RBF神經(jīng)網(wǎng)絡(luò)在高職院校教師質(zhì)量評價體系中的應(yīng)用

陳鴻俊　楊海濤

摘 要 高職院校教學(xué)質(zhì)量是其生存和發(fā)展的基礎(chǔ)，而教師質(zhì)量是高職院校辦學(xué)質(zhì)量保障體系中的重要組成部分。為了客觀、多元化的評價教師質(zhì)量，真實(shí)反映教師水平和能力，本文首先提出高職院校教師質(zhì)量評價體系和指標(biāo)，再通過RBF神經(jīng)網(wǎng)絡(luò)理論確立基于RBF神經(jīng)網(wǎng)絡(luò)的高職院校教師質(zhì)量評價模型，并經(jīng)樣本數(shù)據(jù)進(jìn)行仿真驗(yàn)證。通過仿真數(shù)據(jù)表明，該模型能夠較全面、科學(xué)地評價教師質(zhì)量。

關(guān)鍵詞 質(zhì)量評價 RBF神經(jīng)網(wǎng)絡(luò) 指標(biāo)體系

Abstract The quality of teaching in higher vocational colleges is the basis of its survival and development， and the quality of teachers is an important part of the quality assurance system in Higher Vocational colleges. In order to objectively and diversified evaluation the quality of teachers， teachers reflect the level and ability of teachers in higher vocational colleges， this paper puts forward the quality evaluation system and index， and then through the RBF neural network theory to establish the vocational college teachers RBF neural network evaluation model based on quality， and is verified by the sample data. The simulation results show that the model can comprehensively and scientifically evaluate the quality of teachers.

Keywords quality evaluation； RBF Neural Network； index system

0 引言

《國家中長期教育改革和發(fā)展規(guī)劃綱要（2010-2020年）》中提出：提高質(zhì)量作為重點(diǎn)，建立健全職業(yè)教育質(zhì)量保障體系，吸收企業(yè)參加教育質(zhì)量評估，開展職業(yè)技能競賽。高職院校辦學(xué)質(zhì)量是其生存和發(fā)展的基礎(chǔ)。教師質(zhì)量是高職院校辦學(xué)質(zhì)量保障體系中重要的組成部分，是不斷提高高職院校辦學(xué)質(zhì)量的有效保證，也是進(jìn)行教師績效考核的參考基礎(chǔ)。[1][2]因此建立一套有效的、完善的、符合高職特色的教師質(zhì)量評價體系，對于深化專業(yè)建設(shè)、推動教學(xué)改革、激勵教師不斷改進(jìn)提高具有積極的作用，同時也對加強(qiáng)教學(xué)管理、建立良好教風(fēng)起到了重要的作用。

本文首先在國家教育行業(yè)信息化的政策背景下，按照高職學(xué)院建立健全“師資隊(duì)伍建設(shè)機(jī)制”和“質(zhì)量監(jiān)控體系”的需求，通過分析多個高職學(xué)院在師資隊(duì)伍引進(jìn)、聘用、管理制度；專、兼職行業(yè)、企業(yè)教師任職的標(biāo)準(zhǔn)；專業(yè)帶頭人、骨干教師的職責(zé)、認(rèn)定程序、培養(yǎng)方法；“雙師”型教師認(rèn)定程序、培養(yǎng)方法等相關(guān)管理辦法及制度；實(shí)訓(xùn)教師管理辦法以及教輔人員管理辦法等制度文件，提出一個多層次多元化的教師質(zhì)量評價指標(biāo)體系。再采用RBF神經(jīng)網(wǎng)絡(luò)將樣本中指標(biāo)量化分作為輸入，最終評價作為輸出，訓(xùn)練建立教師質(zhì)量評價模型，并通過其它的樣本數(shù)據(jù)對比該模型的評價結(jié)果和實(shí)際情況差異。這樣實(shí)現(xiàn)了定量分析和定性分析的結(jié)合，保證了評價結(jié)果的客觀性和一致性。

1 高職院校教師質(zhì)量評價指標(biāo)體系

1.1 評價指標(biāo)體系設(shè)計(jì)

（1）評價指標(biāo)體系設(shè)計(jì)理念。從目前高職教師質(zhì)量評價的現(xiàn)狀來看，主要存在以下問題：在內(nèi)容上，偏重于評價知識與技能的掌握程度而缺乏對過程、方法以及情感、態(tài)度、價值觀的評價，這樣評價的結(jié)果很難反映教師真實(shí)的水平與能力；在形式上，偏重于總結(jié)性評價而缺乏對過程的監(jiān)控與反饋，造成評價形式單一；功能上，強(qiáng)調(diào)評價的甄別和選拔，但是缺乏對教師提出改進(jìn)措施與建議；在方法上，偏重于簡單的量化評價而缺乏質(zhì)性評價，描述性評價、表現(xiàn)性評價等更是少見；在評價標(biāo)準(zhǔn)上，有過于單一的絕對化的傾向。[3]

（2）評價指標(biāo)體系設(shè)計(jì)方法。本項(xiàng)目在評價指標(biāo)體系設(shè)計(jì)時，主要沿著以下幾點(diǎn)思路進(jìn)行的：

一是“以人為本”。關(guān)注教師的主體性是評價的出發(fā)點(diǎn)。

二是明確師生角色的定位是評價的基礎(chǔ)。在評價教師的教學(xué)時，應(yīng)該改變傳統(tǒng)的師生角色的定位觀念，明確教師的主導(dǎo)作用和學(xué)生的主體地位。在評價中時刻想到教師只是學(xué)習(xí)過程的組織者、輔助者、幫助者、教學(xué)環(huán)境的創(chuàng)設(shè)者，教師不能代替學(xué)生學(xué)習(xí)知識、思考問題。教學(xué)中教師的一切行為都是為了給學(xué)生創(chuàng)造良好的學(xué)習(xí)情境，學(xué)生才是整個課堂的核心，學(xué)生應(yīng)該有足夠的空間發(fā)揮自己，這樣才能發(fā)揮學(xué)生的主動性。

三是以業(yè)績記錄與貢獻(xiàn)作為評價重點(diǎn)。社會的發(fā)展，對人才的知識能力結(jié)構(gòu)提出了新的要求，對于人才培養(yǎng)的目標(biāo)也提出了新的要求。高等職業(yè)院校注重能力的培養(yǎng)已經(jīng)成為一個關(guān)注的熱點(diǎn)。需要指出的是，能力的客觀反映需要大量的業(yè)績共享數(shù)據(jù)作為支撐，對教師能力的評價采用業(yè)績與貢獻(xiàn)的分析是一種比較可行的量化評價方法。[4][5]

1.2 確立評價指標(biāo)體系的步驟

（1）明確評價對象；（2）制定評價基本指標(biāo)；（3）對評價目標(biāo)進(jìn)行分解；（4）設(shè)計(jì)評價標(biāo)準(zhǔn)；（5）對初步的評價指標(biāo)體系進(jìn)行論證、征詢意見、試評。

通過以上步驟確立教師質(zhì)量評價體系指標(biāo)如表1所示。

2 RBF神經(jīng)網(wǎng)絡(luò)構(gòu)建教師質(zhì)量綜合評價模型

RBF （Radical Basis Function） 神經(jīng)網(wǎng)絡(luò)也稱為徑向基神經(jīng)網(wǎng)絡(luò)，是一種前饋型神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)為三層模式，除了輸入輸出層以外還有一個隱含層。[6]隱層中的轉(zhuǎn)換函數(shù)是局部響應(yīng)的高斯函數(shù)，而其他前向型網(wǎng)絡(luò)，轉(zhuǎn)換函數(shù)一般都是全局響應(yīng)函數(shù)。由于這樣的不同，要實(shí)現(xiàn)同樣的功能，RBF需要更多的神經(jīng)元，這就是RBF網(wǎng)絡(luò)不能取代標(biāo)準(zhǔn)前向型網(wǎng)絡(luò)的原因，但是RBF的訓(xùn)練時間更短。[7]RBF網(wǎng)絡(luò)相當(dāng)于用隱含層單元的輸出構(gòu)成一組基函數(shù)，然后用輸出層來進(jìn)行線性組合，以完成逼近功能，它對函數(shù)的逼近是最優(yōu)的，可以以任意精度逼近任意連續(xù)函數(shù)。

2.1 神經(jīng)網(wǎng)絡(luò)評價模型的確立

根據(jù)如表1所示指標(biāo)體系，一共有30個三級指標(biāo)，因此本文選取輸入層神經(jīng)元個數(shù)Q=30。同時為了使的網(wǎng)絡(luò)具有更好的收斂速度，對輸入樣本數(shù)據(jù)進(jìn)行歸一化處理，將輸入樣本數(shù)據(jù)規(guī)范到[0，1]之間。教師質(zhì)量樣本評價結(jié)果作為網(wǎng)絡(luò)的輸出，因此輸出層個數(shù)為1。RBF神經(jīng)網(wǎng)絡(luò)的隱含層是含有X個神經(jīng)元的徑向基函數(shù)層。根據(jù)Kolmogorov定理，RBF神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)理論計(jì)算值是2p+1（p為輸入層神經(jīng)元個數(shù)），但實(shí)際效果并不理想，主要原因在于RBF神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)不僅與輸入層神經(jīng)元個數(shù)有關(guān)，還與樣本的輸入輸出數(shù)據(jù)的結(jié)構(gòu)特征有關(guān)。[8][9]本文RBF神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖1所示。

2.2 神經(jīng)網(wǎng)絡(luò)評價模型的算法

圖1中p1、p2、p3到pQ為RBF神經(jīng)網(wǎng)絡(luò)的Q個輸入，Y為RBF神經(jīng)網(wǎng)絡(luò)的輸出。輸出層節(jié)點(diǎn)函數(shù)通常是簡單的線性函數(shù)，隱含層節(jié)點(diǎn)函數(shù)通常為高斯函數(shù)，則隱含層第r個神經(jīng)元的輸出值zr為：

zr = exp（-||||2），r=1，2，3，……m （1）

式（1）中x為輸入樣本，cr為隱含層第r個神經(jīng)元的中心向量，dr為隱含層第r個神經(jīng)元的寬度向量，m為隱含層神經(jīng)元總個數(shù)。由此輸出層神經(jīng)元的輸出為：

Y=[y1，y2，y3，y4……..，yn]T （2）

yk=，k=1，2，3，4...n （3）

式（3）中wkr為隱含層第r個神經(jīng)元與輸出層第k個神經(jīng)元之間的調(diào)節(jié)權(quán)重，n為輸出層單元數(shù)。

3 教師質(zhì)量綜合評價模型的實(shí)現(xiàn)

3.1 樣本的選取

本文從存檔資料中選取20組教師質(zhì)量考評數(shù)據(jù)，這些數(shù)據(jù)來自不同的評價群體，有學(xué)生、各系、人事處、教務(wù)處和其他綜合部門。經(jīng)過歸一化處理后，將15組數(shù)據(jù)作（下轉(zhuǎn)第170頁）（上接第73頁）為訓(xùn)練樣本，剩下5組數(shù)據(jù)作為測試樣本。

使用matlab2015建立三層RBF神經(jīng)網(wǎng)絡(luò)，輸出層神經(jīng)元個數(shù)、隱含層神經(jīng)元個數(shù)和輸出層神經(jīng)元個數(shù)在前面的描述中已闡述，允許誤差為0.001。通過選取的5組測試樣本數(shù)據(jù)對得到的模型進(jìn)行檢驗(yàn)。將測試結(jié)果與期望結(jié)果比較，可以看出之間的誤差比較小，測試結(jié)果與期望結(jié)果基本一致，具體見表2。由此看出基于RBF神經(jīng)網(wǎng)絡(luò)構(gòu)建的教師質(zhì)量評價模型具有較好的容錯能力，基本達(dá)到了預(yù)期的效果。

4 結(jié)束語

高職院校教師質(zhì)量評價體系是高職院校辦學(xué)質(zhì)量保障體系中的重要組成部分，是一個較復(fù)雜的非線性體系，而RBF神經(jīng)網(wǎng)絡(luò)模型具有自適應(yīng)、自學(xué)習(xí)的特點(diǎn)，能有效克服傳統(tǒng)評價的缺陷，減少主觀因素對指標(biāo)權(quán)重的影響，其評價結(jié)果與期望結(jié)果較接近。因此，運(yùn)用RBF神經(jīng)網(wǎng)絡(luò)建立教師質(zhì)量評價模型，可以為高職院校和教學(xué)管理部門提供一種較為科學(xué)的教師質(zhì)量評價方法。

€L蕓翁猓？016年四川教育發(fā)展研究中心立項(xiàng)課題：高職院校創(chuàng)業(yè)教育教學(xué)體系的改革研究（編號：CJF16012）

參考文獻(xiàn)

[1] 唐振福.我國高等教育中外合作辦學(xué)質(zhì)量保障體系建設(shè)研究[J].江蘇高教，2013.2：28-30.

[2] 朱玫林.高職院校辦學(xué)質(zhì)量評價職業(yè)化的理性回歸[J].職業(yè)技術(shù)教育，2012.20（33）：55-57.

[3] 姜勇，張明紅.教師質(zhì)量評價的新轉(zhuǎn)向與范式變革的前瞻思考[J].教育發(fā)展研究，2016.4：46-52.

[4] 劉霞玲.高職院校教師職業(yè)能力評價與能力建設(shè)研究[J].寧波大學(xué)學(xué)報（教育科學(xué)版），2011.1（33）：109-113.

[5] 王啟田，崔維群，王有增.高職院校教師社會服務(wù)能力評價體系構(gòu)建研究[J].職業(yè)教育，2015.5：31-34.

[6] 韓紅桂，喬俊飛，薄迎春.基于信息強(qiáng)度的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)研究[J].自動化學(xué)報，2012.7（38）：1083-1090.

[7] 儲兵，吳陳，楊習(xí)貝.基于RBF神經(jīng)網(wǎng)絡(luò)與粗糙集的數(shù)據(jù)挖掘算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2013.7（23）：87-91.

[8] 張吉剛，梁娜.基于多遠(yuǎn)統(tǒng)計(jì)—神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評估模型[J].海南大學(xué)學(xué)報（自然科學(xué)版），2010.2：188-192.

[9] 史峰，王小川，郁磊，等.Matlab神經(jīng)網(wǎng)絡(luò)30個案例分析[M].北京航空航天大學(xué)出版社，2010.