左國(guó)平 謝紅艷 邱小平 于 濤 宋碧英

南華大學(xué) 湖南衡陽(yáng) 421001

基于神經(jīng)網(wǎng)絡(luò)的高校教師課堂教學(xué)質(zhì)量評(píng)價(jià)

左國(guó)平 謝紅艷 邱小平 于 濤 宋碧英

南華大學(xué) 湖南衡陽(yáng) 421001

在分析了高校教師教學(xué)質(zhì)量評(píng)價(jià)特點(diǎn)的基礎(chǔ)上，構(gòu)建了一種基于模糊理論與神經(jīng)網(wǎng)絡(luò)的高校教師教學(xué)質(zhì)量評(píng)價(jià)體系。該模型將教學(xué)評(píng)價(jià)指標(biāo)概念量化成確定的數(shù)據(jù)作為網(wǎng)絡(luò)的輸入，模糊綜合評(píng)價(jià)結(jié)果作為輸出。該方法既克服了評(píng)價(jià)主體在評(píng)價(jià)過(guò)程中的主觀因素，又得到了滿意的評(píng)價(jià)結(jié)果，具有廣泛的適用性。

模糊理論；神經(jīng)網(wǎng)絡(luò)；教學(xué)質(zhì)量；評(píng)價(jià)

教學(xué)質(zhì)量是教育的生命線，是高等院校能否持續(xù)健康發(fā)展的關(guān)鍵所在。長(zhǎng)期以來(lái)教學(xué)質(zhì)量的評(píng)估多是采用直接建立評(píng)價(jià)系統(tǒng)的數(shù)學(xué)模型，如：層次分析法、模糊綜合評(píng)判法、灰色系統(tǒng)、聚類(lèi)分析等。這些方法能充分考慮各種評(píng)估因素并體現(xiàn)專(zhuān)家經(jīng)驗(yàn)知識(shí)，但這些方法在評(píng)估過(guò)程中難以排除各種隨機(jī)性和主觀性，忽視了各評(píng)價(jià)指標(biāo)和教學(xué)效果之間的非線性關(guān)系，其結(jié)果帶有很大的主觀性，難以真實(shí)反映教學(xué)質(zhì)量狀況。

人工神經(jīng)網(wǎng)絡(luò)是信息科學(xué)與技術(shù)研究領(lǐng)域中一門(mén)新興學(xué)科，它是基于模仿人類(lèi)大腦的結(jié)構(gòu)和功能而構(gòu)成的一種信息處理系統(tǒng)，神經(jīng)網(wǎng)絡(luò)以其自有的模擬人的思維、非線性變換和自學(xué)習(xí)等功能，充分克服了上述缺陷，是進(jìn)行教學(xué)質(zhì)量評(píng)估的有效方法。

1 教學(xué)質(zhì)量評(píng)估指標(biāo)體系的建立

影響教師課堂教學(xué)質(zhì)量的因素有很多，建立科學(xué)合理的評(píng)價(jià)指標(biāo)體系是進(jìn)行科學(xué)評(píng)價(jià)的前提，評(píng)價(jià)指標(biāo)的建立必須遵循一定的原則，使建立的指標(biāo)體系更加合理、更具有說(shuō)服力。一般來(lái)說(shuō)，指標(biāo)設(shè)置應(yīng)遵循5項(xiàng)原則：

(1)科學(xué)性原則。指標(biāo)設(shè)置要客觀地反映分析對(duì)象本身的性質(zhì)、特點(diǎn)、內(nèi)在關(guān)系和變動(dòng)過(guò)程。對(duì)于課堂教學(xué)評(píng)價(jià)，指標(biāo)體系反映的應(yīng)該是課堂教學(xué)質(zhì)量的內(nèi)涵要求。

(2)全面性原則。應(yīng)盡可能從各個(gè)角度反映對(duì)象的全貌，防止以偏概全。同時(shí)，抓住重點(diǎn)，防止因小失大。要從全局出發(fā)，建立完整的評(píng)價(jià)指標(biāo)體系，以利于評(píng)價(jià)結(jié)果的公正性和權(quán)威性。建立的指標(biāo)體系應(yīng)能綜合反映對(duì)象各方面的特性。

(3)獨(dú)立性原則。同一層次的各指標(biāo)應(yīng)能各自說(shuō)明被評(píng)價(jià)對(duì)象的某一方面，指標(biāo)間不互相重疊，不存在因果關(guān)系。

(4)可行性原則。應(yīng)盡可能利用統(tǒng)計(jì)系統(tǒng)公開(kāi)的統(tǒng)計(jì)數(shù)據(jù)，保證評(píng)價(jià)的可操作性和公開(kāi)性，提高指標(biāo)體系在實(shí)際工作中執(zhí)行和應(yīng)用的可行性。

(5)以人為本原則。高校要提高教學(xué)質(zhì)量，就要充分利用人力資源，使他們?cè)诮虒W(xué)中發(fā)揮出盡可能大的作用。因此，課堂教學(xué)質(zhì)量評(píng)價(jià)應(yīng)體現(xiàn)重視人、尊重人、愛(ài)護(hù)人、激勵(lì)人的思想，在指標(biāo)體系的設(shè)計(jì)上也應(yīng)體現(xiàn)這一思想。

根據(jù)上述原則結(jié)合筆者所在高校的具體情況，課堂教學(xué)水平質(zhì)量評(píng)價(jià)可以通過(guò)教學(xué)素質(zhì)、教學(xué)態(tài)度、教學(xué)內(nèi)容、教學(xué)效果和教學(xué)方法手段等一級(jí)指標(biāo)進(jìn)行。為了使評(píng)價(jià)指標(biāo)更具有可操作性，可以將這些一級(jí)指標(biāo)細(xì)化為更具體的二級(jí)指標(biāo)(見(jiàn)表1)。

表1 教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系

根據(jù)以上分析，制成調(diào)查表，通過(guò)教學(xué)質(zhì)量調(diào)查活動(dòng)，對(duì)筆者所在學(xué)院2007級(jí)、2008級(jí)學(xué)生開(kāi)展調(diào)查活動(dòng)，得到482份有效調(diào)查結(jié)果，將調(diào)查結(jié)果進(jìn)行預(yù)處理，得到訓(xùn)練樣本（見(jiàn)表2）。將樣本數(shù)據(jù)的2/3用于訓(xùn)練網(wǎng)絡(luò)，1/3的數(shù)據(jù)用于網(wǎng)絡(luò)檢測(cè)，期望輸出可采用專(zhuān)家組對(duì)該課程的評(píng)價(jià)結(jié)果。

表2 教學(xué)質(zhì)量調(diào)查評(píng)估結(jié)果

續(xù)表2

2 基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評(píng)估模型

BP算法是為了解決多層前饋神經(jīng)網(wǎng)絡(luò)的權(quán)系數(shù)優(yōu)化而提出來(lái)的，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法之一。BP網(wǎng)絡(luò)學(xué)習(xí)過(guò)程由信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過(guò)程組成。

BP網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程可分成4個(gè)步驟，即模式順傳播→誤差逆?zhèn)鞑ァ洃浻?xùn)練→學(xué)習(xí)收斂。此過(guò)程一直訓(xùn)練到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或進(jìn)行到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止，最終以系統(tǒng)的輸出作為評(píng)價(jià)的目標(biāo)。為了使模型具有理論價(jià)值又有可操作性，根據(jù)實(shí)際情況我們構(gòu)建如下的神經(jīng)網(wǎng)絡(luò)模型：

(1)輸入層神經(jīng)元個(gè)數(shù)的確定。根據(jù)指標(biāo)體系，影響教學(xué)質(zhì)量的主要指標(biāo)有18項(xiàng)，因此取輸入層神經(jīng)元個(gè)數(shù)n=18，由于輸入數(shù)據(jù)是離散型的數(shù)值量，把它們歸一化后作為輸入量。

(2)輸出層神經(jīng)元個(gè)數(shù)的確定。評(píng)價(jià)結(jié)果作網(wǎng)絡(luò)的輸出，因此取輸出層個(gè)數(shù)m=1，并把輸出數(shù)據(jù)歸一化后作為輸出量。

(3)網(wǎng)絡(luò)隱含層數(shù)的確定。隱含層數(shù)越多，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速度就越慢，根據(jù)Kosmogorov定理，在合理的結(jié)構(gòu)和恰當(dāng)?shù)臋?quán)值條件下，3層BP網(wǎng)絡(luò)可以逼近任意的連續(xù)函數(shù)，因此，我們選取結(jié)構(gòu)相對(duì)簡(jiǎn)單的3層BP網(wǎng)絡(luò)。

(4)隱含層神經(jīng)元個(gè)數(shù)的確定。隱含層神經(jīng)元數(shù)的選取關(guān)系到整個(gè)BP網(wǎng)絡(luò)的精確度和學(xué)習(xí)效率，最佳隱節(jié)點(diǎn)數(shù)可參考公式計(jì)算：

n為輸入節(jié)點(diǎn)數(shù)，m為輸出節(jié)點(diǎn)數(shù)，α為介于1～10的常數(shù)。本文的輸入神經(jīng)元為18個(gè)，輸出為1個(gè)，所以隱含層神經(jīng)元為5～14個(gè)。經(jīng)過(guò)反復(fù)試驗(yàn)，得到最佳隱層節(jié)點(diǎn)數(shù)為10個(gè)。

(5)轉(zhuǎn)換函數(shù)的確定。BP神經(jīng)網(wǎng)絡(luò)神經(jīng)元轉(zhuǎn)換函數(shù)，可采用S型函數(shù)，函數(shù)形式為：

通過(guò)以上分析得到如圖1所示的BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。

圖1 教學(xué)質(zhì)量評(píng)價(jià)的模糊神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

3 網(wǎng)絡(luò)模型的實(shí)現(xiàn)

根據(jù)模型，利用Matlab對(duì)其進(jìn)行仿真，可得網(wǎng)絡(luò)建立過(guò)程的誤差曲線，如圖2所示。

圖2 訓(xùn)練誤差曲線

可以看出，神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)10步迭代即達(dá)到精度要求，訓(xùn)練時(shí)間很短。訓(xùn)練后的結(jié)果如圖3所示，訓(xùn)練值與目標(biāo)值符合得很好。

圖3 網(wǎng)絡(luò)訓(xùn)練結(jié)果

為了檢測(cè)網(wǎng)絡(luò)的泛化能力，對(duì)后5個(gè)樣本數(shù)據(jù)進(jìn)行了預(yù)測(cè)，預(yù)測(cè)結(jié)果及相對(duì)誤差見(jiàn)表3。

表3 檢測(cè)樣本的預(yù)測(cè)結(jié)果

通過(guò)Matlab的運(yùn)行結(jié)果，對(duì)照表2可知該網(wǎng)絡(luò)組的狀態(tài)分類(lèi)器可以有效準(zhǔn)確地識(shí)別該教學(xué)質(zhì)量評(píng)估的情況。這與實(shí)際情況是相符合的，說(shuō)明設(shè)計(jì)的教學(xué)質(zhì)量評(píng)估分類(lèi)器是合理的，可以投入實(shí)際使用。

[1]湯小凝.模糊理論在高校教學(xué)質(zhì)量評(píng)估中的應(yīng)用[J].中國(guó)教育技術(shù)裝備，2008，8：6～8

[2]仁善強(qiáng)，雷鳴.數(shù)學(xué)模型[M].重慶：重慶大學(xué)出版社，1998

[3]劉敏慧.層次分析法在高職院校教師教學(xué)質(zhì)量評(píng)價(jià)中的應(yīng)用[J].天津職業(yè)大學(xué)學(xué)報(bào)，2008，17(6)：26～28

[4]聞新，周露.Matlab神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M].北京：科學(xué)出版社，2000

[5]劉杰.構(gòu)建研究型大學(xué)課程教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系的探討與實(shí)踐[J].高等理科教育，2003，6：1～6，11

[6]黃關(guān)揚(yáng).教育測(cè)量與評(píng)價(jià)[M].上海：華東師范大學(xué)出版社，2002

Abstract: Based on the analysis of features of teaching quality appraisal of teacher sin colleges and universities, an evaluation model of university teachers’ teaching quality based on fuzzy theory and BP neural network is introduced. The model transforms teaching evaluation indicators into qualified data as BP network input and takes fuzzy synthetic evaluation results as output. the method can both overcome the subjective factors of evaluation main body in evaluation process and bring the satisfactory evaluating results，and it has the widespread serviceability.

Key words: fuzzy theory; neural network; teaching quality; evaluation

Using neural network to evaluate university teachers' teaching quality

Zuo Guoping, Xie Hongyan, Qiu Xiaoping, Yu Tao, Song Biying
University of south China, Hengyang, 421001, China

2010-09-10

左國(guó)平，碩士，講師。通訊作者：謝紅艷，碩士，講師。

湖南省普通高等學(xué)校教學(xué)改革項(xiàng)目，南華大學(xué)高等教育與改革課題（編號(hào)：2009ZZ061），南華大學(xué)高等教育與改革課題（編號(hào)：2009PP027）。