曹 霞 郝耀軍

(1.忻州師范學院專科部計算機系， 山西 忻州 034000； 2.忻州師范學院計算機系， 山西 忻州 034000)

現(xiàn)階段我國大多數(shù)地方性應用型高等學校，基本上是以培養(yǎng)“具有運用科學理論知識和方法來綜合分析、解決問題的綜合能力及實踐能力”的工程性人才為目標。為了實現(xiàn)這類人才的培養(yǎng)目標，需要建設一支既有深厚扎實的理論功底, 又具有較強的專業(yè)工程實踐能力的教師隊伍。而地方性高校大多是新建的本科院校，年輕教師較多，因此如何客觀評價教師的工程實踐能力，并根據(jù)評價結果選擇師資培養(yǎng)方式，縮短教師的成長周期，是當前地方性高校急需解決的問題[1]。

影響教師工程實踐能力的因素很多，本文以文獻[2]中所述的工程實踐能力評價指標體系中的三級指標(表1)作為評價因素。教師工程實踐能力一般分為4個評價等級：很強(A)、較強(B)、一般(C)、較差(D)。

1 基于Hopfield網(wǎng)絡的教師工程實踐能力評價方法

Hopfield 網(wǎng)絡是一種單層全反饋網(wǎng)絡，模擬生物神經(jīng)網(wǎng)絡的記憶機理，在聯(lián)想記憶、分類及優(yōu)化計算等方面得到了成功的應用。根據(jù)激活函數(shù)選取的不同，可分為離散型的Hopfield網(wǎng)絡(Discrete Hopfield Neural Network，簡稱DHNN) 和連續(xù)型的Hopfield網(wǎng)絡(Continuous Hopfield Neural Network，簡稱CHNN)。DHNN的激活函數(shù)為二值型的，其輸入、輸出為{-1，+1}的反饋網(wǎng)絡，主要用于聯(lián)想記憶；CHNN主要用于優(yōu)化計算[3]。由于DHNN進行網(wǎng)絡聯(lián)想時的輸入是高校教師工程實踐能力評價指標值和評價標準值的比較，所以進行評價時指標越多得到的評價結果就越可靠。

表1 教師工程實踐能力評價指標體系

將教師工程實踐能力4個評價等級對應的19 個評價指標作為DHNN的平衡點，DHNN神經(jīng)網(wǎng)絡的學習過程就是將不同等級的評價指標逐漸趨近于DHNN神經(jīng)網(wǎng)絡平衡點的過程。學習完成后，DHNN儲存的平衡點即為各分類等級所對應的評價指標。當有待判定的教師工程實踐能力評價指標時，DHNN即利用其聯(lián)想記憶的能力逐漸趨近于某個儲存的平衡點，當狀態(tài)不再改變時，此時平衡點所對應的即為待判定教師工程實踐能力的等級。

對影響教師工程實踐能力的19個評價指標若采用其他評價方法會由于過多的評價指標使評價過程繁瑣、權值淹沒、結果趨同失真。

借用表1所述的評價指標，運用DHNN方法評價的步驟如下[4]：

步驟1：設計理想的各等級教師工程實踐能力的評價指標。

從已有評價結果(一般為專家評定)的樣本中每個級別隨機選取每一等級的樣本5份，按級別匯總后，以各評價指標值(滿分100分)的平均值取整作為理想的教師工程實踐能力等級的評價指標值，如表2所示。

表2 各個評價標準的指標值

步驟2：為理想的教師工程實踐能力評價等級指標編碼。

由于DHNN神經(jīng)元的輸出只取1和-1，所以將評價指標映射為神經(jīng)元的狀態(tài)時，需要將其進行編碼。編碼規(guī)則為：當大于或等于某個等級的指標時，對應的神經(jīng)元狀態(tài)設為“1”，否則設為“-1”。理想的4個等級評價指標編碼如表3所列，其中●表示神經(jīng)元狀態(tài)為“1”，即大于或等于對應等級的理想評價指標值，反之用○表示。

步驟3：為待評價的教師工程實踐能力評價指標編碼。

設有5位待評價的教師，各評價指標值如表4所示。根據(jù)上述編碼規(guī)則得到對應的編碼，如圖1所示。

步驟4：利用Matlab中神經(jīng)網(wǎng)絡工具箱函數(shù)創(chuàng)建Hopfield網(wǎng)絡，對表2中的標準樣本數(shù)據(jù)進行訓練。

步驟5：利用訓練好的網(wǎng)絡對要評價教師的各項指標數(shù)據(jù)進行仿真和分類。

2 DHNN算法的MATLAB實現(xiàn)

教師工程實踐能力評價的DHNN算法基于Matlab 7.10.0(R2010a)實現(xiàn)[4]，評價數(shù)據(jù)采集基于SQL Server 2008實現(xiàn)。

表3 理想的評價等級指標編碼

表4 待評價的5位教師的工程實踐能力評價指標

圖1 待評價教師的工程實踐能力的編碼

具體步驟如下：

步驟1： SQL Server 2008數(shù)據(jù)庫中建立樣本表及待評價模型表，并采集數(shù)據(jù)，具體實現(xiàn)過程在此不再贅述。

步驟2：數(shù)據(jù)導入Matlab并作適應性轉化，編碼如下：

%% 連接數(shù)據(jù)庫

conn=database(′HYJ′,″,″);

%%測試連接

ping(conn);

%%定位數(shù)據(jù)庫

dbmeta=dmd(conn);

t=tables(dbmeta,′hyjlx′);

%% 獲取待評價教師表中的數(shù)據(jù)

cursorA=exec(conn,′select * from mxk′);

cursorA=fetch(cursorA,10)

a=cursorA.data;

close(cursorA);

%% 獲取樣本表中的數(shù)據(jù)

cursorB=exec(conn,′select * from bzk′);

cursorB=fetch(cursorB,10)

b=cursorB.data;

close(cursorB);

%% 數(shù)據(jù)轉變預處理

aa=cell2mat(a);

bb=cell2mat(b);

[mx,my]=size(aa)

[bx,by]=size(bb)

步驟3：數(shù)據(jù)編碼，具體如下：

%% 待評價數(shù)據(jù)的編碼

cc=[];

for i=1:mx

for j=1:my

if aa(i,j)>=bb(1,j)

cc=[cc,1 -1 -1 -1];

else if aa(i,j)>=bb(2,j)

cc=[cc,-1 1 -1 -1];

else if aa(i,j)>=bb(3,j)

cc=[cc,-1 -1 1 -1];

else if aa(i,j)>=bb(4,j)

cc=[cc,-1 -1 -1 1];

else

cc=[cc,0 0 0 0];

end

end

end

end

end

end

ee=reshape(cc,4,mx*my)′;

for p=1:mx

xxx=[xxx,ee(1+(p-1)*19:p*19,:)]

end

%% 樣本編碼略

步驟4：創(chuàng)建網(wǎng)絡。

net=newhop(bz);

步驟5：仿真評價。

Y=sim(net,{20,15},{},A);

Y1=Y{15}(:,1:4)

Y2=Y{15}(:,5:8)

Y3=Y{15}(:,9:12)

Y4=Y{15}(:,13:16)

Y5=Y{15}(:,17:20)

result={A{1};Y{15}};

figure

%作圖略

3 結果分析

仿真結果如圖2所示，每一組均與圖1中評價前的編碼相對應，從圖2中的結果可以看出，利用本文設計的DHNN網(wǎng)絡可以有效地進行分類，從而客觀公正地對教師的工程實踐能力進行評價。同時，該方法也減少了整個評價過程的計算工作量，并在一定程度上解決了異常值對評價結果的影響，盡量減少個人主觀臆斷帶來的弊端，評價結果直觀、可靠。

圖2 仿真結果

由于DHNN進行網(wǎng)絡聯(lián)想時的輸入是教師工程實踐能力評價指標值和評價標準值的比較，所以進行評價時會權衡每個比較結果，如果一位教師優(yōu)勢與劣勢并存，則會得到一個“折中”的結果，如本文所示第2位教師。由此可以看出理想指標的設計至關重要，未來的研究重點是如何確立科學的理想樣本及評價指標。

[1] 姚吉祥.應用型本科院校教師實踐教學能力缺失及對策研究[J].合肥工業(yè)大學學報：社會科學版，2010，24(3)：139-142.

[2] 張海,鄧長壽.地方高校青年教師工程實踐能力定量評價體系的研究[J].黑龍江教育：高教研究與評估，2012(12)：22-23.

[3] 王振華.基于Hopfield神經(jīng)網(wǎng)絡的數(shù)據(jù)分類[J].計算機應用,2011,31(2):92-96.

[4] 郝耀軍,王建國，趙青杉，等.網(wǎng)絡智能教學系統(tǒng)中雙層學生模型的設計[J].中國遠程教育,2011(12)：64-67.

[5] 史峰,王小川,郁磊，等.Matlab神經(jīng)網(wǎng)絡30個案例分析 [M].北京:北京航空航天大學出版社,2010.

[6] 陳仕品,張劍平.適應性學習支持系統(tǒng)的學生模型研究[J].中國電化教育,2010(5):112-117.