基于PSO神經網絡的高校教學質量評價方法

劉忠 寶馬 巧梅 楊秋翔

(中北大學計算機與控制工程學院,山西太原030051)

基于PSO神經網絡的高校教學質量評價方法

劉忠 寶馬 巧梅 楊秋翔

(中北大學計算機與控制工程學院,山西太原030051)

針對傳統教學質量評價系統的不足，利用PSO神經網絡技術建立高校教學質量評價系統。該系統采用了PSO神經網絡技術，將教學評價標準作為輸入，教學評價結果作為輸出。以中北大學為例進行的實證研究表明，所提方法既克服了人為因素對評價結果的直接影響，又為建立全面合理的綜合評價指標體系奠定基礎。

高等學校教學質量評價PSO神經網絡

1 引言

隨著我國高等教育的不斷發展，高等院校成為高等教育的主力軍。近年來，高等學校在專業設置、人才培養、服務社會等方面取得了長足的進步。國家各級教育主管部門一直以提高高等教育教學質量為抓手，以培養高層次專門人才為目標，不斷提高我國高等院校的國際競爭力。目前，世界各國普遍關注高等院校教育教學質量保障體系與教學質量評估問題[1-3]。改革開放以來，我國高等教育事業獲得長足發展，取得令人矚目的成績，初步形成適應國民經濟建設和社會發展需要的多個層次、多種形式、學科門類基本齊全的社會主義高等教育體系。在高等教育發展過程中，各高校逐漸意識到教學質量評估體系建設的重要性，科學合理的教學質量評價體系[4]對于提升高等院校教育教學水平具有重要意義。

課堂教學是學校實現教育目標的主要途徑，對教師課堂教學質量進行評估，有助于學校領導者和管理者了解教學目標的實現程度，全面準確地掌握學校教學工作情況，提高教學質量。教學工作水平的高低，對人才培養水平影響極大，因此對教學質量進行準確評價具有重要的現實意義。

2 基于PSO神經網絡的教學質量評價方法

2.1 PSO神經網絡

粒子群優化（Particle Swarm Optimization,PSO）算法[5]是一種基于群智能方法的演化計算技術。其受鳥類的群體行為建模和仿真研究結果啟發，試圖使粒子能夠飛向解空間并在最優解處落下。PSO原理簡單，實現容易，對眾多優化問題具有較好的全局搜索能力以及較快的計算速度。因此PSO一提出便受到演化計算領域的學者們的關注，并逐漸成為研究熱點。

PSO算法基本思想[6]是：首先，PSO初始化為一群隨機粒子，粒子的位置代表優化問題在搜索空間的潛在解，粒子的速度決定其飛行方向和距離，所有粒子都有一個適應度函數決定的適應值；然后，粒子追隨當前粒子在解空間中搜索，通過迭代找到最優解。

假設每個粒子的當前位置和速度分別為x和v，粒子迄今找到的迭代初始到當前迭代次數搜索生成的最優解pi，整體群體當前最優解g，粒子根據以下公式進行速度和位置的更新。

PSO神經網絡算法流程如下：

步驟1：對所有粒子的速度和位置進行初始化；

步驟2：使用適應度函數對所有粒子評價；

步驟3：使用適應度函數進行個體極值和全局極值的更新；

步驟4：根據式（1）和式（2）進行速度和位置的迭代；

步驟5：重復以上式（2）～式（4）直至滿足迭代停止條件為止。

2.2 神經網絡

神經網絡[7]是對自然神經網絡和人腦若干基本特征的抽象和模擬。目前最流行的神經網絡是BP神經網絡。該網絡分為輸入層、隱含層、輸出層等三層結構。神經網絡訓練的本質是通過訓練算法調節神經網絡的鏈接權值，獲得盡可能小的訓練誤差。假設訓練樣本數為m，n個輸出節點，產生的訓練誤差為：

2.3 教學質量評價方法及實踐

2.3.1 評價目標

教學質量評價目標是查考教學內容、教學方式、教學效果是否能夠使學生形成扎實的專業基礎和均衡的知識結構，掌握相應課程的思維方法和基本技能，形成濃厚的學習興趣。

2.3.2 評價對象

評價對象主要包括教師和學生。

2.3.3 評價內容

（1）教學態度

①教學充滿熱情、講課認真；

②教師的言傳身教有助于學生治學；

③對教學內容和方法課前做精心準備。

（2）教學方法

①課程目標明確并與實際教學內容相符；

②語言生動、講解清楚、思路清晰；

③教學內容充實；

④注重學生創新意識培養；

⑤講課具有參與性和啟發性；

⑥理論與實踐相結合；

⑦多角度進行教學內容評價；

⑧課堂教學融入學科前沿知識；

⑨講授過程重點難點突出；

⑩布置的作業有助于學生理解課堂內容。

（3）教學效果

①學生學習實際知識；

②學生的分析能力和解決問題能力有一定提升。

（4）總體評價

教師教學效果等級。

2.3.4 評價方法

（1）評價標準表示

用Xi(i=1,2,…,15)表示評價標準：X1表示教學充滿熱情、講課認真；X2表示教師的言傳身教有助于學生治學；X3表示對教學內容和方法課前做精心準備；X4表示課程目標明確并與實際教學內容相符；X5表示語言生動、講解清楚、思路清晰；X6表示教學內容充實；X7表示注重學生創新意識培養；X8表示講課具有參與性和啟發性；X9表示理論與實踐相結合；X10表示多角度進行教學內容評價；X11表示課堂教學融入學科前沿知識；X12表示講授過程重點難點突出；X13表示布置的作業有助于學生理解課堂內容；X14表示學生學習實際知識；X15表示學生的分析能力和解決問題能力有一定提升。

（2）PSO神經網絡訓練

①確定輸入層神經元數：教學質量評價標準共15個，因此輸入層個數為15；

②確定輸出層神經元數：將教學質量評價結果作為輸出，因此輸出層個數為1；

③確定隱含層數：鑒于此，由Kosmogorov定理可知：在結構合理、權值恰當條件下，三層BP神經網絡可逼近任意連續函數，因此，本文選用三層BP神經網絡；

④確定隱含層神經元數：根據網絡收斂性能好壞確定的隱含層神經元數為8；

（3）PSO神經網絡評價

通過上述PSO神經網絡訓練后，輸入給定的15項評價標準，可得到最終的教學質量評價結果。

2.3.5 評價實踐

（1）評價主體

評價主體是中北大學的學生和教師。為了保證樣本充足，明確要求90%以上的學生和教師參與評教。

（2）評價的有效性

①學生評價：評價之初要求輔導員給學生講明給教師打分的重要性以及打分結果給教師產生的影響。但實際操作過程中，學生評價的差異性不可避免，因此對于課程成績不正常的學生，則該學生的評教得分不計入教師的評價總分（提供足夠支撐材除外）；

②教師評價：教師評價構建包括教務處、學院領導、教師互評等多層評價體系。另外，集合期中教學檢查，有重點的組織聽課，保證教師一學期內被聽課次數。

（3）評價數據的處理與反饋

為避免評價主體對教師評價的主觀隨意性，評價過程不采用百分制，而采用評價等級，如A-E五級，由計算機自動算出相應分值。評價結果不僅反映出排名，更要通過數據分析技術得到產生相應評價結果的原因，特別要結合評價指標，將得分低的指標反饋給教師，使其明確教學中的不足，不斷提高教學質量。

2.3.6 評價的優勢

教學質量評價是一種檢驗教學成效的有效方法，是衡量教師教學和學生學習效果的重要手段[8]。學生對教學的真實反饋是評價教師教學質量的客觀依據。通過教學評價，教師可以了解課堂授課情況以及存在的主要問題，有利于教師進一步提高教學水平。利用PSO神經網絡進行教學質量評價，從應用效果看，可以得出以下結論：

（1）評價結果的可靠性

PSO神經網絡克服了傳統神經網絡存在的收斂速度慢、易陷入局部最優等問題，具有較好的全局搜索能力以及較快的計算速度。PSO神經網絡把研究對象看作一個系統，模擬人的綜合判斷推理能力進行決策，通過對統計數據的學習，根據系統中各因素的重要程度，為科學評價教學質量提供有效方法。由于PSO神經網絡具有良好的綜合判斷能力，因而評價結果更具科學性。

（2）定性分析和定量分析相結合

通過對當前主流教學質量評價系統分析得到各評價指標的定性表示，利用PSO神經網絡對評價數據進行定量分析，這種定性分析和定量分析相結合的研究方法，極大地克服了教學質量評價工作中的主觀隨意性。

（3）評價實施的可操作性

整個評價步驟明確，評價規則簡單，指標量化和數據處理部分可通過計算機編程實現，具有良好的可操作性。

3 結束語

當前主流的教學質量評價系統往往包含一些非定量因素，系統的輸入和輸出之間呈復雜的非線性關系，難以建立一個科學合理的數學模型。針對當前教學質量評估系統存在的不足，本文提出基于PSO神經網絡的教學質量評估系統。該系統充分利用神經網絡和PSO算法分別在非線性映射以及全局搜索方面的優勢，有效地克服了傳統評價方法的不足，為建立科學合理的教學質量評價體系奠定堅實的基礎。

[1]劉恩允.高等學校教學質量評價體系構建的思考[J].黑龍江高教研究,2004(3):85-87.

[2]劉志軍.試論課堂教學質量評價標準的建立[J].華東師范大學學報,2002,20(2):35-41.

[3]畢青華.建立課堂教學質量評價體系的實踐性探索[J].北京大學學報(哲學社會科學版),2007(5):295-296.

[4]鄭延福.本科高校教師教學質量評價研究[D].中國礦業大學,2012.

[5]馬俊.PSO神經網絡及其在冷連軋機張力控制中的應用研究[D].東北大學,2008.

[6]許磊,張鳳鳴,程軍.基于PSO神經網絡的故障診斷方法研究[J].計算機工程與設計,2007,28(15):3640-3641,3674.

[7]李玲,高亮,周馳,等.基于PSO神經網絡在動態聯盟制造伙伴選擇中的應用[J].機械設計與制造,2009(1):74-76.

[8]丁家玲,葉金華.層次分析法和模糊綜合評判在教師課堂教學質量評價中的應用[J].武漢大學學報(社會科學版), 2003,56(2):241-245.

Evaluation Method of University Teaching Quality Based on PSO Neural Network

LIU Zhong-bao,MA Qiao-mei,YANG Qiu-xiang
(School of Computer and Control Engineering,North University of China,Taiyuan Shanxi 030051,China)

Aiming at the deficiencies of traditional teaching quality evaluation systems,the university teaching quality evaluation system is constructed based on PSO neural network.This system uses the PSO neural network,and takes the teaching evaluation criteria as input and the teaching evaluation results as output.The empirical researche of North University of China shows that the proposed evaluation method not only overcomes the direct influence of human factor on evaluation results,but also lays the foundation for construction of comprehensive and rational synthetic evaluation index system.

university;teaching quality evaluation;PSO neural network

G642

A

1008-1739（2015）05-52-3

定稿日期：2015-02-12

“

山西省高等學校教學改革項目(J2013057)山西省教育科學“十二五”規劃課題(GH-13060)全國教育信息技術研究“十二五”規劃課題(146241697)”