人工神經網絡在CDIO模式工科高校實習實訓教學質量評價中的應用

崔孝煒 狄燕清 周春生 南寧

摘要：通過借鑒CDIO國際工程教育模式，構建了適合CDIO實習實訓教學評估體系。提出了以實驗教學、實習教學、畢業設計與畢業論文、實驗室管理與設備利用輸入層，工科高校實習實踐教學工作質量為輸出層，建立人工神經網絡模型。應用結果表明，采用該方法得到的評價結果能夠較為客觀地反映教學質量管理的情況，為CDIO模式工科高校實習實訓教學的管理評價提供了新的方法和途徑，為工程專業的人才培養提供了有力的保障。

關鍵詞：CDIO；實習實訓；人工神經網絡；工科高校

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2015）50-0039-02

CDIO是由麻省理工學院等四所大學通過幾年的研究、探索和實踐建立的一種先進的工程教育模式，它繼承和發展了歐美90年代工程教育大改革的理念，極具可操作性。我國的工科高校教育中存在很多問題，工科高校實習實訓教學中通常含有非定量的因素，有極大的模糊性無法定量化，這給高校實習實訓教學評價帶來極大困難。本文將經過樣本學習的人工神經網絡模型運用到CDIO模式的工科高校實習實訓教學工作評價為工程類人才的培養提供有力保障。

一、工科高校實習實訓教學質量評價指標體系

評價指標體系綜合評價的基礎是建立評價指標，它選取得是否適宜，對最終的評價結果會產生一定的影響。高校本科實踐教學工作質量受實驗教學T1、實習教學T2、畢業設計與畢業論文T3和實驗室管理與設備利用T4四個指標影響，而諸多指標包含14個影響因素，T1（實驗開出率T11、實驗考核T12、實驗教學改革T13、實驗室開放T14、實驗研Tt15）；T2（計劃落實T21、經費使用T22）；T3（工作安排T31、選題T32、質量T33）；T4（崗位職責及考核T41、實驗設備管理T42、大型實驗設備利用T43、自制實驗設備T44）。

二、構建人工神經網絡CDIO模式工科高校實習實訓教學質量評價模型

（一）模型介紹

模型采用1個輸入層、若干隱含層及1個輸出層的三層網絡結構，各影響因素被包含于輸入層中稱為神經元，同層之間的神經元不相連，神經元之間的相互影響通過作用函數x實現。作用函數常選擇S型函數，其表達式為：

f（x）=1/[1+exp（-ax）] （1）

也有其他型函數，如：

f（x）=tan（x/2）=[1-exp（-ax）]/[1+exp（-ax）] （2）

本文所建立的CDIO模式的工科高校實習實訓教學質量評價含14個指標層，這14個指標層作為網絡模型輸入層的節點。由于本文采用定性分析，因此在進行節點輸入時，為便于網絡模型的應用，需要對指標先進行定量化。在建造人工神經網絡模型時，可把它們作為相應網絡的輸出，其對應的標準輸出模式分別為（1.0，0，0，0），（0，1，0，0），（0，0，1，0）及（0，0，0，1），所建立的輸出層中的節點數為4。模型最終的結果是CDIO模式的工科高校實習實訓教學質量的評價，輸出層分為優、良、中、差四個類別。

（二）人工神經網絡的算法

人工神經網絡是利用正向傳播算法和反向傳播算法進行學習的，其描述如下：

1.初始權值和閾值的確定。確定BP（n，q，m）網絡結構后，其參數W■■（i=1，…，n；j=1，…，k）權值（i單元輸入層到j單元隱含層）被得到；W■■（j=1，…，q；k=1，…，m）權值（j單元隱含層到k單元輸出層）被得到；同理θ■■（i=1，…，q）（隱含層j單元）和θ■■（k=1，…，m）（輸出層k單元）激活閾值被得出。

2.訓練樣本信息。p個訓練樣本被假設，輸第r個訓練樣本信息（r=1，…，p），將訓練樣本信息r（r=1，…，p），傳播到隱含層上，通過激活函數f（x）得到隱含層的輸出信息。

H■=f（■w■■x■θ■■），（j=1，…，q，r=1，…，p） （3）

通常Sigmoid型激活函數f（x）被采用，即

f（x）=■ （4）

最終輸出結果通過輸出信息（隱含層）傳到輸出層后得到：

Y■=f（■w■■H■θ■■），（k=1，…，m，r=1，…，p） （5）

利用式（6）來調節網絡權值和閾值

Δw（t+1）=η■αΔw（t） （6）

式中Δw（t）—t次訓練時權值和閾值的修正，α，η—動量系數和比例系數。

E=■■■（Y■-t■）■ （7）

以上過程被反復運用，直至誤差滿足要求。

三、實例分析

（一）樣本篩選及預處理

模型建立的首要問題是樣本的選取。對于CDIO工科高校實習實訓教學質量評價而言，其內在規律要通過樣本數據反映，同時網絡模型的特點也要考慮進去。樣本數據選取為陜西省內10所高校以及其他省份38所高校評估數據。隨機選取40份有效樣本中的30份作為訓練樣本，測試樣本為40份樣本中的10份樣本。14項因素評分包含在每個工科高校的實習實訓教學質量評估中，[0，50]為評分取值范圍，而后對評分歸一化處理。

（二）結果分析

將訓練后取得的樣本數據輸入網絡，經近10分鐘訓練后得到測試樣本，再將已訓練完畢的網絡中輸入測試樣本，得到預測評估結果，見表1。

從表1的測試結果中可以看出，14個樣本測試后的結論與經過綜合測評后得出的測試結論相符，只不過第10和11個數據測試結果精度不是很高。這可能是由于所選擇的測試樣本數量不夠充足的原因，但是對網絡定性評估不造成影響。

四、結論

高校工科實習實訓教學質量評價是一直困擾全社會和業內的熱點問題。用神經網絡方法來評估CDIO模式工科高校實習實訓教學質量能真實地反映出高校實習實訓教學中的不足，減小了人工計算中帶來的誤差；根據工科高校實習實訓教學的特點，結合實習實訓教學質量的文獻資料，建立CDIO模式工科高校實習實訓教學質量評價指標體系。并通過人工神經網絡的改進，引入CDIO模式實習實訓教學質量評價過程中，評價結果保證了評價的客觀性。研究結果表明，選取人工神經網絡模型進行實習實訓教學質量評價是有效且可行的。