关键词:
汉语国际教育
情感挖掘
留学生
教学评价
摘要:
汉语国际教学活动中,学生习得汉语过程非常依赖教师个人的教学经验。提高汉语教师水平和能力,教学评价可能是一项重要的参考。可是目前从学校和教育机构的角度来讲,对外汉语教师正是缺乏这样专业的平台和系统去评估自身的教学活动。此时学生评价的作用逐渐体现。学生本身是教学活动的参与者,并且有资格也有能力对教师的教学技能做一个中肯的评价。以高校的留学生举例,汉语是留学生的必修项目,留学生作为教育服务的直接消费者,有权利去评价汉语教师的课堂。同时对于教师本身,留学生的评价也有助于教师意识到己的优缺点,对提升教学素养有很大的帮助。所以,将留学生教学评价的价值提取出来并尽可能的发挥作用,是本文所探索的方向。本论文的目的在于:处理和分析留学生的文字教学评价,从文字教学评价中按照教学评价标准抽取情感倾向讯息。现阶段由于人工智能的迅猛发展,基于机器学习的文本情绪识别技术也取得了很大的突破。若将情绪抽取、情绪识别技术运用在留学生教评语料的分析中,可以大大加快语料处理的速度和准确度,本研究验证了高校内留学生学生教评的模型实现。从留学生语料的收集到语料的数据整理清洗到训练语料的标注和测试,基本上是基于湖北工业大学的在校大学生的教学评价标准框架下进行。为了实现抽取并识别留学生语料评价中的情感倾向信息技术,本文采用了基于深度神经网络的机器学习方式,利用Python编写,基于Keras和tensorflow框架,搭建了基于全联接层的神经网络。实现了模型的训练,模型的优化和模型结果展示。最后证实模型的实现是可行的,在有限留学生的语料的情况下完成了模型的训练。并且对实验数据进行了简单的分析。实验结果表明模型达到了较高的准确率。从结果看出,该模型可以较好的运用于教学评价情感分析的分类。从理论的角度来讲,梳理了留学生教学评价的意义和价值;梳理了文本情感挖掘技术的发展。从实践上来讲,基于深度学习技术,将留学生教学评价依据现有的学生评价标准进行了情感倾向的识别,最后将训练模型可以反映出的教学现象做出一个简单的分析。由大化小,验证了技术落地的可能。