经济管理中的计算机应用课程简介
邵允学+周建涛
摘 要：针对课程评价过程中存在评价数据收集过程费时费力、数据真实性难以保证、数据难以全面反映课程实施过程等问题，通过分析课程评价过程中各个环节的评价主体和评价目标，借鉴智能化技术在其他领域的应用研究现状，全面阐述智能化技术在课程评价中的应用潜力。
关键词：课程评价；大数据；智能视频监控；智能推理
0 引 言
课程评价是新课程改革中的重要内容，是高等教育课程改革中的重点。目前，国内外有大量的研究人员对课程评价进行研究，并取得了大批优秀的研究成果，具有代表性的成果有面向评价目标的模式[1]和面向评价背景、输入、过程与输出的模式[2]，比较常用的评价方法有方案与标准之间的差距课程评价[3]、根据参与人的信息反馈课程评价[4]等。上述方法从不同的角度反映课程评价过程中需要考虑的因素，当前国内的课程评价方法是在这些代表性方法和常用方法的基础上，通过融合、延伸和改进得到的。
1 当前我国的课程评价活动
教育部颁布的全面深化课程改革指导文件指出原有课程评价过程的不足之处，并将促进功能确定为新课程改革的目标之一，即通过课程评价促进学生的成长、教师的发展和教育教学实践改革等。此指导性文件明确指出课程评价在课程改革中的重要性，将课程评价作为课程改革的关键领域和主要环节。各级教育行政部门和学校认真贯彻落实教育部关于课程改革的工作部署，从不同角度完善课程评价体系，主要表现在以下几个方面。
1.1 课程需求评价
由于当前课程已无法满足现代教育和时代的需求，因此迫切需要對课程进行全面深化改革。为更好地了解和评价当前课程的优势与不足，首先需要对当前课程进行诊断性评价，调研分析现行课程的实际情况；其次需要了解当前社会、经济、人文等诸多方面的发展和需求情况；最后利用调查数据和分析模型，为新课程改革提供数据和理论支持。
1.2 课程标准评价
课程标准作为管理和评价课程的基本依据，需要明确指出对每个阶段的学生在知识体系与技能、情感态度与价值观等方面的基本要求，同时也包括对教师的教学实施建议和对学生的评价建议等内容，因此课程标准的评价具有十分重要的意义和作用。这个评价过程主要发生在课程标准制定结束到颁布之前这段时间，通过收集课程、学科以及教学等方面专家的意见，进行调整和修改，是对课程标准再次研读的过程。
1.3 教材评价
在我国实行教材选用措施以来，为更好地评价和对比各教材，教育部专门组成教材评价研究小组，该小组经过全面调研和分析，研究出适应于当前教育教学现状的教材评价标准和评价工具。该小组将教材评价标准总结为六个维度，包括知识、思想品德与文化内涵、认知与发展规律、编制水平、可行性和总体特点六个维度，每个维度对应具体的评价内容与标准。教材评价的工具分为静态工具和动态工具两大类，静态工具主要包括用于进行静态分析的各类记录单和记录表，例如教材质量记录表、教材活动情况记录表、典型案例记录表等；动态工具主要包括座谈、问卷调查等，目前通常采用静态和动态工具相结合的方式对教材进行评价。
1.4 课程实施情况评价
课程实施情况直接关系到课程改革的成败，主要通过问卷调查、抽样评估等方法对课程实施情况进行评价，以便了解教师、学校以及社会对新课程的认可程度，并发现可能存在的问题。
2 智能化技术在课程评价中的应用潜力
随着信息技术的高速发展，人类需要获取信息的数量、范围都在不断增加，面对更加庞大复杂的信息时，传统信息处理技术就显得有些力不从心，利用智能化技术来加工、处理和应用这些信息，是信息化技术发展的必然趋势。所谓智能化技术就是利用人工智能技术让机器具有相关领域的智能处理技能，以便帮助人类从相关辛苦复杂的劳动中解脱出来。具体来说，智能化技术应是人类与机器良好结合的复杂系统，该系统通过友好的人机交互界面充分发挥人类智能、机器性能的各自优点。当前，课程评价过程中采用的信息化技术在一定程度上提升了评价的效率和效果，但评价过程在智能化程度上还有很大的提升空间。课程评价是一项涉及经济、社会和教育三个复杂系统的系统工程，智能化技术能够在其中发挥重要的作用，例如智能地感知经济、社会和教育三方面的具体需求，智能地评价课程实施的过程和分析课程达到的经济效果和社会影响，从而客观、公正、高效地对课程做出系统评价。笔者从大数据、智能视频监控与分析、智能推理与语义分析的角度，介绍智能化技术在课程评价各个环节中的应用潜力。
2.1 大数据
美国前总统奥巴马在2012年宣布美国政府《大数据研发与发展计划》，2015年李克强总理签批《促进大数据发展纲要》，马云表示未来最大的能源是数据。这些例子表明，无论是国家层面还是商业领域，大数据时代已经到来并将从多方面改变人类的生活，在金融[5]、医疗[6]、体育[7]、能源[8]、交通[9]等领域都有非常成功的应用案例。随着大数据技术的快速发展，在课程评价领域，结合传统方法和大数据思维方法必将对课程做出更加客观真实的评价。传统方法采用的课程评价数据，往往是按照事先确定的方案收集结构化的样本数据，需要大量的人员参与，而且存在数据采集周期长、数据量有限等不足。如果收集过程没有按照预定方案实施或实施过程有偏差，那么得到的数据就不能满足要求，而且，由于数据量小、结构化程度高、参与人员受限等因素导致在该类数据上的分析空间受限，通常无法从多个层次、多个角度去分析和评价课程。通过大数据信息收集技术，将与某课程相关的数据收集起来，这类数据是可以通过现代信息技术记录和量化的数据，不仅所蕴含的信息量巨大，而且不受各种条件限制，数据选择空间大。在具体实施过程中，通过网络爬虫抓取课程相关网站的用户评价和讨论内容，包括学生和教师等特定人群在学习交流站点上的课程讨论和评价、网络销售平台上关于课程指定教材的评价等，通过语义分析技术，对评价内容进行评价角度和评价观点分类，从而将非结构化的数据转化为结构化的数据，最后结合传统评价数据和方法，利用结构化数据分析技术，对课程进行全面评价，进而为课程评价决策提供支持。
2.2 智能视频监控与分析
在公共安全、工业、交通等领域的强大需求下，智能视频监控技术得到了广泛关注，随着计算机视觉、人工智能、机器学习的快速发展，该技术已经广泛应用于人类生产生活中。智能视频监控包括对场景中的目标进行检测、分类、跟踪以及对目标行为进行识别、分析和理解，实现犯罪预防、交通管制、意外防范和检测、老幼病残监护等功能，能够显著提高监控效率，降低监控成本，具有广泛的研究意义和应用前景。当前，课程实施过程评价主要采用专家听课、学生和教师反馈等方式评价课程实施情况，然而，采用这种方式存在评价内容片面、评价结果难以反映真实情况等问题。随着智能视频监控与分析技术的快速发展，将该技术引进到课程实施过程评价中，以“第三者”身份客观公正地评价课程实施过程中的参与者，将是课程实施过程评价的发展方向。通过采用视频监控与分析技术，能够客观反映课程实施过程中参与者的具体情况，如自动签到、课程效果分析、师生表现评价等。在具体实施过程中，首先，利用人流量分析[10]等技术统计学生出勤情况，利用人脸检测[11]技术实时监测课堂上学生长时间低头等现象，利用动态目标跟踪和分析[12]技术监测课堂上学生随意走动等现象，通过语音分析和识别[13]技术分析课堂上师生互动情况；然后，将监测数据转化为结构化的数据，结合传统评价数据和方法，利用结构化数据分析技术，对课程实施过程进行全面评价。通过智能视频分析技术，结合传统评价方法，达到从多个角度全面公正评价课程实施过程的目的。
2.3 智能推理与语义分析
随着智能推理和语义分析技术的蓬勃发展，推理和語义分析技术正逐步应用到用户需求推荐[14]、产品评价[15]、用户满意度评价[16]、智能家居[17]等领域。目前，在课程评价环节中，需求评价和事前评价阶段，可以通过智能推理和语义分析技术，获得互联网上关于该课程领域的观点、评价、需求程度和发展方向等数据，这些数据是传统课程评价方法难以全面获得的。在课程实施后的评价中，传统方法采用问卷调查形式且绝大多数采用选择题形式对课程或课程参与者进行评价，该评价形式存在参与评价的人可能对评价过程重视程度不够、评价结果难以全面真实反映课程实施情况等问题，可以通过精心设计题型和题目，采用智能推理和分析技术处理调查结果，能够达到自动去除异常结果、观点总结和分析等目的。可以预见，将智能推理与语义分析技术应用于课程评价是可行和必要的。
3 结 语
课程评价是课程改革中的重要环节，传统的课程评价方法存在很多不足之处，随着智能化技术的快速发展，传统评价方法必将结合智能化评价方法，多角度、全方位地进行课程评价。笔者介绍当前课程评价现状和智能化技术的发展趋势，分析当前课程评价过程中存在的不足之处，给出采用智能化技术在该领域的应用潜力。智能化时代对课程评价既是挑战也是机遇。从信息化到智能化不仅是信息时代课程评价的现实选择，也是智能生产力发展的必然趋势。国内课程评价系统若能把握好这次智能化革命机会，一定能在课程评价领域走在世界的前列。
参考文献：
[1] Tyler R W. Basic principles of curriculum and instruction[M].Chicago：University of Chicago press， 2013.
[2] Stufflebeam D L. The CIPP model for program evaluation[M]. Netherlands：Springer Netherlands， 1983： 117-141.
[3] Provus M M. Discrepancy evaluation for educational program improvement and assessment[M]. Berkeley Calif： McCutchan Pub. Corp.， 1971.
[4] Stake R E. Evaluating the arts in education： A responsive approach[J]. The Journal of Aesthetics and Art Criticism， 1976， 34（3）： 365-366.
[5] 吴敬龙. 金融大数据平台部分模块的设计与实现[D]. 北京： 北京交通大学， 2015.
[6] 姚琴. 面向医疗大数据处理的医疗云关键技术研究[D]. 杭州： 浙江大学， 2015.
[7] 罗洪屾. 大数据视域下我国体育产品营销模式研究[D]. 曲阜： 曲阜师范大学， 2016.
[8] 周长进. 基于3E大数据的京津冀能源环境决策分析的研究[D]. 北京： 华北电力大学（北京）， 2016.
[9] 赵卫丹. 基于大数据平台的城市地铁交通模式研究[D]. 长春： 吉林大学， 2016.
[10] 姜明艳. 视频图像处理中人流量统计算法研究[D]. 成都： 电子科技大学， 2013.
[11] 廖广军. 复杂条件下的人脸检测与识别应用研究[D]. 广州： 华南理工大学， 2014.
[12] 刘佰昂. 单摄像头条件下的行人识别与跟踪方法研究[D].长沙： 中南大学， 2010.
[13] 王琳. 噪声环境下的鲁棒语音识别技术研究[D]. 哈尔滨： 哈尔滨工业大学， 2016.
[14] 吴泓辰. 高效率用户群体兴趣趋势发现的推荐方法研究[D]. 济南： 山东大学， 2016.
[15] 冯秀珍， 郝鹏. 基于词性分析的产品评价信息挖掘[J]. 计算机工程与设计， 2013（1）： 283-288.
[16] 顾立培， 邢宝君. 团购导航网站用户满意度研究[J]. 现代情报， 2014（6）： 160-165.
[17] 邓中祚. 智能家居控制系统设计与实现[D]. 哈尔滨： 哈尔滨工业大学， 2015.
（编辑：史志伟）
