證據(jù)理論和支持向量機(jī)相融合的高校教學(xué)質(zhì)量評(píng)價(jià)

劉智萍

摘 要： 針對(duì)當(dāng)前高校教學(xué)質(zhì)量評(píng)價(jià)精度低的難題，為了提高高校教學(xué)質(zhì)量評(píng)價(jià)的可靠性，提出基于證據(jù)理論和支持向量機(jī)（DS?SVM）相融合的高校教學(xué)質(zhì)量評(píng)價(jià)模型。建立高校教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)，并收集高校教學(xué)質(zhì)量評(píng)價(jià)樣本，分別通過支持向量機(jī)對(duì)專家、同行、學(xué)生的評(píng)價(jià)結(jié)果進(jìn)行估計(jì)，采用證據(jù)理論對(duì)專家、同行、學(xué)生的評(píng)價(jià)結(jié)果進(jìn)行有效融合，獲得高校教學(xué)質(zhì)量最終評(píng)價(jià)結(jié)果。實(shí)驗(yàn)結(jié)果表明，該模型可以獲得較高精度的高校教學(xué)質(zhì)量評(píng)價(jià)結(jié)果，比對(duì)比模型評(píng)價(jià)結(jié)果更加可靠，可以應(yīng)用于實(shí)際的高校教學(xué)質(zhì)量評(píng)價(jià)改革中。

關(guān)鍵詞： 高等教育； 教學(xué)質(zhì)量； 證據(jù)理論； 支持向量機(jī)

中圖分類號(hào)： TN911.1?34； TP181 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）17?0175?04

College teaching quality evaluation based on evidence theory and support vector machine

LIU Zhiping

（College of Information Engineering， Jiangxi University of Technology， Nanchang 330098， China）

Abstract： In order to improve the accuracy and reliability of college teaching quality evaluation， a college teaching quality evaluation model based on DS evidence theory and support vector machine （DS?SVM） is put forward. The index of college teaching quality evaluation was established. The sample of college teaching quality evaluation is collected. The evaluation effects of experts， colleagues and students were evaluated， and fused effectively with evidence theory to obtain the final result of college teaching quality evaluation. The experimental results show that the model can obtain high?accurate evaluation results of college teaching quality， its evaluation result is more reliable than that of the contrast model， and can be applied to the reformation of college teaching quality evaluation.

Keywords： higher education； teaching quality； evidence theory； support vector machine

0 引 言

高校教學(xué)質(zhì)量是一個(gè)十分復(fù)雜的系統(tǒng)，對(duì)于改善高校教學(xué)效果，更好的培養(yǎng)人才具有十分重要的地位。高校教學(xué)質(zhì)量的評(píng)價(jià)結(jié)果不僅影響老師教學(xué)結(jié)果的好壞，而且會(huì)對(duì)該課程改革產(chǎn)生重要影響。高校教學(xué)質(zhì)量準(zhǔn)確的評(píng)價(jià)結(jié)果可以為高校培養(yǎng)人才提供有價(jià)值的參考意見。影響高校教學(xué)質(zhì)量的因素較多，各影響因素的變化比較復(fù)雜，這些均增加了高校教學(xué)質(zhì)量評(píng)價(jià)的難度，因此建立一種快速、準(zhǔn)確的高校教學(xué)質(zhì)量評(píng)價(jià)模型具有非常重要的意義[1?3]。

當(dāng)前高校教學(xué)質(zhì)量評(píng)價(jià)模型主要采用神經(jīng)網(wǎng)絡(luò)、灰色理論、多元線性回歸以及專家系統(tǒng)，各種模型均有自身的優(yōu)勢(shì)和應(yīng)用范圍[4]。在這些評(píng)價(jià)模型中，神經(jīng)網(wǎng)絡(luò)具有并行處理信息能力，而且容錯(cuò)能力強(qiáng)的優(yōu)勢(shì)，可以通過自組織學(xué)習(xí)擬合評(píng)價(jià)指標(biāo)和高校教學(xué)質(zhì)量之間的變化關(guān)系，因此神經(jīng)網(wǎng)絡(luò)模型廣泛應(yīng)用于高校教學(xué)質(zhì)量評(píng)價(jià)中[5?6]。然而在實(shí)際應(yīng)用中，神經(jīng)網(wǎng)絡(luò)易出現(xiàn)陷入局部極小點(diǎn)等問題，導(dǎo)致有時(shí)高校教學(xué)評(píng)價(jià)結(jié)果誤差大，評(píng)價(jià)時(shí)間長(zhǎng)[7]。為了解決神經(jīng)網(wǎng)絡(luò)存在的缺陷，有學(xué)者提出基于支持向量機(jī)的高校教學(xué)質(zhì)量評(píng)價(jià)模型，其非線性逼近能力要明顯優(yōu)于神經(jīng)網(wǎng)絡(luò)，能夠獲得更加理想的高校教學(xué)質(zhì)量評(píng)價(jià)結(jié)果[8]。當(dāng)前高校教學(xué)評(píng)價(jià)從三個(gè)方面進(jìn)行評(píng)價(jià)，根據(jù)專家、學(xué)生以及同行數(shù)據(jù)實(shí)現(xiàn)，專家、學(xué)生以及同行只是根據(jù)自身經(jīng)驗(yàn)進(jìn)行，單一的專家、學(xué)生以及同行數(shù)據(jù)經(jīng)過支持向量機(jī)進(jìn)行建模和評(píng)價(jià)，評(píng)價(jià)精度、評(píng)價(jià)結(jié)果的可靠性有待改善。同時(shí)，由于高校教學(xué)質(zhì)量的評(píng)價(jià)過程的復(fù)雜性，專家、學(xué)生以及同行數(shù)據(jù)存在一定的不確定性，這樣使得教學(xué)質(zhì)量評(píng)價(jià)誤差比較大，有時(shí)會(huì)出現(xiàn)相互矛盾的評(píng)價(jià)結(jié)果[9?11]。

證據(jù)理論是一種分析不確定性問題的方法，為解決復(fù)雜的高校教學(xué)質(zhì)量評(píng)價(jià)問題提供了一種新的方法。為了提高高校教學(xué)質(zhì)量評(píng)價(jià)的可靠性，提出基于證據(jù)理論和支持向量機(jī)相融合的高校教學(xué)質(zhì)量評(píng)價(jià)模型。首先通過支持向量機(jī)對(duì)專家、同行、學(xué)生的評(píng)價(jià)結(jié)果進(jìn)行估計(jì)，然后采用證據(jù)理論對(duì)專家、同行、學(xué)生的評(píng)價(jià)結(jié)果進(jìn)行有效融合，獲得高校教學(xué)質(zhì)量最終評(píng)價(jià)結(jié)果，實(shí)驗(yàn)結(jié)果表明，該模型可以獲得較高精度的高校教學(xué)質(zhì)量評(píng)價(jià)結(jié)果，評(píng)價(jià)結(jié)果比對(duì)比模型更加可靠。

1 證據(jù)理論和支持向量機(jī)

1.1 證據(jù)理論

證據(jù)理論依據(jù)可信度函數(shù)對(duì)不確定因素進(jìn)行處理，具有良好的靈活性，不需要問題的先驗(yàn)信息就可以實(shí)現(xiàn)問題的推理。設(shè)為問題的假設(shè)空間，為的全部事件集合，表示mass函數(shù)，如果，同時(shí)那么表示基本概率分配，如果表示的概率分配值；如果表示的信度測(cè)度；如果表示的似然測(cè)度，對(duì)于一個(gè)問題，證據(jù)來源不同，可以產(chǎn)生許多基本概率分配函數(shù)，設(shè)是兩個(gè)mass函數(shù)，那么證據(jù)理論的融合規(guī)則為：endprint

（1）

式中：。

在證據(jù)理論中，描述證據(jù)之間的沖突程度，當(dāng)時(shí)，證據(jù)發(fā)生高度沖突，那么式（1）融合結(jié)果不可靠，為了解決該難題，對(duì)基本證據(jù)理論進(jìn)行改進(jìn)，引入可信度的概念，高校教學(xué)質(zhì)量融合評(píng)價(jià)為：

（2）

1.2 支持向量機(jī)

設(shè)訓(xùn)練樣本數(shù)據(jù)為為高校教學(xué)評(píng)價(jià)指標(biāo)，為高校教學(xué)評(píng)價(jià)的期望輸出，支持向量機(jī)回歸方程為：

（3）

式中和為權(quán)值和偏向量。

對(duì)式（3）進(jìn)行直接求解，得到最優(yōu)的和很難，因此，采用松弛因子對(duì)其進(jìn)行變換，優(yōu)化求解過程。

（4）

式中表示懲罰參數(shù)。

引入拉格朗日乘子進(jìn)行再次轉(zhuǎn)換，變?yōu)閷?duì)偶優(yōu)化問題的求解，則有：

（5）

采用式（6）得到：

（6）

支持向量機(jī)的分類方程為：

（7）

點(diǎn)積運(yùn)算的計(jì)算復(fù)雜度高，影響支持向量機(jī)的建模效率，為此采用核函數(shù)代替點(diǎn)積，得到：

（8）

選擇RBF函數(shù)作為支持向量機(jī)的核函數(shù)，則有：

（9）

式中為核寬度參數(shù)。

2 證據(jù)理論和支持向量機(jī)的高校教學(xué)質(zhì)量評(píng)價(jià)

模型

2.1 建立高校教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)

要建立高性能的高校教學(xué)質(zhì)量評(píng)價(jià)模型，需建立一個(gè)科學(xué)的高校教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系，高校教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系如表1所示。

2.2 證據(jù)理論和支持向量機(jī)的高校教學(xué)質(zhì)量評(píng)價(jià)工作步驟

基于證據(jù)理論和支持向量機(jī)的高校教學(xué)質(zhì)量評(píng)價(jià)過程為：

（1） 根據(jù)表1的高校教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系，讓大學(xué)生、同行和專家對(duì)某一位老師的教學(xué)質(zhì)量進(jìn)行評(píng)價(jià)，得到相應(yīng)的樣本。

（2） 由于高校教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)的取值范圍不同，會(huì)對(duì)建模過程產(chǎn)生不利影響，因此對(duì)其進(jìn)行歸一化處理，具體為：

（10）

式中表示第類指標(biāo)。

（3） 采用支持向量機(jī)分別對(duì)大學(xué)生、同行和專家的評(píng)價(jià)數(shù)據(jù)進(jìn)行建模，得到相應(yīng)的評(píng)價(jià)結(jié)果。

（4） 將對(duì)大學(xué)生、同行和專家的高校教學(xué)質(zhì)量評(píng)價(jià)結(jié)果作為證據(jù)體，通過證據(jù)理論融合，得到最終高校教學(xué)質(zhì)量評(píng)價(jià)結(jié)果，具體原理如圖1所示。

3 高校教學(xué)質(zhì)量評(píng)價(jià)實(shí)驗(yàn)及結(jié)果分析

3.1 高校教學(xué)質(zhì)量評(píng)價(jià)數(shù)據(jù)

為了驗(yàn)證本文模型的有效性，選擇江西科技學(xué)院的C程序設(shè)計(jì)課程的教學(xué)質(zhì)量作為實(shí)驗(yàn)對(duì)象，收集到某教師的300個(gè)教學(xué)質(zhì)量評(píng)價(jià)數(shù)據(jù)，具體如表2所示。分別選擇50，100個(gè)樣本作為測(cè)試樣本，分析高校教學(xué)質(zhì)量評(píng)價(jià)模型的評(píng)價(jià)精度。

3.2 基本概率分配

把大學(xué)生、專家、同行三種高校教學(xué)質(zhì)量評(píng)價(jià)結(jié)果記為高校教學(xué)質(zhì)量數(shù)據(jù)只屬于這三種高校教學(xué)質(zhì)量，即滿足且（表示第個(gè)高校教學(xué)質(zhì)量的測(cè)試樣本；表示高校教學(xué)質(zhì)量類別，）。

為了滿足對(duì)測(cè)試樣本的評(píng)價(jià)結(jié)果作歸一化處理，結(jié)果作基本概率分配，然后通過證據(jù)理論融合得到結(jié)果。

3.3 結(jié)果與分析

選擇基于支持向量機(jī)的大學(xué)生、專家、同行的評(píng)價(jià)模型作為對(duì)比模型，將它們分別記為SVM1，SVM2和SVM3，測(cè)試樣本的高校教學(xué)質(zhì)量評(píng)價(jià)結(jié)果如圖2所示。對(duì)圖2進(jìn)行對(duì)比分析可以發(fā)現(xiàn)，相對(duì)于單一的大學(xué)生、專家、同行的評(píng)價(jià)模型的評(píng)價(jià)結(jié)果，本文模型的高校教學(xué)質(zhì)量評(píng)價(jià)精度更高，評(píng)價(jià)結(jié)果更加合理，這主要是由于本文模型的評(píng)價(jià)結(jié)果集成了單一高校教學(xué)質(zhì)量評(píng)價(jià)模型的優(yōu)勢(shì)，實(shí)現(xiàn)了各種模型評(píng)價(jià)結(jié)果的互補(bǔ)，評(píng)價(jià)值更接近于期望輸出，獲得了更優(yōu)的高校教學(xué)質(zhì)量評(píng)價(jià)結(jié)果。

在高校教學(xué)質(zhì)量評(píng)價(jià)的實(shí)際應(yīng)用中，由于高校的學(xué)生越來越多，導(dǎo)致評(píng)價(jià)數(shù)據(jù)規(guī)模比較大，因此高校教學(xué)質(zhì)量評(píng)價(jià)速度也是衡量評(píng)價(jià)模型的一個(gè)重要指標(biāo)，為此統(tǒng)計(jì)高校教學(xué)質(zhì)量評(píng)價(jià)模型的訓(xùn)練和測(cè)試時(shí)間，結(jié)果如圖3所示。對(duì)圖3的高校教學(xué)質(zhì)量評(píng)價(jià)模型進(jìn)行對(duì)比分析可以發(fā)現(xiàn)，相對(duì)于單一的大學(xué)生、專家、同行的評(píng)價(jià)模型的評(píng)價(jià)結(jié)果，本文模型的高校教學(xué)質(zhì)量評(píng)價(jià)時(shí)間略有增加，但是評(píng)價(jià)精度增加的幅度相當(dāng)大，再加上隨著現(xiàn)代計(jì)算機(jī)處理速度的不斷加快，建模時(shí)間可以滿足高校教學(xué)質(zhì)量的評(píng)價(jià)實(shí)際要求，通過適當(dāng)增加建模時(shí)間，獲得大幅度提高高校教學(xué)質(zhì)量評(píng)價(jià)精度是值得的，從而可以獲得更高的實(shí)際應(yīng)用價(jià)值。

4 結(jié) 語

為了提高高校教學(xué)質(zhì)量的評(píng)價(jià)精度，避免出現(xiàn)當(dāng)前評(píng)價(jià)模型的缺陷，提出DS?SVM的高校教學(xué)質(zhì)量評(píng)價(jià)模型。該模型首先采用支持向量機(jī)分別對(duì)專家、同行和學(xué)生的教學(xué)質(zhì)量進(jìn)行預(yù)評(píng)價(jià)，然后根據(jù)預(yù)評(píng)價(jià)結(jié)果計(jì)算基本概率分配，并采用DS對(duì)預(yù)評(píng)價(jià)結(jié)果進(jìn)行融合，最后獲得高校教學(xué)質(zhì)量的最終評(píng)價(jià)結(jié)果，并采用仿真實(shí)驗(yàn)對(duì)性能進(jìn)行評(píng)價(jià)，可以得到如下結(jié)論：

（1） 該模型集成了專家、同行和學(xué)生的教學(xué)質(zhì)量評(píng)價(jià)結(jié)果，可以對(duì)高校教學(xué)質(zhì)量進(jìn)行準(zhǔn)確評(píng)價(jià)。

（2） 克服了單一評(píng)價(jià)模型精度低的缺陷，使得高校教學(xué)質(zhì)量評(píng)價(jià)結(jié)果更加可靠。

（3） 與當(dāng)前經(jīng)典高校教學(xué)質(zhì)量評(píng)價(jià)模型結(jié)果相比，評(píng)價(jià)結(jié)果與實(shí)際值更加接近，評(píng)價(jià)結(jié)果更加科學(xué)，具有更好的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 劉強(qiáng)，戴起勛.高等教學(xué)大眾化條件下教學(xué)質(zhì)量評(píng)價(jià)體系研究現(xiàn)狀[J].江蘇大學(xué)學(xué)報(bào)，2003，25（2）：31?34.

[2] 丁家玲，葉金華.層次分析法和模糊綜合評(píng)判在教師課堂教學(xué)質(zhì)量評(píng)價(jià)中的應(yīng)用[J].武漢大學(xué)學(xué)報(bào)，2003，56（2）：241?245.

[3] 趙立新，王石安，賴元峰.教學(xué)質(zhì)量評(píng)估的定量比較評(píng)價(jià)模型[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2005，35（1）：12?17.

[4] 吳虹.基于模糊綜合評(píng)判法的高校教師教學(xué)質(zhì)量評(píng)價(jià)體系的構(gòu)建[J].統(tǒng)計(jì)與決策，2010（3）：166?168.

[5] 洪月華.基于模糊綜合評(píng)價(jià)的課堂教學(xué)質(zhì)量數(shù)據(jù)挖掘[J].計(jì)算機(jī)科學(xué)，2008，35（2）：154?156.

[6] 楊秀平.基于AHP的教學(xué)質(zhì)量評(píng)價(jià)模型研究[J].實(shí)驗(yàn)技術(shù)與管理，2009，26（9）：138?141.

[7] 許敏，王士同.PSO優(yōu)化的神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評(píng)價(jià)中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì)，2008，29（20）：5327?5332.

[8] 蔡錦錦.基于BP神經(jīng)網(wǎng)絡(luò)的新型課堂教學(xué)質(zhì)量評(píng)價(jià)方法[J].繼續(xù)教育，2011（2）：23?25.

[9] 劉偉，孫林.基于支持向量機(jī)的課堂教學(xué)質(zhì)量評(píng)價(jià)[J].合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，33（7）：968?971.

[10] 孫全，葉秀清，顧偉康.一種新的基于證據(jù)理論的合成公式[J].電子學(xué)報(bào)，2000，28（8）：117?119.

[11] 李弼程，王波，魏俊，等.一種有效的證據(jù)理論合成公式[J].數(shù)據(jù)采集與處理，2002，17（1）：33?36.endprint