打开文本图片集

摘要：高校学生学习效果评价是指以高校学生的学习行为和学习效果为研究对象，依据一定的方法和标准对学生的学习过程和效果做出客观衡量和价值判断的过程。SVM（Support Vector Machine，支持向量机）是一种建立在统计学习理论基础上的分类算法。将学生学习效果评价问题分解为分类问题，引入机器学习的方法对学生学习效果评价结果进行统计处理，从而提高评价结果的有效性和科学性。

关键词：学习行为;学习效果;SVM;评价

中图分类号：TP391 文献标识码：B

0 引言

随着我国高等教育扩招的逐年增加，如何保证教学质量是一个迫切需要研究的问题[1]。高校学生学习效果评价是在广泛搜集各种信息的基础上，对教学活动的价值判断，并为教师的教学决策提供依据，从而实现整体教学活动的调控，以达到预期的教学目标。学生学习效果评价作为教学过程的一个重要组成部分，以教学目标为根据，制定科学合理的评价标准，运用一切可能的有效手段，对学生的学习过程及结果进行评测，并予以量化判断[2]。它具有很强的导向性，是教务处对学生教学管理的重要组成部分，同时也可以作为评价教师教学工作成绩的手段。同时对教学计划、教学活动起着不可忽视的调节、控制和指导作用。

1 国内外研究现状

国外对高校学生学习效果评价的理论和实践研究起步较早，经过了几个阶段的发展后，如今已形成一套比较完善的学生学习效果评价理论和应用体系。国内高校及研究机构一直致力于高校学生学习效果评价的理论和实践研究[3]。从依据学生考试成绩确定评价指标发展到以研究学生的学习行为特征来评价，并在此基础上某些高校还提出了开展学生学习效果评价的正规化实践程序[4]。学生学习效果评价的研究体现出从对学习行为特征的评价到对学习过程和学习效果的整体评价，从单一的评价目的、标准、内容和模式到多元化、综合性的评价，从定性评价到定性与定量评价相结合的趋势。

2 基于SVM的多元化高校学生学习效果评价系统研究

SVM（Support Vector Machine，支持向量机）是一种建立在统计学习理论基础上的分类算法[5]。将学生学习效果评价问题分解为分类问题，引入机器学习的方法对学生学习效果评价结果进行统计处理，可以提高评价结果的有效性和科学性。

2.1 系统关键技术研究

基于SVM的多元化高校学生学习效果评价系统将学生学习行为和学习效果数据的评价转换为了“分类问题”，该系统需要解决五个关键问题：评价指标设计、评价数据采集、SVM分类模式训练、系统评价测试以及评价结果分类汇总。系统实现的关键技术和研究方案为：

（1）研究如何制定学生学习效果评价等级标准以及如何按照该标准对大量学习行为数据进行分类，获取原始的训练样本;

（2）研究多分类SVM算法;

（3）研究级联SVM和分类器融合的算法，研究如何使用级联SVM解决大样本数据的训练和测试问题。以及研究如何使用多分类器加权融合的方法，提高分类器的分类性能;

（4）研究如何使用层次结构的决策二叉树进行多分类的学生学习效果评价实验;

（5）构建多元化高校学生学习效果评价系统模型。

根据以上技术解决方案设计的高校学生学习效果评价系统整体架构如图1所示。

2.2 系统的创新点及特色

基于SVM的多元化高校学生学习效果评价系统将统计学习技术与学生学习效果评价相结合，以实现学生学习效果的自动化评价，提高学习评价的效率和科学性。其创新点及特色主要有以下几点：

（1）根据设计的学生学习效果评价指标采集各类学生学习行为和学习效果评价数据，然后通过支持向量机训练得到用于学习效果评价的“分类标准”;

（2）优化SVM多分类算法，基于目前国内外关于SVM多分类算法的研究成果，结合高校学生学习效果评价系统的研究目标，在算法上进行优化和改进;

（3）研究最优的级联SVM和分类器加权融合算法，级联SVM通过分层训练的模式可以解决大样本数据的问题并提高SVM训练过程的灵活性，引入多分类器加权融合的方法，通过对多个较优分类器的加权融合，可以在一定程度上减小分类误差，提高了分类器的分类性能;

（4）利用优化后的SVM算法训练分类器，使用具有层次结构的决策二叉树和训练得到的最优分类器构建多元化高校学生学习效果评价原型系统，进行多分类的学生学习效果评价实验。

3 结论

将机器学习的方法引入教育领域当中，这将是个新颖的教学效果评价方法，可以大大降低评价过程中人为因素的影响，也在一定程度上提高了学生学习效果评价的客观性以及合理性。开展高校学生学习效果评价活动是保证和提高教学质量水平的一种较为有效的方法，也是高校教学主管部门监控教学运行和教学效果的有效手段。研究高校学生学习效果评价系统对高等教育教学质量的提高具有十分重要的意义。

参考文献：（references）

[1] 陈佳伟.学生综合素质评价系统的设计与实现[D].西南交通大学，2020.

[2] 肖沙.中职学生学习行为评价系统的设计与实现[J].课程教育研究，2017（28）：187-189.

[3] 马瑞新.学习能力分析评价系统设计与实现[J].科技资讯，2021，19（33）：20-22.

[4] 蒋舟.高校学生选课系统的设计与实现[J].电脑知识与技术，2019，15（12）：60-61.

作者简介：李昆仑（1982-），女（回族），河南项城市人，副教授，硕士，主要研究方向为人工智能、模式识别、算法设计、系统开发技术。

熊婷（1979-），女，江西安义人，教授，硕士，主要研究方向为算法设计、系统开发技术、网络技术。

基金项目：

江西省教育厅科学技术研究项目，课题名称：基于SVM的多元化高校学生学习效果评价系统研究（项目编号：GJJ191555）