基于改进SVM的高校教师教学质量评价系统设计与实现

摘要：为对教师教学质量进行精准评价，文章开展基于改进支持向量机（Support Vector Machine，SVM）的高校教师教学质量评价系统设计与实现研究。文章基于B/S模式，搭建用户管理、评价标准制定、评价任务发布、评价模型等核心模块作为系统架构，设定高校教师教学质量评价指标体系，规范并优化高校教师教学质量评价指标，构建高校教师教学质量评价模型，通过交叉验证法优化模型参数，实现教师教学质量评价。测试结果表明，设计系统具有较高的AUC值，能准确评价教师教学质量，应用效果较好。

关键词：改进SVM算法；教学质量评价；评价指标体系；系统设计与实现

中图分类号：G643 文献标志码：A

0 引言

传统教学质量评价存在效率低且评价结果不准确的问题，为此，开发高校教师教学质量评价系统，对提升教学质量、促进教师发展至关重要［1］。在现有的教师评价系统中，传统的SVM算法在处理多分类问题时应用效果不佳。近年来，研究者提出多种改进SVM算法，如二叉树SVM、多分类SVM等，在多领域均取得显著效果［2］。基于上述背景，本文提出了一种基于改进SVM的高校教师教学质量评价系统，以实现对教师教学质量的精准评价。

1 系统架构设计

文章基于浏览器（Browser/Server，B/S）模式，融合改进SVM算法，构建高校教师教学质量评价系统，该系统主要由核心模块和数据库构成，具体架构如图1所示。

通过以上架构，该系统可实现对教学质量评价工作的全面覆盖和高效管理［3］。

2 系统软件设计

2.1 构建高校教师教学质量评价指标体系

为构建全面、系统的教学质量评价指标体系，须要考虑教学准备、教学实施与教学效果3个方面［4］。文章以此为一级教学评价指标，细化挖掘二级评价指标，构建的教师教学质量评价指标体系如图2所示。

如图2所示，文章构建的体系不仅涵盖教师的教学能力、教学方法和课堂管理，还综合考虑学生的学习体验、学习成果和反馈意见。

2.2 预处理高校教师教学质量评价指标

由于不同教学质量评价指标在量纲、数量级和性质上的差异，直接比较和评估会导致结果失真。因此，须要采取预处理步骤来规范这些指标。文章采用效应系数法对指标进行归一化处理。即针对数值越高表示教学质量越好的指标，使用正向归一化公式处理，如式（1）所示。

xg=xi-xminxmax-xmin（1）

其中，xi为第i个指标的值，xmax和xmin为该指标的最大值和最小值。

针对数值越低表示教学质量越好的指标，使用负向归一化公式，如式（2）所示。

xg=1-xi-xminxmax-xmin（2）

经归一化处理后，所有指标都将转化为无量纲的效应系数，数值在［0，1］的闭区间内，具有相同的可比性。针对指标多、信息冗余问题，文章用RReliefF算法精选指标，量化权重，对定量指标进行离散化处理，学生反馈分数离散化等级如表1所示。

离散化处理使得原本连续的分数值被转化为离散的等级标签，可得到精简且规范化的教学质量评价指标体系，为后续模型的构建提供数据基础。

2.3 基于改进SVM建立高校教师教学质量评价模型

文章将预处理后的教学质量评价指标分为训练集与测试集2部分，以此构建SVM教学质量评价模型。传统SVM改进设计特定映射函数，将问题转化为标准优化问题，以提升模型性能。文章采用Smooth loss functions替代传统的hinge loss，改进后的SVM目标函数为：

minw，b12‖w‖2+C∑niSL（yi，（w·xi）+b）（3）

式中，n为训练集中样本的总数，yi为训练集中第i个指标的真实标签，w为权重向量，b为偏置项，C为惩罚因子，SL为平滑损失函数。综上，可通过调整惩罚因子C，控制模型对误分类样本的容忍度，进而影响模型的复杂度和泛化能力。针对该模型，文章在训练阶段采用交叉验证调参的方式，划分训练集子集，试错不同参数组合。完成模型优化后，通过测试集验证模型性能。综上，完成基于改进SVM的教学质量评价系统设计。

3 实验分析

3.1 测试准备

为验证设计系统的可行性，须开展实验测试。文章配置高性能的服务器和稳定的网络环境，以确保测试结果的准确性。测试环境配置信息如表2所示。

由于该系统采用个性化评价算法，因此，文章测试前设计多个场景以验证评价算法的先进性，确保得到结果准确而公正。同时，考虑到教学质量评价是一个持续进行的过程，系统应具备良好的实时性和可扩展性。测试时会关注系统是否能够快速处理新的评价数据并保持稳定的性能。

3.2 测试结果及分析

为验证设计系统的性能，重点测试系统的AUC值。AUC值作为评估模型分类性能的重要参数，能反映模型在不同阈值下的分类能力。测试的结果如表3所示。

设计系统的AUC值普遍高于0.90，表明该系统跨教学场景表现优异，可准确区分不同学科教师的教学质量，应用效果较好。

4 结语

为提高教师教学质量评价效果，本次研究改进SVM算法，结合高校教学的实际需求，开发出一套高效的教学评价系统。尽管系统整体性能优异，但在某些特定教学场景下，AUC值仍然相对较低。因此，在未来工作中须针对特定场景进行研究和优化，以提升系统的分类性能，不断完善评价指标体系，通过引入更多元化的评价维度和指标，努力提高评价的全面性和针对性，以确保评价结果更加准确、客观。

参考文献

［1］宋冬梅.数学教学质量评估系统设计及算法改进分析［J］.首都师范大学学报（自然科学版），2023（3）：84-88.

［2］杨艳，何佳佳，卢琼.基于大数据挖掘的体育课堂情景教学质量评价系统［J］.自动化技术与应用，2023（2）：147-150.

［3］连慧白，黄伟雄.基于指标权重的教学质量评价系统设计［J］.信息与电脑（理论版），2022（16）：88-90.

［4］张玲，洪莹.基于深度学习的土木建筑类专业教学质量评价系统设计［J］.信息与电脑（理论版），2022（12）：251-253.

（编辑 王永超）

Design and implementation of the teaching quality evaluation system based on improved SVMLI Junqiao

（Changchun University of Finance And Economics， Changchun 130122， China）

Abstract： In order to accurately evaluate the teaching quality of teachers， this research on the design and implementation of the teaching quality evaluation system of university teachers based on the improved SVM was conducted. The paper based on B / S mode， builds user management， evaluation standards， evaluation task， evaluation model core module as system architecture， sets college teachers teaching quality evaluation index system， standardizes and optimizes university teachers teaching quality evaluation index， and builds college teachers teaching quality evaluation model， through cross validation optimization model parameters， to realize the teachers’ teaching quality evaluation. The test results show that the design system has high AUC value， can accurately evaluate teacher teaching quality and has good application effect.

Key words： improving SVM algorithm; teaching quality evaluation; evaluation index system; system design and implementation