鄧詩(shī)元 李昊翔

摘? 要： 高校設(shè)計(jì)課程與多種因素相關(guān)聯(lián)，因素之間互相影響，使得高校設(shè)計(jì)課程教學(xué)效果面臨巨大挑戰(zhàn)。為了提高高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)精度，針對(duì)當(dāng)前高校設(shè)計(jì)課程效果預(yù)測(cè)過(guò)程中存在的一些難題，提出大數(shù)據(jù)時(shí)代的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型。首先，采集大量的高校設(shè)計(jì)課程教學(xué)效果歷史數(shù)據(jù)，通過(guò)專家將高校設(shè)計(jì)課程教學(xué)效果劃分為多個(gè)等級(jí);然后，引入大數(shù)據(jù)分析技術(shù)對(duì)高校設(shè)計(jì)課程教學(xué)效果歷史數(shù)據(jù)進(jìn)行建模與預(yù)測(cè)，構(gòu)建高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型，并對(duì)模型的參數(shù)進(jìn)行優(yōu)化;最后，對(duì)多個(gè)學(xué)校的設(shè)計(jì)課程教學(xué)效果數(shù)據(jù)進(jìn)行仿真模擬測(cè)試。結(jié)果表明，該模型的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)精度超過(guò)90%，可將高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)誤差控制在10%以內(nèi)，在相同條件下，預(yù)測(cè)精度遠(yuǎn)遠(yuǎn)超過(guò)其他模型的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型，可以滿足高校設(shè)計(jì)相關(guān)課程教學(xué)管理的要求。

關(guān)鍵詞： 教學(xué)質(zhì)量; 等級(jí)劃分; 歷史數(shù)據(jù); 大數(shù)據(jù)分析技術(shù); 預(yù)測(cè)誤差; 仿真模擬測(cè)試

中圖分類號(hào)： TN99?34; TP391? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）21?0174?05

Prediction of university design course teaching effect in era of big data

DENG Shiyuan， LI Haoxiang

（Hubei University of Technology， Wuhan 430068， China）

Abstract： The design courses in universities are related to several factors. The factors influence each other， which makes the teaching effect of university design courses face great challenges. In view of some difficulties existing in the prediction process of teaching effect of university design courses， a big data based model of university design course teaching effect prediction is proposed to improve the prediction accuracy. A large number of historical data on the teaching effect of university design courses are collected. The teaching effect is divided into several grades by experts. And then， the big data analysis technology is introduced to model and predict the historical data of teaching effect of university design courses， so as to build the prediction model. In addition， the model parameters are optimized. Finally， the teaching effect data of design courses of several universities are simulated and tested. The results show that the prediction accuracy of the proposed model is higher than 90%， and its prediction error is kept within 10%. Under the same conditions， the prediction accuracy of the proposed model is far higher than that of other models， so the model can meet the related requirements of teaching management of university design courses.

Keywords： teaching quality; grade division; historical data; big data analysis technology; prediction error; simulation test

0? 引? 言

教學(xué)質(zhì)量是高校的生命線，近些年，隨著高校的不斷擴(kuò)招，由于學(xué)生數(shù)量和教學(xué)人數(shù)、教學(xué)設(shè)備等不對(duì)等的增加，一些高校教學(xué)質(zhì)量受到不同程度的影響，有的課程教學(xué)質(zhì)量有了一定程度的下降，這對(duì)高校教學(xué)效果評(píng)價(jià)體系提出了更高的要求[1?3]。由于近幾年，設(shè)計(jì)相關(guān)的專業(yè)成為一些學(xué)校新開(kāi)的專業(yè)，與設(shè)計(jì)專業(yè)相關(guān)的課程教學(xué)效果預(yù)測(cè)引起了所有高校的高度重視，如何提高高校設(shè)計(jì)課程教學(xué)效果，提高設(shè)計(jì)專業(yè)人才培養(yǎng)質(zhì)量成為當(dāng)前一個(gè)熱點(diǎn)問(wèn)題[4?6]。

高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)最初通過(guò)學(xué)校一些督導(dǎo)、專任教師進(jìn)行預(yù)測(cè)，他們根據(jù)自己的經(jīng)驗(yàn)對(duì)高校設(shè)計(jì)課程教學(xué)效果進(jìn)行分析和打分，給出高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)結(jié)果，該方法的預(yù)測(cè)結(jié)果比較直觀，但是預(yù)測(cè)過(guò)程相當(dāng)復(fù)雜，花費(fèi)相當(dāng)多，當(dāng)設(shè)計(jì)課程的數(shù)量比較大時(shí)，投入的時(shí)間、人力、財(cái)力比較大，使得高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)成本比較高，而且高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)可信度不高，因?yàn)槠浯嬖谝恍┲饔^因素[7?9]。

隨著計(jì)算機(jī)和信息處理技術(shù)、自動(dòng)化技術(shù)的不斷發(fā)展和融合，當(dāng)前高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)主要通過(guò)計(jì)算機(jī)輔助實(shí)現(xiàn)，建立了許多有效的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型，如基于馬爾科夫鏈的高校設(shè)計(jì)課程教學(xué)效果模型、基于人工神經(jīng)網(wǎng)絡(luò)的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型。

它們可以對(duì)高校設(shè)計(jì)課程教學(xué)效果變化規(guī)律進(jìn)行分析和預(yù)測(cè)[10?12]，但是它們存在一些無(wú)法克服的弊端，如馬爾科夫鏈只能進(jìn)行線性分析，無(wú)法描述高校設(shè)計(jì)課程教學(xué)效果的非線性變化規(guī)律，但是實(shí)際上高校設(shè)計(jì)課程教學(xué)效果不僅只有線性變化規(guī)律，而且具有非線性變化規(guī)律。因此高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)錯(cuò)誤有時(shí)比較大;人工神經(jīng)網(wǎng)絡(luò)要獲得理想的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)結(jié)果，需要經(jīng)過(guò)多次學(xué)習(xí)，使得收斂速度變慢，高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)建?；ㄙM(fèi)時(shí)間相當(dāng)長(zhǎng)，而且其高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)很不穩(wěn)定，經(jīng)常易得到“過(guò)擬合”的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)結(jié)果[13?15]。

為了提高高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)精度，針對(duì)當(dāng)前高校設(shè)計(jì)課程效果預(yù)測(cè)過(guò)程中存在的一些難題，提出了大數(shù)據(jù)時(shí)代的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型。采用具體數(shù)據(jù)與其他模型進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明，大數(shù)據(jù)時(shí)代的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型的精度、建模效率均具有十分明顯的優(yōu)勢(shì)。

1? 高校設(shè)計(jì)課程教學(xué)效果的影響因素以及等級(jí)劃分

1.1? 高校設(shè)計(jì)課程教學(xué)效果的影響因素

高校設(shè)計(jì)課程教學(xué)效果涉及的要素非常廣泛，有學(xué)生相關(guān)因素、教師相關(guān)因素以及教學(xué)條件、教學(xué)管理等，因此如果將全部因素考慮到高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)的建模過(guò)程中，那么數(shù)據(jù)采集量大，而且使得建模過(guò)程十分復(fù)雜，無(wú)法實(shí)現(xiàn)。

因此，需要選擇一些重要的高校設(shè)計(jì)課程教學(xué)效果影響因素，本文根據(jù)客觀公正性原則、可操作性原則、高效性原則選擇高校設(shè)計(jì)課程教學(xué)效果的影響因素，具體如圖1所示。

1.2? 高校設(shè)計(jì)課程教學(xué)效果等級(jí)劃分

高校設(shè)計(jì)課程教學(xué)效果通常劃分為多個(gè)等級(jí)，一般通過(guò)專家對(duì)每一門(mén)高校設(shè)計(jì)課程教學(xué)效果進(jìn)行打分，然后根據(jù)打分結(jié)果進(jìn)行等級(jí)劃分，本文采用教學(xué)評(píng)價(jià)中通用的五級(jí)評(píng)分標(biāo)準(zhǔn)，具體如表1所示。

2? 大數(shù)據(jù)時(shí)代的高校設(shè)計(jì)課程教學(xué)預(yù)測(cè)模型

2.1? 大數(shù)據(jù)分析算法

傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)存在收斂速度慢、解決問(wèn)題效率低等難題，而極限學(xué)習(xí)機(jī)是一種新型的大數(shù)據(jù)分析算法，在學(xué)習(xí)過(guò)程中不需要計(jì)算輸入權(quán)值和閾值，克服了人工神經(jīng)網(wǎng)絡(luò)工作速度低的缺陷，因此本文引入其進(jìn)行高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)的建模。從本質(zhì)上講，極限學(xué)習(xí)機(jī)是一種新型的人工神經(jīng)網(wǎng)絡(luò)，與其他神經(jīng)網(wǎng)絡(luò)具有相似的結(jié)構(gòu)，具體如圖2所示。

訓(xùn)練集用[（x，t）]表示，[a]和[b]分別表示極限學(xué)習(xí)機(jī)的輸入權(quán)值和隱含層閾值，隱含層節(jié)點(diǎn)數(shù)為[L]，那么極限學(xué)習(xí)機(jī)可以表示為：

[Oi=i=1Lβig（ai，bi，x）-t] （1）

式中：[β]表示輸出權(quán)重;[g（）]表示隱含層激活函數(shù)。

隱含層的輸出矩陣可以表示為：

[H=g（a1，b1，x1）g（a2，b2，x1）…g（aL，bL，x1）g（a1，b1，x2）g（a2，b2，x2）…g（aL，bL，x2）????g（a1，b1，xN）g（a2，b2，xN）…g（aL，bL，xN）]? （2）

式中[N]表示訓(xùn)練樣本的數(shù)量。

那么式（1）可以轉(zhuǎn)變?yōu)椋?/p>

[Hβ=T] （3）

式中：[β=βT1?βTL];[T=tT1?tTL]。

輸出權(quán)重[β]可以用隱含層輸出矩陣的逆矩陣求出，但是當(dāng)訓(xùn)練樣本的數(shù)量比較少時(shí)，隱含層輸出矩陣不存在逆矩陣，那么最小二乘算法求解輸出權(quán)重[β]，具體如下：

[β=H+T] （4）

式中[H+]表示隱含層輸出矩陣[H]的廣義逆。

2.2? 粒子群算法

在極限學(xué)習(xí)機(jī)的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)過(guò)程中，首先要確定輸入權(quán)值和隱含層閾值，其直接影響高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)結(jié)果的好壞，因此本文采用粒子群算法確定極限學(xué)習(xí)機(jī)的輸入權(quán)值和隱含層閾值。

粒子群十分適合一些參數(shù)優(yōu)化問(wèn)題的求解，因此本文采用確定極限學(xué)習(xí)機(jī)的相關(guān)參數(shù)。每一個(gè)粒子群包括兩個(gè)狀態(tài)向量：速度向量和位置向量，粒子在解空間飛行過(guò)程中，根據(jù)如下方式不斷地調(diào)整自己的狀態(tài)，盡可能找問(wèn)題的最優(yōu)解。

[Vk+1id=Vkid+c1r1（Pkid-Xkid）+c2r2（Pkgd-Xkgd）] （5）

[Xk+1id=Xkid+Vk+1id] （6）

式中相關(guān)參數(shù)的意義見(jiàn)文獻(xiàn)[16]。

2.3? 大數(shù)據(jù)時(shí)代的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)步驟

1） 根據(jù)相關(guān)文獻(xiàn)分析高校設(shè)計(jì)課程教學(xué)效果的影響因素，并選擇一部分重要的因素進(jìn)行建模。

2） 收集重要影響因素的相關(guān)數(shù)據(jù)，同時(shí)收集相對(duì)應(yīng)的課程教學(xué)效果歷史數(shù)據(jù)，并根據(jù)表1確定高校設(shè)計(jì)課程教學(xué)效果等級(jí)。

3） 采用大數(shù)據(jù)分析技術(shù)中的極限學(xué)習(xí)機(jī)作為高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)算法，并根據(jù)歷史數(shù)據(jù)確定其結(jié)構(gòu)。

4） 采用粒子群算法確定極限學(xué)習(xí)機(jī)的參數(shù)：輸入權(quán)值和隱含層閾值。

5） 極限學(xué)習(xí)機(jī)根據(jù)最優(yōu)參數(shù)對(duì)高校設(shè)計(jì)課程教學(xué)效果訓(xùn)練集進(jìn)行學(xué)習(xí)，當(dāng)滿足高校設(shè)計(jì)課程教學(xué)效果預(yù)先設(shè)置的精度時(shí)，建立高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型。

6） 采用高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型對(duì)訓(xùn)練樣本和驗(yàn)證樣本進(jìn)行預(yù)測(cè)，分析高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型的擬合和泛化性能。

3? 高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)效果的仿真模擬測(cè)試

3.1? 測(cè)試平臺(tái)

為了分析大數(shù)據(jù)時(shí)代的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)效果，采用如表2所示的測(cè)試平臺(tái)進(jìn)行仿真模擬實(shí)驗(yàn)，分析其高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)精度以及高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)效率。

3.2? 測(cè)試數(shù)據(jù)

為了使大數(shù)據(jù)時(shí)代的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)實(shí)驗(yàn)結(jié)果的可信度更高，選擇5類高校與設(shè)計(jì)相關(guān)的課程作為測(cè)試對(duì)象，每一類高校選擇的設(shè)計(jì)課程數(shù)據(jù)不同，它們具體如表3所示。

3.3? 本文模型的預(yù)測(cè)精度分析

將表3的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)實(shí)驗(yàn)的測(cè)試數(shù)據(jù)根據(jù)3∶1的比例劃分為訓(xùn)練樣本和驗(yàn)證樣本，分析統(tǒng)計(jì)訓(xùn)練樣本和驗(yàn)證樣本的擬合精度和預(yù)測(cè)精度，同時(shí)計(jì)算它們的擬合誤差和預(yù)測(cè)誤差，具體結(jié)果分別如圖3和圖4所示。

從圖3可以看出，高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)實(shí)驗(yàn)的擬合精度要高于預(yù)測(cè)精度，這與實(shí)際情況相符，而且精度均超過(guò)了88%，說(shuō)明本文模型具有較好的擬合效果，同時(shí)可以對(duì)未來(lái)高校設(shè)計(jì)課程教學(xué)效果進(jìn)行準(zhǔn)確預(yù)測(cè)。

從圖4可以看出，高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)實(shí)驗(yàn)的擬合和預(yù)測(cè)誤差均控制在10%以內(nèi)，完全滿足高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)誤差小于15%的實(shí)際要求，獲得了十分理想的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)結(jié)果，實(shí)驗(yàn)結(jié)果證明了本文高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型的有效性。

3.4? 與其他模型的預(yù)測(cè)性能對(duì)比

為了測(cè)試大數(shù)據(jù)時(shí)代的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型的優(yōu)越性，在相同測(cè)試平臺(tái)下，采用相同的測(cè)試數(shù)據(jù)，選擇當(dāng)前最流行的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型進(jìn)行對(duì)比分析，它們分別為馬爾科夫鏈的課程教學(xué)效果預(yù)測(cè)模型和BP神經(jīng)網(wǎng)絡(luò)的課程教學(xué)效果預(yù)測(cè)模型，它們的訓(xùn)練樣本和驗(yàn)證樣本的擬合精度和預(yù)測(cè)精度分別如圖5和圖6所示。

對(duì)比圖3、圖5和圖6的擬合精度和預(yù)測(cè)精度，可以發(fā)現(xiàn)：

1） 馬爾科夫鏈的高校設(shè)計(jì)課程教學(xué)效果擬合精度和預(yù)測(cè)精度最低，獲得較高的擬合誤差和預(yù)測(cè)誤差，這說(shuō)明其無(wú)法客觀、準(zhǔn)確地描述高校設(shè)計(jì)課程教學(xué)效果變化規(guī)律，無(wú)法滿足高校設(shè)計(jì)課程教學(xué)效果控制的實(shí)際要求。

2） BP神經(jīng)網(wǎng)絡(luò)的高校設(shè)計(jì)課程教學(xué)效果擬合精度和預(yù)測(cè)精度要高于馬爾科夫鏈，減少了高校設(shè)計(jì)課程教學(xué)效果擬合和預(yù)測(cè)誤差，主要是由于BP神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的誤差反向傳播功能，可以更好地?cái)M合高校設(shè)計(jì)課程教學(xué)效果變化規(guī)律，但是由于BP神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)解，使得多個(gè)樣本出現(xiàn)過(guò)擬合的預(yù)測(cè)結(jié)果，擬合精度和預(yù)測(cè)精度有待提高。

3） 大數(shù)據(jù)時(shí)代的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)精度高于BP神經(jīng)網(wǎng)絡(luò)和馬爾科夫鏈，解決了當(dāng)前高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)誤差大的難題，能夠準(zhǔn)確反映高校設(shè)計(jì)課程教學(xué)效果變化規(guī)律，驗(yàn)證了本文高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型的優(yōu)越性。

隨著學(xué)生規(guī)模的不斷增加，高校設(shè)計(jì)課程教學(xué)效果歷史數(shù)據(jù)每年呈倍數(shù)增加，使得高校設(shè)計(jì)課程教學(xué)效果建模時(shí)間越來(lái)越長(zhǎng)，高校設(shè)計(jì)課程教學(xué)效果建模效率成為模型優(yōu)越性的一個(gè)重要評(píng)價(jià)指標(biāo)。為此統(tǒng)計(jì)每種高校設(shè)計(jì)課程教學(xué)效果建模總時(shí)間，具體如表4所示。

從表4的高校設(shè)計(jì)課程教學(xué)效果建模總時(shí)間可知：本文模型的高校設(shè)計(jì)課程教學(xué)效果建?？倳r(shí)間的平均值為21.63 s;馬爾科夫鏈的高校設(shè)計(jì)課程教學(xué)效果建?？倳r(shí)間的平均值為34.78 s;BP神經(jīng)網(wǎng)絡(luò)的高校設(shè)計(jì)課程教學(xué)效果建?？倳r(shí)間的平均值為27.79 s。

本文模型的高校設(shè)計(jì)課程教學(xué)效果建模總時(shí)間明顯減少，改善了高校設(shè)計(jì)課程教學(xué)效果建模效率，與高校設(shè)計(jì)課程教學(xué)效果歷史數(shù)據(jù)向大規(guī)模方向發(fā)展相適應(yīng)，實(shí)際應(yīng)用價(jià)值更高。

4? 結(jié)? 語(yǔ)

設(shè)計(jì)相關(guān)課程是高校教學(xué)的重要組成部分，其教學(xué)效果影響高校學(xué)生的培養(yǎng)質(zhì)量。高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)是一個(gè)系統(tǒng)工程，與預(yù)測(cè)算法、教學(xué)效果影響因素等密切相關(guān)，而當(dāng)前預(yù)測(cè)模型無(wú)法準(zhǔn)確刻畫(huà)高校設(shè)計(jì)課程教學(xué)效果的變化規(guī)律，為了獲得理想的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)結(jié)果，結(jié)合高校設(shè)計(jì)課程教學(xué)效果歷史大數(shù)據(jù)變化趨勢(shì)，設(shè)計(jì)了大數(shù)據(jù)時(shí)代的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)模型。結(jié)果表明，本文模型解決了當(dāng)前高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)建模中存在的一些難題，相對(duì)于傳統(tǒng)模型，本文模型的高校設(shè)計(jì)課程教學(xué)效果預(yù)測(cè)精度得到了一定程度的改善，而且預(yù)測(cè)過(guò)程更加簡(jiǎn)單，預(yù)測(cè)效率更優(yōu)，具有更加廣泛的應(yīng)用前景。

參考文獻(xiàn)

[1] 張塔洪.教育評(píng)價(jià)理論視角下應(yīng)用型本科院校教學(xué)質(zhì)量保障體系構(gòu)建[J].教育與職業(yè)，2019（18）：52?54.

[2] 朱濤，冷士良.基于學(xué)分制模式的教學(xué)質(zhì)量保證體系的構(gòu)建[J].實(shí)驗(yàn)技術(shù)與管理，2019，36（4）：168?171.

[3] 趙馨蕊，周雨青.基于模糊綜合評(píng)價(jià)法的大學(xué)物理MOOC教學(xué)質(zhì)量評(píng)價(jià)[J].高等工程教育研究，2019（1）：190?195.

[4] 劉堅(jiān)，黃鈺瑩，顏李朝.課堂教學(xué)評(píng)價(jià)數(shù)據(jù)挖掘與分析[J].湖南師范大學(xué)教育科學(xué)學(xué)報(bào)，2019，18（2）：118?124.

[5] 盧旸，岑詠霆.基于二元語(yǔ)義的社區(qū)教育課程教學(xué)質(zhì)量測(cè)評(píng)模型研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2017，47（18）：302?309.

[6] 鄧?yán)倮伲瑥埆I(xiàn).教學(xué)質(zhì)量促進(jìn)學(xué)習(xí)成績(jī)?cè)u(píng)估建模仿真[J].計(jì)算機(jī)仿真，2017，34（7）：158?161.

[7] 劉芳，宮華，許可，等.基于熵權(quán)改進(jìn)的TOPSIS法的教師教學(xué)質(zhì)量評(píng)價(jià)[J].沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào)，2017，39（5）：540?544.

[8] 董慶華，王成偉.馬爾科夫鏈在高等數(shù)學(xué)教學(xué)效果評(píng)價(jià)中的應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2018，48（8）：314?320.

[9] 吳麗，劉益和.證據(jù)理論和支持向量機(jī)相融合的教學(xué)質(zhì)量評(píng)價(jià)[J].西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，41（2）：92?98.

[10] 范巖，馬立平.優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的高校教學(xué)質(zhì)量評(píng)價(jià)模型[J].統(tǒng)計(jì)與決策，2018，34（2）：80?82.

[11] 楊簡(jiǎn)，潘賀，劉海燕.基于灰色神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)教學(xué)質(zhì)量的研究[J].黑龍江畜牧獸醫(yī)，2014（8）：36?39.

[12] 岳琪，溫新.基于GA和BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評(píng)價(jià)模型研究[J].內(nèi)蒙古大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，49（2）：204?211.

[13] 江波，高明，陳志翰，等.基于行為序列的學(xué)習(xí)過(guò)程分析與學(xué)習(xí)效果預(yù)測(cè)[J].現(xiàn)代遠(yuǎn)程教育研究，2018（2）：103?112.

[14] 馬星，王楠.基于大數(shù)據(jù)的高校教學(xué)質(zhì)量評(píng)價(jià)體系構(gòu)建[J].清華大學(xué)教育研究，2018，39（2）：38?43.

[15] 徐鎮(zhèn)凱，溫勇兵，魏博文，等.基于大數(shù)據(jù)多層變權(quán)云計(jì)算的高校工科教師授課質(zhì)量綜合評(píng)價(jià)[J].現(xiàn)代教育管理，2016（9）：93?96.

[16] 王珊，劉明，嚴(yán)俊杰.采用粒子群算法的熱電廠熱電負(fù)荷分配優(yōu)化[J].西安交通大學(xué)學(xué)報(bào)，2019，53（9）：159?166.

作者簡(jiǎn)介：鄧詩(shī)元（1970—），男，湖北枝江人，碩士，副教授，研究方向?yàn)閿?shù)字媒體藝術(shù)設(shè)計(jì)。

李昊翔（1994—），男，河北石家莊人，碩士，研究方向?yàn)閿?shù)字藝術(shù)設(shè)計(jì)。