劉智萍

摘 要： 針對當前高校教學質量評價精度低的難題，為了提高高校教學質量評價的可靠性，提出基于證據理論和支持向量機（DS?SVM）相融合的高校教學質量評價模型。建立高校教學質量評價指標，并收集高校教學質量評價樣本，分別通過支持向量機對專家、同行、學生的評價結果進行估計，采用證據理論對專家、同行、學生的評價結果進行有效融合，獲得高校教學質量最終評價結果。實驗結果表明，該模型可以獲得較高精度的高校教學質量評價結果，比對比模型評價結果更加可靠，可以應用于實際的高校教學質量評價改革中。

關鍵詞： 高等教育； 教學質量； 證據理論； 支持向量機

中圖分類號： TN911.1?34； TP181 文獻標識碼： A 文章編號： 1004?373X（2017）17?0175?04

College teaching quality evaluation based on evidence theory and support vector machine

LIU Zhiping

（College of Information Engineering， Jiangxi University of Technology， Nanchang 330098， China）

Abstract： In order to improve the accuracy and reliability of college teaching quality evaluation， a college teaching quality evaluation model based on DS evidence theory and support vector machine （DS?SVM） is put forward. The index of college teaching quality evaluation was established. The sample of college teaching quality evaluation is collected. The evaluation effects of experts， colleagues and students were evaluated， and fused effectively with evidence theory to obtain the final result of college teaching quality evaluation. The experimental results show that the model can obtain high?accurate evaluation results of college teaching quality， its evaluation result is more reliable than that of the contrast model， and can be applied to the reformation of college teaching quality evaluation.

Keywords： higher education； teaching quality； evidence theory； support vector machine

0 引 言

高校教學質量是一個十分復雜的系統，對于改善高校教學效果，更好的培養(yǎng)人才具有十分重要的地位。高校教學質量的評價結果不僅影響老師教學結果的好壞，而且會對該課程改革產生重要影響。高校教學質量準確的評價結果可以為高校培養(yǎng)人才提供有價值的參考意見。影響高校教學質量的因素較多，各影響因素的變化比較復雜，這些均增加了高校教學質量評價的難度，因此建立一種快速、準確的高校教學質量評價模型具有非常重要的意義[1?3]。

當前高校教學質量評價模型主要采用神經網絡、灰色理論、多元線性回歸以及專家系統，各種模型均有自身的優(yōu)勢和應用范圍[4]。在這些評價模型中，神經網絡具有并行處理信息能力，而且容錯能力強的優(yōu)勢，可以通過自組織學習擬合評價指標和高校教學質量之間的變化關系，因此神經網絡模型廣泛應用于高校教學質量評價中[5?6]。然而在實際應用中，神經網絡易出現陷入局部極小點等問題，導致有時高校教學評價結果誤差大，評價時間長[7]。為了解決神經網絡存在的缺陷，有學者提出基于支持向量機的高校教學質量評價模型，其非線性逼近能力要明顯優(yōu)于神經網絡，能夠獲得更加理想的高校教學質量評價結果[8]。當前高校教學評價從三個方面進行評價，根據專家、學生以及同行數據實現，專家、學生以及同行只是根據自身經驗進行，單一的專家、學生以及同行數據經過支持向量機進行建模和評價，評價精度、評價結果的可靠性有待改善。同時，由于高校教學質量的評價過程的復雜性，專家、學生以及同行數據存在一定的不確定性，這樣使得教學質量評價誤差比較大，有時會出現相互矛盾的評價結果[9?11]。

證據理論是一種分析不確定性問題的方法，為解決復雜的高校教學質量評價問題提供了一種新的方法。為了提高高校教學質量評價的可靠性，提出基于證據理論和支持向量機相融合的高校教學質量評價模型。首先通過支持向量機對專家、同行、學生的評價結果進行估計，然后采用證據理論對專家、同行、學生的評價結果進行有效融合，獲得高校教學質量最終評價結果，實驗結果表明，該模型可以獲得較高精度的高校教學質量評價結果，評價結果比對比模型更加可靠。

1 證據理論和支持向量機

1.1 證據理論

證據理論依據可信度函數對不確定因素進行處理，具有良好的靈活性，不需要問題的先驗信息就可以實現問題的推理。設為問題的假設空間，為的全部事件集合，表示mass函數，如果，同時那么表示基本概率分配，如果表示的概率分配值；如果表示的信度測度；如果表示的似然測度，對于一個問題，證據來源不同，可以產生許多基本概率分配函數，設是兩個mass函數，那么證據理論的融合規(guī)則為：endprint

（1）

式中：。

在證據理論中，描述證據之間的沖突程度，當時，證據發(fā)生高度沖突，那么式（1）融合結果不可靠，為了解決該難題，對基本證據理論進行改進，引入可信度的概念，高校教學質量融合評價為：

（2）

1.2 支持向量機

設訓練樣本數據為為高校教學評價指標，為高校教學評價的期望輸出，支持向量機回歸方程為：

（3）

式中和為權值和偏向量。

對式（3）進行直接求解，得到最優(yōu)的和很難，因此，采用松弛因子對其進行變換，優(yōu)化求解過程。

（4）

式中表示懲罰參數。

引入拉格朗日乘子進行再次轉換，變?yōu)閷ε純?yōu)化問題的求解，則有：

（5）

采用式（6）得到：

（6）

支持向量機的分類方程為：

（7）

點積運算的計算復雜度高，影響支持向量機的建模效率，為此采用核函數代替點積，得到：

（8）

選擇RBF函數作為支持向量機的核函數，則有：

（9）

式中為核寬度參數。

2 證據理論和支持向量機的高校教學質量評價

模型

2.1 建立高校教學質量評價指標

要建立高性能的高校教學質量評價模型，需建立一個科學的高校教學質量評價指標體系，高校教學質量評價指標體系如表1所示。

2.2 證據理論和支持向量機的高校教學質量評價工作步驟

基于證據理論和支持向量機的高校教學質量評價過程為：

（1） 根據表1的高校教學質量評價指標體系，讓大學生、同行和專家對某一位老師的教學質量進行評價，得到相應的樣本。

（2） 由于高校教學質量評價指標的取值范圍不同，會對建模過程產生不利影響，因此對其進行歸一化處理，具體為：

（10）

式中表示第類指標。

（3） 采用支持向量機分別對大學生、同行和專家的評價數據進行建模，得到相應的評價結果。

（4） 將對大學生、同行和專家的高校教學質量評價結果作為證據體，通過證據理論融合，得到最終高校教學質量評價結果，具體原理如圖1所示。

3 高校教學質量評價實驗及結果分析

3.1 高校教學質量評價數據

為了驗證本文模型的有效性，選擇江西科技學院的C程序設計課程的教學質量作為實驗對象，收集到某教師的300個教學質量評價數據，具體如表2所示。分別選擇50，100個樣本作為測試樣本，分析高校教學質量評價模型的評價精度。

3.2 基本概率分配

把大學生、專家、同行三種高校教學質量評價結果記為高校教學質量數據只屬于這三種高校教學質量，即滿足且（表示第個高校教學質量的測試樣本；表示高校教學質量類別，）。

為了滿足對測試樣本的評價結果作歸一化處理，結果作基本概率分配，然后通過證據理論融合得到結果。

3.3 結果與分析

選擇基于支持向量機的大學生、專家、同行的評價模型作為對比模型，將它們分別記為SVM1，SVM2和SVM3，測試樣本的高校教學質量評價結果如圖2所示。對圖2進行對比分析可以發(fā)現，相對于單一的大學生、專家、同行的評價模型的評價結果，本文模型的高校教學質量評價精度更高，評價結果更加合理，這主要是由于本文模型的評價結果集成了單一高校教學質量評價模型的優(yōu)勢，實現了各種模型評價結果的互補，評價值更接近于期望輸出，獲得了更優(yōu)的高校教學質量評價結果。

在高校教學質量評價的實際應用中，由于高校的學生越來越多，導致評價數據規(guī)模比較大，因此高校教學質量評價速度也是衡量評價模型的一個重要指標，為此統計高校教學質量評價模型的訓練和測試時間，結果如圖3所示。對圖3的高校教學質量評價模型進行對比分析可以發(fā)現，相對于單一的大學生、專家、同行的評價模型的評價結果，本文模型的高校教學質量評價時間略有增加，但是評價精度增加的幅度相當大，再加上隨著現代計算機處理速度的不斷加快，建模時間可以滿足高校教學質量的評價實際要求，通過適當增加建模時間，獲得大幅度提高高校教學質量評價精度是值得的，從而可以獲得更高的實際應用價值。

4 結 語

為了提高高校教學質量的評價精度，避免出現當前評價模型的缺陷，提出DS?SVM的高校教學質量評價模型。該模型首先采用支持向量機分別對專家、同行和學生的教學質量進行預評價，然后根據預評價結果計算基本概率分配，并采用DS對預評價結果進行融合，最后獲得高校教學質量的最終評價結果，并采用仿真實驗對性能進行評價，可以得到如下結論：

（1） 該模型集成了專家、同行和學生的教學質量評價結果，可以對高校教學質量進行準確評價。

（2） 克服了單一評價模型精度低的缺陷，使得高校教學質量評價結果更加可靠。

（3） 與當前經典高校教學質量評價模型結果相比，評價結果與實際值更加接近，評價結果更加科學，具有更好的實際應用價值。

參考文獻

[1] 劉強，戴起勛.高等教學大眾化條件下教學質量評價體系研究現狀[J].江蘇大學學報，2003，25（2）：31?34.

[2] 丁家玲，葉金華.層次分析法和模糊綜合評判在教師課堂教學質量評價中的應用[J].武漢大學學報，2003，56（2）：241?245.

[3] 趙立新，王石安，賴元峰.教學質量評估的定量比較評價模型[J].數學的實踐與認識，2005，35（1）：12?17.

[4] 吳虹.基于模糊綜合評判法的高校教師教學質量評價體系的構建[J].統計與決策，2010（3）：166?168.

[5] 洪月華.基于模糊綜合評價的課堂教學質量數據挖掘[J].計算機科學，2008，35（2）：154?156.

[6] 楊秀平.基于AHP的教學質量評價模型研究[J].實驗技術與管理，2009，26（9）：138?141.

[7] 許敏，王士同.PSO優(yōu)化的神經網絡在教學質量評價中的應用[J].計算機工程與設計，2008，29（20）：5327?5332.

[8] 蔡錦錦.基于BP神經網絡的新型課堂教學質量評價方法[J].繼續(xù)教育，2011（2）：23?25.

[9] 劉偉，孫林.基于支持向量機的課堂教學質量評價[J].合肥工業(yè)大學學報（自然科學版），2010，33（7）：968?971.

[10] 孫全，葉秀清，顧偉康.一種新的基于證據理論的合成公式[J].電子學報，2000，28（8）：117?119.

[11] 李弼程，王波，魏俊，等.一種有效的證據理論合成公式[J].數據采集與處理，2002，17（1）：33?36.endprint