基于DA-BP算法的高校思政課堂教學質量評價研究

李燕燕, 魚先鋒

(商洛學院 馬克思主義學院， 商洛 726000)

0 引言

自改革開放以來，全國高校的思想政治理論課課堂教學改革持續進行著，雖然取得了很大的成績。但是以往思想政治理論課課堂教學改革較多地集中在教學內容和課程設置上，而對思想政治理論課課堂教學指標體系評價的改革上顯得相當滯后。

習近平總書記在全國教育大會上強調，高校思想政治工作是一項戰略工程、固本工程、鑄魂工程，關乎培養什么人、怎樣培養人、為誰培養人這一根本問題。抓好思想政治工作是落實高校黨委對學校工作實行全面領導的關鍵，也是培養一批批又紅又專、德才兼備、全面發展的社會主義合格建設者和可靠接班人的根本保證。這就要求我們要筑牢高校思想政治工作的陣地，建設一支高素質的教師隊伍，科學規劃高水平的人才培養體系，健全和完善思想政治工作體制機制。其中，思想政治課堂教學質量的好壞直接關系到人才的培養。所謂教學質量評價是根據教學目標對教學活動的標準、效率和質量進行評估，對教學價值進行估計和判斷。從事思想政治理論課教學的許多教師雖也十分重視對教學經驗和方法的研究和總結，但是有分量的課堂教學評價指標體系的研究成果卻鳳毛麟角，因此，探索新形勢下有效地進行馬克思主義思想政治理論教育的新形式、新方法、新途經和新思路，就顯得格外重要而緊迫[1-2]。基于上述分析，如何提高高校思想政治理論課教學水平與質量，對課堂教學評價指標及其體系的研究是提高水平與質量的根本。本文針對BP評價精度受其參數選擇的影響，將蜻蜓算法[3](Dragonfly Algorithm，DA)算法應用于BP模型的初始連接權值cj、ωij和閾值ε、θj的參數優化，提出一種基于DA-BP的高校思政課堂教學質量評價方法。研究結果表明，DA-BP可以有效提高高校思政課堂教學質量評價精度，為高校思政課堂教學質量評價提供了新的方法和途徑。

1 蜻蜓算法

DA算法中，蜻蜓個體通過避撞行為、結對行為、聚集行為、覓食行為和避敵行為等5種行為方式進行覓食和尋優，這些個體行為詳細描述如下[4]：

避撞行為的位置向量更新策略如式(1)。

(1)

式中，X為當前蜻蜓個體的位置；Xj為第j個鄰近蜻蜓個體位置；N為相鄰蜻蜓個體的數量；結對行為的位置向量更新策略如式(2)。

(2)

式中，Vj為第j個鄰近蜻蜓個體速度。聚集行為的位置向量更新策略如式(3)。

(3)

覓食行為的位置向量更新策略如式(4)。

Fi=X+-X

(4)

式中，X+為食物源位置(當前最優解)。避敵行為的位置向量更新策略如式(5)。

Ei=X-+X

(5)

式中，天敵位置X-(當前最差解)。綜合5種蜻蜓群體行為，蜻蜓個體的步長向量更新策略為式(6)。

ΔXt+1=(sSi+aAi+cCi+fFi+eEi)+wΔXt

(6)

式中，s、a、c、f、e分別為5種蜻蜓群體行為的權重；w表示慣性權重；t為當前迭代次數如式(7)。

蜻蜓位置更新策略為：

Xt+1=Xt+ΔXt+1

(7)

2 基于DA-BP的高校思政課堂教學質量評價

2.1 BP神經網絡

BP神經網絡是由輸入層、隱含層和輸出層組成的多層前饋神經網絡，假如BP網絡的輸入維數和輸出維數分別為m和1，隱含層數為p，則BP神經網絡的映射數學表達式為[5]式(8)。

(8)

式中，f為隱含層激勵函數；ε為輸出層的閾值；cj、bj分別為隱含層到輸出層的連接權值和隱含層節點的輸出。

因此，BP神經網絡的隱含層節點的輸出可表示為式(9)。

(9)

式中，ωij為輸入層到隱含層的連接權值；θj為隱含層節點的閾值。

由于BP神經網絡的預測結果易受初始連接權值cj、ωij和閾值ε、θj的影響，以及其容易陷入局部極值的問題，本文運用DA優化BP神經網絡初始連接權值和閾值。

2.2 DA-BP算法流程

基于DA-BP的高校思政課堂教學質量評價算法流程可歸納為：

Step1：初始化BP神經網絡模型，確定網絡結構。根據數據樣本確定BP神經網絡的層數、傳遞函數和訓練函數類型以及各層節點數；讀取高校思政課堂教學質量評價數據，并進行預處理，將數據分成訓練集和測試集。

Step2：編碼。DA算法采用實數編碼，將連接權值cj、ωij和閾值ε、θj進行整體編碼，算法的搜索空間維數為m，假如輸入層、隱含層和輸出層節點數分別為R、S1、S2，則編碼長度S可表示為式(10)。

S=RS+S1S2+S1+S2

(10)

Step3：DA算法參數初始化：種群規模N，最大迭代次數T。

Step4：隨機初始化步長向量ΔX和隨機產生蜻蜓個體的初始位置X。

Step5：令當前迭代次數t=1，將訓練集輸入BP，根據適應度函數公式(11)計算所有蜻蜓個體的適應度，并進行排序記錄當前最優解。

選擇均方誤差為適應度函數，其如式(11)。

(11)

Step6：更新食物源位置X+(當前最優解)和天敵位置X-(當前最差解)，更新5種行為權重s、a、c、f、e和慣性權重w。

Step7：根據公式(3)～公式(7)更新S、A、C、E和F。

Step8：根據公式(8)～公式(9)更新步長向量和位置向量。

Step9：若迭代次數t>T，保存最優連接權值cj、ωij和閾值ε、θj；否則，t=t+1，返回Step5。

Step10：將最優解對應的連接權值cj、ωij和閾值ε、θj作為BP神經網絡的初始連接權值和閾值，訓練BP神經網絡并進行預測。

3 實證分析

3.1 思政教學質量評價體系

結合參考文獻和教學經驗，運用層次分析法構建出高校思政課堂教學質量評價AHP結構模型如圖1所示。

其主要包括3個層次，分別為目標層、準則層和要素層。

選擇某211工程大學思政2008年～2017年教學質量數據為研究對象，本文采用最大值法對數據進行標準化處理，根據1-9標度法，根據各評價指標的相對優劣順序，通過兩兩比較法，構建出體育教學質量評價指標的得分如表1所示和評價得分如表2所示。

3.2 評價指標

為檢驗高等學校思政課堂教學質量評價結果的好壞，評價指標選擇均方根誤差(Root Mean Square Error，RMSE)和相關系數R，評價指標式為[6-8]式(12)、式(13)。

圖1 高校思政課堂教學質量AHP模型

表1 思政教學質量評價指標得分

表2 思政教學質量評價最終得分

(12)

(13)

3.3 結果分析

根據文獻[9]思政課堂教學質量被劃分為5個等級，分別為非常好、較好、一般、較差和非常差，其評價等級劃分如表3所示。

將收集到的數據進行專家打分，一共獲得10組數據。將數據分為兩個部分，前6組數據作為訓練集，用于建立DA-BP思政課堂教學評價模型；后4組數據作為測試集，用于檢驗DA-BP思政課堂教學評價模型的正確性。DA算法參數：蜻蜓種群規模N=10，最大迭代次數T=100，DA-BP

表3 評價等級劃分

模型思政課堂教學評價結果如圖2所示。

為驗證DA-BP模型的準確性和有效性，將DA-BP與GA-BP、PSO-BP和BP進行對比，粒子群算法[10](Particle Swarm Optimization Algorithm，PSO)參數：最大迭代次數T=100，種群規模N=10，學習因子c1=c2=2，搜索區間[-1,1]。遺傳算法[11](Genetic Algorithm，GA)算法參數：種群規模N=10，最大迭代次數T=100，交叉概率pc=0.7，變異概率pm=0.1；BP神經網絡參數[12-13]設置如下：輸入層節點數inputnum=25、隱含層節點數hiddennum=50和輸出層節點數outputnum=1，BP神經網絡最大訓練次數為1 000，隱含層和輸出層傳遞函數[14-15]為logsig和purelin，訓練函數為

圖2 DA-BP思政教學質量評價結果

trainlm，學習速率為0.01，訓練誤差目標為0.001。不同算法對比結果如圖3所示和表4所示。

圖3 不同算法思政教學質量評價結果

方法訓練集測試集RMSERRMSERDA-BP0.008 90.995 60.037 30.989 3GA-BP0.016 20.978 60.039 20.971 1PSO-BP0.016 80.976 30.045 90.964 2BP0.017 60.965 20.047 20.945 6

由圖3和表4可知：(1)從整體思政課堂教學評價結果來看，DA-BP的評價結果優于GA-BP、PSO-BP和BP，在訓練集和測試集上，DA-BP的RMSE最小，并且相關系數R達到最大，說明DA-BP模型的思政課堂教學評價值和思政課堂教學評價實際值關聯程度最高，預測效果最好；(2)DA-BP、GA-BP和PSO-BP評價精度優于BP，主要原因在于群智能算法DA、GA和PSO對BP模型的參數進行了最優化選擇，提高了BP模型的評價精度。

4.4 基于教學評價的對策與建議

通過DA-BP課程評價，為提高高校思政課堂教學質量具有重要幫助，從而提出如下對策與建議：(1) 強化高校領導重視程度，加大監管力度；(2) 創新和完善教學模式和教學方法；(3) 充分學生主體的積極性；(4) 結合實際情況，加強學生指導；(5) 明確教學評價的目的和評價指標以及評價體系。(6) 加強案例教學，提高學生的理解力和感悟力。

5 總結

為提高高校思政課堂教學質量評價精度，提出一種基于DA-BP的高校思政課堂教學質量評價方法。在層次分析法構建高校思政課堂教學質量評價指標體系的基礎上，將影響高校思政教學質量的25個評價指標得分作為DA-BP的輸入，高校思政教學質量綜合得分作為DA-BP的輸出。研究結果表明，與GA-BP、PSO-BP和BP相比，DA-BP可以有效提高高校思政課堂教學質量評價精度，為高校思政課堂教學質量評價提供了新的方法和途徑。