创新性与可行性

2022-04-28 07:36:13 文档大全网 [ 字体：小中大 ] [ 阅读： ]

【#文档大全网# 导语】以下是®文档大全网的小编为您整理的《创新性与可行性》，欢迎阅读！
创新性,可行性
自1915年在美国出现第1张学生评教问卷以来，学生评教在各国逐步展开并普及，对学生评教的争论也随之出现并日益尖锐。一方面，学生评教能真正地反映学生的诉求，体现学生的满意度，有利于教师改进教学，提升教学质量；另一方面，由于知识能力的局限性，学生们对整个课程体系的把握很不足，情感、功利心等因素也会影响评教的客观性。因此，学生评教难以真实地反映教学水平。学生评教不但不能促进教学质量，还会导致教师不敢从严管理学生，导致教学质量滑坡。而评教结果则是学生选课时的首要选择之一，这种现象造成了学生选课时理想与现实较大的偏差。因此，一个能够帮助学生进行便利、正确地选课的服务平台是很有必要的。

首先，思辨的方法不能判定学生评教数据是否有效的问题，随着基于Internet的学生评教系统的普及，已经得到一定程度上的解决；其次，就当前而言，在学校评教数据的公正严明无法得到保证的时候，学生凭借其强大的创新意识与强烈的集体精神，已经发掘出了一种自助选课的意识萌芽——在社交平台上或凭借人脉，或借助号召，询问校友教师，得到虽比评教数据更得不到保证，却庞大得多的师资材料资源。因此，学生完全可以借助经过严格筛选的社交数据进行选课。

由此看来，学生完全可以避开学校的评教系统，借助自己的服务平台，自主展开讨论，也就是另一种形式的评教，再对得到的数据进行选择利用，制成列表，从而进行更为精细的选课。因此，本平台将主要采用意见收集社区网站的形式，依靠学生教师对师资力量的评价来收集平台自己的评教数据，并利用匿名制和推举监管制来辅助保证数据的公正性。

而针对数据的筛选，随着大数据的普及，面向大数据的研究方法日益完善和成熟。适用于大数据的关键技术包括：遗传算法、神经网络、数据挖掘、回归分析、基于时间序列的跟踪与分析、聚类分析、关联规则学习等技术。这些技术已经日益成熟，甚至被集成在各种大型的数据库管理系统(DBMS)中，使之成为大型DBMS的有机组成。基于大数据理念的数

据分析与数据挖掘技术的成熟，能够实现面向海量评教数据实时分析，并能保证分析的科学性，极大地方便了针对网络评教数据的挖掘和分析、跟踪。这将是服务平台的技术保证。