層次分析法和神經網絡相結合的公費師范生培養效果評價研究

何雅琪 賀 陵 薛 婷 李 艷 莫宏敏

（吉首大學 數學與統計學院 湖南 吉首 416000）

定向師范生的培養研究，是當今的熱點問題，前人的研究主要集中在探討培養公費師范生的最佳培養模式之上，對公費師范生培養效果、評價方法的研究相對較少，未建立科學系統的評價模型。本文采用層次分析法計算評價指標的權重，篩選出對評價結果有重要影響的指標作為 BP神經網絡的輸入，并采用神經網絡建立公費師范生培養效果的評價模型，較好地對目前各高校公費師范生的培養效果進行評價，從而分析出現階段公費師范生培養存在的問題，并給出相應的建議和對策，為進一步優化公費師范生人才培養方案奠定基礎。

一、AHP-BPNN培養效果評價模型

（一）培養效果評價指標體系的構建

由于培養效果的評價，受到多方面因素的影響，因此培養效果評價指標體系設置的科學與合理性，會直接關系到評價模型的有效性。本文通過研究公費師范生人才培養方案，結合相關文獻研究結果，構建了如表1所示的評價指標體系。

表1 公費師范生培養效果評價指標體系

?

（二）AHP篩選評價指標

1.構建指標判斷矩陣

構建指標判斷矩陣，是層次分析法較為關鍵的一步，為盡量減少主觀因素帶來的影響，本文采用校內和校外專家聯合打分制，判斷矩陣中元素的賦值，如下表2所示。

表2 判斷矩陣元素賦值標準

2.指標權重計算及一致性檢驗

首先求出特征向量，然后進行歸一化處理，最后對判斷矩陣進行一致性檢驗，按照上述步驟便可得到各指標權重值。

3.重要性指標篩選

根據計算得到的權值順序，篩選出排名前五的指標，作為BP神經網絡的輸入，以簡化網絡結構，提高評價的精準度和效率。

（三）BP神經網絡模型

人工神經網絡僅需要學習某種規則，通過自身的訓練便可在輸出值確定時，找到最優的輸出值，無需事先給定輸入值與輸出值之間的數學關系。將問卷調查得到的數據經過神經網絡訓練，從而建立行之有效的評價模型。BP神經網絡流程如下：

step1：網絡初始化。初始化輸入層、隱含層和輸出層節點數，初始化權值，初始化輸入層和輸出層閾值，給定學習速率和神經元激勵函數。

記節點的激勵函數f，選擇Sigmoid函數，所以得到激勵函數為：

step2：隱含層輸出計算以及輸出層輸出計算。

在第j層，節點的輸入值為：

節點的輸出值為：

在第k層的網絡節點輸入為：

step3：誤差的計算。根據期望輸出值和網絡預測輸出值，計算網絡預測誤差e。

step4：權值和閾值更新。根據網絡預測誤差e更新網絡連接權值和網絡節點閾值。

step5：判斷是否結束迭代，若沒有結束，繼續步驟2。

二、仿真實驗

（一）數據來源

為了檢驗AHP-BPNN培養效果評價模型的準確性，在Matlab2018下，對其進行仿真實驗。通過設計調查問卷，數據共84個，每一個數據均包含5個指標，部分數據如下表4所示。

表3 培養效果評價數據

（二）結果分析及預測效果評判

在數據訓練之后，通過數據進行檢驗，觀察檢驗值與預測值之間的偏差，并對模型的擬合程度進行分析，即可利用該神經網絡模型，對公費師范生的培養效果進行評價。運行程序得出結果如圖1所示。

圖1 預測和實際培養效果對比圖

通過觀察上圖的預測值與實際值，可以看到預測值和實際值基本吻合，大部分的預測值和實際值一致，建立的公費師范生培養效果評價模型的誤差在允許范圍內，說明模型較好，能夠有效地對培養效果進行評價。

結束語：

本文利用層次分析法和神經網絡相結合的評價方法，構建基于AHP-BPNN地方高校公費師范生培養效果評價模型，對當前各高校公費師范生的培養具有一定的參考意義和推廣價值。