工作有三个部分。第一部分针对教评文本数据的特点，本文设计了一个基于方面级情感分析的ATAAE-BERT-BiLSTM模型来获取学生在教学评价文本中对课程五个教学评价维度的不同情感倾向，模型得到的情感分数与学生的五分制教学评分分数对应，因此可以利用学生对不同教学评价维度的情感值来修正因学生个人评分偏好而产生的教学评分偏差。第二部分针对学生在教评时可能因带有强烈的个人情绪从而产生对课程评价不客观公正这一问题，本文综合考虑了学生的课程评分现状、个人评分偏好、情感倾向特征和课程成绩分布等一系列影响因素，设计了一个基于XGBoost的学生异常情绪检测模型来识别那些带有强烈个人情绪的学生。第三部分设计了多维度课程评价模型的整体方案。通过融合支撑权重矩阵、基于方面级情感分析的ATAAE-BERT-BiLSTM模型和基于XGBoost的学生异常情绪检测模型，构建了七条课程评价指标评分和课程五个教学评价维度评分之间的联系，并提供了教师课程评价结果的可视化展示。 本文所使用到的数据都是真实的教学评价数据。通过实验也验证了本文所提出的基于方面级情感分析的ATAAE-BERT-BiLSTM模型和基于XGBoost的学生异常情绪检测模型的有效性和可用性。多维度课程评价模型通过融合上述两个模型来分别从方面粒度和学生粒度去修正学生在课程评价中产生的教学评分偏差，使得课程评价模型能够更加客观公正地评估教师在课程过程中展现的教学能力，为后续的教学工作提供良好的依据。
NETL