本书聚焦运用AI赋能线下＋线上两类课堂，提升课堂教学质量。第一部分：聚焦AI赋能线下课堂教学质量提升，构建以学生为导向的教学评价体系，利用主题模型挖掘学生关注点，基于机器学习、深度学习、集成算法提升模型的性能，最终目标是提升教学质量。第二部分：聚焦AI赋能线上课堂教学质量提升，基于慕课评论构建评价体系，运用LDA主题模型分析用户反馈，形成量化指标；通过集成模型实现评论文本精准归类，结合情感词典与熵值法确定指标权重；采用优劣解距离法评估课程质量，目标同样是提升教学质量。本书形成“数据采集－智能分析－决策支持”的闭环体系，为人工智能赋能课堂教学质量改善提供关键技术支撑。

上篇 线下课为主的教学数据的教学质量提升研究
1 线下课为主的教学质量提升研究综述
1.1 研究背景
1.2 研究目的与意义
1.3 国内外研究现状
1.4 研究内容与方法
1.5 研究创新
1.6 本章小结
2 线下课为主的教学质量提升相关理论基础
2.1 质量标准体系相关理论
2.2 双词主题模型
2.3 主成分分析方法
2.4 分类算法
2.5 模型性能评估方法
2.6 本章小结
3 实时反馈教学质量评价指标确定
3.1 实时反馈教学质量评价指标确定思路
3.2 教学质量评价指标体系构建原则
3.3 指标来源
3.4 教学质量评价指标初步确定
3.5 以学生为导向的教学质量评价指标体系构建
3.6 实时反馈教学质量评价指标初步确定
3.7 实时反馈教学质量评价指标最终确定
3.8 本章小结
4 教学质量评估模型构建
4.1 数据准备
4.2 基于传统机器学习的教学质量评估模型
4.3 基于集成算法的教学质量评估模型
4.4 基于深度学习的教学质量评估模型
4.5 基于堆叠集成-循环神经网络模型的教学质量评估模型
4.6 特征重要性排序
4.7 本章小结
5 实证研究
5.1 数据准备
5.2 模型分析
5.3 数据分析
5.4 提升教学质量的改进策略
5.5 本章小结
下篇 基于线上课评价信息的教学质量提升研究
6 线上教学为主的教学质量提升研究综述
6.1 研究背景与问题
6.2 研究思路与方法
6.3 研究创新
6.4 本章小结
7 线上教学的质量提升研究
7.1 在线教育研究综述
7.2 文本挖掘研究综述
7.3 相关研究评述
7.4 理论基础
7.5 本章小结
8 在线课程评价体系指标研究
8.1 在线课程评价指标确定原则和依据
8.2 获取在线文本中课程评价指标
8.3 在线课程评价指标确定
8.4 本章小结
9 在线课程评价体系指标权重研究
9.1 在线课程评价指标权重确定方法
9.2 评论文本分类及算法改进
9.3 评论文本情感得分计算
9.4 熵值法确定在线课程评价指标权重
9.5 本章小结
10 在线课程评价体系实证研究
10.1 在线课程评价体系验证
10.2 实证研究
10.3 结果分析与建议
10.4 本章小结
参考文献