姚穎 王菲

摘 要：為解決傳統(tǒng)網絡課程中對學習者評價方式單一，無法全面體現(xiàn)學習者學習情況等問題，通過專家調查法和文獻調研法，設計國內遠程教育學習者評價指標，同時基于BP神經網絡構建遠程教育學習者評價模型，并通過實驗驗證了其在遠程教育評價中的應用效果。研究結果表明評價結果可信度高，能夠為遠程教育學習者提供更為科學的評價方式。

關鍵詞：遠程教育;BP神經網絡;評價模型;學習者評價

0 引言

遠程教育模式隸屬于成人教育范疇，它與傳統(tǒng)教學模式的不同在于，它是以互聯(lián)網為主要傳播載體，突破了空間及時間的雙重制約，既淡化了地域限制，又打破了學生必須在校園內進行面授的教學限制[1]。而互聯(lián)網的迅速發(fā)展進一步推動了遠程教育的發(fā)展進程，各種教育資源可以通過互聯(lián)網進行遠距離傳輸。

伴隨著大數(shù)據(jù)的發(fā)展，參與學習的學生，能夠通過移動設備非常便利地接入網絡中，快速開啟學習。同時，學習平臺可以對學習者學習數(shù)據(jù)進行收集和分析，成為對學習評價的最有效依據(jù)。

目前，眾多學者對遠程教育中的學習者評價進行了探索。王焱[2]基于模糊理論，對學習者學習效果進行了定量評價研究;張慶堂[3]以遠程教育學習者和管理者為評價主體，構建了以學習者感知績效服務及學習中心固有服務能力和水平為評價內容的服務質量評價模型;馬春琳[4]等研究遠程學習績效影響因素，并建立了相應的評價指標;王川芳[5]使用知識圖譜的形式，對網絡學習評價進行綜述研究;金賢[6]就開放在線課程的教學質量評價指標體系進行了研究。當前針對遠程教育評價的研究大多是對遠程教育系統(tǒng)或是對學習者學習評價的評價指標體系進行的，而借助于人工智能的方式相對較少。

本文嘗試以大數(shù)據(jù)為基礎，通過對真實客觀的學習行為進行提取和整理，形成規(guī)范的學習行為數(shù)據(jù)，基于遠程教育學生行為的學習模式建立BP神經網絡算法模型，以期為學習者的學習行為提供更全面更科學的評價方式。

4 結語

隨著網絡技術的不斷發(fā)展，遠程教育已成為全球性趨勢，它解決了教育資源貧乏、資源共享性不強的難題，為學習者提供了更多可行的學習方式，目前許多國家已經將遠程教育作為重要的戰(zhàn)略決策。將神經網絡技術應用于遠程教育，在研究大量數(shù)據(jù)的過程中尋找模式、相關性和其它有用信息，可以幫助教育機構更好地適應變化，制定更合理的學習計劃。本文結合遠程教育基本特點，構建基于BP神經網絡算法的評價模型，通過對真實客觀的學習行為進行提取和整理，形成規(guī)范的學習行為數(shù)據(jù)，真實地反映學生的網上學習水平，可為完善遠程教育評價模提供參考。

參考文獻：

[1] 賀延輝. 網絡遠程教育的版權問題[J]. 情報科學，2003（2）：186-189.

[2] 王焱. 基于模糊理論的遠程教育學習者學習評價研究[J]. 現(xiàn)代計算機：專業(yè)版，2015（20）：45-47.

[3] 張慶堂，曹偉. 學習者和管理者視角下現(xiàn)代遠程教育服務質量評價體系研究[J]. 中國遠程教育，2016（10）：44-50.

[4] 馬春琳，蔡玲霞. 遠程學習績效評價指標體系研究——以新疆電大遠程學習者為例[J]. 科教文匯：中旬刊，2018（1）：113-114，118.

[5] 王川芳，姚苗苗. 基于知識圖譜的網絡學習評價研究綜述[J]. 軟件導刊，2019，18（5）：9-12.

[6] 金賢. 開放在線課程教學質量評價指標體系研究——以南京開放大學為例[J]. 江蘇科技信息，2019，36（10）：56-58，74.

[7] 侯光文. 教育評價概論[M]. 石家莊：河北教育出版社， 1996.

[8] 劉楠. 開放大學現(xiàn)代遠程教育教學質量評價研究[J]. 湖北廣播電視大學學報，2016，36（1）：3-7.

[9] 何悅恒. 大數(shù)據(jù)背景下網絡教育發(fā)展的困境和出路[D]. 福州：福建師范大學，2015.

[10] 許忠能. 生物信息學[M]. 北京：清華大學出版社， 2008.

[11] 來學偉. 深度學習無監(jiān)督學習算法研究[J]. 福建電腦，2018，34（9）：102-103.

[12] QIANG W，ZHONGLI Z. Reinforcement learning model， algorithms and its application[J]. Electronic Science & Technology，2011： 1143-1146.

[13] 曹文平. 一種有效k-均值聚類中心的選取方法[J]. 計算機與現(xiàn)代化， 2008（3）： 95-97.

[14] 周亞爽. 內蒙古莫爾道嘎林區(qū)森林生物量遙感估算研究[D]. 北京：北京林業(yè)大學，2016.

[15] 趙宇晗. 基于神經網絡模型研究氣候變化對國家脆弱程度的影響[J]. 時代金融，2018（12）：197.

[16] ZHAO YAN. Research and application on BP neural network algorithm[J]. International Industrial Informatics and Computer Engineering Conference（IIICEC2015）， 2015：1444-1447.

[17] 崔銘，吳亞光. 基于改進BP神經網絡的高校教師創(chuàng)新創(chuàng)業(yè)教學能力評價研究[J]. 江漢大學學報：自然科學版，2018，46（2）：125-129.

[18] 郭玲，郭澤睿. 網絡教育在大數(shù)據(jù)影響下的發(fā)展策略及方法研究[J]. 中國教育信息化，2017（13）：21-26.

[19] 查志杰，成樸之，楊程欽，等. 基于BP神經網絡的區(qū)域本科教育質量評估研究[J]. 醫(yī)學教育研究與實踐，2019，27（2）：222-225，230.

[20] 沈欣憶，吳健偉，張艷霞，等. MOOCAP學習者在線學習行為和學習效果評價模型研究[J/OL]. 中國遠程教育：1-9[2019-05-26]. https：//doi.org/10.13541/j.cnki.chinade.20190508.002.

[21] 關成立，楊岳. 基于系統(tǒng)控制理論的高職實踐教學質量評價模型應用研究[J]. 信息技術與信息化，2018（11）：158-159，167.

（責任編輯：孫 娟）