基于BP神經網絡的高校教師教學質量評價模型

鄭 永，陳 艷

(重慶理工大學 a.機械檢測技術與裝備教育部工程研究中心;b.電子信息與自動化學院，重慶 400054)

1 目前高校教師教學質量評價存在的問題

我國高等教育為適應當前新形勢的要求，需要通過改革不斷地完善、提升自身的發展水平。在高等教育中，高校是傳授知識、文化的主要場所，高校教師的教學課堂則是實現這一目標的主要承載者。因而高校對教師的教學水平提出了較高的要求，需要通過采取各種措施來提升教師的教學質量。目前，很多高校都采用由學生給老師打分的評教方法。該方法是將學校所有的課程分為幾大類，如理論課程、實習課程、實驗課程等，對每類課程設置一些評價指標，由學生根據這些指標對所學課程的主講教師進行匿名評分。每學期期末由教務部門或高校評估中心匯總學生評分，以此來加強教學管理、提升教師的教學質量。盡管這種方式在一定程度上強化了學校對教學的管理，評價的結果也一定程度上體現了教師的教學水平，使得教師在教學過程中更加注重學生的感受，有利于改善教師教學水平。但這種評價機制也存在一些問題［1］:

1)教學評價沒有充分考慮被評教師的差異。因實際操作的困難，學校在設置評價指標時，沒有根據不同課程本身性質的差異來設置評價指標。對于不同學科、不同發展階段的教師，采用統一的評價方式、評價標準顯然是不切實際的，也是有失公允的。對于不同學科、發展階段的教師應該有不同的評價體系，不同的評價標準;即便是相同學科，處于相同發展階段的教師也應該有傳統課程教學和新開課程教學的區別。

2)參與評教的主體過于單一，容易造成結果的片面性。按照傳統的評教體系，教學評價的主體是學生，那么學生的價值取向將直接關系到評價結果的好壞。學生作為行使評教的唯一主體會在一定程度上導致教學評價的片面性。當今大學生思想獨立，教師的知名度、資歷、職稱、學歷、認知程度等都會在一定程度上影響學生的打分結果。同時，學生對課程學習的興趣也會影響到評價結果，他們往往更看重教師在課堂上是否風趣、生動、有激情。這種導向較為普遍，結果常常會引導教師在講課中引入一些與課程不相關的內容去迎合學生的評審標準，從而忽視了課程的主要內容。再者，單一的教學評價主體使得教師因怕“得罪”學生而遷就學生，不敢管也不愿管，考前劃范圍等導致學風下降。

3)評教方法缺乏可操作性。盡管目前的高校教師教學質量評價采取平時與定期相結合、定性與定量相結合、督導與學生相結合，但高校教師教學質量考核并沒有找到一種真正的適用性較強、便于操作的考核方法。在平時與定期考核相結合方面，缺少平時考核;在定性與定量考核結合方面，缺乏定量考核;在督導與學生考核相結合方面，缺少督導考核。

綜上，研究并建立科學的教師教學質量評價標準及體系既是學校制度建設和規范管理的需要，也是教師教學行為的方向標。本文旨在建立一個科學準確的教師教學質量評價體系，為高校教師的入職、培訓、上崗、晉升以及發展提供數據支撐，從而制定出科學、高效、合理的教師評價系統，為促進高校本身及高校教師隊伍的發展提供客觀依據［2－3］。

2 全方位教學質量評價體系構建

全方位評價體系是指由領導部門、督導團、同事同仁、教師自身和學生等全方位各角度地來了解教師的工作績效。通過這種績效評價，被評教師可以從上級領導、督導團、自身和學生處獲取多角度的反饋，從而更清楚地知道自己的不足、長處，從而為后期的發展及職業規劃提供依據。事實證明，這種全方位的評價體系是全面而有效的［4］。

全方位高校教學質量綜合評價體系包括授課評價體系和學習評價體系。授課評價體系中的評價對象是高校教師，評價主體有督導、同行、學生和教師本人。學習評價體系中，評價的對象是學生，評價主體有督導、教師、其他同學和學生本人。對于授課評價體系的指標有教師互評、教師自評、督導評教和學生評教等;對于學習評價體系的指標有同學互評、學生自評、督導評學和教師評學等。各指標相互聯系、相互影響構成了全方位高校教學質量評價體系［5－9］。

圖1 全方位高校教學質量綜合評價體系的組成

3 神經網絡用于教學質量評價體系的可行性

作為研究非線性擬合與分類的有力工具，神經網絡在模式識別、自動控制、預測等方面已凸顯了其優越性［8－9］。神經網絡針對已有的訓練數據，通過不斷的學習和訓練，能從已有的大量復雜數據中挖掘出規律性的東西，從而達到探求未知的目的。它尤其能處理任意類型的數據，這是許多傳統方法無法達到的，因而其準確度較高。同時，它還能處理多元輸入，并兼顧各個輸入對輸出的影響。因此，將神經網絡用于高校教學質量評價體系，不僅可以解決綜合評價指標體系中的定性指標與定量指標的問題，也可解決傳統評價體系的復雜建模問題，避免了人為的主顧隨意度，保證了有效的評估結果。

BP神經網絡是通過反向傳播誤差來修正模型權值和閾值的一種應用較廣泛的神經網絡［8］。將BP神經網絡用于高校教學質量評估時，將全方位高校教學質量綜合評價體系中的各個指標作為神經元輸入，將評價的最終結果作為輸出，從而建立評估模型。訓練過程中，若輸出的量值和預期的量值之間存在誤差，且超出了規定的范圍，則按照誤差反向傳遞的方法調整各層之間的連接權值及隱層和輸出層節點的閾值，直到系統誤差控制在可接受的范圍內，則訓練停止［9］。此時的權值和閾值將不再改變，所得的網絡是經過自適應學習的正確表示，訓練好的神經網絡便可以作為一種定性與定量相結合的有效工具為訓練數據以外的對象做出正確評價。

4 教學質量評價指標體系的建立

本文根據全方位高校教學質量評價體系所包含的2個體系下的7個二級指標，將這7個指標分別當作7個二級系統，即教師互評系統、教師自評系統、督導評教系統、學生評教系統、教師評學系統、督導評學系統、學生自評系統。每個二級系統下又存在不同的評價指標，見表1和表2。將這些評價指標作為二級系統的輸入，二級系統的輸出作為教學質量評價體系神經網絡的輸入，教學質量綜合評價體系神經網絡的輸出則是高校教師教學質量評價的最終結果［9］。整個系統的結構如圖2所示。

圖2 基于神經網絡的高校教師教學質量評價系統結構

根據以上框架，高校教師教學質量評價系統可分為下面2個神經網絡系統:

1)二級系統神經網絡。各二級系統均采用3層神經網絡，即輸入、隱層、輸出，各二級系統的輸入為其對應的二級指標，即教學內容、教學方法、教學態度、教學效果，則該網絡隱層節點為3，輸出為各二級系統的評價結果。通過對該系統的樣本訓練，得到該二級系統的神經網絡權值和閾值。訓練樣本通過二級系統下對應的指標的打分獲得，選取的樣本足夠多以保證系統評價結果的可靠性。

2)綜合評價體系神經網絡。該神經網絡即高校教師教學質量評價系統，其模型結構也采用二級系統的3層BP神經網絡。所不同的是該網絡的輸入是各二級系統的輸出值，它是在各二級系統的基礎上建立的。該網絡隱層節點為7，輸出為高校教師教學質量評價結果，分為優、良、中、及格、不及格5個等級，對應的輸出范圍分別為90～100、80～89、70～79、60～69和59以下。

表1 評教指標匯總

表2 評學指標匯總

5 BP神經網絡模型的確定

首先對BP神經網絡的輸入數據(訓練樣本)進行歸一化處理，這樣做可有效避免隱層S函數的飽和區，同時能加快學習速度(Matlab中一般采用premnmx函數進行歸一化處理)。輸入層的神經元只具備數據傳送的功能，一般采用線性函數作為傳遞函數，其學習過程中不會發生飽和現象。隱含層中的神經元一般采用飽和非線性的S函數。同時，鑒于神經網絡訓樣本數據經過了歸一化處理，則測試樣本數據也需要采取相同的預處理，即采用tramnmx函數進行數據的歸一化，再用postmnmx函數對系統輸出值進行反歸一化處理。

BP神經網絡的輸出層神經元數目是根據7個二級系統來確定的。本文輸出選取層的神經元個數為1。隱含層數目為7，各二級系統的隱含層數目為其對應的二級指標數3，學習率取0.3，動量項系數為0.95，收斂誤差界值設置為0.0001。使用了Matlab 2012神經網絡工具箱中的trainlm函數進行訓練，通過Levenberg－Marquardt算法完成網絡訓練。網絡的隱含層神經元傳遞函數為tansig函數，輸出層神經元的傳遞函數為purelin函數。訓練過程見圖3。

從神經網絡的訓練過程可以看出:使用BP網絡進行建模時，訓練少于200次即可實現較為完美的擬合效果。預測結果與專家評估結果的對比見表3。

圖3 神經網絡訓練過程

表3 預測結果與專家評估結果對比

通過表3的對比及圖3(d)的分析知:預測精度在可接受的范圍內，表明基于BP神經網絡的教學質量評價模型是有效、合理的。

6 結束語

本文構建了全方位教學質量評價體系，根據不同高校對教學質量的要求建立教學質量評價指標體系，根據2個體系下的7個二級指標構成兩級神經網絡系統，并分別進行訓練。訓練結果表明:該網絡能夠較好地擬合訓練數據，預測效果顯著。通過神經網絡對高校教師教學質量進行合理評價，克服了單一的人為因素對評價結果的直接影響，為高校教學質量的評估提供了一種科學合理的新方法，為教學質量評估的研究發展提供有益的參考。

［1］趙國柱，李志茹，金一.高等學校教師教學質量評價問題淺析［J］.教育教學論壇，2013(5):263－265.

［2］何強.高校學術評教工作的改善與探索［J］.江蘇高教，2010，(4):58－60.

［3］鐘春華，韓勝娟.學生評教非教學影響因素的實證研究［J］.中國成人教育，2012(13):118－119.

［4］張向東，張淑坤，張奇，等.關于教師教學質量評價的若干思考［J］.大連大學學報，2009，30(4):114－117.

［5］鄭延福.本科高校教師教學質量評價研究［D］.徐州:中國礦業大學，2012.

［6］司秀林.課堂教學質量綜合評價模型及應用［D］.鞍山:遼寧科技大學，2008.

［7］丁冰.課堂教學質量評價模型與方法及應用研究［D］.濟南:山東大學碩士學位論文，2009.

［8］賀清碧.BP神經網絡及其應用［D］.重慶:重慶交通學院，2004.

［9］蔡錦錦.基于BP神經網絡的高校課堂教學質量評價系統的研究與實現［D］.杭州:浙江工業大學，2009.