鐘秋燕

（華南師范大學(xué) 增城學(xué)院計(jì)算機(jī)系，廣東 廣州 510725）

【檢測(cè)評(píng)價(jià)】

基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)系統(tǒng)
——以廣東省精品資源共享課程《數(shù)據(jù)結(jié)構(gòu)》為例

鐘秋燕

（華南師范大學(xué) 增城學(xué)院計(jì)算機(jī)系，廣東 廣州 510725）

如何評(píng)價(jià)學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)行為，是網(wǎng)絡(luò)學(xué)習(xí)課程所必須解決的一個(gè)大問題。為了解決這一問題，分析了各個(gè)影響評(píng)價(jià)結(jié)果的因素，把各因素作為神經(jīng)網(wǎng)絡(luò)系統(tǒng)的輸入，通過對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，構(gòu)建基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)評(píng)價(jià)系統(tǒng)，并利用matlab進(jìn)行仿真。實(shí)驗(yàn)結(jié)果表明，該方法能夠較好的解決《數(shù)據(jù)結(jié)構(gòu)》資源共享課程中的網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)問題。

神經(jīng)網(wǎng)絡(luò)；學(xué)習(xí)評(píng)價(jià)；數(shù)據(jù)結(jié)構(gòu)

一、引言

網(wǎng)絡(luò)學(xué)習(xí)中需要解決的一個(gè)重要問題就是學(xué)習(xí)評(píng)價(jià)，通過評(píng)價(jià)用來衡量學(xué)生掌握知識(shí)的程度，測(cè)量所有教學(xué)形式和活動(dòng)的成效，并調(diào)整網(wǎng)絡(luò)學(xué)習(xí)課程的設(shè)計(jì)。傳統(tǒng)的學(xué)期末對(duì)學(xué)生進(jìn)行筆試和平時(shí)情況的綜合考評(píng)并不適合網(wǎng)絡(luò)學(xué)習(xí)，對(duì)于網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)，我們可以從平時(shí)的在線時(shí)間、作業(yè)完成量、數(shù)據(jù)結(jié)構(gòu)實(shí)驗(yàn)的完成情況，在線測(cè)試結(jié)果，答疑解惑積分；分析這些因素，然后制定等級(jí)指標(biāo)，并賦予不同等級(jí)。比如可以采取優(yōu)秀、良好、中等、及格、不及格五個(gè)等級(jí)，達(dá)到最高標(biāo)準(zhǔn)的為優(yōu)秀（90～100分），其次為良好（80～90分）、中等（70～80分）、及格（60～70分）、不及格（60以下），再根據(jù)相同等級(jí)中不同高低的評(píng)價(jià)語言比較得出較為符合實(shí)際的合理準(zhǔn)確的分值。要得出各個(gè)指標(biāo)的值，在現(xiàn)今的網(wǎng)絡(luò)技術(shù)里面并不困難，可以在每個(gè)學(xué)生登錄系統(tǒng)以后以這些指標(biāo)作為一個(gè)數(shù)據(jù)項(xiàng)，記錄這些值。因此網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)問題就是一個(gè)根據(jù)輸入得出一個(gè)分類的問題。根據(jù)網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)指標(biāo)因素，對(duì)各因素進(jìn)行分析，處理得出學(xué)生的評(píng)定等級(jí)。在上面提的問題中，如何確定各個(gè)因素所占的權(quán)重是該分類問題里面一個(gè)需要考慮的要素，我們不能憑空想象，也不能按照主觀來判定，因?yàn)槟菢訉?duì)一部分學(xué)生而言是不公平的，比如：如果我們把在線時(shí)間作為一個(gè)重點(diǎn)考察的因素，假設(shè)權(quán)重給出0.5，但是有些學(xué)生學(xué)習(xí)效率高，在短的時(shí)間來里面能夠完成教師所留的作業(yè)，或者達(dá)到了相應(yīng)的學(xué)習(xí)效果，相對(duì)來說在線的時(shí)間可以短一些，如果在線時(shí)間的權(quán)重較大，該學(xué)生最后的評(píng)價(jià)肯定會(huì)受到影響。合理確定各指標(biāo)所占權(quán)重并分類是該網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)系統(tǒng)的主要問題，而神經(jīng)網(wǎng)絡(luò)恰好能解決這兩個(gè)問題。因此，本文設(shè)計(jì)了一個(gè)基于神經(jīng)網(wǎng)絡(luò)的《數(shù)據(jù)結(jié)構(gòu)》網(wǎng)絡(luò)課程的學(xué)習(xí)評(píng)價(jià)系統(tǒng)。

二、神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)（人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡(jiǎn)寫為ANNs）是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。神經(jīng)網(wǎng)絡(luò)首先要以一定的學(xué)習(xí)準(zhǔn)則進(jìn)行學(xué)習(xí)，然后才能工作。訓(xùn)練時(shí)，首先把樣例信息輸入到網(wǎng)絡(luò)中，由網(wǎng)絡(luò)自第一個(gè)隱層開始逐層的進(jìn)行計(jì)算，并向下一層傳遞，直至傳至輸出層，其間每一層神經(jīng)元只影響下一層神經(jīng)元的狀態(tài)。然后，與其輸出與樣例的期望輸出進(jìn)行比較，并利用兩者按一定的原則對(duì)各層節(jié)點(diǎn)連接權(quán)值進(jìn)行調(diào)整，使誤差逐步減小，直到滿足要求為止。經(jīng)過網(wǎng)絡(luò)按以上學(xué)習(xí)方法進(jìn)行若干次學(xué)習(xí)后，網(wǎng)絡(luò)判斷的正確率將大大提高。當(dāng)網(wǎng)絡(luò)再次遇到其中任何一個(gè)模式時(shí)，能夠做出迅速、準(zhǔn)確的判斷和識(shí)別。一般說來，網(wǎng)絡(luò)中所含的神經(jīng)元個(gè)數(shù)越多，則它能記憶、識(shí)別的模式也就越多。后向傳播模型（BP，Back Propagation）是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。其具體模型如下：

圖1 BP神經(jīng)網(wǎng)絡(luò)模型

BP算法具體過程如下：

①選定p個(gè)樣本。②權(quán)值初始化（隨機(jī)生成）。③依次輸入樣本。④根據(jù)作用函數(shù)依次計(jì)算各層的輸出，一般來說作用函數(shù)選取，對(duì)于隱藏層WijXj-θi），其中：Wij連接權(quán)值，θi結(jié)點(diǎn)閾值。而對(duì)于輸出層，其中：Tij連接權(quán)值，θi結(jié)點(diǎn)閾值。⑤求各層的反傳誤差。對(duì)于輸出層，假設(shè)輸出結(jié)點(diǎn)的期望輸出ti，所有樣本誤差：，其中一個(gè)樣本誤差：為樣本數(shù)，n為輸出結(jié)點(diǎn)數(shù)。誤差公式：δl=（tl-Ol）·Ol·（1-Ol），對(duì)于隱含層的誤差：δlTli。⑥按權(quán)值調(diào)整公式修正各權(quán)值和閥值。對(duì)于輸出層的權(quán)值修正：Tli（k+1）=Tli（k）+ηδiyi，其中k為迭代次數(shù)；對(duì)于輸出層的閾值修正：θl（k+1）=θl（k）+ηδl；對(duì)于隱含層的權(quán)值修正：Wij=（k+1）=Wij（k）+ηδixj；對(duì)于隱含層的閾值修正：θi（k+1）=θi（k）+ηδi，⑦按新權(quán)值計(jì)算各層的輸出，直到誤差小于事先設(shè)定閥值。

三、基于BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)評(píng)價(jià)系統(tǒng)的設(shè)計(jì)

針對(duì)《數(shù)據(jù)結(jié)構(gòu)》網(wǎng)絡(luò)課程評(píng)價(jià)系統(tǒng)的特點(diǎn)，以及神經(jīng)網(wǎng)絡(luò)的算法功能，下面對(duì)基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)評(píng)價(jià)系統(tǒng)的過程流程圖：

圖2 網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)過程流程圖

1.準(zhǔn)備階段，確定學(xué)習(xí)評(píng)價(jià)指標(biāo)。主要考慮學(xué)生學(xué)習(xí)評(píng)價(jià)的幾個(gè)特征量，主要由在線時(shí)間、作業(yè)評(píng)定和數(shù)據(jù)結(jié)構(gòu)實(shí)驗(yàn)的完成情況，在線測(cè)試結(jié)果，答疑解惑積分。在線時(shí)間可以記錄學(xué)生登錄網(wǎng)絡(luò)教學(xué)系統(tǒng)的時(shí)間、次數(shù)等統(tǒng)計(jì)數(shù)據(jù)，主要包含上網(wǎng)總時(shí)間、在線交流總時(shí)間等。作業(yè)評(píng)定用來顯示教師對(duì)學(xué)生在網(wǎng)絡(luò)教學(xué)系統(tǒng)中提交作業(yè)的評(píng)判和評(píng)分。數(shù)據(jù)結(jié)構(gòu)實(shí)驗(yàn)完成情況，主要根據(jù)教師布置的實(shí)驗(yàn)學(xué)生的完成情況。在線測(cè)試結(jié)果是學(xué)生對(duì)數(shù)據(jù)結(jié)構(gòu)網(wǎng)絡(luò)課程給出的在線測(cè)試題目所得分?jǐn)?shù)。答疑解惑積分記錄學(xué)生在本課程學(xué)習(xí)中，參與在線交流討論答疑的次數(shù)和時(shí)間，同時(shí)，還記錄在本課程的討論答疑中，提出問題和回復(fù)問題的次數(shù)，針對(duì)改評(píng)價(jià)系統(tǒng)的需要，我們可以在設(shè)定學(xué)生屬性時(shí)，增加這些數(shù)據(jù)項(xiàng)的記錄。

2.數(shù)據(jù)的獲取，由于在設(shè)計(jì)數(shù)據(jù)庫的時(shí)候已經(jīng)考慮了學(xué)生的各項(xiàng)評(píng)價(jià)指標(biāo)，因此只需在數(shù)據(jù)庫中讀取即可。

3.數(shù)據(jù)的處理，是指利用從數(shù)據(jù)庫中獲取出的學(xué)生評(píng)價(jià)指標(biāo)，并通過個(gè)指標(biāo)的數(shù)據(jù)進(jìn)行0-1處理，作為我們神經(jīng)網(wǎng)絡(luò)的輸入，通過對(duì)神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)的訓(xùn)練，得出合理的權(quán)值，然后得出評(píng)價(jià)結(jié)果。

4.評(píng)價(jià)結(jié)果，即神經(jīng)網(wǎng)絡(luò)的輸出層。由于網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)的結(jié)果只有一個(gè)，因此輸出層就只有一個(gè)節(jié)點(diǎn)。

四、系統(tǒng)的實(shí)現(xiàn)

本系統(tǒng)利用matlab的神經(jīng)網(wǎng)絡(luò)工具箱，對(duì)設(shè)計(jì)的基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)實(shí)現(xiàn)，這里面涉及到參數(shù)的訓(xùn)練，以今年上學(xué)期本人所任教的數(shù)據(jù)結(jié)構(gòu)課程的其中一個(gè)班的學(xué)生成績(jī)50組數(shù)據(jù)作為訓(xùn)練集，學(xué)生有在線時(shí)間、作業(yè)完成量和數(shù)據(jù)結(jié)構(gòu)實(shí)驗(yàn)的完成情況，在線測(cè)試結(jié)果，答疑解惑積分?jǐn)?shù)據(jù)，這個(gè)作為神經(jīng)網(wǎng)絡(luò)系統(tǒng)的輸入，經(jīng)過神經(jīng)網(wǎng)絡(luò)的分類以后得出輸出結(jié)果，其結(jié)果與學(xué)生筆試和平時(shí)成績(jī)按比例得出的結(jié)果比較，如果相差較大則不斷地調(diào)整權(quán)值，直到符合能接受的誤差為止。具體的操作步驟如下：

圖3 網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型

1.歸一化處理。為了提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率，通常要對(duì)樣本數(shù)據(jù)作適當(dāng)?shù)念A(yù)處理。首先，利用prestd函數(shù)對(duì)樣本數(shù)據(jù)作歸一化處理，使得歸一化后的輸入和目標(biāo)數(shù)據(jù)均服從正態(tài)分布，即[pn，meanp，stdp，tn，meant，stdt]=prestd（p，t）；然后，利用prepca函數(shù)對(duì)歸一化后的樣本數(shù)據(jù)進(jìn)行主元分析，從而消除樣本數(shù)據(jù)中的冗余成份，起到數(shù)據(jù)降維的目的。

2.對(duì)訓(xùn)練樣本、驗(yàn)證樣本和測(cè)試樣本進(jìn)行劃分。在訓(xùn)練之前，需要將上面處理后的樣本數(shù)據(jù)適當(dāng)劃分為訓(xùn)練樣本集、驗(yàn)證樣本集和測(cè)試樣本集。在本案中以2012～2013年第二學(xué)期學(xué)習(xí)該門課程一個(gè)班的50組學(xué)生作為訓(xùn)練樣本，利用各項(xiàng)網(wǎng)絡(luò)學(xué)習(xí)指標(biāo)作為樣本輸入數(shù)據(jù)，根據(jù)期末考試的總評(píng)成績(jī)作為輸出目標(biāo)，訓(xùn)練出我們?cè)u(píng)價(jià)系統(tǒng)的各合適權(quán)值。以另一個(gè)班的50名學(xué)生為驗(yàn)證樣本集，同時(shí)對(duì)另外90名學(xué)生的學(xué)習(xí)狀況動(dòng)態(tài)跟蹤采集，作為測(cè)試樣本集。

3.網(wǎng)絡(luò)生成與訓(xùn)練。選用兩層BP網(wǎng)絡(luò)，其中網(wǎng)絡(luò)輸入維數(shù)為5，輸出維數(shù)為1，輸出值即為學(xué)生評(píng)價(jià)的等級(jí)。網(wǎng)絡(luò)中間層神經(jīng)元數(shù)目預(yù)選為4，傳遞函數(shù)類型選為tansig函數(shù)，輸出層傳遞函數(shù)選為線性函數(shù)purelin，訓(xùn)練函數(shù)設(shè)為trainlm。網(wǎng)絡(luò)的生成語句如下：net=newff（minmax（ptr），[51]，{'tansig''purelin'}，'trainlm'）；利用train函數(shù)對(duì)所生成的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

4.對(duì)訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)，利用sim函數(shù)進(jìn)行網(wǎng)絡(luò)仿真。對(duì)訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)利用sim函數(shù)對(duì)2012～2013年第二學(xué)期的另外90名學(xué)生進(jìn)行網(wǎng)絡(luò)仿真評(píng)價(jià)，同時(shí)，對(duì)比該組學(xué)生的筆試成績(jī)和平時(shí)實(shí)驗(yàn)成績(jī)的綜合成績(jī)，只有7組同學(xué)的結(jié)果出現(xiàn)偏差，正確率達(dá)92.2%。

五、結(jié)語

實(shí)驗(yàn)結(jié)果表明：基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)系統(tǒng)能較好地評(píng)價(jià)學(xué)生的學(xué)習(xí)狀況，該系統(tǒng)具有很好的實(shí)用性和指導(dǎo)作用，系統(tǒng)設(shè)計(jì)比較合理，從測(cè)試結(jié)果看，該模型正確率很高，其性能可滿足網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)的要求，評(píng)價(jià)結(jié)果較為科學(xué)，系統(tǒng)克服傳統(tǒng)評(píng)價(jià)方法中只能使用線性模型的缺陷，并大大降低了人為因素的影響，能較全面反映學(xué)生的學(xué)習(xí)狀況，經(jīng)系統(tǒng)得到的評(píng)價(jià)結(jié)果和理論結(jié)果，顯示一致性較好，使用起來簡(jiǎn)便，可操作性強(qiáng)。

[1]呂寨平，茹宏麗.網(wǎng)絡(luò)教學(xué)中情感交互設(shè)計(jì)缺失因素的調(diào)查研究[J].教育理論與實(shí)踐，2011，（27）：45-47.

[2]桑慶兵.基于神經(jīng)網(wǎng)絡(luò)的雙語教學(xué)評(píng)價(jià)體系[J].江南大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，（03）：26-30.

[3]余菜花.網(wǎng)絡(luò)課程評(píng)價(jià)標(biāo)準(zhǔn)研究[J].繼續(xù)教育研究，2008，（04）：68-70.

G642.0

A

1674-9324（2014）29-0266-03

廣東省教育科學(xué)“十二五”規(guī)劃項(xiàng)目（2012JK249）。