基于深度學習的學習質量智能評估系統設計

茍睿超， 葉曉龍， 王彬， 張偉， 胡悅

(空軍軍醫大學 教學考評中心， 陜西 西安 710032)

0 引言

隨著高校規模的擴張，在學生管理及學習質量評估中所需要消耗的資源也越來越多[1]。由于高校中參加教學管理的人力資源有限，使得教輔人員承擔了繁重的工作任務，為此迫切需要建立一套智能化的學習質量分析系統[2]。計算機及人工智能技術已在許多領域得到了廣泛應用，將這些技術應用于學習質量分析中，可以較大程度上提高學習質量評估的效率，減少教輔人員的人資消耗，實現評估的自動化與智能化。

基于以上分析，本文建立了基于深度學習的學習質量智能評估系統。該系統從功能上可以分為評估指標管理單元、評估管理單元、評估數據分析單元和評估系統管理單元四個部分，各組成單元相互協同完成系統的功能性需求。功能性單元的設計保證了系統能夠完成所需功能，而系統的穩定性、安全性等卻沒有考慮。為此本文還設計了滿足系統穩定性等非功能需求的軟件架構，包括業務展示層、邏輯控制層、服務層和數據層。系統功能測試與性能測試結果表明，本系統能夠較好地完成系統設計所要求的功能性和非功能性需求，利用該系統所得到的學生學習質量評估結果與人工評估結果的一致性良好。且該系統交互簡單、功能完備，可以較大程度上提高工作效率，具有良好的應用價值。

1 系統設計

將人工智能中的深度學習技術應用于學習質量評估系統設計中，能夠較大程度上提高評估的質量與效率[3-4]。本節主要介紹智能評估系統的設計需求以及基于需求所設計的系統總體框架。

1.1 需求分析

學習質量評估是對學生在某個時間段中學習效果的定量分析，同時也是高校進行學生日常管理工作的一部分。為了減輕高校教輔人員負擔，提高學習質量評估的效率與精準度，本文所設計的系統主要需求如下。

(1) 將注冊登錄后的用戶分為不同的角色，并匹配相應操作和訪問權限。文中所設計系統涉及的角色主要包括4種：學習評估系統管理者、學生、帶課教師及高校領導或專家。

(2) 學習質量智能評估系統可以進行的操作或用戶與系統的交互需要涵蓋以下5種情況：評估對象的選擇(教師、領導和專家)、評估活動的參與(學生、教師、領導和專家)、評估準則的制定(系統管理者、領導和專家)、評估結果的查看(所有角色)以及評估結果的處理(系統管理者)。對應的系統角色用例圖,如圖1所示。

圖1 評估系統角色用例圖

不同的角色由于權限與職責的不同，所參與的評估階段和方式即存在差異，該圖同時也體現出參與角色及系統數據之間的對應關系。

(3) 系統能夠根據評估結果，對未達標的學生進行監控。同時也支持在系統中設置閾值，若評估結果低于一定的閾值或本次評價結果低于前一次結果的一定范圍，則向管理者發送相關信息，以便于針對性地提高學生學習質量。

1.2 系統功能單元設計

在完成對學習質量評估系統的開發需求進行分析后，需要梳理系統中每類角色所涉及的業務流程，進而設計相應的功能單元。

本文設計基于深度學習的學習質量智能評估系統在功能上可劃分為四個組成單元：評估指標管理單元(單元一)、評估管理單元(單元二)、評估數據分析單元(單元三)以及評估系統管理單元(單元四)。這些一級單元又可細分為多個二級子單元，具體如圖2所示。

圖2 評估系統功能單元

各功能單元的具體分析如下。

(1) 評估指標管理單元。該部分主要是對評估的形式、時間等進行維護，在對該功能單元進行設計時，考慮到該系統主要是面對高校學生。而高校最常采用的評估形式就是調查問卷，為此本文也采用這種相對成熟的方式[5]。調查問卷的優勢在于能夠在一定程度上保證評估內容的全面性，其中不同的題目代表不同的評估指標，指標具體內容由教育評估專家組制定，再由系統管理員進行整合實現[6]。對應評估指標管理單元的二級子單元有評估指標制定、問卷類型設置、問卷參數設置和調查問卷生成等功能。

(2) 評估管理單元。在進行學習質量評估的過程中，由于不同角色本身存在認知差異，同時對具體評估內容的理解也不同。因此為了更全面地進行評估，除了學生自身參加外，其代課老師及學校也應參與其中[7]。評估管理單元需要根據角色的不同為其制定不同的評估指標(調查問卷)，本系統主要包括3項功能：學生自評、教師評價和學校評價。

(3) 評估數據分析單元。本系統的核心是對能夠表征學習的參數進行計算，進而實現對學習質量的智能評估。因此該數據分析單元的功能即對得到的評估數據進行科學、有效地分析，進而得到更加符合實際情況的評估計算結果。層次分析法(AHP)是一種能夠迅速、深入、有效地對數據進行分析處理的方法[8]，具體應用方法將在下文中進行介紹。同時在該單元中引入人工智能領域中的深度學習算法，最大程度上保證學習質量評估結果的客觀性與準確性。另外，該部分還支持將數據分析結果利用圖表進行可視化展示，并通過設置閾值將學習質量偏低或下滑的學生進行監控。

(4) 評估系統管理單元。該部分主要用來保障系統的正常運行，這一部分只有系統管理員有操作權限。系統管理員可以通過這一單元為系統用戶分配操作權限，同時對系統數據庫及運維進行日常管理。

2 系統實現

2.1 系統軟件架構

為了保證系統平穩運行，除了滿足上述功能性需求外，還需要滿足一定的非功能需求，本系統在設計過程中考慮的非功能需求包括穩定性、易用性、安全性和可擴展性。其中，穩定性是指系統能夠在各種條件下平穩運行，盡量避免系統卡頓；易用性是指系統操作簡單，適合不同水平的人員使用，具有良好的人機交互頁面；安全性是指系統在運行過程中必須保證數據的隱私與安全[9]；可擴展性則是指系統需要考慮評估指標等因素的可變性，系統能夠根據實際需要不斷進行改進和擴展。

為了使所設計的系統符合上述非功能性需求，采用的軟件架構如圖3所示。

圖3 評估系統軟件架構

從該軟件架構上看，系統可劃分為4層：業務展示層(View)、邏輯控制層(Controller)、服務層(Service)和數據層(Dao)。其中，View層負責系統頁面的展示，為系統提供人機交互界面，這一層本系統采用JSP技術；Controller層負責業務邏輯的控制是View層與Service層之間的過渡層，能夠實現接收頁面采集的參數并傳給Service層進行處理，處理完成后接到返回值，再返回給頁面[10]；Service層中主要定義了一些業務處理的具體方法；Dao層則是較為底層的架構，其中包括了一些與數據庫之間的交互操作，例如數據的增刪修改等[11]。

2.2 學習質量智能評估

系統學習質量評估數據是通過學生、教師等參與者進行調查問卷獲得的，接下來的問題即如何對采集到的數據進行智能化處理與分析。為此，建立了數據處理流程如圖4所示。

圖4 系統數據處理流程

首先,將獲取到的各角色評估數據、設置的評估指標等初始信息存入到系統數據庫中，經過數據預處理后利用AHP算法對各種指標信息進行分析，最后通過深度學習算法給出最終的學習質量評估結果。

在上述對數據的處理中，系統用到了層次分析法與深度學習技術，下面將對這兩種關鍵技術進行分析。

(1) 層次分析法。考慮到學習質量評估包含多個不同的指標且各指標之間存在一定的層次關系，為了準確對學生的學習質量進行評估，則需要確定每個指標對結果的影響程度，以此確定最優的權重。本文采用層次分析法(AHP)對各評估指標進行管理。

層次分析法的核心思想[12-14]為將復雜問題分解為不同層次的影響因素，利用決策者的經驗對同層各因素之間的相對重要性進行比較，構建成對比較判斷矩陣。并通過該矩陣來計算各因素的權重，最終得到單一因素對整體目標影響的綜合權重，從而將所有影響因素根據權重合成為一個量化指標。

通過層次分析法可以得到不同評估指標的權重，進而實現對學生學習質量的匯總，同時為了去除量綱的影響，還需進行歸一化處理。

(2) 深度學習。其是人工智能領域的一個重要分支，最主要目的在于通過構建人工神經網絡，深度挖掘數據最本質的信息[15]。深度學習中包括多種經典的算法來針對不同的任務，常用的有[16]卷積神經網絡(CNN)、深度置信網絡(DBN)及自編碼網絡(AEN)等。本文充分考慮系統設計的功能性與非功能性需求設計了網絡結構模型，如圖5所示。

圖5 系統深度神經網絡結構模型

該模型是一個具有輸入層、全連接層、屏蔽層和輸出層的深度神經網絡。其中輸入層是數據輸入的神經元，對輸入數據進行歸一化處理后，傳遞到全連接層；全連接層會對接收到的輸入進行加權求和，然后利用Sigmoid等非線性激活函數進行處理，得到一個實數值進行輸出；屏蔽層根據事先設置的百分比(本系統為30 %)，使得上一層神經元的輸出為0，同時當前層中輸出不是零的神經元與下一層神經元之間是全連接；最后是輸出層，可以得到模型對于學習質量的評估分值，通常通過Softmax函數來實現。

3 系統測試

為了驗證本系統在評估高校學生學習質量中的可行性與可靠性，在完成系統的搭建后進行了以下兩項測試：系統功能測試和系統性能測試。其中，系統功能測試主要驗證系統所包含的各基本功能是否按照設計需求正常操作；系統性能測試則是分析系統智能化處理結果與人工處理結果的一致性，以此判斷系統性能。

(1) 系統功能測試。該部分測試所包含的項目較多，本文列舉出其中相對重要的幾項，包括：用戶注冊登錄、管理員權限分配、評估指標錄入、調查問卷填寫以及智能化評估。對應的測試結果，如表1所示。

表1 系統基本功能測試結果

由測試結果可以看出，該系統能夠較好地實現用戶注冊登錄、管理員權限分配等基本功能，各項結果均符合預期。

(2) 系統性能測試。本系統的性能測試主要是對比高校教輔人員的人工處理結果與系統的智能化處理結果之間的一致性。兩種方式對學生學習質量的評估中，采用十分制(滿分10分)積分隨機選取了高校5名學生的評估數據，經人工與系統分別處理后得到的結果,如表2所示。

表2 系統評估與人工評估結果對比

通過上述5名學生的系統與人工評估結果可知，兩者的一致性可達到97%以上，即系統的誤差能夠控制在3%以內，說明本系統能夠以較高的準確度完成對學習質量的智能化數據處理，驗證了系統的可行性與可靠性。

4 總結

本文基于人工智能技術開發了一種智能化的學習質量評估系統，以期改進傳統方法中的各種不足。該系統由評估指標管理單元、評估管理單元、評估數據分析單元和評估系統管理單元四個部分所組成，利用深度學習與層次分析法對采集的評估數據進行智能化處理。最后進行的兩項系統測試結果說明，文中所設計的系統除了能夠較好地實現用戶注冊登錄、管理員權限分配等基本功能外，其系統性能即系統評估結果與人工評估結果的一致性可達到97%以上，在確保評估精準度的前提下能夠有效提高工作效率，實現智能化學習質量評估。