基于BP神經網絡的教師教學質量評價研究

基于BP神經網絡的教師教學質量評價研究

劉毅，石黎，徐嘉婧，樊文潔

（湖北經濟學院，湖北武漢430205）

摘要：BP神經網絡是近年來國內外新興的一種方法，具有非線性的特點，可以模擬任何非線性的問題。應用BP神經網絡對教師教學質量評價體系進行建模，在MATLAB2012中進行訓練，得到有效評價模型，最終實現接近真實水平的評價。

關鍵詞：BP神經網絡；教學質量；模型

黨的十八大提出了全面深化高校改革，而在今年（2014年）全國300所高校也在探索轉型成為技術類大學，在這種改革創新的教育環境下，對一個有效的，新型的教師教學質量評價體系的需求就更加迫切了。目前大多數高校采用加權平均法，層次分析法，board評價法等等比較簡單的線性算法對教學質量進行評價，會出現結果失真，評價不全面等問題。通過用BP神經網絡對教學質量評價體系進行建模，然后訓練網絡模型，可以得到一個有效的評價體系模型。

一、評價指標體系

在教學質量評價中，評價指標是評價工作最終真實有效的重要因素之一。為了確保研究工作順利進行，得到理想的評價模型，采用湖北經濟學院法商學院評價系統真實指標與數據進行實驗。實驗樣本的好壞直接決定著最終的實驗結果，從評價系統中選取22個訓練樣本作為實驗訓練樣本。評價指標如表1所示：

表1：湖北經濟學院法商學院評價指標體系

二、BP神經網絡的學習算法

Traingd是標準的BP梯度下降學習算法，按照梯度下降的方向修正各個神經元之間的權值。算法從本質上來說就是信號的正向傳播，誤差的反向傳播，在建立神經網絡的時候連接權值是隨機賦予的，通過訓練樣本的輸入訓練，來不斷修正權值，訓練比較成功的網絡的輸出就會接近期望輸出。這里以3層神經網絡拓撲圖為例來介紹BP神經網絡的學習算法：

1.網絡參數初始化，設定誤差函數e，給定計算精度值ε，最大學習次數M，學習步長η，以及權值初始值，權值初始值為[-1，1]之間的隨機數。

2.信號的正向傳播，輸入樣本數據，樣本分為輸入樣本（輸入樣本為[x=x1，x2，…xk…xn]，其中任一樣本為[xk=xk1，xk2，…，xkm]，（k=1，2，3，…n））和期望輸出樣本（dk=Tk）。然后根據輸入樣本值計算隱含層輸出值，再根據隱含層輸出值計算輸出層輸出值。

I為隱含層神經元個數，wmi是輸入層和隱含層之間的權值，f（）為激活函數，在教師教學質量評價體系模型中的f（）為Tansig，wip為隱含層和輸出層的連接權值。

3.誤差的反向傳播，輸出層輸出結果Vp與期望輸出結果Tk比較，此時如果全局平方和誤差E小于預先設定的精度值ε，或者學習的次數大于最大學習次數M，此時神經網絡就會停止訓練。如果全局平方和誤差E大于預先設定的精度值，網絡會把誤差反向傳播，依照誤差量逐步修改網絡各層的連接權值。

隱含層與輸出層之間的權值修正量的計算公式為：

輸入層和隱含層之間的權值修正量的計算公式為：

繼續重復步驟b和步驟c；如果誤差達到要求，則停止訓練,訓練完成。否則，重復訓練，直到誤差達到精度要求。[1]

三、模型構建與仿真應用

根據表1中的評價指標及數據，評價指標作為神經網絡的輸入項，有18個，所以輸入層神經元定為18個，輸出層輸出結果為一個，所以個數為1個，隱含層神經元個數到目前為止沒有確定的方法且其個數的確定非常重要，隱含層節點數如果太少，則收斂速度慢，如果隱含層個數太多，則造成拓撲結構復雜，網絡訓練時間變長。在這個網絡模型中，根據相關公式和不斷驗證，把隱含層神經元個數定為9。[2]

從評價系統中選取的22個訓練樣本，歸一化處理后，樣本分為輸入樣本P和期望輸出樣本T。把這些樣本在MATLAB2012神經網絡工具箱中進行模擬訓練，得到誤差如圖1:

圖1：訓練誤差（訓練函數為）

模型構建和仿真用的軟件為MATLAB2012的神經網絡工具箱，采用的樣本有22個，軟件會隨機把樣本分為訓練樣本，驗證樣本，和測試樣本。由圖可知：訓練樣本（Train），驗證樣本（Validation），測試樣本(Test)的誤差均已達到要求，最好的誤差值(best)為0.0001359。

把神經網絡輸出值與期望輸出值對照，可以判斷所構建的神經網絡模型是否理想有效。網絡輸出與期望輸出的對照表如圖2：

圖2：網絡輸出與期望輸出對比折線圖

圖2中兩條折線幾近重合，可以看出期望輸出值與網絡輸出值比較接近，期望評價值也與網絡評價值非常接近。說明此次建立的模型達到了預期效果。[3]

四、結語

BP神經網絡作為一種新興的模擬問題的方法，有著傳統方法無法比擬的優點。通過BP神經網絡對教師教學質量評價體系建立模型，在MATLAB2012中訓練之后，得到誤差在要求范圍內的評價模型，建立了可用于湖北經濟學院或其他高校的理想的教師教學質量評價模型。

（注：本文系湖北經濟學院大學生科研項目課題“自主創新環境下教師教學質量評價體系和模型研究”成果）

參考文獻：

[1]高雋.人工神經網絡原理及仿真實例[M].北京:機械工業出版社, 2007.

[2]傅莉.BP神經網絡在教學質量評價中的應用[J].智能計算機與應用，2012，（5）:70-72.

[3]趙萬芹，孔令超.基于BP神經網絡的教學質量評價的探討[J].化工高等教育，2011，（1）：101-105.

[4]唐立力.基于BP神經網絡的課堂教學質量評價系統[J].中國西部科技，2014，（4）：103-105.

[5]侯媛彬，杜京義，汪梅.神經網絡[M].西安:西安電子科技大學出版社，2007.