基于系統(tǒng)控制理論的高職院校創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價模型研究

田 歡

(蘭州職業(yè)技術(shù)學院 電子信息工程系， 甘肅 蘭州 730070)

一、引言

創(chuàng)新和創(chuàng)業(yè)是當今時代的主題，也是推動國民經(jīng)濟新一輪高質(zhì)量發(fā)展的強大引擎。創(chuàng)新創(chuàng)業(yè)教育質(zhì)量更是成為了評價高職院校辦學水平和綜合教育創(chuàng)新創(chuàng)業(yè)教育質(zhì)量的重要指標。高職院校學生是創(chuàng)新創(chuàng)業(yè)的“新力量”，大力發(fā)展職業(yè)院校的創(chuàng)新創(chuàng)業(yè)教育勢在必行。

近年來，我國高職院校針對創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價，開展了廣泛的研究，取得了一定的成績，對學校教育教學工作取得的成績也起到了相當大的推動作用。但是，在評估中仍然存在一些問題，例如如何對創(chuàng)新創(chuàng)業(yè)教育結(jié)果進行預測和反饋，如何控制反饋結(jié)果精度，如何構(gòu)建和完善“政校企”三位一體的高職院校創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價體系。因此，如何有效地開展高職教育創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價體系研究，已成為我國職業(yè)教育發(fā)展的重要任務之一。

本文針對以上這些客觀存在的問題，明確研究視角，提出基于系統(tǒng)理論和BP神經(jīng)網(wǎng)絡(luò)的高職創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價體系的構(gòu)建方案。以系統(tǒng)論和神經(jīng)網(wǎng)絡(luò)為理論依據(jù)，為創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價體系具體搭建奠定理論基礎(chǔ)。繼而通過創(chuàng)新創(chuàng)業(yè)教育質(zhì)量的內(nèi)涵和特點，構(gòu)建基于系統(tǒng)論的評價模型。以相關(guān)高職院校創(chuàng)新創(chuàng)業(yè)教育教學情況為例，應用BP神經(jīng)網(wǎng)絡(luò)進行分析，確保創(chuàng)新創(chuàng)業(yè)教學評價體系的科學性和實用性，使其具有推廣價值。

二、高職院校創(chuàng)新創(chuàng)業(yè)教學過程與控制理論

(一)創(chuàng)新創(chuàng)業(yè)教學過程的特點

職業(yè)教育不是學術(shù)型教育的簡化版，也不是普通教育的職業(yè)版，而是一個具有鮮明特質(zhì)的領(lǐng)域。學校除了教授技術(shù)，還需要培養(yǎng)敬業(yè)專注精益求精的工匠精神，培養(yǎng)的人才是滿足當前社會發(fā)展需要的高素質(zhì)技能型人才和大國工匠。職業(yè)人才培養(yǎng)需要精準滿足企業(yè)需求，就必須直接與企業(yè)對接。需要將企業(yè)崗位職責、職業(yè)能力標準貫穿到育人的全過程中去。高等職業(yè)教育教學過程特點在于，教學不只是一門課程的教學過程，更是一種職業(yè)思想引導和職業(yè)技能養(yǎng)成的過程。要評估創(chuàng)新創(chuàng)業(yè)教育質(zhì)量，應考慮教師、學生、管理人員、設(shè)備以及合作企業(yè)、政府資源、業(yè)內(nèi)專家等諸多因素，如此才能更好地促進學生、教師和學校的全方位發(fā)展，進而推動“大眾創(chuàng)新”的發(fā)展與社會的進步。同時，我們也要根據(jù)高職院校育人目標的實際情況，把理論教學與職業(yè)技能、創(chuàng)新創(chuàng)業(yè)競賽結(jié)合起來，著眼于知識體系構(gòu)建和以賽促學兩個關(guān)鍵環(huán)節(jié)，根據(jù)高職院校生源和專業(yè)設(shè)置的實際情況，采用科學的方法選擇評價指標和權(quán)重，設(shè)計理論模型體系。

(二)系統(tǒng)控制理論

系統(tǒng)論將研究內(nèi)容看作一個完整系統(tǒng)，分析該系統(tǒng)運行的規(guī)律。控制論將研究對象運行規(guī)律進行模式化，將系統(tǒng)輸出結(jié)果反饋回輸入端，重新獲得輸出結(jié)果，生成一種模式化的運行模式。在本文研究框架下，需要控制的具體內(nèi)容包括：創(chuàng)業(yè)指導教師職業(yè)培訓、企業(yè)實踐教學、監(jiān)督學生課程學習和學生技能證書取得，監(jiān)督人才培養(yǎng)過程和質(zhì)量。從學生創(chuàng)業(yè)教育的角度，課程與績效訓練計劃的控制，訓練內(nèi)容與訓練時間的控制、信息反饋評價等功能主要通過接收和比較外部信息實現(xiàn)。

(三)創(chuàng)新創(chuàng)業(yè)教學評價過程與控制理論的關(guān)系

閉環(huán)控制系統(tǒng)在控制理論上具有較好的控制效果，因為系統(tǒng)本身可以通過理想輸入和實際輸出之間的旋轉(zhuǎn)反饋來控制系統(tǒng)的運行，最終使期望值與實際值協(xié)調(diào)一致。因此，我們適用閉環(huán)控制系統(tǒng)理論，簡化創(chuàng)新創(chuàng)業(yè)教學過程的結(jié)構(gòu)為，輸入端是創(chuàng)新創(chuàng)業(yè)教育對象與教學過程，經(jīng)創(chuàng)新創(chuàng)業(yè)教育賦能平臺進行信息處理，輸出教育評價結(jié)果，將結(jié)果反饋回輸入端與輸入信息進行比對，從而檢驗評價結(jié)果與預期結(jié)果是否吻合，如是則為正反饋，不是則為負反饋。如圖 1所示。

圖1 創(chuàng)新創(chuàng)業(yè)教育評價流程結(jié)構(gòu)

三、基于系統(tǒng)控制理論的創(chuàng)新創(chuàng)業(yè)教學評價模型

系統(tǒng)控制理論中的神經(jīng)網(wǎng)絡(luò)是一種非線性數(shù)學仿真技術(shù)，它用簡單的非線性操作來定義復雜的表示。使得受人為因素影響的評估結(jié)果有可能客觀而有效，并可能改變傳統(tǒng)評估方法的工作復雜度問題。本文設(shè)計的實踐教學評價體系模型中，評估數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，對評估系統(tǒng)的結(jié)構(gòu)和指令實例進行邏輯設(shè)計，根據(jù)默認參數(shù)條件，將每個指令數(shù)據(jù)集輸入網(wǎng)絡(luò)系統(tǒng)進行學習，評價結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)的輸出參數(shù)。

(一)創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價指標體系構(gòu)建

高職院校創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價是建立在指標體系基礎(chǔ)之上，即由信息輸入、信息處理、信息反饋、信息輸出幾個基本因素組成。信息輸入部分為評價內(nèi)容，包括實訓基地建設(shè)、實習講師資質(zhì)、儀器設(shè)備完備、學生競賽團隊組建、學校資金支持、政府資源支撐、合作企業(yè)培訓等。創(chuàng)新創(chuàng)業(yè)教學質(zhì)量評價結(jié)果是輸出部分。本文提出的基于系統(tǒng)論的創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價體系，包括四個子系統(tǒng)：前預測評價體系、教師自我評價體系、學生評價體系、專家評價體系，以及十二個二級子系統(tǒng)，如圖2所示。

(二)基于BP網(wǎng)絡(luò)的創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價模型設(shè)計

1.BP算法原理

BP 算法由數(shù)據(jù)流的前向計算(正向傳播)和誤差信號的反向傳播兩個過程構(gòu)成。正向傳播時，傳播方向為輸入層→隱層→輸出層，每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元。若在輸出層得不到期望的輸出，則轉(zhuǎn)向誤差信號的反向傳播流程。通過這兩個過程的交替進行，在權(quán)向量空間執(zhí)行誤差函數(shù)梯度下降策略，動態(tài)迭代搜索一組權(quán)向量，使網(wǎng)絡(luò)誤差函數(shù)達到最小值，從而完成信息提取和記憶過程。即樣本數(shù)據(jù)從輸入層輸入，經(jīng)過傳遞函數(shù)計算隱層節(jié)點的值，在輸出層與預期值作比較，若有誤差則反向傳遞給上一層，用來調(diào)整上層節(jié)點的權(quán)值。這個過程反復執(zhí)行直到誤差值小于期望的最小誤差，理論上可以預測后續(xù)樣本的值，如圖3所示。

圖2 高職院校創(chuàng)新創(chuàng)業(yè)質(zhì)量評價體系的構(gòu)成

圖3 BP算法由輸入層→隱層→輸出層構(gòu)成

2.網(wǎng)絡(luò)中的層

BP算法中，為不同的網(wǎng)絡(luò)結(jié)構(gòu)賦予了不同的解決問題的能力。非線性網(wǎng)絡(luò)層數(shù)可以提高神經(jīng)網(wǎng)絡(luò)的學習能力。BP層由神經(jīng)網(wǎng)絡(luò)支持，因此，一個三級 BP神經(jīng)網(wǎng)絡(luò)可以補充任何 N級 m-Size圖。在基于神經(jīng)網(wǎng)絡(luò)的創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價模型中，本文應用具有隱藏層的三級BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

3.每一層神經(jīng)元數(shù)量的確定

輸入層神經(jīng)元個數(shù)的確定：針對BP神經(jīng)網(wǎng)絡(luò)子系統(tǒng)中的評價結(jié)果：優(yōu)，良、一般、較差。我們?yōu)樵u價體系設(shè)計了了4個一級評價指標和10個二級指標。其中，二級評價指標構(gòu)成評價神經(jīng)網(wǎng)絡(luò)的十個輸入向量；

輸出層神經(jīng)元：每次評價只有一個最后評價結(jié)果，BP神經(jīng)網(wǎng)絡(luò)子系統(tǒng)的輸出層神經(jīng)元數(shù)量為1；

4.神經(jīng)元興奮功能的測定

根據(jù)BP神經(jīng)網(wǎng)絡(luò)隱藏層和樣本數(shù)據(jù)歸一化預處理的分析，結(jié)合測試結(jié)果，隱藏層和輸出層中：tansig，pureline為傳遞函數(shù)， trainlm函數(shù)為網(wǎng)絡(luò)訓練函數(shù)，learned函數(shù)為學習函數(shù)，性能函數(shù)為MSE函數(shù)。

5.學習頻率的選擇

每個訓練周期的權(quán)重變化由學習率決定。高學習率可能導致網(wǎng)絡(luò)不穩(wěn)定或發(fā)散；低學習率會導致網(wǎng)絡(luò)學習時間長，收斂速度慢，但可以保證網(wǎng)絡(luò)的誤差值不會從誤差面的縫隙中跳出，最終導致最小誤差值，因此，學習率越小系統(tǒng)的穩(wěn)定性越高。在神經(jīng)網(wǎng)絡(luò)設(shè)計過程中，需要不同的學習率形成網(wǎng)絡(luò)。觀察每次訓練后誤差平方和的下降率，可以判斷選擇的學習率是否合適。如果錯誤平方和迅速減小，則學習率合適；如果錯誤平方和振蕩，則學習率太高。網(wǎng)絡(luò)越復雜，就需要不同的學習率來支持錯誤表面的不同位置。為了確定不同訓練階段的自適應學習率，我們采用自適應學習率。

圖4 基于BP網(wǎng)絡(luò)的實踐創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價模型

四、實例研究

(一)數(shù)據(jù)選擇

選取相關(guān)高職院校的實踐創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價問卷數(shù)據(jù)作為樣本數(shù)據(jù)。通過數(shù)據(jù)的歸一化處理，隨機選擇13組數(shù)據(jù)樣本，前八組作為訓練樣本，剩余五組樣本則作為預測樣本。其中，評價選項均為：優(yōu)秀/良好/一般/差。

1.預評價模塊

對創(chuàng)新創(chuàng)業(yè)指導教師的指導能力和學生的學習競賽情況進行評價。

2.教師自我評估模塊

針對教學方法、教學效果即刻進行反饋。

3.專家評估

包括企業(yè)專家、高校專家、政府專家，評價教師的教學策略、方法以及他們的指導競賽能力。

4.學生評估

每個學期學生都需要評估他們的教師培訓質(zhì)量。對教師培訓質(zhì)量的研究通常在某些課程的中期和結(jié)束之前進行，如圖4所示。

(二)MATLAB仿真分析

Matlab工具箱中的 newff函數(shù)用于構(gòu)建網(wǎng)絡(luò)。根據(jù)給定的樣本數(shù)據(jù)，該函數(shù)可以自動給出輸出層的神經(jīng)元數(shù)量；對于隱藏層的神經(jīng)元數(shù)量和訓練算法函數(shù)需要我們自己給出。Matlab工具箱中的函數(shù)init用于初始化。使用給定數(shù)據(jù)樣本，選取前八組數(shù)據(jù)在MATLAB上訓練網(wǎng)絡(luò)，對后五組數(shù)據(jù)進行預測測試，驗證測試結(jié)果。MATLAB中BP神經(jīng)網(wǎng)絡(luò)的代碼，如圖5所示。

圖5 MATLAB中BP神經(jīng)網(wǎng)絡(luò)的代碼

(三)測試結(jié)果分析

在神經(jīng)網(wǎng)絡(luò)中，樣本訓練是必不可少的數(shù)據(jù)。對輸入樣本進行歸一化處理，保證數(shù)據(jù)在指定范圍[0,1]內(nèi)，有利于數(shù)據(jù)處理，提高網(wǎng)絡(luò)效率。輸入樣本的歸一化公式描述如下：

訓練結(jié)果如圖6所示。

圖6 BP網(wǎng)絡(luò)測試結(jié)果

經(jīng)過3次迭代，系統(tǒng)誤差已達到0.000135(<0.001)，最終輸出的訓練樣本數(shù)據(jù)值與實驗實際輸出值之間，誤差與設(shè)定值一致，系統(tǒng)輸出值接近教學評價的實際數(shù)據(jù)值，說明構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)子系統(tǒng)能更好地逼近訓練樣本數(shù)據(jù)集要求。實驗結(jié)果表明，基于神經(jīng)網(wǎng)絡(luò)的評價體系在理論、政策等教育培訓評價中是一種合乎邏輯的、有針對性的評價模型。可見，基于神經(jīng)網(wǎng)絡(luò)的評價體系是一種合理的、可預測的評價實踐教學效果的評價模型。

五、結(jié)語

高等職業(yè)院校創(chuàng)新創(chuàng)業(yè)教育質(zhì)量是評價學校育人水平和教學質(zhì)量的重要指標之一。本文探討了高等職業(yè)院校創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價的特點。采用BP神經(jīng)網(wǎng)絡(luò)理論，運用數(shù)學仿真模型作為設(shè)計基礎(chǔ)，基于系統(tǒng)控制理論，設(shè)計了創(chuàng)新創(chuàng)業(yè)教育質(zhì)量評價體系結(jié)構(gòu)與理論拓撲模型。通過實際數(shù)據(jù)中的非線性復雜的教學評價因素進行MATLAB仿真分析，通過非線性作用函數(shù)的復合映射，從而生成教學效果評價仿真預測結(jié)果，所建立神經(jīng)網(wǎng)絡(luò)系統(tǒng)的預測值和評價目標值吻合較好，相關(guān)系數(shù)達到 0.9094，接近1，因此該系統(tǒng)具備客觀、科學、實用性。