教學(xué)質(zhì)量評(píng)價(jià)的BP神經(jīng)網(wǎng)絡(luò)模型

石黎　孫志梅　劉毅　徐嘉婧

摘要：針對(duì)教學(xué)質(zhì)量評(píng)價(jià)的非線性、復(fù)雜性等問題，提出了基于BP網(wǎng)絡(luò)的教學(xué)質(zhì)量評(píng)價(jià)決策模型，借助其自學(xué)習(xí)，自適應(yīng)及最佳逼近性能對(duì)評(píng)價(jià)數(shù)據(jù)進(jìn)行量化訓(xùn)練，得到教學(xué)質(zhì)量評(píng)價(jià)結(jié)果。MATLAB仿真結(jié)果表明了該評(píng)價(jià)模型的有效性，獲得了較好的評(píng)價(jià)結(jié)果。

關(guān)鍵詞：相對(duì)屬性約簡(jiǎn)；BP神經(jīng)網(wǎng)絡(luò)；教學(xué)質(zhì)量；評(píng)價(jià)決策

湖北經(jīng)濟(jì)學(xué)院法商學(xué)院教研項(xiàng)目-教師教學(xué)質(zhì)量監(jiān)控與評(píng)價(jià)實(shí)踐問題的研究（2014J24）

在高校中，對(duì)教師的教學(xué)質(zhì)量評(píng)價(jià)一直是國(guó)內(nèi)外研究的熱門課題。合理的評(píng)價(jià)不僅對(duì)教師起到良好的激勵(lì)，而且還起到正確的、滿足當(dāng)前國(guó)家與社會(huì)需要的引導(dǎo)作用。隨著信息技術(shù)迅速發(fā)展，出現(xiàn)了基于多元線性回歸、偏最小二乘等教學(xué)質(zhì)量評(píng)價(jià)方法[1-2]，但這些方法或多或少存在一些不足。由于教學(xué)質(zhì)量各評(píng)價(jià)指標(biāo)之間以及與評(píng)價(jià)結(jié)果間是一種復(fù)雜非線性關(guān)系，而人工神經(jīng)網(wǎng)絡(luò)具有非線性、實(shí)時(shí)優(yōu)化、智能學(xué)習(xí)等優(yōu)點(diǎn)，成為當(dāng)前教學(xué)質(zhì)量自動(dòng)評(píng)價(jià)的主要算法[3-5]。本文首先使用SPSS主成分分析法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，再利用BP神經(jīng)網(wǎng)絡(luò)，采用三層神經(jīng)元的量化評(píng)價(jià)方法對(duì)教學(xué)質(zhì)量評(píng)價(jià)數(shù)據(jù)學(xué)習(xí)訓(xùn)練，得到最終的評(píng)價(jià)結(jié)果。MATLAB仿真表明，該方法是一個(gè)可行的評(píng)估方法。

一、評(píng)價(jià)指標(biāo)體系

在教學(xué)質(zhì)量評(píng)價(jià)中，評(píng)價(jià)指標(biāo)是評(píng)價(jià)工作最終真實(shí)有效的重要因素之一。為了確保研究工作順利進(jìn)行，得到理想的評(píng)價(jià)模型，借鑒了多所高校的教學(xué)評(píng)價(jià)指標(biāo)及湖北經(jīng)濟(jì)學(xué)院法商學(xué)院教師課堂教學(xué)質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)和相關(guān)研究文獻(xiàn)，首先使用SPSS主成分分析法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，簡(jiǎn)化后的指標(biāo)見表1所示。

二、BP神經(jīng)網(wǎng)絡(luò)MATLAB算法過程

用MATLAB進(jìn)行BP神經(jīng)網(wǎng)絡(luò)模型的建立和反復(fù)訓(xùn)練，以達(dá)到誤差最小，使輸出的預(yù)側(cè)值能與實(shí)際值盡量接近。具體步驟如下：

⑵建立網(wǎng)絡(luò)

網(wǎng)絡(luò)名=[newff（PR，SN，TF，BTF，BLF，PF）]；PR=[輸入取值范圍]；SN=[每層神經(jīng)元數(shù)]。TF=[每層傳遞函數(shù)]，BTF=[網(wǎng)絡(luò)訓(xùn)練函數(shù)]，BLF=網(wǎng)絡(luò)權(quán)值閾值函數(shù)，PF=網(wǎng)絡(luò)性能函教，網(wǎng)絡(luò)輸出和目標(biāo)輸出的均方誤差，取默認(rèn)值MSE。

⑶相關(guān)參數(shù)設(shè)定。

⑷訓(xùn)練網(wǎng)絡(luò)。網(wǎng)絡(luò)名=train（網(wǎng)絡(luò)名，輸入變量名，目標(biāo)變量名），此過程反復(fù)調(diào)整權(quán)值和閾值，以減小性能函數(shù)的值，直到達(dá)到預(yù)先設(shè)定的誤差精度。

⑸模擬輸出：sim（網(wǎng)絡(luò)名，輸入變量名）

（6）樣本觀測(cè)值與擬合值的比校。當(dāng)擬合值與目標(biāo)直線相交時(shí)，就應(yīng)該考慮將目標(biāo)直線下移，即提高精度，再進(jìn)行訓(xùn)練。反復(fù)調(diào)整該參數(shù)，使網(wǎng)絡(luò)更接近實(shí)際值。

三、模型構(gòu)建與仿真應(yīng)用

根據(jù)表1中的評(píng)價(jià)指標(biāo)，收集相關(guān)評(píng)價(jià)數(shù)據(jù)。用Matlab建立三層BP數(shù)神經(jīng)網(wǎng)絡(luò)[6]，輸入層神經(jīng)元為14個(gè)，輸出層神經(jīng)元為1個(gè)，隱含層節(jié)點(diǎn)個(gè)數(shù)為8個(gè)。從評(píng)價(jià)數(shù)據(jù)中選取15個(gè)訓(xùn)練樣本，歸一化處理后，樣本分為輸入樣本P和期望輸出樣本T，見表2。

使用MATLAB編程進(jìn)行模擬訓(xùn)練，經(jīng)過3000步后，誤差達(dá)到要求，過程如圖1所示。網(wǎng)絡(luò)輸出與期望輸出的結(jié)果擬合如圖2所示。

結(jié)語

教學(xué)評(píng)價(jià)是一個(gè)復(fù)雜的、非線性過程，運(yùn)用本文提出的決策模型，MATALB驗(yàn)證結(jié)果表明它是一種有效的可值得借鑒的方法，為教學(xué)評(píng)價(jià)決策提供方便快捷的途徑，同時(shí)該評(píng)價(jià)模型也可推廣到其他非線性的評(píng)價(jià)系統(tǒng)中。

參考文獻(xiàn)：

[1] 馬紅.運(yùn)用灰色趨勢(shì)關(guān)聯(lián)方法評(píng)價(jià)教學(xué)質(zhì)量[J].武漢理工大學(xué)學(xué)報(bào)，2010，32（15）：181-184.

[2] 劉偉，孫林.基于支持向量機(jī)的課堂教學(xué)質(zhì)量評(píng)價(jià)[J].合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，33（7）：968-971.

[3]孫曉玲，王寧，梁艷.應(yīng)用 BP 神經(jīng)網(wǎng)絡(luò)的教學(xué)評(píng)價(jià)模型及仿真[J].計(jì)算機(jī)仿真，2010，27（11）：314-317.

[4]傅莉.BP神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評(píng)價(jià)中的應(yīng)用[J].智能計(jì)算機(jī)與應(yīng)用，2012，（05）：70-72.

[5] 唐立力.基于BP神經(jīng)網(wǎng)絡(luò)的課堂教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)[J].中國(guó)西部科技，2014，（04）：103-105.

[6] 劉會(huì)燈，朱飛. MATLAB編程基礎(chǔ)與典型應(yīng)用[M].北京：人民郵電出版社，2008.

作者簡(jiǎn)介：

石黎（1980- ），女，湖北人，副教授，博士，研究方向：輔助教學(xué)決策；

孫志梅，講師；

劉毅，本科生；

徐嘉靖，本科生。endprint