基于BP神經(jīng)網(wǎng)絡的課程質量評價體系研究與應用

張磊 方正 王磊 宋彬

摘 要：科學評價一門課程的課堂教學質量和網(wǎng)絡課程建設質量是一項系統(tǒng)而復雜的工作.本文首先提出了兼顧課堂授課質量和網(wǎng)絡課程建設質量的課程質量評價體系，然后根據(jù)該體系建立了模擬專家評價的BP神經(jīng)網(wǎng)絡系統(tǒng).通過實際評價數(shù)據(jù)驗證，該系統(tǒng)能夠準確模擬專家進行課程質量的評價工作.

關鍵詞：課程質量評價;BP神經(jīng)網(wǎng)絡;課堂教學質量;網(wǎng)絡課程建設質量

中圖分類號：G642? 文獻標識碼：A? 文章編號：1673-260X（2020）01-0102-03

1 引言

當前，隨著計算機網(wǎng)絡技術和移動互聯(lián)技術的進步，高等教育的“慕課”時代已經(jīng)來臨[1].高校的傳統(tǒng)課堂教學不再是小受眾、封閉式，高校教師也不再單純扮演“以教為主”的傳統(tǒng)角色，轉而發(fā)揮由“教”到“導”的作用[2]，人們對于“教學”的傳統(tǒng)觀念正在被打破.高校一方面順應潮流趨勢，大力推進“慕課”建設，培育一批優(yōu)質的網(wǎng)絡開放課程，培養(yǎng)大學生利用網(wǎng)絡自主學習的能力，尋找傳統(tǒng)課堂教學與“慕課”學習的無縫連接點;另一方面則必須面對如何對課程質量進行科學評價的問題.當前，高教學界對于課程的課堂教學效果評價和網(wǎng)絡在線課程評價都是基于各自標準分別進行的，兩種評價相互孤立，沒有任何聯(lián)系.但從“教學”的根本宗旨出發(fā)，無論是課堂教學還是網(wǎng)絡課程，都是以教學對象獲得知識為最終目的，因此課程質量評價不應割裂課堂教學和網(wǎng)絡課程建設的關系.在高校教學中，一門課程若在實施課堂教學的同時還建設有較完善的網(wǎng)絡課程，這無疑豐富了教學對象的知識獲取手段.若課堂教學能與網(wǎng)絡課程無縫連接，相輔相成，則課程質量評價高;若課堂教學與網(wǎng)絡課程孤立存在，則課程質量評價低.因此，本文首先提出科學評價一門課程的課程質量要兼顧課堂教學和網(wǎng)絡課程建設的觀點.

然而，對一門課程進行科學的課程質量評價是一項系統(tǒng)而繁雜的工程.評價既包含客觀指標，又包含主觀評分;而各評分指標項的權重分配也無據(jù)可依，目前只能由各高校依據(jù)校情自行決定.近年來隨著神經(jīng)網(wǎng)絡技術的發(fā)展，BP神經(jīng)網(wǎng)絡被用于處理各類復雜系統(tǒng)問題，特別是在處理非線性系統(tǒng)問題方面，具有獨特優(yōu)勢.已有學者將神經(jīng)網(wǎng)絡用于教學效果評價，模擬專家打分，收到了較好的應用效果[3-8].本文即是在重新建構兼顧課堂授課效果和網(wǎng)絡課程建設評價體系的基礎之上，應用BP神經(jīng)網(wǎng)絡建立了課程質量的評價模型，并使用測試數(shù)據(jù)驗證了所建立評價模型的有效性.本文所有數(shù)據(jù)均來自于徐州工程學院教務系統(tǒng).

2 課程質量評價體系構建

通過對徐州工程學院現(xiàn)行的課堂教學評價方法進行梳理總結，參考部分典型的課堂教學評價體系，提出課堂教學質量評價的五個二級指標;通過參考教育部教育信息化技術標準委員會發(fā)布的CELTS-22網(wǎng)絡課程評價規(guī)范，結合學校實際情況，兼顧可操作性，提出網(wǎng)絡課程質量評價的3個二級指標，其中二級指標“課程內容”具有3個三級指標.由課堂教學質量評價和網(wǎng)絡課程質量評價共同構成該課程的綜合評價.具體的評價指標體系如表1所示.

表1所示的課程質量評價體系兼顧了一門課程的課堂教學和網(wǎng)絡課程建設質量評價，在實際使用中，由督導、同行和學生三類人群分別使用該評價體系表對一門課程打分.將三類人群的打分匯總后，由教務管理部門聘請校內專家依據(jù)打分匯總情況和實際聽課、網(wǎng)絡課程巡查情況給出課程的最終課程質量評分.專家綜合評分是課程質量評價的最終依據(jù).

上述評價過程的督導、同行和學生三類人群的打分可以較快完成，所得分值也容易使用現(xiàn)代辦公軟件計算;但由這三類人群打分所反映出的課程基本情況，結合實際課堂授課質量和網(wǎng)絡課程建設質量，將其轉換成專家打分卻是一個經(jīng)驗的、主觀的非線性過程.本文下面將建立BP神經(jīng)網(wǎng)絡來模擬該非線性過程，達到使用BP神經(jīng)網(wǎng)絡替代專家打分的目的.

3 BP神經(jīng)網(wǎng)絡建模

BP神經(jīng)網(wǎng)絡采用有監(jiān)督的學習，進行本文BP神經(jīng)網(wǎng)絡的建模將在MATLAB 2016b中進行.由于近年神經(jīng)網(wǎng)絡技術的快速發(fā)展，許多與神經(jīng)網(wǎng)絡相關的新算法、新函數(shù)已經(jīng)更新包含在MATLAB的神經(jīng)網(wǎng)絡工具箱中了，建立神經(jīng)網(wǎng)絡模型的工作已經(jīng)大為簡化.故本文的BP神經(jīng)網(wǎng)絡建模只需考慮以下幾個方面問題：

3.1 網(wǎng)絡層數(shù)

BP神經(jīng)網(wǎng)絡可以包含一個或多個隱含層.但理論已經(jīng)證明，單個隱含層的神經(jīng)網(wǎng)絡可以通過適當增加神經(jīng)元的節(jié)點個數(shù)實現(xiàn)任意非線性映射.因此，對于大部分應用場合，單個隱含層即可滿足需要.故本文模型的網(wǎng)絡層數(shù)確定為3.

3.2 輸入層節(jié)點數(shù)

輸入層節(jié)點數(shù)取決于輸入向量的維數(shù).由于使用表1進行評價的群體有3類，分別是督導、同行和學生，故本文設定輸入層節(jié)點數(shù)為3.

3.3 輸出層節(jié)點數(shù)

本文需要輸出的是一個課程評價綜合得分，故輸出層節(jié)點數(shù)為1.

3.4 隱含層節(jié)點數(shù)

隱含層節(jié)點數(shù)對BP神經(jīng)網(wǎng)絡的性能有很大影響.隱含層節(jié)點數(shù)多可以帶來較好的網(wǎng)絡性能，但可能會導致訓練時間過長.目前還沒有一個明確的解析式可以用來確定隱含層神經(jīng)元節(jié)點個數(shù)，一般做法是采用經(jīng)驗公式給出估計值.本文根據(jù)下面的經(jīng)驗公式來確定隱含層節(jié)點數(shù)[9]：

M=+a 1≤a≤10? （1）

其中M是隱含層神經(jīng)元節(jié)點數(shù)，n和m是輸入和輸出層神經(jīng)元節(jié)點數(shù).由上式，確定隱含層節(jié)點數(shù)的取值范圍為3～12，本文取8.

3.5 數(shù)據(jù)預處理

將督導、同行和學生評分分別取算術平均，與專家評分一一對應，整理成如表2所示的表格形式.表2即是神經(jīng)網(wǎng)絡的輸入和期望輸出.

4 BP神經(jīng)網(wǎng)絡的訓練和仿真

由以上分析和準備工作，選擇表2的前19門課程作為訓練數(shù)據(jù)，后5門課程作為仿真校驗數(shù)據(jù)，在MATLAB 2016b中使用下列主要語句行建立BP神經(jīng)網(wǎng)絡并進行訓練和仿真：

clear

clc

p=xlsread（'課程評分.xlsx'，'222'，'B2：D20'）';%變量輸入

t=xlsread（'課程評分.xlsx'，'222'，'E2：E20'）';%標簽數(shù)據(jù)

p2=xlsread（'課程評分.xlsx'，'222'，'B21：D25'）';%測試數(shù)據(jù)

p3=xlsread（'課程評分.xlsx'，'222'，'E21：E25'）';%測試標簽數(shù)據(jù)

fp.ymin=0;fp.ymax=1; %設置歸一化區(qū)間

pn=mapminmax（p，fp）;

tn=mapminmax（t，fp）;

p2n=mapminmax（p2，fp）;

[p3n，settings]=mapminmax（p3，fp）;

net = feedforwardnet（8）; %建立隱含層節(jié)點數(shù)目為8的BP神經(jīng)網(wǎng)絡

[net，tr]=train（net，pn，tn）; %缺省訓練函數(shù)為‘trainlm

Y=sim（net，p2n）; %仿真

A=Y-p3n;

E=mse（A）; %求均方差

x=mapminmax（'reverse'，Y，settings） %反歸一化

訓練結果如下：

由圖3，BP神經(jīng)網(wǎng)絡經(jīng)過8次迭代就已達到目標要求.仿真最終計算的結果為：x=[83.2333 84.3996 85.2713 82.7633 82.6509]，均方誤差為0.0171，誤差較小，與表2對比可得，所建立的BP神經(jīng)網(wǎng)絡可以滿足使用要求.

5 結論

使用BP神經(jīng)網(wǎng)絡可以較好地模擬專家打分，由基礎數(shù)據(jù)迅速得到課程質量評價的綜合得分，所得分值誤差較小，大大減輕了教學管理部門的工作量，提高了工作效率.

參考文獻：

〔1〕方君，邵杰.慕課對傳統(tǒng)高等教育的沖擊與應對策略[J].重慶科技學院學報（社會科學版），2016（5）：122-124.

〔2〕陳薇伶，陳亮任，郭燕，等.MOOC時代普通高校課堂教學的影響[J].教育教學論壇，2019，398（04）：246-248.

〔3〕范巖，馬立平.優(yōu)化BP神經(jīng)網(wǎng)絡的高校教學質量評價模型[J].統(tǒng)計與決策，2018，34（02）：80-82.

〔4〕葛春，王虹，常偉，吳曉露.基于改進BP神經(jīng)網(wǎng)絡的課堂教學質量評價模型研究[J].無線電工程，2016，46（06）：5-8+17.

〔5〕于權.基于BP神經(jīng)網(wǎng)絡軍校教學質量評價系統(tǒng)[D].大連理工大學，2016.

〔6〕吳蕾，吳婷.BP神經(jīng)網(wǎng)絡在教學質量評價中的應用觀察[J].湖南理工學院學報（自然科學版），2014，27（03）：33-36+59.

〔7〕袁劍.教學效果的BP神經(jīng)網(wǎng)絡評價[J].智能計算機與應用，2013，3（06）：60-62.

〔8〕劉連新，劉郁.基于BP神經(jīng)網(wǎng)絡的教學質量評價[J].江蘇建筑職業(yè)技術學院學報，2013，13（03）：60-63.

〔9〕周開利.神經(jīng)網(wǎng)絡模型及其MATLAB仿真程序設計[M].北京：清華大學出版社，2005.