BP神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評(píng)價(jià)體系中的應(yīng)用研究

邱丹萍

（廣東白云學(xué)院軟件工程系，廣州 510450）

0 引言

隨著高等教育的普及化，市民對(duì)教育的關(guān)注度、了解度也在逐漸提升。越來越多的人認(rèn)識(shí)到提升公民的受教育水平，讓更多的人接受高等教育不僅能提高大眾的文化素養(yǎng)，還能推動(dòng)國家的科技進(jìn)步。對(duì)教育部門及家長而言，探討如何提升高等教育教學(xué)質(zhì)量成為一個(gè)不可避免的話題。而高等教育的教學(xué)幾乎都是由高校完成，而高校教學(xué)質(zhì)量的好壞，很難由一兩個(gè)數(shù)據(jù)直接進(jìn)行判定。高校的教學(xué)也大部分是由教師課堂授課的方式來完成，而且在我們國家，課堂教學(xué)仍是我們開展教育活動(dòng)的主要渠道，其質(zhì)量很大程度上反映并決定了高校的教育質(zhì)量[1]。

高校的教學(xué)質(zhì)量由教師的教學(xué)質(zhì)量決定，但是，如何判定教師的教學(xué)質(zhì)量卻很難用一個(gè)線性的數(shù)學(xué)表達(dá)式進(jìn)行計(jì)算。在大多數(shù)高校，教學(xué)質(zhì)量的評(píng)價(jià)依舊采用專家、督導(dǎo)組、同行進(jìn)課堂聽課、學(xué)生課后評(píng)價(jià)的方式來判定教師的教學(xué)水平。不可否認(rèn)，這些判定方法有一定的實(shí)用性。尤其對(duì)于新教師，專家、同行能及時(shí)發(fā)現(xiàn)問題并幫助新教師快速糾正，從學(xué)生的課后反饋上也能知道應(yīng)該如何更好的踐行“以學(xué)生為中心”的教學(xué)理念。但這些判定標(biāo)準(zhǔn)也有其局限性，比如專家、同行隨堂聽課的課堂質(zhì)量判定標(biāo)準(zhǔn)大多由一些行政部門根據(jù)社會(huì)要求、領(lǐng)導(dǎo)要求、主觀認(rèn)知進(jìn)行權(quán)重設(shè)定，對(duì)于同一個(gè)標(biāo)準(zhǔn)，針對(duì)不同學(xué)院的應(yīng)該有權(quán)重的區(qū)分，倘若都用統(tǒng)一標(biāo)準(zhǔn)很容易引起判定不嚴(yán)謹(jǐn)。除此之外，專家組及學(xué)生在進(jìn)行教師評(píng)價(jià)階段，也存在主觀性和不全面性。基于種種不定量因素，高校對(duì)教師的評(píng)價(jià)標(biāo)準(zhǔn)也缺乏科學(xué)的理論依據(jù)[2]。

因而很多科學(xué)工作者在考慮能否用更加智能、合理的方式來進(jìn)行教學(xué)質(zhì)量評(píng)價(jià)。當(dāng)今，隨著人工智能的普及，神經(jīng)網(wǎng)絡(luò)的運(yùn)用也越來越廣泛，本文也是根據(jù)神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，采用BP神經(jīng)網(wǎng)絡(luò)算法來論證此算法在教師教學(xué)質(zhì)量評(píng)價(jià)中能得到有效運(yùn)用。

1 BP神經(jīng)網(wǎng)絡(luò)模型搭建

1.1 BP 神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)是一種反饋型傳播網(wǎng)絡(luò)，類似人的大腦，它主要由輸入層、隱含層和輸出層構(gòu)成。BP神經(jīng)網(wǎng)絡(luò)也是通過對(duì)輸入層到隱含層以及隱含層到輸出層的權(quán)值及閾值的不斷修改來完善網(wǎng)絡(luò)，從而使輸出值和準(zhǔn)確值的誤差最小。BP神經(jīng)網(wǎng)絡(luò)它能夠模擬人類大腦神經(jīng)系統(tǒng)，對(duì)輸入的信息進(jìn)行學(xué)習(xí)、修正，從而達(dá)到客觀、公正的信息輸出。也正是因?yàn)锽P神經(jīng)網(wǎng)絡(luò)的這些優(yōu)點(diǎn)，所以它在機(jī)器學(xué)習(xí)、人工智能、信息預(yù)測等領(lǐng)域都有廣泛的應(yīng)用。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

1.2 網(wǎng)絡(luò)模型的確立

在高校教學(xué)質(zhì)量評(píng)價(jià)體系中，如何對(duì)高校教師的教學(xué)質(zhì)量進(jìn)行良好的評(píng)價(jià)變得越來越重要了。在現(xiàn)實(shí)中，因?yàn)榇嬖诟鞣N主觀因素，使得評(píng)價(jià)缺乏理論依據(jù)，因而我們也根據(jù)BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)構(gòu)建一個(gè)基于教學(xué)質(zhì)量評(píng)價(jià)的BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)教學(xué)評(píng)價(jià)結(jié)果進(jìn)行定量分析。在傳統(tǒng)的教學(xué)評(píng)價(jià)中一般分為教學(xué)目標(biāo)、教學(xué)過程、教學(xué)效果、教學(xué)態(tài)度四個(gè)方面。在評(píng)價(jià)中這四個(gè)方面又可以再細(xì)分成其他二級(jí)指標(biāo)，如表1。

表1 教學(xué)評(píng)價(jià)指標(biāo)

根據(jù)傳統(tǒng)評(píng)價(jià)指標(biāo)，為了更好地對(duì)教學(xué)質(zhì)量進(jìn)行分析，在此我們必須構(gòu)建一個(gè)合理的網(wǎng)絡(luò)模型，對(duì)網(wǎng)絡(luò)模型輸入、隱含、輸出層進(jìn)行設(shè)計(jì)，盡量減少網(wǎng)絡(luò)訓(xùn)練次數(shù)、提升精確度。對(duì)于BP神經(jīng)網(wǎng)絡(luò)，因?yàn)殡[含層的層數(shù)既可以單層也可以是多隱含層的，但是多隱含層神經(jīng)既增加了訓(xùn)練時(shí)間，又增加網(wǎng)絡(luò)的泛化性。所以，在此我們構(gòu)建一個(gè)單隱層的神經(jīng)網(wǎng)絡(luò)模型。

（1）輸入層設(shè)計(jì)

神經(jīng)網(wǎng)絡(luò)中，我們一般把可以決定網(wǎng)絡(luò)輸出的初始決定因素當(dāng)成輸入值。本文的教學(xué)評(píng)價(jià)指標(biāo)中，我們有四個(gè)一級(jí)指標(biāo)，經(jīng)過分析，這四個(gè)以及指標(biāo)又可以細(xì)分成14個(gè)二級(jí)指標(biāo)最終，這14個(gè)二級(jí)指標(biāo)也是決定評(píng)價(jià)結(jié)果的根本因素。所以在此，我們定義網(wǎng)絡(luò)模型的輸入層神經(jīng)元個(gè)數(shù)為14個(gè)。

（2）隱含層設(shè)計(jì)

在BP神經(jīng)網(wǎng)絡(luò)中，我們對(duì)隱含層的層數(shù)及節(jié)點(diǎn)數(shù)的確定并沒有統(tǒng)一的計(jì)算公式，大部分采取的是經(jīng)驗(yàn)法、試錯(cuò)法。這里我們采用常用的經(jīng)驗(yàn)公式：（其中p表示輸入層層數(shù)，q表示輸出層層數(shù)，a表示1-10之間的常數(shù)）。經(jīng)過測試，這里我們把隱含層節(jié)點(diǎn)數(shù)定為9。

（3）輸出層設(shè)計(jì)

BP神經(jīng)網(wǎng)絡(luò)一般把最終需要得到的結(jié)果當(dāng)成輸出值，在教學(xué)質(zhì)量評(píng)價(jià)體系中，一般把評(píng)價(jià)的結(jié)果當(dāng)成最終的輸出。因而，我們的輸出層神經(jīng)元分個(gè)數(shù)定義為1。

2 仿真實(shí)驗(yàn)

構(gòu)建了神經(jīng)網(wǎng)絡(luò)模型后，接下來我們使用某學(xué)院10位教師的教學(xué)評(píng)價(jià)結(jié)果進(jìn)行分析。其中評(píng)價(jià)結(jié)果是由從教多年的同行根據(jù)評(píng)價(jià)指標(biāo)對(duì)每項(xiàng)指標(biāo)進(jìn)行評(píng)分，其中每項(xiàng)指標(biāo)的最高分為10分。評(píng)定出每項(xiàng)指標(biāo)的單項(xiàng)得分后，接下來再使用線性加權(quán)法計(jì)算出每位教師的最終得分。為了減少網(wǎng)絡(luò)對(duì)樣本的需求量，接下來再使用歸一化處理每位教師的最終得分?jǐn)?shù)據(jù)，歸一化的計(jì)算公式為，處理后得分?jǐn)?shù)據(jù)如表2所示。

表2 加權(quán)法處理后教師得分及歸一化處理后數(shù)據(jù)

根據(jù)同行評(píng)價(jià)的教師教學(xué)質(zhì)量成績表，接下來我們可以以這些數(shù)據(jù)為依托來構(gòu)建我們的BP神經(jīng)網(wǎng)絡(luò)教學(xué)質(zhì)量評(píng)價(jià)體系。根據(jù)歸一化處理后的十組教師評(píng)價(jià)體系數(shù)據(jù)，我們選取8組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，另外B、H兩位教師的數(shù)據(jù)當(dāng)成測試數(shù)據(jù)。在教學(xué)質(zhì)量評(píng)價(jià)體系中，采用的是自適應(yīng)的梯度下降BP算法。根據(jù)選取的7組測試數(shù)據(jù)值定義好輸入向量及輸出向量，利用MATLAB，創(chuàng)建3層BP神經(jīng)網(wǎng)絡(luò)，其中隱含層的傳遞函數(shù)采用雙曲正切S型激活函數(shù)，輸出層激活函數(shù)采用線性激活函數(shù)，學(xué)習(xí)次數(shù)為10000次，誤差為0.001。構(gòu)建好前向神經(jīng)網(wǎng)絡(luò)后，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，若訓(xùn)練次數(shù)達(dá)到10000次，網(wǎng)絡(luò)仍未收斂，則說明此模型不收斂。若訓(xùn)練未到10000次，誤差已經(jīng)小于0.001，說明訓(xùn)練誤差達(dá)到目標(biāo)，可結(jié)束訓(xùn)練。

經(jīng)過訓(xùn)練，發(fā)現(xiàn)在訓(xùn)練次數(shù)為9000次時(shí)，誤差小于0.001，接下來我們使用教師B和教師H的數(shù)據(jù)當(dāng)成測試數(shù)據(jù)，將測試數(shù)據(jù)引入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過測試后，發(fā)現(xiàn)兩組數(shù)據(jù)的誤差率均較小，通過仿真得到的結(jié)果與同行評(píng)定的結(jié)果也很接近，如表3所示。說明BP神經(jīng)網(wǎng)絡(luò)模型能很好地進(jìn)行教學(xué)質(zhì)量評(píng)定。

表3 同行評(píng)價(jià)結(jié)果與神經(jīng)網(wǎng)絡(luò)測試后結(jié)果

3 結(jié)語

通過上述實(shí)驗(yàn)結(jié)果說明使用BP神經(jīng)網(wǎng)絡(luò)可以進(jìn)行教學(xué)質(zhì)量的評(píng)定，并且采用這種方式可以定量地得出評(píng)定結(jié)果，這不但有利于教師及時(shí)發(fā)現(xiàn)教學(xué)中的不足之處，也有利于教務(wù)部門進(jìn)行教學(xué)質(zhì)量的評(píng)定，定量化的結(jié)果在教學(xué)評(píng)定中也更具說服性。