摘 要：随着在线课程的推出以及国家对于在线课程的大力支持，精品课程建设成为高等学校教学质量与教学改革工程的重要组成部分。在如何评价精品课程方面，实际上仍然没有十分准确的标准。因此，文章提出了一种基于机器学习的国家精品课程分类方法。根据参与人数，评论人数，开课次数构建了一个机器学习分类器，形成一套精准的评判体系。模型的准确率最高达到了 85.76%。这利于教师在教学中找寻不足，推动教学建设，促进整个教育行业的发展。
关键词：精品课程；在线课程；指标体系；机器学习
DOI:10.19850/j.cnki.2096-4706.2022.013.042
基金项目：国家自然科学基金资助项目（62005246）；浙江省自然科学基金资助项目（LQ20F020004）；浙江省大学生科技活动计划暨新苗人才计划资助项目（2021R412038）；浙江农林大学暨阳学院科研发展基金资助项目（JYKC2110）
中图分类号：TP391.1 文献标识码：A 文章编号：2096-4706（2022）13-0176-03
Research on Classification of National Excellent Courses Based on Machine Learning
ZHANG Zhongjin, WANG Jiawei, YANG Jie, XU Peng
(School of Engineering and Technology, Jiyang College of Zhejiang A&F University, Zhuji 311800, China)
Abstract: With the launch of online courses and the national great support for online courses, the construction of excellent courses has become an important part of the teaching quality and teaching reform project in colleges and universities. In fact, there are still no very precise standards on the aspect of how to evaluate excellent courses. Therefore, this paper proposes a classification method of national excellent courses based on machine learning. According to the number of participants, the number of comments and the number of courses, a machine learning classifier is constructed to form a set of accurate evaluation system. The highest accuracy rate of the model is up to 85.76%. This is conducive to teachers to find deficiencies in teaching, promote the teaching construction, and promote the development of the entire education industry.
Keywords: excellent course; online course; indicator system; machine learning
参考文献：
[1] 杨晓宏，周海军，周效章，等 . 国内在线课程质量认定研究述评 [J]. 电化教育研究，2019，40（6）：50-57.
[2] 杨艺，余鲁 . 精品课程智能评价系统设计 [J]. 重庆工商大学学报（自然科学版），2013，30（10）：96-102.
[3] 王勇 .AHP 模型在精品课程评价技术指标评价中的应用 [J].江苏科技信息，2013（20）：50-51+61.
[4] 严军 . 基于 NVivo 的国家级精品课程建设评价研究——以中药学类 X 专业课程为例 [J]. 科教导刊，2021（29）：168-170+179.
[5] 杨常清 . 基于模糊综合评价的精品课程网络评审系统 [J].价值工程，2012，31（5）：229-230.
[6] 李火光 . 国家级精品课程网站网络资源评价指标体系研究及辅助评价系统设计 [D]. 重庆：西南大学，2009.
作者简介：张忠进（2001—），男，汉族，江西新余人，本科在读，主要研究方向：向为信息隐藏、机器学习；王嘉伟（2000—），男，汉族，浙江温州人，本科在读，主要研究方向：信息隐藏、深度学习；通讯作者：杨洁（1989—），男，汉族，重庆开州人，博士，副教授，主要研究方向：信息安全、多媒体信息处理；徐鹏（1987—），男，汉族，山东济南人，讲师，博士，主要研究方向：向为机器学习。