基于神經網絡的高校教師課堂教學質量評價

左國平 謝紅艷 邱小平 于 濤 宋碧英

南華大學 湖南衡陽 421001

基于神經網絡的高校教師課堂教學質量評價

左國平 謝紅艷 邱小平 于 濤 宋碧英

南華大學 湖南衡陽 421001

在分析了高校教師教學質量評價特點的基礎上，構建了一種基于模糊理論與神經網絡的高校教師教學質量評價體系。該模型將教學評價指標概念量化成確定的數據作為網絡的輸入，模糊綜合評價結果作為輸出。該方法既克服了評價主體在評價過程中的主觀因素，又得到了滿意的評價結果，具有廣泛的適用性。

模糊理論；神經網絡；教學質量；評價

教學質量是教育的生命線，是高等院校能否持續健康發展的關鍵所在。長期以來教學質量的評估多是采用直接建立評價系統的數學模型，如：層次分析法、模糊綜合評判法、灰色系統、聚類分析等。這些方法能充分考慮各種評估因素并體現專家經驗知識，但這些方法在評估過程中難以排除各種隨機性和主觀性，忽視了各評價指標和教學效果之間的非線性關系，其結果帶有很大的主觀性，難以真實反映教學質量狀況。

人工神經網絡是信息科學與技術研究領域中一門新興學科，它是基于模仿人類大腦的結構和功能而構成的一種信息處理系統，神經網絡以其自有的模擬人的思維、非線性變換和自學習等功能，充分克服了上述缺陷，是進行教學質量評估的有效方法。

1 教學質量評估指標體系的建立

影響教師課堂教學質量的因素有很多，建立科學合理的評價指標體系是進行科學評價的前提，評價指標的建立必須遵循一定的原則，使建立的指標體系更加合理、更具有說服力。一般來說，指標設置應遵循5項原則：

(1)科學性原則。指標設置要客觀地反映分析對象本身的性質、特點、內在關系和變動過程。對于課堂教學評價，指標體系反映的應該是課堂教學質量的內涵要求。

(2)全面性原則。應盡可能從各個角度反映對象的全貌，防止以偏概全。同時，抓住重點，防止因小失大。要從全局出發，建立完整的評價指標體系，以利于評價結果的公正性和權威性。建立的指標體系應能綜合反映對象各方面的特性。

(3)獨立性原則。同一層次的各指標應能各自說明被評價對象的某一方面，指標間不互相重疊，不存在因果關系。

(4)可行性原則。應盡可能利用統計系統公開的統計數據，保證評價的可操作性和公開性，提高指標體系在實際工作中執行和應用的可行性。

(5)以人為本原則。高校要提高教學質量，就要充分利用人力資源，使他們在教學中發揮出盡可能大的作用。因此，課堂教學質量評價應體現重視人、尊重人、愛護人、激勵人的思想，在指標體系的設計上也應體現這一思想。

根據上述原則結合筆者所在高校的具體情況，課堂教學水平質量評價可以通過教學素質、教學態度、教學內容、教學效果和教學方法手段等一級指標進行。為了使評價指標更具有可操作性，可以將這些一級指標細化為更具體的二級指標(見表1)。

表1 教學質量評價指標體系

根據以上分析，制成調查表，通過教學質量調查活動，對筆者所在學院2007級、2008級學生開展調查活動，得到482份有效調查結果，將調查結果進行預處理，得到訓練樣本（見表2）。將樣本數據的2/3用于訓練網絡，1/3的數據用于網絡檢測，期望輸出可采用專家組對該課程的評價結果。

表2 教學質量調查評估結果

續表2

2 基于BP神經網絡的教學質量評估模型

BP算法是為了解決多層前饋神經網絡的權系數優化而提出來的，是目前應用最廣泛的神經網絡學習算法之一。BP網絡學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成。

BP網絡的學習過程可分成4個步驟，即模式順傳播→誤差逆傳播→記憶訓練→學習收斂。此過程一直訓練到網絡輸出的誤差減少到可以接受的程度，或進行到預先設定的學習次數為止，最終以系統的輸出作為評價的目標。為了使模型具有理論價值又有可操作性，根據實際情況我們構建如下的神經網絡模型：

(1)輸入層神經元個數的確定。根據指標體系，影響教學質量的主要指標有18項，因此取輸入層神經元個數n=18，由于輸入數據是離散型的數值量，把它們歸一化后作為輸入量。

(2)輸出層神經元個數的確定。評價結果作網絡的輸出，因此取輸出層個數m=1，并把輸出數據歸一化后作為輸出量。

(3)網絡隱含層數的確定。隱含層數越多，神經網絡學習速度就越慢，根據Kosmogorov定理，在合理的結構和恰當的權值條件下，3層BP網絡可以逼近任意的連續函數，因此，我們選取結構相對簡單的3層BP網絡。

(4)隱含層神經元個數的確定。隱含層神經元數的選取關系到整個BP網絡的精確度和學習效率，最佳隱節點數可參考公式計算：

n為輸入節點數，m為輸出節點數，α為介于1～10的常數。本文的輸入神經元為18個，輸出為1個，所以隱含層神經元為5～14個。經過反復試驗，得到最佳隱層節點數為10個。

(5)轉換函數的確定。BP神經網絡神經元轉換函數，可采用S型函數，函數形式為：

通過以上分析得到如圖1所示的BP網絡拓撲結構。

圖1 教學質量評價的模糊神經網絡模型結構

3 網絡模型的實現

根據模型，利用Matlab對其進行仿真，可得網絡建立過程的誤差曲線，如圖2所示。

圖2 訓練誤差曲線

可以看出，神經網絡經過10步迭代即達到精度要求，訓練時間很短。訓練后的結果如圖3所示，訓練值與目標值符合得很好。

圖3 網絡訓練結果

為了檢測網絡的泛化能力，對后5個樣本數據進行了預測，預測結果及相對誤差見表3。

表3 檢測樣本的預測結果

通過Matlab的運行結果，對照表2可知該網絡組的狀態分類器可以有效準確地識別該教學質量評估的情況。這與實際情況是相符合的，說明設計的教學質量評估分類器是合理的，可以投入實際使用。

[1]湯小凝.模糊理論在高校教學質量評估中的應用[J].中國教育技術裝備，2008，8：6～8

[2]仁善強，雷鳴.數學模型[M].重慶：重慶大學出版社，1998

[3]劉敏慧.層次分析法在高職院校教師教學質量評價中的應用[J].天津職業大學學報，2008，17(6)：26～28

[4]聞新，周露.Matlab神經網絡應用設計[M].北京：科學出版社，2000

[5]劉杰.構建研究型大學課程教學質量評價指標體系的探討與實踐[J].高等理科教育，2003，6：1～6，11

[6]黃關揚.教育測量與評價[M].上海：華東師范大學出版社，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

左國平，碩士，講師。通訊作者：謝紅艷，碩士，講師。

湖南省普通高等學校教學改革項目，南華大學高等教育與改革課題（編號：2009ZZ061），南華大學高等教育與改革課題（編號：2009PP027）。