一种多源教学行为数据的协同评价方法及系统

本发明涉及教育信息，尤其是涉及一种多源教学行为数据的协同评价方法及系统。

背景技术：

1、随着教育信息化的发展，课堂教学评价日益依赖多源异构数据的融合分析，视频、音频、操作日志等多模态数据与来自学生、同行、督导等不同主体的主观评价数据共同构成了复杂的数据基础。现有评价方法通常将各类数据源孤立处理，或仅在最终评分阶段进行简单汇总，缺乏将多源数据统一到共同行为粒度上进行结构化组织与关联的有效手段，导致不同模态数据在时间维度和行为语义维度上难以对齐，评价信息的细化程度和可解释性严重不足。由于各评价主体在评分标准、严苛程度、个人偏好以及不同教学场景下的评判方式存在显著差异，现有方法普遍将各评价源视为等同或仅依据固定权重进行合成，既无法识别各评价源固有的系统偏差，也不能区分偏差在不同教学对象群体、不同教学行为模式和不同评价时间阶段下的变化规律，使得评价结果中混杂着大量非真实教学表现的因素，数据的客观性和评价源之间的可比性较差。当多个评价源对同一教学行为单元给出的评价结果出现显著分歧时，现有技术缺乏科学的异常判定机制，往往仅凭简单统计规则剔除所谓离群值或直接平均处理，既不能准确区分真正异常的评价源与反映真实教学差异的有效信息，也难以依据评价源的历史稳定性和与客观参照的一致程度动态调整各数据源在融合中的贡献权重，导致融合过程对异常评价源缺乏抵抗力，且融合权重的确定缺少可解释的依据。更为突出的是，绝大多数现有评价系统在输出最终结果后便终止处理流程，评价源偏差结构、融合权重和校正参数均无法根据后续反馈参照数据进行自我修正和持续演化，评价模型长期固化，不能随着教学实践和数据积累而不断优化，难以适应动态变化的课堂环境和教学改进需求。

技术实现思路

1、针对现有技术的不足，本发明提供一种多源教学行为数据的协同评价方法及系统。

2、第一方面，本发明提供一种多源教学行为数据的协同评价方法，包括以下步骤：

3、获取同一教学对象在同一教学活动中的多源教学行为数据、多源评价数据和客观参照数据，并将多源教学行为数据按行为事件边界切分为多个教学行为单元，将多源评价数据映射到对应教学行为单元，生成单元评价数据集；

4、依据历史单元评价数据集与客观参照数据，计算各评价源对应的基线偏差数据、群体偏差数据、行为模式偏差数据和时序偏差数据，构建评价源偏差矩阵；

5、对单元评价数据集中的原始评价数据进行偏差分量分解，得到真实评价分量、系统偏差分量、情境偏差分量和扰动分量，并依据评价源偏差矩阵对原始评价数据依次执行基线校正、群体校正、行为模式校正和时序校正，得到校正评价数据；

6、针对同一教学行为单元中的校正评价数据计算评价分歧度，当评价分歧度大于预设阈值时，结合评价源历史稳定度、校正残差和客观参照一致度计算异常度，生成异常评价源标记数据，并依据异常评价源标记数据调整对应校正评价数据的融合贡献值；

7、依据各评价源的融合贡献值对同一教学行为单元中的校正评价数据进行协同融合，生成单元协同评价数据，并对多个单元协同评价数据进行聚合，输出教学对象对应的协同评价结果，将其与后续获取的反馈参照数据进行比对，更新评价源偏差矩阵和融合贡献值，用于多源评价数据的协同评价处理。

8、第二方面，一种多源教学行为数据的协同评价系统，包括：

9、数据获取模块，用于获取同一教学对象在同一教学活动中的多源教学行为数据、多源评价数据和客观参照数据，并将多源教学行为数据按行为事件边界切分为多个教学行为单元，将多源评价数据映射到对应教学行为单元，生成单元评价数据集；

10、评价源偏差矩阵生成模块，用于依据历史单元评价数据集与客观参照数据，计算各评价源对应的基线偏差数据、群体偏差数据、行为模式偏差数据和时序偏差数据，构建评价源偏差矩阵；

11、多维度偏差校正模块，用于对单元评价数据集中的原始评价数据进行偏差分量分解，得到真实评价分量、系统偏差分量、情境偏差分量和扰动分量，并依据评价源偏差矩阵对原始评价数据依次执行基线校正、群体校正、行为模式校正和时序校正，得到校正评价数据；

12、标记模块，用于针对同一教学行为单元中的校正评价数据计算评价分歧度，当评价分歧度大于预设阈值时，结合评价源历史稳定度、校正残差和客观参照一致度计算异常度，生成异常评价源标记数据，并依据异常评价源标记数据调整对应校正评价数据的融合贡献值；

13、动态更新模块，用于依据各评价源的融合贡献值对同一教学行为单元中的校正评价数据进行协同融合，生成单元协同评价数据，并对多个单元协同评价数据进行聚合，输出教学对象对应的协同评价结果，将其与后续获取的反馈参照数据进行比对，更新评价源偏差矩阵和融合贡献值，用于多源评价数据的协同评价处理。

14、综上所述，本发明包括以下至少一种有益技术效果：

15、1.本发明提供的多源教学行为数据的协同评价方法，通过获取同一教学对象在同一教学活动中的多源教学行为数据、多源评价数据和客观参照数据，并将多源教学行为数据按行为事件边界切分为多个教学行为单元，将多源评价数据映射到对应教学行为单元，从而形成以教学行为单元为共同粒度的结构化单元评价数据集。在此基础上，依据历史单元评价数据集与客观参照数据，计算各评价源对应的基线偏差数据、群体偏差数据、行为模式偏差数据和时序偏差数据，构建能够全面刻画各评价源多维度偏差特征的评价源偏差矩阵。通过对单元评价数据集中的原始评价数据进行偏差分量分解，得到真实评价分量、系统偏差分量、情境偏差分量和扰动分量，并依据评价源偏差矩阵对原始评价数据依次执行基线校正、群体校正、行为模式校正和时序校正，实现了将混杂在原始评价数据中的各类系统性和情境性偏差逐层剥离，使校正后的评价数据更真实地反映教学对象的实际表现。这种方法打破了传统评价方法中将各评价源评分简单汇总或仅依赖固定权重合成的局限，通过将评价源的长期评分习惯、对不同群体属性的倾向性判断、在不同教学行为模式下的尺度差异以及随时间推进产生的漂移进行分离与校正，显著提升了多源评价数据之间的可比性和一致性，使得来自不同主体、不同背景的评价信息能够在统一、客观的参照框架下进行融合，为教学评价的精准化和科学化提供了可靠的数据基础。

16、2.本发明进一步利用对同一教学行为单元中校正评价数据的差值分布分析，计算评价分歧度，并在评价分歧度大于预设阈值时，结合评价源历史稳定度、校正残差和客观参照一致度计算异常度，生成异常评价源标记数据，据此动态调整对应校正评价数据的融合贡献值，使得在评价结果出现显著分歧时能够科学地区分真正异常的评价源与反映教学行为本身复杂性的合理意见差异，避免了传统极值剔除或简单平均处理对有效评价信息的误删。在此基础上，依据各评价源的融合贡献值对同一教学行为单元中的校正评价数据进行协同融合，生成单元协同评价数据，并对多个单元协同评价数据进行聚合，输出教学对象对应的协同评价结果，同时将该结果与后续获取的反馈参照数据进行比对，更新评价源偏差矩阵和融合贡献值，形成可随教学实践持续演化的闭环评价机制。这一设计不仅使各评价源在融合过程中的权重分配具备了历史稳定性和参照一致性的量化依据，还使得评价源偏差结构和融合参数能够根据实际反馈结果进行自适应修正，系统对不同教学场景和评价生态变化的响应能力大幅增强，评价结论的可解释性和可信度得到系统性提升，为课堂教学质量的持续改进和教学评价体系的智能化演进提供了具有实际应用价值的技术方案。