姚建華

摘要：本文首先給出了中學政治教學成果獎勵的綜合評價指標體系，之后利用模糊神經(jīng)網(wǎng)絡提出了智能評價方法。為了更好地利用該方法，文章的最后介紹了怎樣使用該方法獲得綜合評價的最終結果。

關鍵詞：中學政治教學；成果；智能評價；指標體系

· 【中圖分類號】G642

目前，政治教學在中學教學中日益顯示出舉足輕重的地位，如何做好中學政治教學成果評價工作是擺在中學教育評估人員面前的一個挈帶解決的問題。目前對中學政治教學成果評價多采用定性方法，即由專家組成評價小組，通過聽課、申請人相關資料等進行評價，然后由評價組做出最終評價。這種方法使各申獎人員文字表達能力及回避問題的能力顯得非常重要，并在一定程度上對評價結果產(chǎn)生了影響；同時評價小組成員的知識背景、實踐經(jīng)驗、工作能力及人品等也會在一定程度上對評價結果產(chǎn)生影響。因此難以對教育成果做出全面、中墾、有說服力的評價。本文提出一種定性和定量相結合的方法來實現(xiàn)成果獎勵的智能評價，采用人工神經(jīng)網(wǎng)絡模型以及模糊系統(tǒng)的理論和方法，建立成果獎勵的評價結果與其影響因素間的非線性關系，并最終實現(xiàn)對成果獎勵的智能評價。

1 綜合評價指標體系

由于不同性質(zhì)的學校，不同教學人員針對不同學生的政治教學內(nèi)容及手段不同，使得中學政治教學成果的獎勵需要有不同的內(nèi)容和側(cè)重點。然而，對于一項有意義與價值的成果而言，具有新穎性、創(chuàng)造性和實用性是其具有價值的直接體現(xiàn)，這是綜合評價一項成果的基本思路基礎。對于一定的教學成果來確定其價值產(chǎn)出，一方面應由反映成果的內(nèi)容來評定其價值，另一方面應以該成果完成的效率來評價。即以該成果產(chǎn)生的教學效益/完成該成果所付出的人數(shù)、時間、成本三者的乘積來定義，以此評價效率因子的等級。

政治教學的獎勵對象是中學從事政治教學的人員，根據(jù)其特點一般來講對政治教學成果評價的內(nèi)容主要有以下五方面內(nèi)容：1）成果的新穎性、先進性和實用性程度；2）成果的質(zhì)量和數(shù)量；3）成果的指導及應用范圍及可持續(xù)性；4）成果的教學收益和社會影響收益；5）成果的開發(fā)效率，即：教學效益（收益）除以（成果完成人員、時間、成本的乘積）。表1反映了教學成果評價的綜合指標體系。

2 成果獎勵的智能評價方法

上述綜合評價指標體系是針對我國廣大中學政治教育成果獎勵問題提出的。對不同教學要求的成果獎勵問題，應按照不同學校、教師、學生訴求等進行細分，評價的重點不會相同。因此，在綜合評價時，要根據(jù)具體的獎勵級別及類型來確定不同的指標權重。而權重的合理分配一直是人們普遍關心的問題。如果由專家來確定指標權重，將會使評價結果容易受人為因素影響，存在一定的隨機性。

鑒于人工神經(jīng)網(wǎng)絡[1]具有自組織、自適應和自學習能力，以及具有非線性、非局域性、非定常性和非凸性等特點，本文采用人工神經(jīng)網(wǎng)絡確定各指標的權重，克服人為因素及模糊隨機性的影響。在基于神經(jīng)網(wǎng)絡的綜合評價模型中，多層前饋神經(jīng)網(wǎng)絡是選擇最多的一種。前饋神經(jīng)網(wǎng)絡采用有教師的學習方法，運行機制是：對網(wǎng)絡賦予初始權值和閾值，按照給定的學習樣本前向計算實際輸出，根據(jù)實際輸出與希望輸出之差的函數(shù)反向修改網(wǎng)絡權值和閾值，如此反復訓練使差的函數(shù)最小，從而用得到的網(wǎng)絡模擬未知系統(tǒng)的輸入輸出關系。

前饋神經(jīng)網(wǎng)絡應用的數(shù)學基礎是Kolmogorov定理。通過計算，這里選取網(wǎng)絡層數(shù)為3。由于在所建立的綜合評價指標體系中，對每個評價指標的評語都是模糊變量，因此，將使用模糊神經(jīng)網(wǎng)絡的方法進行評價，具體方法如下：

（1）網(wǎng)絡輸入層的確定。由于指標由5項因素組成，所以取輸入層神經(jīng)元的個數(shù)為5，分別代表表1中所列的5個綜合評價指標。由于輸入變量均為模糊變量，這里將他門的隸屬函數(shù)均取為三角函數(shù)。（2）隱層神經(jīng)元個數(shù)的確定。這里采用進化規(guī)劃與逐步二次規(guī)劃法的組合來優(yōu)化神經(jīng)網(wǎng)絡的結構。為了降低計算時間，采用實數(shù)編碼方案，因而可免去大量的編碼解碼時間。同時，由于采用進化規(guī)劃與逐步二次規(guī)劃法的結合，可以實現(xiàn)網(wǎng)絡的結構與權值同時優(yōu)化。通過計算，最終的神經(jīng)元個數(shù)為4。（3）輸出層神經(jīng)元個數(shù)的確定。對某項政治教育成果而言，其獲獎結果只能是一等獎～三等獎以及優(yōu)秀獎和無獎中的一種，因此取網(wǎng)絡輸出神經(jīng)元的個數(shù)為1。由以上分析，可以建立的前饋神經(jīng)網(wǎng)絡，其結構為5-4-1。在這個前饋神經(jīng)網(wǎng)絡中，各層之間的聯(lián)結權通過學習得到，它們反映了不同指標的權重，網(wǎng)絡的學習采用BP學習算法[2]。在應用中，首先將專家給出的評價結果利用中心模糊消除器進行去模糊化處理，最后將其輸入到前饋神經(jīng)網(wǎng)絡中，從所得輸出即可直接獲得綜合評價結果。（4）學習樣本的確定。學習樣本集的確定是一個十分重要的問題，甚至可以決定神經(jīng)網(wǎng)絡性能的優(yōu)劣。就目前來說還沒有嚴格的理論來加以指導。但從經(jīng)驗來看，主要考慮的因素有三個：致密性、相容性和便利性。由于篇幅所限這里不再贅述。

3 評價結果分析

網(wǎng)絡訓練好之后，即可用于中學政治教學成果的智能評價。當輸入某請獎項目的5項指標后，可以得到該項目評價結果的總分。為了得到直觀評價結果，可以在全面分析的基礎上給每個平均結果設定一個取值范圍，這樣就可以根據(jù)網(wǎng)絡的輸出結果和給出的各評價結果的取值范圍而得出最終的評價結果。具體評價時，在對請獎項目整體進行評價后，如果希望對項目的某一部分進行進一步的評價，可以將以上評價過程重新做一遍，只不過神經(jīng)網(wǎng)絡的輸入維數(shù)要作相應的改變，隱層神經(jīng)元的個數(shù)仍按上述方法得到，其余不變，從而確定請獎項目是否獲獎及獲獎等級。

本文采用定性與定量相結合的方法實現(xiàn)中學政治教學成果獎勵的智能評價評獎過程。所采用的方法既考慮到專家們的意見，又不完全由專家來決定。該方法簡單易行，對政治教學成果獎勵的智能評獎考慮了各方面的因素，尤其克服了由專家決策所所帶來的人為因素的影響，與其它方法相比具有自己鮮明的特性。

參考文獻：

[1]戴葵. 神經(jīng)網(wǎng)絡實現(xiàn)技術[M].長沙：國防科技大學出版社，1998.

[2]陸瓊瑜.童學鋒 BP算法改進的研究[J]. 計算機工程與設計， 2007（3）endprint