一種高職院校教學質量評價的改進算法

葛春

摘要：首先分析了目前教學質量評價算法的局限性，針對加權平均法、層次分析方法和神經網絡算法的不足，提出結合遺傳算法的個體最優選擇和BP神經網絡的非線性擬合特性，實現一種高職院校教學質量評價的改進算法。

關鍵詞：教學質量遺傳算法神經網絡改進算法

一、引言

在以質量和特色求生存和發展的關鍵時期，高職院校全面提高教學質量是其自身發展的客觀需要。在此背景下，高職院校始終把提高教學質量當作工作重點，而科學有效的教學質量評價方法，對于充分發揮對教學過程的導向和激勵作用，督促教師提高授課水平，發揮著舉足輕重的作用。

實現教學質量的科學評價，第步是要建立相應的評價指標體系，指標體系的設置是否科學合理，直接關系到評價模型的科學性與實用性，而第二步是尋找評價體系各項指標得分輸入值和綜合評價得分輸出值的數學關系，建立個科學合理的數學模型，即選擇種最優評價算法。

二、目前評價算法的局限性

目前最常見的教學質量評價算法有：加權平均法、層次分析方法、神經網絡算法等。加權平均法將各評價指標得分進行加權求和計算，將最終得分作為教學質量的評價等級參考，其精確性主要取決于各項評價指標設立的全面性和各項加權值的科學合理性，由于在實際應用中指標內容設立相對簡單、權值設置主觀性偏大，因此該算法評價合理性較差；層次分析法將評價指標內容體系細分為多個層次，然后靈活選取幾種不同的標度法對每個層次中的各項指標進行兩輛比較，產生比較判斷矩陣，利用數學矩陣論相關知識求出最大特征向量，從而得出各級指標的綜合權重，由于評價指標劃分細致，各指標權重計算科學，因此層次分析法相對于加權平均法其精度有所提高，但避免不了由于主觀因素去比較各項指標重要性來構造判斷矩陣，造成評價結果失真；神經網絡算法作為

種多領域廣泛應用的新技術，以其強大的非線性、自學習、實時優化、智能學習等特性，成為當前教學質量自動評價的主要算法，并且很好解決了加權平均法和層次分析法出現的主觀性強、隨機性強、非線性弱等不足，該算法模擬人類神經元結構，將教學質量各項評價指標作為輸入，進行加權計算、非線性函數計算和閥值計算，較大增強了評價輸出值的精度，但人工神經網絡工作原理是種黑箱問題，理論上其輸出可以逼近期望值，但由于基于最大梯度法、最優激活函數和網絡結構不能確定等因素，還存在收斂速度慢、易陷入局部極小值、學習泛化能力差、對于復雜系統預測誤差較大等明顯不足。

三、教學質量評價的改進算法

（一）遺傳算法原理

遺傳算法（Genetic Algorithms）是模擬自然界“優勝劣汰，適者生存”生物遺傳進化原理的種并行隨機搜索最優化方法。該算法將系統所要求得的參數進行編碼，按照所選擇的適應度函數對編碼群體進行選擇、交叉和變異等操作，在遺傳過程中對編碼群體進行篩選，使適應度好的個體被保留，適應度差的個體被淘汰，新的群體既繼承了上一代的信息，又優于下一代，這樣反復循環，直至滿足條件，最終將最優個體挑選出來，而最優個體的編碼參數即為應用系統所要求得的最佳結果。

（二）BP神經網絡的改進

為改進神經網絡的收斂速度和訓練精度，國內外學者提出了啟發式改進方法和數值優化算法，這些改進算法大多采用了優化反向傳播誤差模型的途徑。要進步提高網絡的收斂速度和訓練精度，還可以采用優化網絡最優初始權值、閥值或網絡結構的方法。本文就是利用遺傳算法原理，將BP神經網絡訓練誤差作為遺傳算法中個體的適應度值，將神經網絡的各層權值和閥值作為遺傳算法中個體的編碼參數，經過定代數的遺傳或者說定次數的迭代，來獲得網絡的最優初始權值和閥值，進步提高神經網絡評價模型的預測精度。

（三）改進評價算法的實現步驟

步驟1：初建評價指標內容體系。參考相關文獻資料，深入研究教學規律和教學評價方法，結合院校教學評價實施辦法和制度，初步建立級指標和具體二級指標的層次型評價指標內容體系。

步驟2：綜合篩選重要指標。綜合利用層次分析法指標分層細致、權重計算科學的優點，以及問卷調查法評價客觀、數據量大的優勢，綜合兩方面信息來最終篩選重要指標，為改進BP評價模型的確立提供網絡輸入。

步驟3：改進BP評價模型的確立。BP神經網絡雖然具有較好的擬合能力，但其擬合能力不是絕對的，對于些復雜系統，預測結果會存在較大誤差；神經網絡預測的準確性和訓練數據的多少有較大的關系，如果缺乏足夠多的網絡訓練數據，網絡預測值可能存在較大的誤差。由于教學質量評價的神經網絡模型輸入（指標分值）與輸出（總評成績）具有復雜的非線性關系，而實際評價過程中又很難得到大量數據作為訓練樣本，所以本文利用遺傳算法GA原理，為BP神經網絡選擇最優初始權值和閥值，以提高神經網絡評價模型的預測精度。

步驟4：改進BP評價模型的訓練與測試。為檢驗改進BP評價模型的性能，在Matlab平臺下對其進行仿真實驗，輸入樣本數據對改進BP評價模型進行訓練與測試，對仿真結果進行比較分析，總結出評價模型的優勢和不足。