何谓明星教师？一种用于评估在线教育中教师表现的层次化 BERT 模型
机器学习
2020-12-04 v1
摘要
教育对社会与个人生活均有重大影响。随着技术发展，在线教育在过去十年中迅速增长。尽管已有若干关于学生行为分析、课程概念挖掘与课程推荐的在线教育研究（Feng, Tang, and Liu 2019; Pan et al. 2017），关于评估在线教育中教师表现的研究却很少。本文中，我们利用 1,085 门在线课程的字幕开展系统性研究，以理解并有效预测教师表现。我们的无模型分析表明，教师的言语线索（如提问策略、情感诉求与模糊限制语）及其课程结构设计均与教师表现评估显著相关。基于这些洞察，我们进而提出一种层次化课程 BERT 模型来预测在线教育中的教师表现。我们所提模型能捕捉每门课程内的层次结构以及从课程内容中提取的深度语义特征。实验结果显示，所提方法相较若干最先进方法取得显著增益。我们的研究对未来帮助教师改进教学风格并优化教学材料设计以实现更有效在线教学具有显著社会影响。
引用
@article{arxiv.2012.01633,
title = {What Makes a Star Teacher? A Hierarchical BERT Model for Evaluating Teacher's Performance in Online Education},
author = {Wen Wang and Honglei Zhuang and Mi Zhou and Hanyu Liu and Beibei Li},
journal= {arXiv preprint arXiv:2012.01633},
year = {2020}
}