人工智能驱动的小样本主观教育评价系统优化策略——孤立森林与肯德尔和谐系数的集成应用研究.pdf

２０２４年第６期江苏经贸职业技术学院学报总第１７６期

ＤＯＩ：１０１６３３５／ｊ．ｃｎｋｉ．ｉｓｓｎ１６７２⁃２６０４２０２４０６０１３

人工智能驱动的小样本主观教育评价系统优化策略

———孤立森林与肯德尔和谐系数的集成应用研究

陈煜军

（黎明职业大学商学院，福建泉州３６２０００）

摘要：探索人工智能技术在小样本主观教育评价系统中的应用，采用孤立森林算法和肯德尔和谐系数算法构建一个基

于人工智能的监督检测系统，对评价者和评分分值进行双重优化。研究结果显示，此系统在实际教学场景中具有卓越的性

能，能显著提升评价结果的准确性和可靠性。这不仅能为教育评价系统提供优化策略，也能为相关领域的数据驱动决策提供

理论支持和实践指导。

关键词：教育评价；人工智能；孤立森林；肯德尔和谐系数；优化管理；小样本单项量；主观评分监督

－－－

中图分类号：Ｇ４０⁃０５１文献标志码：Ａ文章编号：１６７２２６０４（２０２４）０６００５３０５

教育评价系统是教育质量保障体系的核心组表１研究实验数据基本情况

成部分，其科学性和公正性直接关系到教育过程和班级分项活动评价者人数评分细项分值样本

结果评估。然而，在小样本和高度主观性的教育评１１１１１７１１１

价场景中，评价者偏见、数据稀疏性、评价者不一致２１３７７８５

性和疲劳等问题尤为突出。这些问题的存在不仅３１２１３７１４４

影响了评价结果的准确性，也对教育决策的科学性４１２８７８１

构成挑战。人工智能技术的快速发展，特别是监督５１２８７８０

学习算法的应用，为解决上述问题提供了新的视角６１９１３７２１７

和工具。本研究旨在构建一个基于人工智能的监７１３１４７１５５

合计９１７４４９８７３

督检测系统，对小样本主观教育评价系统进行优

化，以期提高评价的客观性、准确性和效率，为教育一，去除高低分后求平均分。去除高低分后求平均

政策的制定和教学改进提供数据和算法支持。分是一种常见的评分数据处理方法，尤其是在处理

主观评分和存在极端值的情况下。该方法简单易

一、研究与分析

行，但是如果只去除一个最高分和最低分，在小样

本研究的实验数据来自两所高校三个学院累本的情况下第二个偏高或者偏低的分会对结果产

计３个教学年度、７个教学班级、８７３评次的真实教生较大影响；如果去除多个最高分或最低分，又会

学主观评分场景。通过基于“作品式”考核的智能对样本量产生较大影响。决定去除多少个最高分

评分系统收集信息，基本情况如表１所示。和最低分往往需要主观判断，这种选择可能导致不

该数据样本符合小样本主观单向量评分的特同结果，缺乏客