基于貝葉斯網絡的高校思政課教學評價研究

何劍　王征

【摘要】本文針對高校思政課課堂教學質量評價方法的不確定性的特點，提出了一種基于貝葉斯網絡的教學評價方法，構建思政課評價模型，并對各指標的影響進行了分析。利用該方法可以將定性分析和定量評分結合起來，避免思政課評價過程中過多的受到主觀因索的影響。從而提高了高校思政課教學評價的準確性和客觀性。

【關鍵詞】思政課教學評價；評價指標；貝葉斯網絡

目前關于高校思想政治理論課教學評價，學術界也是看法不一。有的研究者認為，社會科學類課程的教學評價本身就很難具體量化，思想政治理論課更因其特殊性而使得教學評價成為難題，加之我國開展高校思想政治理論課教學評價領域的研究相對不成熟，未形成一套完整的具有本學理科特色的教學評價體系，所以還存在著以下一些亟待解決的問題。

一、貝葉斯網絡概述

貝葉斯網絡是一系列變量的聯合概率分布的圖形表示，由有向無環圖（DAG）和條件概率表（CPT）集合兩部分組成，即BN=，其中G代表網絡拓撲結構圖，{CPT}代表與每個節點變量相關的條件概率表，一個圖G和n個條件概率表就構成了貝葉斯網絡。有向無環圖中的節點表示隨機變量，可以是可直接觀測變量或隱藏變量，節點間的邊代表變量間的直接依賴關系。在有向無環圖節點間的空缺弧表示為條件獨立關系。若有弧從節點Y指向節點X，則稱Y為X的父親節點，X為Y的孩子節點。而沒有任何父節點的概率為其先驗概率。節點變量可以是任何變量的抽象，例如設備部件的狀態、測試值、觀測現象等。條件概率表中的每一個元素對應DAG中唯一的節點，存儲此節點對于其所有直接前驅節點的聯合條件概率。

貝葉斯網絡有一條極為重要的性質，就是我們斷言每一個節點在其直接前驅節點的值制定后，這個節點條件獨立于其所有非直接前驅前輩節點，也就是說貝葉斯網絡是聯合概率分布的分解的一種表示。即：

其中當π（Xi）=?時， 是邊緣分布P（Xi）。

貝葉斯網絡是將概率統計應用于復雜領域進行不確定性推理和數據分析的工具，可以從定性和定量兩個層面來理解。在定性層面上，用一個有向無環圖描述變量間的依賴和獨立關系。在定量層面上，則能用條件概率分布刻畫變量對其父節點的依賴關系。

二、貝葉斯推理

貝葉斯理論是處理不確定性信息的重要工具。作為一種基于概率的不確定性推理方法，貝葉斯網絡在處理不確定信息中已得到了重要的應用，已成功地用于醫療診斷、統計決策、專家系統、學習預測等領域。這些成功的應用，充分體現了貝葉斯網絡技術是一種強有力的不確定性推理方法。

作為一種推理方法，貝葉斯推理是從概率論中的貝葉斯定理擴充而來。貝葉斯定理斷定：貝葉斯定理的表示形式如下：

其中E和Q為兩個隨機變量，通常E稱為證據變量，是可以觀測到的直接證據，它的取值記為e。而一般將Q稱為查詢變量，是待評估和預測的一種假設，它的取值記為q。上述等式由先驗概率、后驗概率、似然函數和規一化常數四部分組成。

1、先驗概率

在考慮證據E=e之前，對假設Q=q的估計概率P（Q=q）稱為“先驗概率“（Prior probability），這也是對Q事件發生概率的一個事前判斷估計值。

2、后驗概率

在考慮證據E之后，對Q=q的概率分析轉變為判斷P（Q=q|E=e）的變化，則稱P（Q=q|E=e）為“后驗概率“（Poster iorprobability），它表示在證據E發生的前提下對Q事件概率的重新評估。

3、似然函數

似然函數是用來描述已知隨機變量輸出結果時，未知參數的可能取值。P（E=e|Q）稱為Q的“似然函數”（Likely hood），有時記為L（Q|E=e）。

4、規一化常數

上述公式當中的P（E=e）是一個規一化常數，它保證概率值的各狀態取值之和為1。

在貝葉斯推理中，先預估一個“先驗概率”，然后根據已獲得的指標體系的似然結果通過貝葉斯推理計算出各個指標的“后驗概率”，最終判斷出已知證據結果的最大后驗概率指標，并將其作為推理的最終結果。

三、基于貝葉斯網絡的思政課教學質量評價體系

基于貝葉斯網絡的思政課教學質量評價體系，建議應該包括如下內容：在教學內容方面的重點突出，難點清楚。在教學態度方面，教態得體，有感染力。在教學方法上，深入淺出、啟發性強。在教學技能方面，充分利用多媒體和網絡技術。在教學效果方面，注重能力培養和啟發創新性思維。其中將教學內容、教學態度、教學方法、教學技能和教學效果5各方面作為一級評價指標，通過思政課教學大綱的計劃和要求，再確定若干個二級指標，以此構建成思政課課堂教學質量指標體系，即貝葉斯推理當中的查詢變量。

同時也可以結合思政課的教學目的和要求，根據預設的一級指標和二級指標，繪制基于貝葉斯網絡的教學質量評擴模型的有向無環圖。通過有向無環圖我們可以很清晰的看出，依據二級指標，應用貝葉斯網絡聯合概率分解公式可以給出更加詳細的評價等級范圍，即貝葉斯推理當中的證據E，如：優秀、良好、一般的具體分值標準。

應用MSBNX軟件及方法，先給出初始賦值計算終節點的概率，然后逐一改變評價指標的賦值，其他指標的賦值恢復到初始狀態，對比改變之后終節點概率的大小，確定評價指標的影響，就可以計算出教學評價體系權重的具體數值。

總之，貝葉斯網絡是基于概率的一種不確定性推理方法，其將抽象轉化為具體，被廣泛地用來不確定事件的推理。該方法作為高等院校思政課課堂教學質量評價的一種定性與定量相結合的分析手段，可以很好的解決高校績效考核中對于教師影響較大的教學質量這一指標的不確定性和不客觀性的問題。

【參考文獻】

[1] Pearl J. Probabilistic Reasoning in Intelligent Systems； Networks oI Plausible Inlerernce[M]. San Publishers， 1988.

[2] 張連文， 郭海鵬. 貝葉斯網引論[M]. 科學出版社， 2006.

[3] 盛 驟， 謝式千， 潘承毅. 概率論與數理統計[M]. 北京高等教育出版社， 1989.

[4] 謝 斌， 劉長建. 基于貝葉斯網絡構建的學生成績評價系統及影響分析[J]. 中國科教創新導刊， 2011.

[5] 趙春元. 基于層次分析法的教學質量模糊綜合評價模型及應用[J]. 沈陽工程學院學報： 自然科學版， 2011.