基于BP神經網絡的區域本科教育質量評估研究

查志杰，成樸之，楊程欽，張紅偉

(徐州醫科大學，江蘇 徐州 221004)

20世紀70年代以來，各國高等教育陸續步入大眾化教育階段，在高校數量得到相當大程度的發展之后，各國政府、教育界和社會公眾把關注的焦點普遍地聚焦于高等教育質量。教育質量評估是促進高等教育水平提高的有效手段，各國都把質量評估當做加強宏觀調控和提升教育質量的重要舉措。實踐證明，評估工作是加快高校建設、提高教育質量的有效手段，在改變教育觀念、樹立現代教育思想方面，也發揮了巨大的作用[1]。英國教育家皮特·斯科特(Peter Scott)認為，大眾化進程中和大眾化之后，隨著規模的擴張，教育質量成為高等教育自身發展最為關鍵的、社會各界最為關注的問題[2]。隨著我國高等教育大眾化的到來，高等教育的質量與數量的矛盾也日益凸顯，在招生數量大幅擴張的同時教育質量未能得到有效保證[3]，很多地區存在教育水平發展不均衡現象[4]。因此需要對高等教育的質量進行評估。大量文獻表明，當前對于高等教育質量的評估的研究集中于某一方面的較多，例如針對專業種類[5-6]、院校類型[7-8]、辦學類型[9-10]等，對分區域的本科院校全面的綜合的評估研究尚存在不足。因此，有必要對本科教育質量進行分區域全面的探究，進而豐富本科教育評估理論，并對政府和學校實現教育目標、提高本科教育質量提供建設性意見。本文選取了九個最具代表性的指標，以江蘇省13個地級市43所本科院校為例進行區域本科教育質量評估。通過查找資料獲取九個指標的具體材料、數據，然后使用六種量化方式針對不同類別數據進行量化處理；采用遺傳算法優化的BP神經網絡建立綜合評價的數學模型、結合量化處理后數據，對不同地區本科教育質量進行綜合評價；最后使用關鍵因子識別中的增量趨勢判別法，計算出關鍵指標，從而為本科教育改革與發展提供參考。

1 影響本科教育質量的因素分析

1.1 指標的選取與量化處理

在研究教育部普通高等學校本科教學工作合格評估指標體系[11]的基礎上，選取了九個最具代表性的指標，分別是本科院校數量、招生人數、師資隊伍與結構、生師比、教學條件與利用、專業建設與教學改革、學生就業、科研投入與產出、雙一流學科建設。

上述指標中部分指標比較直接客觀，可以直接以數據的形式表達；部分指標比較抽象或包含多種因素，需要轉化為二級指標處理。因此需要充分考慮二級指標的全面性、代表性和可查找性。首先采用量化方法，對九項指標進行量化。

將本科院校的數量、雙一流學科數量作為可量化指標，采用逐個統計、累加的方式進行數據量化；對于招生人數，以每個市每所高校近三年的招生人數累加結果進行數據量化；對于師資隊伍與結構，采用分段賦值法進行量化 ；生師按強制百分比進行量化；對于教學條件與利用，采用行為錨定量化方式；專業建設與教學改革采用關鍵行為量化；就業率體現社會對高校培養的人才認可程度，通過劃分就業率進行比較，采用分段賦值法進行量化；科研中人力、時間和經費的投入，論文數量與質量、經濟效益等的產出采用行為錨定法進行量化處理。

對江蘇省46所本科院校，通過學校官方網站、地方統計年鑒，獲得這九個指標分地級市對應的數據，然后將數據按上面所述的方法初步量化處理，再根據六種不同的量化處理方法進行再量化，得到量化結果如表1所示。

表1 量化處理后的指標數據

1.2 量化數據結果分析

在本科院校數量方面，南京市最多，有21所，占全省46%。在招生人數方面，江蘇省46所本科院校近三年共計對江蘇省招生281 353人，其中南京市最多，達104 842人，占全省37.27%，而泰州市最少，占全省1.35%。在師資隊伍與結構方面，分解為院士數量、科學家和工程師占比的二級指標并使用分段賦值量化方式，南京市獲得最高分4分。在生師比方面，在不計學校職工、后勤等非教育部門人員情況下，其中生師比最低的是宿遷市和泰州市。在教學條件與利用方面，分解為實驗室數量與利用率、占地大小、建筑面積和后勤保障設施投入等二級指標，南京市獲得最高分4分。在專業建設與教學改革方面，分解為本科數量、重點學科數量、改革創新項目數量三個二級指標，南京市獲得最高分10分。在學生就業方面，分解成學生綜合就業率、薪水、行業比例等二級指標，著重關注了創業學生人數的統計與權重分配，其中南京市、南通市獲得最高分3分。在科研投入與產出方面，將投入分解為經費、人力和時間三個部分，將產出分解為專利數、論文篇數、專著部數和科研成果收入等部分，其中南京市、揚州市獲得最高分3分。在雙一流學科建設方面，全省共43個，其中南京市最多，擁有38個，占比88.37%。

2 本科教育質量評估模型

2.1 遺傳算法優化的BP神經網絡

根據建立的評價指標體系，采用MATLAB中遺傳算法優化的BP神經網絡算法進行計算。

第一步，確定遺傳算法優化BP神經網絡的訓練數據——各市本科教育質量的評價體系。根據中華人民共和國教育部印發的《2013-2017年教育部普通高等學校本科教學工作評估專家委員會章程》和由北京大學、復旦大學等重點高校自我發布的本科教育質量評估報告、以及相關文獻[12-13]，確定評價體系標準。

第二步，將數據整理轉化為遺傳算法優化BP神經網絡的訓練數據，見表2。

表2 訓練數據

在表2中，當九個指標依次大于等于10，0.06，3，1，2，6，1，1，10時候，那么該市的本科教育質量評價為優秀，并且以目標數字2輸出，依次類推，如果該市的本科教育質量評價為良好，那么就以目標數字1輸出，質量一般則以目標數字0輸出。

事實上，2，1，0只是目標輸出結果，在實際計算中，比如出現某市的最終輸出結果是1.88，那么1.88與2相差的絕對值較小、與1差值的絕對值較大，所以該市的本科教育質量評價為優秀。

第三步，用MATLAB軟件編寫代碼，并將表1中的所有數據按照13*9的矩陣作為仿真數據輸入。

2.2 綜合評價結果

利用遺傳算法優化BP神經網絡、結合表2的訓練數據，對表1中的數據進行處理，得到綜合評價結果及其排名，見表3。由表3可以得知，以南京為中心，揚州、常州、鎮江、蘇州和無錫為環繞的江蘇省南部區域走在本科教育質量前列，徐州和淮安則緊接其后，而形成鮮明對比的則是宿遷、泰州、連云港、鹽城和南通，本科教育質量還有很大的提升空間。

表3 綜合評價結果排名

3 關鍵指標的確定

3.1 指標數據處理與指標的無量綱化

本科教育發展不均衡在江蘇省是存在的，也是需要亟待解決的問題。可以通過找出影響教育發展不均衡的關鍵指標，進而借助政策等手段改變其值，從而改變各個地區本科教育質量發展不平衡的現狀。本部分采用關鍵因子識別中的增量趨勢判別法[14]對九個指標進行排序。

將表2中的數據作為實際值Xi對該表進行預處理后計算出每項指標的平均值為標準值Xis，由于各指標的單位和數量級并不相同，因此需要使用式4-1來進行定量指標無量綱化，其中參數Zi表示第i種指標背離標準值的相對量，稱為相對超標量，定性地說來，其表示的意義是該指標下本科院校對于江蘇整個省的水平的影響情況。

通過計算后得表4。

3.2 基于增量趨勢法對結果判別

把Zi的值分為四個狀態，分別為①Zi <-1(低)，②-1< Zi <0(較低)，③01(高)，對Zi進行排序如圖1所示。

表4 指標數據無量綱化的結果

圖1 對Zi進行排序方式

按照以上計算對表4進行處理，得到如表5指標影響度排序。

根據以上結果可知，雙一流學科建設是衡量一個市本科教育質量的關鍵指標，通過提高該指標值就能有效縮小各城市間差異，因此，對于現階段的一流大學與一流學科，政府應予以嘉獎，并繼續建設、增加科研投入、拓展和海外名校的合作；而對于那些正在努力建設一流大學與一流學科的高校，政府應加大扶持力度，鼓勵其建設雙一流學科，并增加其與國內外高校的聯系與交流，從而縮小與優秀學校的差距。

表5 指標影響度排序

4 結論

為了從數據上說明區域本科教育質量差異存在、找出影響平衡區域本科教育質量差異的關鍵因素、提高整體本科教育水平和質量，本文首先確定了評價指標，并收集相關數據，然后采用基于BP神經網絡算法處理了獲取的評價結果，以江蘇省為例指出了本科教育質量的區域不均衡性的問題，同時也利用增量趨勢判別法得出影響本科教育質量的關鍵指標——雙一流學科。最終據此給出了解決這種不均衡問題、提高整體本科教育水平的方法，為江蘇高等教育改革和發展提供參考。