基于BP神經網絡的課程教學質量評價模型設計

黃余++陳強

【摘 要】教師課程教學評價為了便于學校領導和管理人員了解本校教師的教學基本情況，做到準確把握，為學校制定師資發展規劃和科學發展方向提供客觀、正確和科學依據。

【關鍵詞】評價指標 權重 神經網絡

1.評價指標設計

教師課程教學質量評價，確定一套科學合理的教學質量評價指標體系是關鍵。高職學院教學質量評價體系以課程教學評價為主，一般包括教學內容、教學態度、教學方法、講授能力、教學效果和教書育人等一級指標，每個一級指標下設立各種二級指標。在該體系中分為督導專家評教指標體系，同行教師評教指標體系，學生評教指標體系三個子系統。

2.評價體系權重設計

根據以上權重確定的原則，采用專家意見法和調查分析法，經過專家討論確定一級指標權重和二級指標的權重，且同一級指標權重值之和為1。本文采用BP神經網絡對教學質量評價數值進行仿真實驗，輸入值采用一級指標評價值，二級指標評價值轉化成對應的一級指標評價值。

3.神經網絡訓練與泛化概念

通過調用train（）函數對神經網絡參數進行訓練，可以建立神經網絡模型net。該函數的調用格式為[net，tr，Y，E]=train（net，X，Y），其中，n為輸入變量的路數，n為樣本的組數，變量X為n*M矩陣，Y為m*M矩陣，m為輸出變量的路數，X，Y分別存儲樣本點的輸入和輸出數據。通過樣本數據進行訓練，得出訓練后的神經網絡對象net，同時得到其他相關參數信息，。

當確定了BP網絡結構后，必須根據誤差是否滿足要求，再對網絡的權值和閾值是否進行學習和修正，以達到網絡誤差的要求，使訓練網絡最終達到預先給定的輸入輸出映射函數關系。BP網絡的學習過程分為兩個階段：

第一階段是輸入已知訓練數據，通過設置訓練的網絡結構和初始化權值和閾值，從網絡的第一層逐步計算各個網絡神經元的輸出值。

第二階段是對閾值和權值進行相應修改，從最后一層向前計算訓練過的閾值和權值對預先設定的誤差的梯度，即影響程度，從而對各閾值和權值進行相應修改。

以上兩個階段反復交替進行，直到達到誤差要求，滿足收斂為止。由于誤差逐層往回傳遞，以修正層和層之間的閾值和權值，該多層網絡常稱之為BP網絡。

如果在預先給定最大訓練的次數后，仍然不能訓練出滿足要求的網絡，則系統將會報出錯誤的信息。

4.訓練樣本采集

1. 評教數據采集

教師課程教學質量評教數據總共有三個部分組成，有督導專家評教數據、同行教師評教數據和學生評教數據。

首先，督導專家評教數據獲得。十個一級指標，督導專家評教沒有二級指標，對每一個單項評分區間（0，1）之間分數。其次，同行教師評教數據獲得。同行教師評教有六個一級指標，十六個二級指標。最后學生評教數據獲得。學生評教表有四個一級指標，有十九個二級指標。一級指標評分區間（0，1）區間打分。教師課程教學質量綜合評價，有以上三個在分別進行采集數據。每張表格表號是l、2、□、n，根據表號進行匯總BP神經網絡訓練樣本數集。

2. 數據整理

樣本數據的質量直接關系到模型建立的科學程度M。由于課程教學質量評價存在很強的主觀性，且受心理因素的影響在評介側重點上有所不同。為了使原始數據更加科學、準確，確保網絡訓練與模型的質量，通過督導專家、同行教師、學生綜合評價得到原始數據，從教學評教20個樣本數據中隨意抽取10個樣本作為訓練數據，3個樣本作為檢測數據。

為使數據符合訓練過程函數的運算要求，對所原始數據進行歸一化處理，使其落在[0，1]區間。以下講述如何獲得專家評價值：

根據“權重對應表”，設定權重矩陣C，每一個分量Ci（i=l，2，…，20），要求

Ci≥0（i=1，2，… ，20）且

令矩陣X表示一級指標，則Xi（i=l，2，□，20）。根據評教數據采集方法可以獲得樣本數據，每一個樣本數據中有二十個一級指標的數據，區間（0 1）。

令專家評價值 Y = 通過此公式可以獲得每一個樣

本的專家評價值。

5.BP神經網絡模型的實驗設計

本實驗設計過程如下：首先輸入訓練的10樣本集，每個樣本集有20個輸入點， 輸入矩陣是20*10。輸入總評，即專家評價值10個數據，每個樣本對應一個專家評價值；其次，構建BP神經網絡模型，通過newff神經網絡構建函數，設定神經元節點，隱含層傳遞函數和輸出層傳遞函數，及訓練函數等，同時確定訓練次數和訓練目標誤差；最后通過net=train（net，P，T）得到訓練后仿真輸出結果，與目標結果進行對比，計算誤差能否達到預期目標。

本實驗神經網絡模型是BP神經網絡模型，所以構建網絡函數采用newff，即一個前向BP網絡。BP神經網絡公式：net=newff（PR，[S1，S2，…，SN]，{TFl TF2…TFN}，BTF，BLF，PF）。那么采用哪種訓練方式，其訓練速度最快，這里是難預知的，因為這取決于許多因素，包括給定問題的復雜性、訓練樣本集的數量、網絡權值和閾值數量、誤差目標等。

隱層的節點數如何確定。本文根據Kolmogorov定理，公式m=2n+1，其中n是輸入節點數，m表示隱層節點數，即神經元節點數。

采用S（sigmoid）型函數做為BP神經網絡中傳輸函數。

6. 實驗結果

應用BP神經網絡建立的教學質量評價模型用于學習的樣本，待測樣本網絡輸出值與專家評價值非常接近。也就是說，該模型能較為準確的根據各評價指標來確定教師課程教學質量評價結果。

【參考文獻】

[1]吳維勇. 教師課堂教學質量評價體系研究[J]. 九江學院學報（自然科學版），2006（3）.

[2]袁曾任. 人工神經網絡及其應用[M]. 北京清華大學出版社，1999.endprint

【摘 要】教師課程教學評價為了便于學校領導和管理人員了解本校教師的教學基本情況，做到準確把握，為學校制定師資發展規劃和科學發展方向提供客觀、正確和科學依據。

【關鍵詞】評價指標 權重 神經網絡

1.評價指標設計

教師課程教學質量評價，確定一套科學合理的教學質量評價指標體系是關鍵。高職學院教學質量評價體系以課程教學評價為主，一般包括教學內容、教學態度、教學方法、講授能力、教學效果和教書育人等一級指標，每個一級指標下設立各種二級指標。在該體系中分為督導專家評教指標體系，同行教師評教指標體系，學生評教指標體系三個子系統。

2.評價體系權重設計

根據以上權重確定的原則，采用專家意見法和調查分析法，經過專家討論確定一級指標權重和二級指標的權重，且同一級指標權重值之和為1。本文采用BP神經網絡對教學質量評價數值進行仿真實驗，輸入值采用一級指標評價值，二級指標評價值轉化成對應的一級指標評價值。

3.神經網絡訓練與泛化概念

通過調用train（）函數對神經網絡參數進行訓練，可以建立神經網絡模型net。該函數的調用格式為[net，tr，Y，E]=train（net，X，Y），其中，n為輸入變量的路數，n為樣本的組數，變量X為n*M矩陣，Y為m*M矩陣，m為輸出變量的路數，X，Y分別存儲樣本點的輸入和輸出數據。通過樣本數據進行訓練，得出訓練后的神經網絡對象net，同時得到其他相關參數信息，。

當確定了BP網絡結構后，必須根據誤差是否滿足要求，再對網絡的權值和閾值是否進行學習和修正，以達到網絡誤差的要求，使訓練網絡最終達到預先給定的輸入輸出映射函數關系。BP網絡的學習過程分為兩個階段：

第一階段是輸入已知訓練數據，通過設置訓練的網絡結構和初始化權值和閾值，從網絡的第一層逐步計算各個網絡神經元的輸出值。

第二階段是對閾值和權值進行相應修改，從最后一層向前計算訓練過的閾值和權值對預先設定的誤差的梯度，即影響程度，從而對各閾值和權值進行相應修改。

以上兩個階段反復交替進行，直到達到誤差要求，滿足收斂為止。由于誤差逐層往回傳遞，以修正層和層之間的閾值和權值，該多層網絡常稱之為BP網絡。

如果在預先給定最大訓練的次數后，仍然不能訓練出滿足要求的網絡，則系統將會報出錯誤的信息。

4.訓練樣本采集

1. 評教數據采集

教師課程教學質量評教數據總共有三個部分組成，有督導專家評教數據、同行教師評教數據和學生評教數據。

首先，督導專家評教數據獲得。十個一級指標，督導專家評教沒有二級指標，對每一個單項評分區間（0，1）之間分數。其次，同行教師評教數據獲得。同行教師評教有六個一級指標，十六個二級指標。最后學生評教數據獲得。學生評教表有四個一級指標，有十九個二級指標。一級指標評分區間（0，1）區間打分。教師課程教學質量綜合評價，有以上三個在分別進行采集數據。每張表格表號是l、2、□、n，根據表號進行匯總BP神經網絡訓練樣本數集。

2. 數據整理

樣本數據的質量直接關系到模型建立的科學程度M。由于課程教學質量評價存在很強的主觀性，且受心理因素的影響在評介側重點上有所不同。為了使原始數據更加科學、準確，確保網絡訓練與模型的質量，通過督導專家、同行教師、學生綜合評價得到原始數據，從教學評教20個樣本數據中隨意抽取10個樣本作為訓練數據，3個樣本作為檢測數據。

為使數據符合訓練過程函數的運算要求，對所原始數據進行歸一化處理，使其落在[0，1]區間。以下講述如何獲得專家評價值：

根據“權重對應表”，設定權重矩陣C，每一個分量Ci（i=l，2，…，20），要求

Ci≥0（i=1，2，… ，20）且

令矩陣X表示一級指標，則Xi（i=l，2，□，20）。根據評教數據采集方法可以獲得樣本數據，每一個樣本數據中有二十個一級指標的數據，區間（0 1）。

令專家評價值 Y = 通過此公式可以獲得每一個樣

本的專家評價值。

5.BP神經網絡模型的實驗設計

本實驗設計過程如下：首先輸入訓練的10樣本集，每個樣本集有20個輸入點， 輸入矩陣是20*10。輸入總評，即專家評價值10個數據，每個樣本對應一個專家評價值；其次，構建BP神經網絡模型，通過newff神經網絡構建函數，設定神經元節點，隱含層傳遞函數和輸出層傳遞函數，及訓練函數等，同時確定訓練次數和訓練目標誤差；最后通過net=train（net，P，T）得到訓練后仿真輸出結果，與目標結果進行對比，計算誤差能否達到預期目標。

本實驗神經網絡模型是BP神經網絡模型，所以構建網絡函數采用newff，即一個前向BP網絡。BP神經網絡公式：net=newff（PR，[S1，S2，…，SN]，{TFl TF2…TFN}，BTF，BLF，PF）。那么采用哪種訓練方式，其訓練速度最快，這里是難預知的，因為這取決于許多因素，包括給定問題的復雜性、訓練樣本集的數量、網絡權值和閾值數量、誤差目標等。

隱層的節點數如何確定。本文根據Kolmogorov定理，公式m=2n+1，其中n是輸入節點數，m表示隱層節點數，即神經元節點數。

采用S（sigmoid）型函數做為BP神經網絡中傳輸函數。

6. 實驗結果

應用BP神經網絡建立的教學質量評價模型用于學習的樣本，待測樣本網絡輸出值與專家評價值非常接近。也就是說，該模型能較為準確的根據各評價指標來確定教師課程教學質量評價結果。

【參考文獻】

[1]吳維勇. 教師課堂教學質量評價體系研究[J]. 九江學院學報（自然科學版），2006（3）.

[2]袁曾任. 人工神經網絡及其應用[M]. 北京清華大學出版社，1999.endprint

【摘 要】教師課程教學評價為了便于學校領導和管理人員了解本校教師的教學基本情況，做到準確把握，為學校制定師資發展規劃和科學發展方向提供客觀、正確和科學依據。

【關鍵詞】評價指標 權重 神經網絡

1.評價指標設計

教師課程教學質量評價，確定一套科學合理的教學質量評價指標體系是關鍵。高職學院教學質量評價體系以課程教學評價為主，一般包括教學內容、教學態度、教學方法、講授能力、教學效果和教書育人等一級指標，每個一級指標下設立各種二級指標。在該體系中分為督導專家評教指標體系，同行教師評教指標體系，學生評教指標體系三個子系統。

2.評價體系權重設計

根據以上權重確定的原則，采用專家意見法和調查分析法，經過專家討論確定一級指標權重和二級指標的權重，且同一級指標權重值之和為1。本文采用BP神經網絡對教學質量評價數值進行仿真實驗，輸入值采用一級指標評價值，二級指標評價值轉化成對應的一級指標評價值。

3.神經網絡訓練與泛化概念

通過調用train（）函數對神經網絡參數進行訓練，可以建立神經網絡模型net。該函數的調用格式為[net，tr，Y，E]=train（net，X，Y），其中，n為輸入變量的路數，n為樣本的組數，變量X為n*M矩陣，Y為m*M矩陣，m為輸出變量的路數，X，Y分別存儲樣本點的輸入和輸出數據。通過樣本數據進行訓練，得出訓練后的神經網絡對象net，同時得到其他相關參數信息，。

當確定了BP網絡結構后，必須根據誤差是否滿足要求，再對網絡的權值和閾值是否進行學習和修正，以達到網絡誤差的要求，使訓練網絡最終達到預先給定的輸入輸出映射函數關系。BP網絡的學習過程分為兩個階段：

第一階段是輸入已知訓練數據，通過設置訓練的網絡結構和初始化權值和閾值，從網絡的第一層逐步計算各個網絡神經元的輸出值。

第二階段是對閾值和權值進行相應修改，從最后一層向前計算訓練過的閾值和權值對預先設定的誤差的梯度，即影響程度，從而對各閾值和權值進行相應修改。

以上兩個階段反復交替進行，直到達到誤差要求，滿足收斂為止。由于誤差逐層往回傳遞，以修正層和層之間的閾值和權值，該多層網絡常稱之為BP網絡。

如果在預先給定最大訓練的次數后，仍然不能訓練出滿足要求的網絡，則系統將會報出錯誤的信息。

4.訓練樣本采集

1. 評教數據采集

教師課程教學質量評教數據總共有三個部分組成，有督導專家評教數據、同行教師評教數據和學生評教數據。

首先，督導專家評教數據獲得。十個一級指標，督導專家評教沒有二級指標，對每一個單項評分區間（0，1）之間分數。其次，同行教師評教數據獲得。同行教師評教有六個一級指標，十六個二級指標。最后學生評教數據獲得。學生評教表有四個一級指標，有十九個二級指標。一級指標評分區間（0，1）區間打分。教師課程教學質量綜合評價，有以上三個在分別進行采集數據。每張表格表號是l、2、□、n，根據表號進行匯總BP神經網絡訓練樣本數集。

2. 數據整理

樣本數據的質量直接關系到模型建立的科學程度M。由于課程教學質量評價存在很強的主觀性，且受心理因素的影響在評介側重點上有所不同。為了使原始數據更加科學、準確，確保網絡訓練與模型的質量，通過督導專家、同行教師、學生綜合評價得到原始數據，從教學評教20個樣本數據中隨意抽取10個樣本作為訓練數據，3個樣本作為檢測數據。

為使數據符合訓練過程函數的運算要求，對所原始數據進行歸一化處理，使其落在[0，1]區間。以下講述如何獲得專家評價值：

根據“權重對應表”，設定權重矩陣C，每一個分量Ci（i=l，2，…，20），要求

Ci≥0（i=1，2，… ，20）且

令矩陣X表示一級指標，則Xi（i=l，2，□，20）。根據評教數據采集方法可以獲得樣本數據，每一個樣本數據中有二十個一級指標的數據，區間（0 1）。

令專家評價值 Y = 通過此公式可以獲得每一個樣

本的專家評價值。

5.BP神經網絡模型的實驗設計

本實驗設計過程如下：首先輸入訓練的10樣本集，每個樣本集有20個輸入點， 輸入矩陣是20*10。輸入總評，即專家評價值10個數據，每個樣本對應一個專家評價值；其次，構建BP神經網絡模型，通過newff神經網絡構建函數，設定神經元節點，隱含層傳遞函數和輸出層傳遞函數，及訓練函數等，同時確定訓練次數和訓練目標誤差；最后通過net=train（net，P，T）得到訓練后仿真輸出結果，與目標結果進行對比，計算誤差能否達到預期目標。

本實驗神經網絡模型是BP神經網絡模型，所以構建網絡函數采用newff，即一個前向BP網絡。BP神經網絡公式：net=newff（PR，[S1，S2，…，SN]，{TFl TF2…TFN}，BTF，BLF，PF）。那么采用哪種訓練方式，其訓練速度最快，這里是難預知的，因為這取決于許多因素，包括給定問題的復雜性、訓練樣本集的數量、網絡權值和閾值數量、誤差目標等。

隱層的節點數如何確定。本文根據Kolmogorov定理，公式m=2n+1，其中n是輸入節點數，m表示隱層節點數，即神經元節點數。

采用S（sigmoid）型函數做為BP神經網絡中傳輸函數。

6. 實驗結果

應用BP神經網絡建立的教學質量評價模型用于學習的樣本，待測樣本網絡輸出值與專家評價值非常接近。也就是說，該模型能較為準確的根據各評價指標來確定教師課程教學質量評價結果。

【參考文獻】

[1]吳維勇. 教師課堂教學質量評價體系研究[J]. 九江學院學報（自然科學版），2006（3）.

[2]袁曾任. 人工神經網絡及其應用[M]. 北京清華大學出版社，1999.endprint