梁飛鴻

(廣東水利電力職業(yè)技術(shù)學(xué)院，廣東廣州510635)

1.引言

教學(xué)質(zhì)量評價是一個比較復(fù)雜的過程，它是一個多因素、多變量、模糊的非線性過程。傳統(tǒng)的方法是由學(xué)校教育管理部門的專家領(lǐng)導(dǎo)、教師同行及學(xué)生分別對教師的教學(xué)質(zhì)量進(jìn)行打分，然后對三個分?jǐn)?shù)人工進(jìn)行加權(quán)評分，最后得出教師在某一階段教學(xué)質(zhì)量的綜合評價。這在一定程度上能反映教師的教學(xué)工作水平，但是還是不夠準(zhǔn)確、全面和系統(tǒng)，容易出現(xiàn)主觀性。因此，只有建立科學(xué)的教學(xué)質(zhì)量評價方法，才能真實反映教學(xué)工作水平，從而調(diào)動廣大教師的教學(xué)積極性，推進(jìn)學(xué)校教學(xué)工作進(jìn)程。

作為研究復(fù)雜性的有力工具，人工神經(jīng)網(wǎng)絡(luò)不僅解決了綜合評價指標(biāo)體系中的定性指標(biāo)與定量指標(biāo)的問題，克服了傳統(tǒng)評價過程中建立復(fù)雜的數(shù)學(xué)模型和數(shù)學(xué)解析表達(dá)式的問題，而且還避免了評價者主觀因素對評價結(jié)果的直接影響，因為人工神經(jīng)網(wǎng)絡(luò)的建模，是一種自然的非線性建模過程，毋需分清存在何種非線性關(guān)系，通過分析大量的樣本數(shù)據(jù)后，確定神經(jīng)網(wǎng)絡(luò)權(quán)值系數(shù)，從而對教學(xué)質(zhì)量進(jìn)行評價。

2.教學(xué)質(zhì)量評價指標(biāo)體系的構(gòu)建

本文以廣州某高職院校教學(xué)質(zhì)量評價的指標(biāo)體系為依據(jù)（見表1），建立了基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價模型，旨在克服人為評價的主觀隨意性，使評價更加準(zhǔn)確、公平、客觀。在此基礎(chǔ)上，選取2009年部分老師的真實數(shù)據(jù)作為歷史樣本數(shù)據(jù)，供神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和學(xué)習(xí)。

3.BP神經(jīng)網(wǎng)絡(luò)簡介

典型的BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是一個由輸入層、隱含層和輸出層構(gòu)成的三層前饋階層網(wǎng)絡(luò)。BP網(wǎng)絡(luò)的學(xué)習(xí)過程由信息的正向傳播和誤差的反向傳播組成。當(dāng)給定網(wǎng)絡(luò)一組輸入模式時，BP網(wǎng)絡(luò)將依次對這組輸入模式按如下方式學(xué)習(xí)：首先，把輸入模式從輸入層傳輸?shù)诫[含層單元，經(jīng)隱含層單元逐層處理后，產(chǎn)生一個輸入模式傳送到輸出層，這一過程稱為正向傳播；然后，將輸出結(jié)果和期待值進(jìn)行比較，如果沒有達(dá)到預(yù)期目標(biāo)，則轉(zhuǎn)變?yōu)檎`差的反向傳播，并將誤差沿原路返回，再通過修改各層神經(jīng)元的連接權(quán)值，使誤差信號變小。

表1 評估指標(biāo)表

上面這種正向傳播和反向傳播相互交替的過程看成一個“記憶訓(xùn)練”的過程。系統(tǒng)不斷地循環(huán)這兩個過程并重復(fù)學(xué)習(xí)，一直到輸出值和期待值的誤差減小到規(guī)定范圍內(nèi)，系統(tǒng)便停止學(xué)習(xí)。此時將新樣本輸入到已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)，就可以得到相應(yīng)的輸出值。基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價系統(tǒng)結(jié)構(gòu)如圖1所示。

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

4.BP 神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評價中的應(yīng)用

4.1 網(wǎng)絡(luò)模型的確定

教學(xué)質(zhì)量評價指標(biāo)體系有20個二級指標(biāo)，可將這20個指標(biāo)作為模型的輸入神經(jīng)元，即輸入層神經(jīng)元個數(shù)n=20。根據(jù)Kolmogrov理論已經(jīng)證明：任意給定的連續(xù)函數(shù)φ：X→Y，X∈R，Y∈0，1，則φ可以精確地由一個三層神經(jīng)網(wǎng)絡(luò)實現(xiàn)，故在對教學(xué)質(zhì)量評價模型中，選擇隱含層為1層；神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果作為網(wǎng)絡(luò)的輸出，輸出層個數(shù)m=1；一般情況下，隱含層神經(jīng)元個數(shù)是根據(jù)網(wǎng)絡(luò)收斂性能的好壞來確定的，在總結(jié)大量網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，得出經(jīng)驗公式：s=根據(jù)此公式，可以得出隱含層神經(jīng)元個數(shù)s=8。

BP神經(jīng)網(wǎng)絡(luò)的傳輸函數(shù)通常采用S形函數(shù)（logsig）或者雙曲正切S形傳輸函數(shù)（tansig），本文中的輸入層采用雙曲正切S形傳輸函數(shù)來訓(xùn)練，而隱含層則采用S形函數(shù)來訓(xùn)練。至于訓(xùn)練方法，采用的是Levenberg-Marquardt算法的變梯度反向傳播算法（trainlm）。

4.2 Matlab仿真和結(jié)果

基于以上分析建立的學(xué)習(xí)算法和網(wǎng)絡(luò)模型，筆者用Matlab7.1中的神經(jīng)網(wǎng)絡(luò)工具箱，建立三層BP神經(jīng)網(wǎng)絡(luò)，并選取10組真實且中肯的樣本數(shù)據(jù)進(jìn)行仿真。

首先利用ImportWizard從文件中導(dǎo)人標(biāo)準(zhǔn)化后的訓(xùn)練數(shù)據(jù)到變量P與變量t中，其中P為輸人矩陣(20*10)，t為目標(biāo)矩陣(1*10)。

在命令窗口輸入：

網(wǎng)絡(luò)經(jīng)過12次循環(huán)，網(wǎng)絡(luò)誤差小于期望值，訓(xùn)練終止，最終的網(wǎng)絡(luò)誤差性能曲線如圖2所示，結(jié)果比較滿意。最后將神經(jīng)網(wǎng)絡(luò)的仿真結(jié)果和專家評價的數(shù)據(jù)相比較（如表3），可看出測試結(jié)果與專家評價的誤差絕對值范圍在0.12%～1.43%之間，仿真評價的結(jié)果與專家評價的結(jié)果非常接近，說明模型具有良好的容錯性和泛化能力。

圖2 測試樣本的誤差曲線

表3 仿真結(jié)果與專家評價結(jié)果比較

5.結(jié)語

運用BP神經(jīng)網(wǎng)絡(luò)建立的教學(xué)質(zhì)量評價模型能夠充分利用樣本指標(biāo)的有關(guān)信息，通過高度的非線性映射，揭示參評教師教學(xué)質(zhì)量與其相關(guān)評價因素間的關(guān)聯(lián)度，從而排除了評價主體的主觀因素影響。通過仿真證明，此方法輸出結(jié)果與專家評價結(jié)果之間的誤差很小，表明BP神經(jīng)網(wǎng)絡(luò)方法用于高校教師教學(xué)質(zhì)量分析評價是完全有效和合理的。

[1] 姜大源.職業(yè)教育質(zhì)量研究新論[M].北京：教育科學(xué)出版社，2007：7-9.

[2] 汪旭暉，黃飛華.基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價模型及應(yīng)用[J].清華大學(xué)教育研究，2007，(1).

[3] 喬維德.基于BP神經(jīng)網(wǎng)絡(luò)的現(xiàn)代遠(yuǎn)程教育教學(xué)質(zhì)量評價模型的構(gòu)建[J].中國遠(yuǎn)程教育，2006，(7).

[4] 洪順華.BP神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評估中的應(yīng)用[J].機械制造與自動化，2005，(6).