基于ICA和CNN算法在教學(xué)質(zhì)量評(píng)價(jià)中應(yīng)用的探析

劉海燕 孫 悅 關(guān)曉輝 楊永清 王建元

（東北電力大學(xué) 教務(wù)處，吉林 吉林 132012）

0 引言

在高校的教學(xué)過(guò)程中，影響教學(xué)質(zhì)量的因素是變化的，因此，在教學(xué)質(zhì)量評(píng)估過(guò)程中，要?jiǎng)討B(tài)的分析這些影響因素。目前教學(xué)質(zhì)量評(píng)估多采用由學(xué)生考評(píng)的方法，但現(xiàn)行的質(zhì)量評(píng)價(jià)系統(tǒng)存在著幾點(diǎn)弊端:1）學(xué)生在評(píng)分過(guò)程中，不同程度的帶有隨意性，不同專業(yè)的學(xué)生對(duì)于不同課程有傾向性。2）管理部門(mén)統(tǒng)計(jì)學(xué)生的評(píng)分時(shí)只是簡(jiǎn)單的將各項(xiàng)分?jǐn)?shù)相加，而沒(méi)有科學(xué)的權(quán)重配比。3）被評(píng)教的老師只知道總分而不知道自己的薄弱環(huán)節(jié)[1-3]。

本文首先應(yīng)用獨(dú)立成分分析（ICA）算法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，消除異常數(shù)據(jù)，然后將競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到評(píng)價(jià)體系中來(lái)，使得評(píng)價(jià)體系科學(xué)的確定權(quán)重，更準(zhǔn)確的進(jìn)行評(píng)價(jià)。

1 教學(xué)評(píng)價(jià)體系設(shè)計(jì)

一個(gè)科學(xué)的教學(xué)評(píng)價(jià)應(yīng)致力于促進(jìn)教師的全面發(fā)展，充分體現(xiàn)評(píng)價(jià)的教育功能。教學(xué)評(píng)價(jià)不僅僅是對(duì)教師工作狀況的鑒定，更重要的是為促進(jìn)教師成長(zhǎng)和提高教學(xué)水平服務(wù)，從而最終達(dá)到提高學(xué)生學(xué)業(yè)成績(jī)和發(fā)展學(xué)生綜合能力的目的[4]。通過(guò)教學(xué)評(píng)價(jià)，可以反饋教學(xué)信息，及時(shí)糾正教學(xué)中存在的不足，發(fā)揚(yáng)和推廣先進(jìn)教學(xué)經(jīng)驗(yàn)，使教學(xué)的各個(gè)環(huán)節(jié)相互適應(yīng)，從而提高教育質(zhì)量，全面實(shí)現(xiàn)教育管理目標(biāo)。本體系主要由8個(gè)評(píng)價(jià)指標(biāo)[5]:教學(xué)準(zhǔn)備、教學(xué)態(tài)度、教學(xué)內(nèi)容、考核方法、教學(xué)能力、教學(xué)輔導(dǎo)、教學(xué)資源、教學(xué)方法構(gòu)成。

2 數(shù)據(jù)處理方法

2.1 數(shù)據(jù)的預(yù)處理

數(shù)據(jù)預(yù)處理是系統(tǒng)運(yùn)行的重要一環(huán)。主要目的是為后續(xù)的數(shù)據(jù)分析模塊準(zhǔn)備數(shù)據(jù)。需要根據(jù)系統(tǒng)的所采用算法的要求，提前對(duì)數(shù)據(jù)進(jìn)行處理。數(shù)據(jù)預(yù)處理通常主要包括異常數(shù)據(jù)處理和特征提取等工作。通過(guò)數(shù)據(jù)預(yù)處理的操作，使數(shù)據(jù)集的數(shù)據(jù)更為簡(jiǎn)潔，更適合于后續(xù)分析[5-6]。

本文采用獨(dú)立成分分析（ICA）的方法進(jìn)行特征數(shù)據(jù)的提取。

ICA是最近十年發(fā)展起來(lái)的多維信號(hào)分解技術(shù)，主要處理的對(duì)象是非高斯信號(hào)，以高階統(tǒng)計(jì)知識(shí)和信息熵理論為基礎(chǔ)，以隱含變量之間相互獨(dú)立為提取原則，進(jìn)行獨(dú)立成分的提取，提高系統(tǒng)的辨識(shí)能力[7]。

2.2 競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)原理

以往確定各個(gè)項(xiàng)目的權(quán)值是用優(yōu)序比較法來(lái)確定的，所謂的優(yōu)序比較法是利用專家組的經(jīng)驗(yàn)作出判斷，對(duì)各項(xiàng)評(píng)價(jià)指標(biāo)分別排序,并通過(guò)各級(jí)指標(biāo)的兩兩比較，從而確定權(quán)值。這種固定每項(xiàng)指標(biāo)權(quán)重的做法在某些情況下未必科學(xué)，那么如何找出每項(xiàng)指標(biāo)的合理權(quán)重，就成為評(píng)價(jià)體系設(shè)計(jì)中的一個(gè)很重要的因素。把競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)應(yīng)用到評(píng)價(jià)體系中來(lái)，恰好能夠解決這一問(wèn)題[8]。

3 結(jié)果與討論

將每一項(xiàng)得分滿分設(shè)為10分，首先是組織數(shù)據(jù)源:本模塊采用B/S模式，學(xué)生和專家使用IE瀏覽器的網(wǎng)頁(yè)提交打分情況(學(xué)生評(píng)教數(shù)據(jù)、專家評(píng)教數(shù)據(jù))，并將數(shù)據(jù)存儲(chǔ)在服務(wù)器端的SQLServer 2000數(shù)據(jù)庫(kù)中，為教學(xué)評(píng)估做準(zhǔn)備。利用Visual Basic完成大部分?jǐn)?shù)據(jù)的轉(zhuǎn)換和清理工作，接著利用ICA算法進(jìn)行特征提取，將提取后的數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行教學(xué)評(píng)價(jià)。

3.1 ICA處理結(jié)果

將ICA方法應(yīng)用于處理采集到的學(xué)生評(píng)教數(shù)據(jù)。

經(jīng)過(guò)ICA算法對(duì)數(shù)據(jù)進(jìn)行處理后的數(shù)據(jù)，帶有明顯的分類信息，使得數(shù)據(jù)更為規(guī)范化，可以看出有的評(píng)估項(xiàng)目分類信息不明顯，如X1，X4，X6，如果采用這些評(píng)估項(xiàng)目會(huì)造成后續(xù)工作的繁冗，因此經(jīng)過(guò)綜合考慮，在后續(xù)的神經(jīng)網(wǎng)絡(luò)算法中中我們只采用X2，X3，X5，X7，X8這五個(gè)評(píng)估項(xiàng)目即:教學(xué)態(tài)度，教學(xué)內(nèi)容，教學(xué)能力，教學(xué)資源，教學(xué)方法。從這我們也可以得出其他評(píng)估項(xiàng)目教師做的已經(jīng)比較好了，或從另一個(gè)角度來(lái)講，學(xué)生對(duì)這幾項(xiàng)評(píng)估內(nèi)容比較重視。利用ICA算法對(duì)學(xué)生評(píng)估數(shù)據(jù)進(jìn)行預(yù)處理可以有效減少異常數(shù)據(jù)所帶來(lái)的干擾，從而有利于從大量數(shù)據(jù)中提取準(zhǔn)確有效的特征，為后續(xù)的神經(jīng)網(wǎng)絡(luò)算法分析提供了保障。

3.2 競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果

為使數(shù)據(jù)符合訓(xùn)練過(guò)程的函數(shù)運(yùn)算要求,對(duì)所有原始數(shù)據(jù)進(jìn)行歸一化處理,使其落在[0，1]區(qū)間。

采用競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)對(duì)教學(xué)質(zhì)量評(píng)估系統(tǒng)進(jìn)行辨識(shí)。這里將5個(gè)評(píng)價(jià)指標(biāo)作為神經(jīng)網(wǎng)絡(luò)系統(tǒng)的輸入，把評(píng)價(jià)目標(biāo)即教學(xué)效果作為系統(tǒng)的輸出，也就是神經(jīng)網(wǎng)絡(luò)有5路輸入信號(hào)，1路輸出信號(hào)，并設(shè)學(xué)習(xí)率初始值為0.6，初始權(quán)值 ，最大允許誤差為0.001[9]。

網(wǎng)絡(luò)選取45個(gè)樣本進(jìn)行訓(xùn)練，在訓(xùn)練577次達(dá)到訓(xùn)練目標(biāo)。抽取15個(gè)樣本的網(wǎng)絡(luò)輸出與專家評(píng)教值進(jìn)行比較，網(wǎng)絡(luò)輸出與專家評(píng)教之間的差都落在了[-0.001，0.001]之間是符合我們的要求的。然后選取5個(gè)未曾訓(xùn)練過(guò)的測(cè)試樣本讓網(wǎng)絡(luò)進(jìn)行評(píng)估,以檢驗(yàn)網(wǎng)絡(luò)的推理、測(cè)試能力。由可見(jiàn)，這5個(gè)樣本神經(jīng)網(wǎng)絡(luò)雖然未曾訓(xùn)練過(guò)，但輸入到訓(xùn)練后的網(wǎng)絡(luò)輸出的結(jié)果與專家評(píng)價(jià)結(jié)果的差距也落在 [-0.001，0.001]之間，反映出網(wǎng)絡(luò)對(duì)原始數(shù)據(jù)進(jìn)行了很好的訓(xùn)練，有較強(qiáng)的推理能力,可以進(jìn)行科學(xué)的評(píng)價(jià)。

4 結(jié)論

本文應(yīng)用ICA算法可以有效的清理數(shù)據(jù)，使數(shù)據(jù)整潔有效。再應(yīng)用CNN算法找到各項(xiàng)指標(biāo)的權(quán)重，對(duì)教師的教學(xué)質(zhì)量進(jìn)行準(zhǔn)確評(píng)價(jià)，建立的網(wǎng)絡(luò)模型的輸出值與專家評(píng)教值之間的誤差很小，從而表明，ICA算法和CNN算法用于高校教學(xué)質(zhì)量分析評(píng)估是有效、合理的。可以科學(xué)、快捷、方便的對(duì)教師的教學(xué)質(zhì)量進(jìn)行評(píng)價(jià)。

［1］張慎霞.課程教學(xué)效果評(píng)價(jià)還是教師教學(xué)水平評(píng)價(jià):對(duì)改革和完善高校教師教學(xué)質(zhì)量評(píng)價(jià)的思考[J].現(xiàn)代教育技術(shù)，2011，21(3):61-63.

［2］楊德芹.教學(xué)質(zhì)量評(píng)價(jià)模型及案例分析應(yīng)用研究[D].武漢:華中師范大學(xué)，2008.

［3］仲蘭芬，王文忠.高校教師教學(xué)質(zhì)量多級(jí)過(guò)程性評(píng)價(jià)系統(tǒng)模型的設(shè)計(jì)[J].陰山學(xué)刊:自然科學(xué)，2011，1:78-80.

［4］徐志偉.關(guān)聯(lián)規(guī)則方法在高校課堂教學(xué)質(zhì)量評(píng)估體系中的應(yīng)用研究[D].長(zhǎng)春:東北師范大學(xué)，2009.

［5］盧晶晶.基于數(shù)據(jù)挖掘的教學(xué)評(píng)價(jià)系統(tǒng)[D].南京:河海大學(xué)，2007.

［6］郭曉利，郭平，馮力.基于數(shù)據(jù)挖掘技術(shù)的教學(xué)質(zhì)量分析評(píng)價(jià)系統(tǒng)的實(shí)現(xiàn)[J].東北電力大學(xué)學(xué)報(bào)，2006.Vol.26(3):70-72.

［7］趙立權(quán).ICA算法及其在陣列信號(hào)處理中的應(yīng)用研究[D].哈爾濱:哈爾濱工程大學(xué)，2009.

［8］葛勇，王玲.自組織競(jìng)爭(zhēng)人工神經(jīng)網(wǎng)絡(luò)在顏色選擇中的應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2010，1:137-139.

［9］王鐵，張國(guó)忠，周淑文.基于競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的ABS路面辨識(shí)[J].東北大學(xué)學(xué)報(bào)，2003(6):560-563.