■張?jiān)坪樱旖ㄜ?，徐紅林

（無(wú)錫商業(yè)職業(yè)技術(shù)學(xué)院，江蘇 無(wú)錫 214153）

2020年初突如其來(lái)的新冠肺炎疫情，倒逼全國(guó)的學(xué)校依托在線教學(xué)的方式組織學(xué)生居家學(xué)習(xí)。以互聯(lián)網(wǎng)為核心的新一代信息技術(shù)，成為學(xué)生與老師、家長(zhǎng)與老師，甚至老師之間交流的重要途徑，這是人類(lèi)歷史上從來(lái)沒(méi)有過(guò)的最大規(guī)模的在線教學(xué)實(shí)踐。在線教學(xué)的學(xué)習(xí)環(huán)境、學(xué)習(xí)方式、教學(xué)方式、教學(xué)手段、教學(xué)督導(dǎo)等都發(fā)生了顯著的變化，盡管老師們?cè)诙虝r(shí)間內(nèi)完成了由傳統(tǒng)教學(xué)向在線教學(xué)方式的角色轉(zhuǎn)變，但教學(xué)效果與教學(xué)質(zhì)量卻存在著諸多有待完善的空間。教育部出臺(tái)的《關(guān)于疫情防控期間高等學(xué)校在線教學(xué)組織與管理指導(dǎo)意見(jiàn)》，明確提出要保證在線學(xué)習(xí)與線下課堂教學(xué)質(zhì)量實(shí)質(zhì)等效，眾多高校制訂了疫情防控期間在線教學(xué)質(zhì)量監(jiān)控與評(píng)價(jià)方案，但評(píng)價(jià)內(nèi)容與評(píng)價(jià)方法并不能完全體現(xiàn)在線教學(xué)的特點(diǎn)。胥興軍等對(duì)新冠疫情期間線上教學(xué)滿(mǎn)意度進(jìn)行抽樣調(diào)研，結(jié)果表明:對(duì)線上教學(xué)“不滿(mǎn)意”和“非常不滿(mǎn)意”的學(xué)生占比12.93%；對(duì)線上教學(xué)自我評(píng)價(jià)為“不滿(mǎn)意”的教師占比11.75%[1],說(shuō)明線上教學(xué)在某些環(huán)節(jié)還存在較大問(wèn)題，線上教學(xué)質(zhì)量還需大力提升。

目前對(duì)教學(xué)質(zhì)量評(píng)價(jià)，不管是線下教學(xué)還是線上教學(xué)，高校普遍采用主觀評(píng)價(jià)法，導(dǎo)致評(píng)價(jià)結(jié)果的客觀性與合理性存在一定程度上的不足。近年來(lái)，BP神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于高校教學(xué)質(zhì)量的評(píng)價(jià)。相比高校線下教學(xué)，在線教學(xué)評(píng)價(jià)指標(biāo)體系更復(fù)雜，“在盡可能多地保留原始特征信息下，將復(fù)雜的指標(biāo)體系進(jìn)行降維處理，對(duì)BP網(wǎng)絡(luò)的輸入層和隱含層結(jié)構(gòu)進(jìn)行優(yōu)化會(huì)大幅提升網(wǎng)絡(luò)學(xué)習(xí)能力和預(yù)測(cè)精度”[2]。本文首先構(gòu)建高校在線教學(xué)質(zhì)量評(píng)價(jià)的PCA-BP神經(jīng)網(wǎng)絡(luò)模型并進(jìn)行仿真分析，同時(shí)與BP神經(jīng)網(wǎng)絡(luò)的仿真結(jié)果進(jìn)行對(duì)比，最后對(duì)PCA-BP神經(jīng)網(wǎng)絡(luò)方法在高校線上教學(xué)質(zhì)量評(píng)價(jià)中的應(yīng)用效果進(jìn)行總結(jié)。

一、文獻(xiàn)綜述

無(wú)論是傳統(tǒng)教學(xué)模式還是在線教學(xué)模式，對(duì)于教學(xué)質(zhì)量的評(píng)價(jià)離不開(kāi)兩個(gè)方面，一是基于什么樣的評(píng)價(jià)理念設(shè)計(jì)與構(gòu)建教學(xué)質(zhì)量的評(píng)價(jià)指標(biāo)體系，二是采用什么樣的技術(shù)方法進(jìn)行評(píng)價(jià)考核。金銀娣和蔡長(zhǎng)春構(gòu)建了包括4個(gè)一級(jí)指標(biāo)和18個(gè)二級(jí)指標(biāo)在內(nèi)的高職在線開(kāi)放課程教學(xué)評(píng)價(jià)指標(biāo)體系，并且認(rèn)為教學(xué)內(nèi)容和資源應(yīng)與課程教學(xué)目標(biāo)、課程特點(diǎn)和學(xué)生的認(rèn)知規(guī)律相匹配；遵循有效教學(xué)的基本原則進(jìn)行教學(xué)設(shè)計(jì)與方法評(píng)價(jià)；重視學(xué)習(xí)任務(wù)與活動(dòng)的設(shè)計(jì)；對(duì)于教學(xué)效果及反饋的評(píng)價(jià)要注重對(duì)課程完整教學(xué)周期教學(xué)效果的及時(shí)跟蹤評(píng)價(jià)[3]。牛東育和蔣曉玫從課程建設(shè)經(jīng)費(fèi)、線上課程質(zhì)量、線上應(yīng)用能力、線上檢查制度、學(xué)生反饋途徑、線上課程答疑、學(xué)生參與興趣、學(xué)生學(xué)習(xí)成效、線上管理水平、線上診改效果等10個(gè)測(cè)評(píng)點(diǎn)[4]進(jìn)行評(píng)價(jià)。周姍穎借助問(wèn)卷調(diào)查法和專(zhuān)家咨詢(xún)法，以多元化主體和全過(guò)程要素評(píng)價(jià)為導(dǎo)向，基于教學(xué)管理部門(mén)、教學(xué)督導(dǎo)、學(xué)生、系部、教師自我5個(gè)評(píng)價(jià)主體設(shè)計(jì)16個(gè)評(píng)價(jià)指標(biāo)[5]。

隨著教育數(shù)字化轉(zhuǎn)型漸行漸近，大數(shù)據(jù)、混合方法的實(shí)證研究是時(shí)下備受矚目的研究范式[6]。張曉麗利用K-Means聚類(lèi)法對(duì)教育教學(xué)評(píng)價(jià)展開(kāi)研究，K-Means聚類(lèi)分析計(jì)算量小，占用內(nèi)存少并且處理速度快，適合處理數(shù)據(jù)量大、變量較多的聚類(lèi)分析[7]。劉智萍基于證據(jù)理論和支持向量機(jī)相融合的教學(xué)質(zhì)量評(píng)價(jià)模型對(duì)專(zhuān)家、同行和學(xué)生的評(píng)價(jià)結(jié)果進(jìn)行估計(jì)，采用證據(jù)理論對(duì)評(píng)價(jià)結(jié)果進(jìn)行融合，獲得教學(xué)質(zhì)量最終評(píng)價(jià)結(jié)果[8]。雖然教學(xué)質(zhì)量評(píng)價(jià)的精度增加，但對(duì)每次教學(xué)質(zhì)量評(píng)價(jià)均需建模，這必然導(dǎo)致實(shí)踐運(yùn)用的可操作性減弱。神經(jīng)網(wǎng)絡(luò)具有非線性映射能力，能夠以任意精度逼近非線性連續(xù)函數(shù)，同時(shí)還具有較強(qiáng)的自學(xué)習(xí)和自適應(yīng)能力，這些優(yōu)點(diǎn)很好地克服了傳統(tǒng)教學(xué)質(zhì)量評(píng)價(jià)方法的諸多不足，神經(jīng)網(wǎng)絡(luò)模型評(píng)價(jià)方法被越來(lái)越多的高校所運(yùn)用。

二、在線教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系

（一）評(píng)價(jià)指標(biāo)體系設(shè)計(jì)

李芳芝等人從在線教學(xué)平臺(tái)、課前預(yù)習(xí)、課堂教學(xué)、教學(xué)監(jiān)控和課后總結(jié)等五個(gè)方面對(duì)高校線上教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系進(jìn)行設(shè)計(jì)[9]，結(jié)合教育部教育信息化技術(shù)標(biāo)準(zhǔn)委員會(huì)所提出的網(wǎng)絡(luò)課程評(píng)價(jià)的一般性規(guī)范,構(gòu)建高職院校在線教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系（見(jiàn)附表1）。

附表1 高職院校線上教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系

（二）數(shù)據(jù)來(lái)源與處理

隨機(jī)選擇某高職院校在新冠肺炎疫情期間采用線上教學(xué)的20位專(zhuān)任教師，根據(jù)線上教學(xué)質(zhì)量評(píng)價(jià)量表，請(qǐng)相關(guān)專(zhuān)業(yè)教師、學(xué)生、教學(xué)領(lǐng)導(dǎo)和校內(nèi)外專(zhuān)家督導(dǎo)對(duì)上述專(zhuān)任教師進(jìn)行打分，采用截尾均值法計(jì)算每位教師的教學(xué)質(zhì)量評(píng)價(jià)二級(jí)指標(biāo)值，采用熵值法確定指標(biāo)權(quán)重（見(jiàn)附表1），最終計(jì)算20位教師的線上教學(xué)質(zhì)量評(píng)價(jià)綜合指標(biāo)值(Fn)（見(jiàn)附表2）。

附表2 高職院校線上教學(xué)質(zhì)量評(píng)價(jià)原始數(shù)據(jù)

三、構(gòu)建PCA-BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型

（一）教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)主成分確定

1.原始數(shù)據(jù)的相關(guān)系數(shù)

對(duì)附表1中的原始樣本數(shù)據(jù)標(biāo)準(zhǔn)化處理后得到在線教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)的相關(guān)系數(shù)矩陣表（見(jiàn)附表3）。由附表3可以看出，X1與X12的相關(guān)系數(shù)達(dá)到1，X1與X2、X5、X6、X7、X8、X9 之間，X2 與 X1、X6、X7、X8、X12之間相關(guān)系數(shù)也較大。為了避免各評(píng)價(jià)指標(biāo)之間信息相互干擾，提高神經(jīng)網(wǎng)絡(luò)模型的收斂速度和神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精準(zhǔn)度，需要對(duì)在線教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)進(jìn)行降維，降低各指標(biāo)間的相關(guān)性。

附表3 主成分相關(guān)系數(shù)矩陣表

2.主成分分析

利用在線教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)相關(guān)系數(shù)計(jì)算主成分特征值、貢獻(xiàn)率和累計(jì)貢獻(xiàn)率（見(jiàn)表1）。由表1可以看出，按累計(jì)貢獻(xiàn)率85%提取主成分，前3個(gè)特征值的累計(jì)貢獻(xiàn)率達(dá)到88.71%，第1個(gè)主成分特征值為8.309036936，包含63.92%的原始變量所含信息，第2個(gè)主成分特征值為1.930330643，包含14.85%的原始變量所含信息，第3個(gè)主成分特征值為1.292358894，包含9.94%的原始變量所含信息。本文選取前3個(gè)主成分代替原在線教學(xué)質(zhì)量的12個(gè)評(píng)價(jià)指標(biāo)。

表1 主成分特征值、貢獻(xiàn)率與累計(jì)貢獻(xiàn)率

3.建立神經(jīng)網(wǎng)絡(luò)模型樣本數(shù)據(jù)集

通過(guò)主成分特征向量建立在線教學(xué)質(zhì)量評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)模型的新樣本數(shù)據(jù)集。將標(biāo)準(zhǔn)化的20×13維樣本矩陣與前3個(gè)主成分對(duì)應(yīng)的特征向量矩陣相乘，得到前3個(gè)主成分得分系數(shù)矩陣，按主成分分析法計(jì)算原20位教師的在線教學(xué)質(zhì)量評(píng)價(jià)得分，并綜合得分高低排序，重新設(shè)置神經(jīng)網(wǎng)絡(luò)模型數(shù)據(jù)集中樣本編號(hào)（見(jiàn)表2），這樣也就建立了在線教學(xué)質(zhì)量評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)模型的新的樣本集。

表2 前3個(gè)主成分得分系數(shù)矩陣

（二）PCA-BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的相關(guān)參數(shù)設(shè)置

因?yàn)橹鞒煞址治鎏崛×?個(gè)主成分，所以神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)為3，輸出目標(biāo)為在線教學(xué)質(zhì)量評(píng)價(jià)結(jié)果，因此輸出層節(jié)點(diǎn)為1，經(jīng)過(guò)多次反復(fù)試驗(yàn)，最終得到隱含層為8時(shí)，網(wǎng)絡(luò)的穩(wěn)定性最好，收斂速度最快，最終確定本文中的BP神經(jīng)網(wǎng)絡(luò)采用3-8-1的網(wǎng)絡(luò)結(jié)構(gòu)。模型中的轉(zhuǎn)換函數(shù)采用Sigmoid型函數(shù)，隱含層傳遞函數(shù)采用tansig函數(shù)，輸出層傳遞函數(shù)采用purelin函數(shù)，利用traingd函數(shù)訓(xùn)練網(wǎng)絡(luò)。經(jīng)過(guò)反復(fù)試驗(yàn)，最大迭代次數(shù)設(shè)置為200，精度設(shè)置為0.0000001，當(dāng)學(xué)習(xí)次數(shù)達(dá)到最大迭代次數(shù)或者誤差達(dá)到預(yù)設(shè)的精度時(shí)停止訓(xùn)練。

四、仿真實(shí)驗(yàn)

（一）PCA-BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的訓(xùn)練

將表2中新的樣本集分成兩部分，即將表中編號(hào)為1—15號(hào)的樣本作為在線教學(xué)質(zhì)量的PCA-BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的訓(xùn)練樣本集，將16—20號(hào)樣本作為測(cè)試樣本集。

為了對(duì)比說(shuō)明在線教學(xué)質(zhì)量PCA-BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)模型有效性，同時(shí)建立了在線教學(xué)質(zhì)量BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)模型，其中模型的訓(xùn)練樣本集、測(cè)試樣本集與PCA-BP的訓(xùn)練樣本集、測(cè)試樣本集相同，同樣采用三層BP網(wǎng)絡(luò)結(jié)構(gòu)，由于在線教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)有13個(gè)維度，因此網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)為13，輸出層僅有在線教學(xué)質(zhì)量評(píng)價(jià)結(jié)果，即輸出層節(jié)點(diǎn)數(shù)為1，隱含層經(jīng)過(guò)反復(fù)試驗(yàn)，最終確定隱含層節(jié)點(diǎn)數(shù)為9，確定在線教學(xué)質(zhì)量BP網(wǎng)絡(luò)結(jié)構(gòu)為13-9-1。

（二）PCA-BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的驗(yàn)證

采用Matlab軟件進(jìn)行訓(xùn)練測(cè)試，其訓(xùn)練結(jié)果如圖1所示，其中圖（a）和圖（b）分別是普通BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型和PCA-BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的訓(xùn)練收斂圖。對(duì)比分析結(jié)果表明:（1）普通BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型在經(jīng)過(guò)迭代58次后達(dá)到收斂，而PCA-BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型只需要迭代44次就達(dá)到收斂，表明PCA-BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型收斂速度有效提高，降低了模型訓(xùn)練時(shí)間；（2）PCA-BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的均方差誤差低于普通BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的均方差誤差，說(shuō)明PCA-BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的準(zhǔn)確性高于普通BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型的準(zhǔn)確性。

圖1 訓(xùn)練結(jié)果收斂圖

五、高職院校在線教學(xué)質(zhì)量提升策略

影響在線教學(xué)質(zhì)量的因素是多方面的，但針對(duì)PCA-BP神經(jīng)網(wǎng)絡(luò)的在線教學(xué)質(zhì)量評(píng)價(jià)模型的準(zhǔn)確性而言，需要側(cè)重做好以下三個(gè)方面來(lái)提升在線教學(xué)的質(zhì)量。

（一）提高數(shù)字化教學(xué)資源質(zhì)量，避免“低齡化”與“過(guò)度趣味化”

數(shù)字化教學(xué)資源是教育數(shù)字化轉(zhuǎn)型的基本前提，是每一位教育工作者信息素養(yǎng)的重要外在表現(xiàn)形式，加強(qiáng)并提高數(shù)字化教學(xué)資源質(zhì)量可以促進(jìn)教學(xué)工作優(yōu)化，促進(jìn)師生共同發(fā)展。數(shù)字化教學(xué)資源分為數(shù)字化的PPT、音頻與視頻以及網(wǎng)上教學(xué)資源等。與傳統(tǒng)的教學(xué)資源相比，具有處理技術(shù)數(shù)字化、處理方式多媒體化以及信息傳輸網(wǎng)絡(luò)化等特點(diǎn)。要提高數(shù)字化教學(xué)資源質(zhì)量，必須真正理解“教學(xué)資源質(zhì)量”的內(nèi)涵與衡量標(biāo)準(zhǔn)。數(shù)字化教學(xué)資源質(zhì)量標(biāo)準(zhǔn)除了技術(shù)性規(guī)范外，在實(shí)踐中更需要注重教學(xué)資源的內(nèi)容。在教學(xué)內(nèi)容選擇上避免將學(xué)生可以通過(guò)自主學(xué)習(xí)即可掌握的內(nèi)容作為數(shù)字化教學(xué)資源。

（二）加強(qiáng)在線教學(xué)的交互性，避免形成師生之間的“盲盒”

在線教學(xué)過(guò)程中，多數(shù)任課教師為了保證教學(xué)秩序的順利進(jìn)行，往往關(guān)閉了教學(xué)平臺(tái)的“彈幕”或禁止自由發(fā)言功能，或者有些在線教學(xué)平臺(tái)本身只能經(jīng)過(guò)任課教師準(zhǔn)許才可以發(fā)言，諸多原因?qū)е氯握n教師和學(xué)生處于兩個(gè)不同的教學(xué)空間，無(wú)形之中在師生之間形成“盲盒”，任課教師無(wú)法獲取學(xué)生在線學(xué)習(xí)的狀況，同時(shí)學(xué)生也只能單向被動(dòng)接受教師端的教學(xué)信息，嚴(yán)重缺乏師生之間的交互性，嚴(yán)重影響了在線教學(xué)質(zhì)量。對(duì)此，作為任課教師首先需要樹(shù)立“交互性”的在線教育觀，充分考慮學(xué)生主體的積極性、創(chuàng)造性和發(fā)展性，只有調(diào)動(dòng)學(xué)生主體的能動(dòng)性才能保證在線教學(xué)高質(zhì)量發(fā)展。其次需要改變傳統(tǒng)的交互模式，師生之間交互行為并不是簡(jiǎn)單的“教師提問(wèn)，學(xué)生回答”。在線教學(xué)過(guò)程中，任課教師需要設(shè)計(jì)多維度的教學(xué)目標(biāo)，通過(guò)任課教師的不斷引導(dǎo)來(lái)實(shí)現(xiàn)師生交互行為。

（三）整合在線教育教學(xué)平臺(tái)，避免出現(xiàn)“教育APP族”

在線教育教學(xué)平臺(tái)是實(shí)現(xiàn)在線教育教學(xué)的重要載體，對(duì)在線教與學(xué)的任課教師和學(xué)生都有著重要影響，在很大程度上影響線上教學(xué)質(zhì)量。相比疫情期間，目前國(guó)內(nèi)主流在線教學(xué)平臺(tái)的聲音滯后、卡頓等缺陷得到了明顯改善，但伴隨而來(lái)的是在線教學(xué)平臺(tái)大量涌現(xiàn)，由于任課教師對(duì)各在線教學(xué)平臺(tái)的偏好差異，導(dǎo)致一個(gè)學(xué)期內(nèi)學(xué)生需要下載安裝多種平臺(tái)APP，不僅需要在不同教學(xué)平臺(tái)之間來(lái)回切換，而且還必須掌握不同教學(xué)平臺(tái)的使用與操作，這些都無(wú)形之中增加學(xué)生在線學(xué)習(xí)的“厭倦感”，降低在線學(xué)習(xí)的興趣，嚴(yán)重影響學(xué)習(xí)效果。因此，學(xué)校必須整合在線教學(xué)平臺(tái)，建立本校的在線教育教學(xué)平臺(tái)體系。