基于人工神經網絡的高職院校實踐教學工作質量評價

賈文雅

（山西藥科職業學院，太原030031）

基于人工神經網絡的高職院校實踐教學工作質量評價

賈文雅

（山西藥科職業學院，太原030031）

針對高職院校教學工作中存在的質量評價問題，建立一個基于神經網絡的仿真模型，將方案準備、操作訓練、總結報告、考核鑒定作為輸入層，實踐教學質量作為輸出層，建立人工神經網絡模型，利用實際數據進行網絡的訓練和測試。測試結果表明，該模型可以得出數字化的評估結果，可以準確、直觀地反映高職實踐教學工作的優劣，具有良好的識別精度。同時對人工神經網絡在高校高職實踐教學工作質量評價的前景進行展望。

教學質量評價；人工神經網絡；實踐教學

0 引言

高職教育存在只注重實踐知識的學習而忽略實踐能力訓練的問題。實踐教學工作通常包含非定量因素,模棱兩可，很難量化，評價系統的輸入和輸出的關系是復雜的非線性關系，對評價造成很大的困難。

人工神經網絡的優勢是不需要了解數據就可以建立模型。人工神經網絡是構建非線性映射的過程，通過試驗樣本數據構建分類器，通過測試樣本數據進行參數修改，對分類器進行優化，獲得解決實際問題的能力。神經網絡已被廣泛應用在工業控制、分類、預測、數據挖掘領域。

本文研究應用于高職院校教學評估的人工神經網絡模型，克服了傳統評價方法的缺點，可以快速、準確地得到評價結果。

1 評價指標體系

實踐教學工作的評價是建立在綜合評價指標體系的基礎上,評價指標的選擇將直接影響綜合評價的結果。所以建立科學的評價指標體系是獲得合理評價結果的保證。

通過對數據的分析比對，確立了四個影響高職院校實踐教學工作的一級指標，每個一級指標下又包含若干個二級指標，如表1所示。

表1 大學高職實踐教學質量評價體系指標

2 模型構建

神經網絡包括輸入層、隱含層、輸出層三部分。原理如圖1所示。

其中，x1～xn是從其他神經元傳來的輸入信號，wij表示從神經元j到神經元i的連接權值，θ表示一個閾值（threshold），或稱為偏置（bias）。函數f稱為激活函數，激活函數選為activation函數，表示如下。

圖1 神經網絡圖

還有其他激活函數，如：

2.1 輸入層層數的確定

輸入層的層數根據建立指標體系的高職實踐教學工作確定，共選取了14個二級指標，因此確定輸入層層數為14。

2.2 隱含層層數的確定

如果單位數量的輸入層、隱藏層和輸出層是n,q,m，三層網絡可以實現n維輸入向量Un=(u1,…,un)T非線性映射到m維的輸出層Yn=(Y1,…,Ym)T。我們將測量和影響高職實踐教學工作的14個關鍵指標作為輸入,即節點n=14時,評估結果作為網絡輸出m=1。根據類型q=log2n決定，在實踐中沒有統一的方法來確定q。隱含層節點數的層數被選為4。

2.3 輸出層的單元數量決定

選擇輸出節點對應的評估結果。在這個模型中,最終的結果是大學高職實踐教學質量的評價工作,輸出層分為A，B，C，D四類,其中A為優秀，B為良好，C為一般，D為差。

人工神經網絡模型建立時,我們可以使用它們作為相應的網絡輸出,對應的標準輸出模式（1，0，0，0），（0，1，0，0）、（0，0，1，0）、（0，0，0，1）,顯然建立神經網絡輸出層的節點數是4。根據教學質量評價指標選擇輸入部分,輸入的節點數量是14。

2.4 人工神經網絡算法

人工神經網絡的學習過程是由正向傳播和反向傳播兩部分,算法描述如下。

訓練樣本信息。假設P是普通訓練樣本，輸入第r（r=1，…，p）個訓練樣本信息到首要向前傳播的隱藏層,獲得隱藏層輸出信息通過激活函數f（x）的作用。

隱藏層輸出信息傳輸到輸出層,可能是最終的輸出結果。

在網絡學習信息的正向傳播,另一個進程的誤差反向傳播的過程。如果錯誤之間存在網絡輸出和期望輸出值,然后將誤差反向傳播,使用所有調整網絡權值和閾值。

在上式中，Δw(t)是第t個訓練權值和閾值的修正值，η,α是比例系數和動量系數。

重復使用上述兩個過程,直到網絡輸出之間的誤差達到一定的要求和所需的輸出。

3 案例研究

3.1 樣本選擇和數據預處理

樣本的選擇是建立模型需要解決的第一個問題。本文選取了山西省的23所高職院校和其他省份95所高職院校評估的數據作為樣本數據。通過篩選，確定了84個有效樣本，其中，隨機選擇70個樣本作為訓練樣本,余下的14個樣品作為測試樣本。每個樣本數據記錄了高職實踐教學的評價信息,包括基本信息、評價信息的特定元素和普通高職教學評估信息的狀態。每個高職實踐教學的評價因素包括19個分數,分數范圍為（0，50）。

3.2 網絡訓練和結果分析

訓練樣本輸入到建立的人工神經網絡模型,訓練八次后結束，測試樣本輸入神經網絡模型,獲得的預測結果表2。

從表2可以看出,綜合評價的測試結果和14個測試樣品結論完全一致,只有個別數據的測試結果干擾性較強,如11、13個數據，但不影響網絡的定性評估，這可能與測試樣品數量不足有關。

表2 預測結果表

4 結語

高職實踐教學質量的評價工作,依照領域專家的知識和經驗,建立了人工神經網絡的學習樣本,使用數據,充分利用給定的樣本數據,建立數據之間的復雜的非線性輸入和輸出之間的相關性。

其突出的優勢是通過網絡自主學習而實現大量的參數設定，避免了人為主觀因素的影響,評估結果客觀有效。

使用神經網絡方法評價高職實踐教學工作的質量精度高,收斂快,計算過程簡單,它可以反映評估影響因素的影響程度,從而有效地提高工作效率和經濟效益,同時減少手工計算引起的誤差。所以人工智能仿真系統將越來越廣泛的應用在高職實踐教學質量的評價工作。

一些新的人工神經網絡模型已得到改進,應用高職實踐教學質量的評價工作,可能會獲得更好的結果。如人工神經網絡結合遺傳算法和模糊實踐共同使用,可以克服一些缺點,評估結果可能會更好,這些都是值得進一步研究。

[1]徐進華.基于灰色系統理論的數據挖掘及其模型研究[D].北京交通大學，2009.

[2]俞馳.基于網絡數據挖掘的客戶獲取系統研究[D].西安電子科技大學，2009.

[3]馮軍.數據挖掘在自動外呼系統中的應用[D].北京郵電大學，2009.

[4]于寶華.基于數據挖掘的高考數據分析[D].天津大學，2009.

[5]王曼，施念，花琳琳，楊永利.成組刪除法和多重填補法對隨機缺失的二分類變量資料處理效果的比較[J].鄭州大學學報（醫學版），2012（05）.

[6]黃杰晟,曹永鋒.挖掘類改進決策樹[J].現代計算機（專業版），2010（01）.

[7]李凈,張范,張智江.數據挖掘技術與電信客戶分析[J].信息通信技術，2009（05）.

[8]胡海峰.基于三層B/S結構的網上考試系統的設計與實現[D].西安：西安電子科技大學，2010.

Abstract:

Aiming at the quality evaluation in the teaching work of higher vocational colleges,establishes a simulation model based on neural network.The model makes the program preparation,operation training,summary report,assessment and identification as the input layer,and prac?tice teaching quality as output layer.The establishment of artificial neural network model makes use of the actual data for network training and testing.The test results show,the model can be obtained from the digital evaluation results,can accurately and intuitively reflect the merits of vocational teaching work,and has good recognition accuracy.At the same time,discusses the prospect of artificial neural network in the quality evaluation of practical teaching in higher vocational colleges.

Keywords:

Teaching Quality Evaluation;Artificial Neural Network;Practical Teaching

Evaluation of Practical Teaching Quality in Higher Vocational Colleges Based on Artificial Neural Network

JIA Wen-ya
（Shanxi Pharmaceutical Career Academy，Taiyuan 030031）

2017-04-17

2017-06-10

1007-1423（2017）18-0009-04

10.3969/j.issn.1007-1423.2017.18.002

全國教育科學“十三五”規劃課題（No.ECA160412）

賈文雅（1982-）,女，山西臨汾人，碩士，講師，研究方向為數據挖掘與數據分析