本公開涉及計算機，尤其涉及一種基于機器學習的自適應教學質量評估系統。

背景技術：

1、目前，相關技術中的教學質量評估主要依賴于數據可視化統計分析技術，具體方法包括問卷調查和學生成績分析。

2、然而，問卷調查通過收集學生和教師的反饋來評估教學質量，受主觀因素影響較大，可參考性較低。學生成績雖然能直觀反映學生的學習效果，但往往存在抓優放差的情況，難以全面反映教學質量。

技術實現思路

1、本公開提供了一種基于機器學習的自適應教學質量評估系統。

2、根據本公開的第一方面，提供了一種基于機器學習的自適應教學質量評估系統，該系統包括：評估數據收集單元、教師教學內容評估單元、課堂學習情況評估單元以及教學質量評估單元；評估數據收集單元，用于收集課堂教學內容中包含的教學知識點、在課堂教學過程中的課堂行為數據；教師教學內容評估單元，用于基于教學知識點與目標重要知識點集群之間的相似度評價課堂教學內容中對目標重要知識點的教學情況，目標重要知識點集群是從教材內容中提取后經過匹配優化后得到的；課堂學習情況評估單元，用于基于課堂行為數據分析學生的學習投入程度以評價學生在課堂教學中的表現情況；教學質量評估單元，用于按照預設教學質量評估算法，基于教學情況以及表現情況對課堂教學質量進行評估，得到課堂教學質量評估結果。

3、在一些實施例中，教師教學內容評估單元，用于：基于教材內容提取出基礎知識點集群和重要知識點集群，并基于基礎知識點和重要知識點集群優化得到目標重要知識點集群；利用預設相似性評價算法，結合同級匹配規則，依次對目標重要知識點集群和教學知識點的教學知識點集群中每個層級的知識點進行相似度評價，得到知識點相似結果；統計知識點相似結果對應的教學目標達成程度評估指標。

4、在一些實施例中，重要知識點集群包括第一重要知識點集群、第二重要知識點集群以及第三重要知識點集群，教師教學內容評估單元，用于：對教材內容對應的教材文本知識點進行分級處理，得到基礎知識點集群；基于基礎知識點集群中知識點分布情況篩選得到第一重要知識點集群；利用預設知識點篩選模型從歷史題庫對應的所有知識點中篩選符合條件的知識點得到第二重要知識點集群；利用層次聚類算法和相關性分析算法從錯題關聯特征中篩選得到目標特征類別下的錯題特征，并將錯題特征對應的所有知識點作為第三重要知識點集群；基于基礎知識點集群、第二重要知識點集群以及第三重要知識點集群對第一重要知識點集群進行匹配驗證，并基于匹配驗證結果優化第一重要知識點集群，得到目標重要知識點集群。

5、在一些實施例中，教師教學內容評估單元，用于：基于同級匹配規則，利用第二重要知識點集群和第三重要知識點集群，依次對第一重要知識點集群中的每個層級下所有的第一重要知識點進行第一匹配驗證；若第一匹配驗證失敗，則對第二重要知識點集群中每個第二重要知識點和第三重要知識點集群中每個第三重要知識點進行交叉匹配驗證；若交叉匹配驗證成功，則確定交叉匹配驗證成功的交叉匹配知識點，并基于同級匹配規則，利用交叉匹配知識點依次對基礎知識點集群中每個層級的所有基礎知識點進行第二匹配驗證；若第二匹配驗證成功，則將第二匹配驗證成功對應的匹配知識點整合至第一重要知識點集群，以將第一重要知識點集群作為目標重要知識點集群。

6、在一些實施例中，教師教學內容評估單元，用于：根據以下公式1得到的第一匹配結果和以下公式2得到的第二匹配結果，綜合得到每次匹配驗證的匹配驗證結果；

7、公式1

8、其中，為知識點集群g和知識點集群h之間的第一匹配結果，知識點集群g和知識點集群h為基礎知識點集群、第一重要知識點集群、第二重要知識點集群以及第三重要知識點集群中任一兩個需要匹配驗證的知識點集群，表示知識點集群g和知識點集群h中交集的知識點數量，表示知識點集群g和知識點集群h中并集的知識點數量；

9、公式2

10、其中，為知識點集群g和知識點集群h之間的第二匹配結果，n為第n個知識點，n為知識點集群g和知識點集群h對齊后的知識點總數?，為知識點集群g中第n個知識點向量，為知識點集群g和知識點集群h對齊后第n個知識點向量均值，為知識點集群h中第n個知識點向量。

11、在一些實施例中，課堂行為數據包括互動行為數據和專注行為數據，課堂學習情況評估單元，用于：基于課堂教學下的課堂行為操作觸發的監測事件對應的互動行為數據和/或專注行為數據，結合預設行為表現評估算法，分析課堂教學下學生的學習投入程度，得到學生課堂投入程度評估指標，監測事件包括互動監測事件和專注監測事件。

12、在一些實施例中，評估數據收集單元，用于：響應于課堂教學下的課堂行為操作觸發的互動監測事件，收集互動監測事件對應的教師互動音頻和學生互動音頻；識別教師互動音頻對應的教師互動主題和學生互動音頻對應的學生互動主題，并確定教師互動主題與學生互動主題是否匹配，得到匹配結果；基于匹配結果，獲取互動行為數據，互動行為數據包括互動時長、互動失敗次數以及互動次數中的至少一項。

13、在一些實施例中，評估數據收集單元，用于：響應于課堂教學下的課堂行為操作觸發的專注監測事件，收集課堂教學對應的課堂模式下的學生課堂表現數據，課堂模式是通過分析課堂行為操作對應的課堂指令得到的，課堂模式包括討論模式和專注模式，學生課堂表現數據包括學生音頻和學生面部特征；基于學生音頻和學習面部特征，獲取專注行為數據，專注行為數據包括討論有效時長、討論無效時長以及不專注學生數量中的至少一項。

14、在一些實施例中，系統還包括：學生教學體驗評估單元，用于獲取評估數據收集單元收集的課堂教學內容中包含的學生對課堂教學內容的評價分數；基于評分學生數量以及每個學生對課堂教學內容的評價分數，結合預設滿意度統計算法，評價學生對課堂教學內容的滿意程度，以按照預設教學質量評估算法，基于教學情況、滿意程度以及表現情況對課堂教學質量進行評估，得到課堂教學質量評估結果。

15、在一些實施例中，按照預設教學質量評估算法，教學質量評估單元，用于：基于教學情況的教學目標達成程度評估指標和學生表現情況的學生課堂投入程度評估指標，結合以下公式3的預設教學質量評估算法，確定課堂教學質量評估結果；

16、公式3

17、其中，k為課堂教學質量評估結果，為第m個評估指標的加權系數，為第m個評估指標。

18、本公開提供的基于機器學習的自適應教學質量評估系統，包括評估數據收集單元、課堂學習情況評估單元、教師教學內容評估單元以及教學質量評估單元；評估數據收集單元，用于收集課堂教學內容中包含的教學知識點、在課堂教學過程中的課堂行為數據；教師教學內容評估單元，用于基于教學知識點與目標重要知識點集群之間的相似度評價課堂教學內容中對目標重要知識點的教學情況，目標重要知識點集群是從教材內容中提取后經過匹配優化后得到的；課堂學習情況評估單元，用于基于課堂行為數據分析學生的學習投入程度以評價學生在課堂教學中的表現情況；教學質量評估單元，用于按照預設教學質量評估算法，基于教學情況以及表現情況對課堂教學質量進行評估，得到課堂教學質量評估結果，有效解決了相關技術中主觀評價不準確、單一成績評價片面的問題，通過客觀分析教學知識點覆蓋情況與學生投入程度，結合預設算法綜合評估課堂教學質量，顯著提高了對課堂教學的教學評估結果的準確性和全面性，為教學改進提供了有力支持。

19、應當理解，本部分所描述的內容并非旨在標識本技術的實施例的關鍵或重要特征，也不用于限制本技術的范圍。本技術的其它特征將通過以下的說明書而變得容易理解。