人工神经网络在本科教学质量智能评价中的应用.docx

??

?

??

人工神经网络在本科教学质量智能评价中的应用

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

郭华锋于萍李志李菊丽何绍华张万利

摘要：探討人工神经网络技术在本科教学质量评价中的应用，分析了当前的研究现状，并指出了其中的关键问题。基于传统问卷调查采用人工神经网络可以建立本科教学质量智能评价模型，实现教学各因素与教学质量之间精准预测，有助于分析和提取影响教学质量的有效因素，从而有助于高校教学管理和教师教学质量的提高。

关键词：神经网络；教学质量；评价；应用

中图分类号：G642.0文献标志码：A文章编号：1674-9324（2019）05-0213-03

教学质量关系着人才培养质量，是高校办学的基石。近年来随着学生不断扩招，教学质量不断滑坡，已引起高校管理者及教师的关注。如何提高教学质量成为高校管理者和一线教师共同面临的问题。深入挖掘影响教学质量的因素和建立有效的评价体系是提高教学质量的关键途径。然而影响教学质量的因素众多，评价指标和评价结果之间存在着复杂的非线性关系，传统的分析和评价方法难以描述[1]。而以人工神经网络和遗传算法为代表的人工智能技术不需要建立复杂的数学模型，通过输入样本的学习和训练可以探求数据中的内在规律，建立输入输出间的正确映射关系，使评价模型更易于建立，结果更客观可靠。因此，基于人工智能算法建立教学质量的智能评价模型已经成为该领域最富有潜力的前沿研究方向之一。人工神经网络以其强大的非线性信息处理能力，可克服传统人工智能方式对于非结构化信息处理等方面的缺陷，已经广泛用于神经专家系统、模式识别、智能预测和控制等领域[2]。

通过人工神经网络技术建立高校教学质量智能评价模型，实现教学质量的有效预测甚至优化，可以为教学质量评价和监控提供一定的参考价值。

一、人工智能技术在教学质量评价中应用的现状

如何科学、合理地进行教学质量评价一直是高校教学管理部门面临的现实问题。目前大多数高校都是采用传统的督导评价和专家打分。但由于教学质量评价指标较多，专家评价易受个人学识水平和经验等因素影响，带来较大的人为误差和主观性[3]。目前采用人工智能技术进行教学质量评价已经成为该领域的研究热点。罗菊川[1]等人在制定评价指标体系的基础上，利用BP神经网络理论构建合理、有效的计算机绘图教学质量评价模型，并对学校的计算机绘图课程的教学质量进行了评价，找出存在的问题，为今后的教学改革提供方向。冯莹莹[4]等人提出一种基于层次分析法和神经网络相融合的教学质量评价方法。结果表明该方法简化了神经网络的结构，提高了评价精度和评价效率。周世官[5]等人提出了用模糊神经网络来评价教师的课堂教学质量的方法，仿真计算表明，采用数学模型具有较好的评价效果。许敏[6]等人利用粒子群优化算法训练的神经网络建立教学质量评估数学模型。使用由PSO训练的BP模型来拟合影响教师教学质量评价的众多指标与评价结果之间的复杂关系，结果表明该模型可以很好地进行教学质量评价。左国平[7]等人构建了一种基于模糊理论与神经网络的高校教师教学质量评价体系。该模型将教学评价指标概念量化成确定的数据作为网络的输入，模糊综合评价结果作为输出。该方法既克服了评价主体在评价过程中的主观因素，又得到了满意的评价结果，具有广泛的适用性。可以看出目前采用人工智能技术进行教学评价过程中采用神经网络技术的研究较多。

二、基于人工神经网络的教学质量智能预测

1.教学质量评价指标的建立。评价指标体系的建立直接决定着评价结果的正确性和导向性，由于影响教学质量的因素众多，况且每所高校自身定位和情况不同，因此评价指标体系各不相同。但总体上一般都会充分考虑从专家、教师和学生等不同角度进行设计。大部分研究者都会从教学方法、教学态度、教学内容、教学效果等一级指标进行设计，而后划分成若干二级指标[1，7]。这些指标基本涵盖了教师、学生、教学管理者等要反映的问题，一般来讲是较为全面的。

2.基本原理及模型建立。BP（BackPropagation）神经网络是目前应用最为广泛和成熟的一种神经网络，无须知道明确的数学方程，只要有足够多的样本进行网络训练就能实现由任意n维空间到m维空间的非线性映射。其主要特点是信号正向传播，误差反向传播。依据预测的误差来调整网络的权值和阈值，使该网络预测的输出值不断逼近期望输出。综合考虑样本的有限性和教学质量评价问题的复杂性，一般会选择多个可控的二级评价指标作为BP网络的输入，以教学质量评价值作为输出，从而建立如图1所示的三层BP神经网络模型。对应的BP神经网络算法流程图如图2所示。

3.模型的实现。为了实现BP神经网络模型的计算，需要解决诸多关键问题。为实现数据的可比性，消除量纲差异的影响，需对所有样本数据进行归一化处理，将样本数据全部转化