任务分配项目教学法在大学计算机基础教学中的应用

本文以"计算机基础教学"为例,从如何运用项目协作学习的方式,通过"项目工程",以任务来驱动学生的学习,通过完成项目任务,应用已有知识去掌握新知识。运用项目教学方法、增强教学效果、培养和提高学生分析问题、解决问题能力和创新能力等方面,浅谈在计算机基础课教学上的一点经验和体会。     

基于ANN 和Boosting 的教学质量评价方法

针对学校教学质量传统评价方法中存在的线性化、静态化等缺陷,提出了更加客观、合理的智能评价方法。利用人工神经网络设计了智能评价器的方案,实现了评价因素到结果的非线性映射,采用不同时期发生的评价数据,通过机器学习方法确定当前阶段各评价因素对评价结果的作用参数,使动态权重能够适应不同时期的评价取向。评价器采用提升算法( Boosting) 集成3 个子评价器形成智能评价器,并通过多评价器集成运行规则进行智能评价。实践证明此方法相比传统的评价方法更能反映因素与结果之间的复杂关系及其动态特征,获得良好的评价结果。     

基于卷积神经网络的隐式评价对象识别

为解决课程评论中隐式评价对象识别问题,提出了一种基于文本分类的隐式评价对象的识别方法。首先通过word2vec 模型获得训练文本对应的词向量,获得短文本特征; 其次将短文本特征在TextCNN 中进一步提取高层次特征,通过K-max 池化操作后放入Softmax 分类器中进行训练得出分类模型; 最后利用训练好的分类器对隐式评价句进行分类,获取隐式评价句对应的评价对象。实验表明,基于卷积神经网络对隐式课程评论进行属性分类,课程评论的隐式评价对象识别正确率达到89． 9%,满足了课程评论中对隐式评价句对象识别的需求。