机器学习在高校课程教学评价中的应用研究

• 作者: 门秀萍
• 来源期刊: 福建电脑
• 学科: 教育
• 关键词: 机器学习 教学评价 大数据
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 论著
• 页码范围: 16-19
• 页数: 4页
• 分类号: G434
• 字数: 4176字
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2019.10.004

摘要

基于学生感知的课程在线评价是评价教师绩效的常用工具之一.本文利用决策树算法、支持向量机、贝叶斯和随机森林四种不同的分类技术,对学生课程评价数据集进行分类实验.结果显示,四个分类器模型的分类性能都较高,其中随机森林分类器在准确率、查准率和查全率和F1值上都是最好的.此外,还分析了每个分类器模型中各个评价特征的重要性,可以用于进一步完善评价指标体系.实验结果表明,学生对课程的评价主要取决于他们对课程的兴趣.本文验证了机器学习模型在课程评价和高等教育挖掘中的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	门秀萍	安徽财经大学管理科学与工程学院	26	25	3.0	3.0