BP神经网络方法在院系教学质量评价中的应用

2022-09-10

所谓教学质量评价, 就是利用教育评价的理论和技术对教学过程及其结果是否达到一定质量要求所做出的价值判断。目的是促进教学质量不断提高和对被评价对象作出某种资格的证明[1,2]。

由于教学是综合了教与学的动态过程, 影响教学质量的因素很多, 加上这些因素的影响程度也不尽相同, 因此, 评价的结果很难用一个精确的数学解析式来表示, 它是属于非线性的分类问题, 这就给综合评价带来了很大的困难。在以往的评价体系中, 多是采用直接建立评价系统的数学模型, 如层次分析法、聚类分析、灰色系统、模糊综合评判法等, 但这些方法在评估过程中难以排除各种随机性和主观性, 易造成评价结果失真和偏差。基于教学质量评价的非线性特征, 为了克服人为的主观随意性, 使得评估结果更加准确有效, 本文利用神经网络理论建立教学质量评价模型, 由于B P神经网络自学习、自适应能力非常强大, 能充分利用样本信息和数据, 通过高度的非线性映射, 能从根本上克服教学质量评价过程中建模与求解的困难, 具有时间短、速度快、准确度高等优点, 是进行教学质量评价的有效方法[3]。

1 院系教学质量评价指标体系的建立

根据院系教学质量评价自身的特点, 遵循目的性、全面性、可行性、稳定性等评价原则构建了如下的院系教学质量评价指标体系, 其中包括5个一级指标, 1 5个二级指标和3 1个三级指标[4]。该指标体系较全面的反映了院系教学质量的影响因素, 且各影响因素都能进行量化处理, 其中各指标权重通过专家调查法和A H P法得到。

2 基于B P神经网络的院系教学质量评价

2.1 B P神经网络方法介绍

B P网络是一种单向传播的多层前向网络, 是一种具有三层或三层以上的神经网络, 包括输入层、中间层 (隐层) 、输出层。上下层之间实现全连接, 而

每层神经元之间无连接。

B P网络的传递函数要求必须是可微的, 常用的有Sigmoid型的对数、正切函数或线性函数。由于传递函数是处处可微的, 所以对于B P网络来说, 一方面, 所划分的区域不再是一个线性划分, 而是由一个非线性超平面组成的区域, 它是比较光滑的曲面, 因而它的分类比线性划分更加精确, 容错性也比线性划分更好;另一方面, 网络可以严格采用梯度下降法进行学习, 权值修正的解析式十分明确。

2.2 BP神经网络综合评价模型

2.2.1 BP神经网络结构设计

B P网络的结构设计包括指定神经网络的层数、每层的神经元个数及所使用的传递函数。

根据上述的院系教学质量评价指标体系的构成, B P网络设计为: (1) 输入层, 将院系教学质量评价指标体系的二级指标数作为输入层神经元数, 即15个。 (2) 隐含层, 隐含层神经元数目的选取关系到整个B P网络的精确度和学习效率, 要两者兼顾, 但目前隐含层神经元数目的选取尚无一般的指导原则, 一般可根据精度要求通过试算取得, 本文选取3 1个。 (3) 输出层, 输出层神经元数目即为教学质量综合评价值, 为1个。至此, 网络的拓扑结构为1 5×3 1×1。

中间隐层、输出层网络分别采用双曲正切S型传递函数t a n s i g与线性传递函purelin, 网络设计结束。

2.2.2 BP神经网络训练

使用M A T L A B神经网络工具箱中的动态BP网络训练函数trainblm () 对网络进行训练, 学习次数为1000次, 目标误差为0.01。学习训练算法采用B P算法, 将黑龙江省某高校2 0 0 4年本科教学工作水平评估数据中的前1 0组参评数据作为神经网络辨识模型的训练样本, 用后9组参评数据对训练好的神经网络进行检验, 即作为检验样本, 比较其网络输出结果和期望输出, 由误差的大小, 确定网络是否已经训练稳定。

2.2.3 BP神经网络测试

网络测试的目的是为了确定网络是否满足实际应用的要求, 将样本数据作为网络的测试数据, 测试结果均精确拟合。表明网络具有很强的泛化能力, 可用于院系教学质量评价。

2.3 BP神经网络方法的应用

选择黑龙江省某高校下属的1 9个院系作为评价对象, 对采集到的原始数据进行加工处理后, 将参评院系标准化后的各项指标数据输入已经训练稳定的网络, 即可得到各参评院系的教学质量综合评价值。由于神经网络具有很强的学习性, 当网络训练稳定后, 利用网络模型得到的评价结果精确, 可信赖。

3 结语

采用B P神经网络建立的院系教学质量评价模型, 通过对参评样本的学习不断调整网络模型的拓扑结构, 直到误差满足设定的要求, 网络达到一个相对稳定的状态, 进而可应用该模型进行评价, 得到各院系教学质量的综合评价值。该模型的输出辨识值与真实值之间的误差很小, 具有收敛性, 能使系统误差达到任何精度要求。随着参评样本的增加和时间的演进能够实现动态跟踪评价。因此, B P神经网络评价模型是解决动态教学质量评价问题的一种行之有效的好方法。

摘要：本文在院系教学质量评价指标体系建立的基础上, 采用神经网络BP算法建立教学质量评价模型, 利用各评价指标值作为其输入, 教学质量评价值作为输出, 基于最小二乘法思想, 利用梯度搜索技术, 使网络的实际输出与期望输出的误差最小。经计算证明该模型具有较好的辨识精度, 很好地解决了教学质量的动态评价问题。

关键词：神经网络,BP算法,教学评价