基于CS-ELM的思政教學成果評估方法研究

舒忠

(西安外事學院 商學院， 陜西 西安 710077)

0 引言

黨的十八大報告提出了“培養學生社會責任感、實踐能力和創新精神”“把立德樹人作為教育的根本任務”“全面提升黨的建設科學化水平”等一系列戰略規劃和部署，為加強高校思想政治教育指明了新的方向。改革開放以來，高校思想政治理論課課堂教學改革取得了較大的成就，尋找新模式下有效地進行思政理論教學的新穎方法及途經，就凸顯出重要性[1-2]。

基于以上分析，如何提升高校思政課程教學水平，對課堂教學評價指標及其體系的研究是提高水平的關鍵。針對極限學習機(extreme learning machine，ELM)模型性能受初始的輸入權重Wi和隱含層偏置bi的選擇影響，將布谷鳥搜索算法(Cuckoo search，CS)應用于ELM模型的初始輸入權重Wi和隱含層偏置bi選擇，提出一種基于CS-ELM的高校思想政治教學效果評價方法。研究結果表明，與GA-ELM、PSO-ELM和ELM相比，CS-ELM可以有效地提高高校思想政治教育效果評價的精度，為高校思想政治教育效果評價提供了新的方法。

1 布谷鳥搜索算法

CS算法是受布谷鳥繁衍行為啟發而提出的基于如下三條規則的一種新穎群智能仿生優化算法[3]。

規則1：布谷鳥每次隨機挑選一個寄生巢產下一枚鳥蛋；

規則2：保留適應度最好的寄生巢到下一代；

規則3：可以選擇的寄生巢有一定數量限制，外來鳥蛋被鳥巢宿主發現的概率為pa∈[0,1]。

布谷鳥鳥巢位，如式(1)。

(1)

(2)

2 極限學習機

ELM是一種單隱含層前饋神經網絡，其模型結構，如圖1所示。

圖1 ELM模型結構圖

假定有N個訓練樣本(Xi,Yi)，輸入和目標向量分別為Xi=[xi1,xi2,…,xin]T∈Rn和Ti=[ti1,ti2,…,tin]T∈Rm。X和T分別為n×Q維和m×Q維矩陣。因此，隱含層節點數為L的ELM模型的輸出[4]，如式(3)。

(3)

式中，βi表示ELM模型的輸出權重；g(x)表示ELM模型的激勵函數；Wi=[wi1,wi2,…,win]T表示ELM模型的輸入權重；Wi·Xj表示Wi和Xj的內積；bi表示ELM模型的第i個隱含層節點的偏置。

ELM學習目標就是使得模型的輸出誤差最小，如式(4)。

(4)

聯合式(3)和式(4)，也就是存在βi、Wi和bi，如式(5)。

(5)

式(5)的矩陣，如式(6)。

Hβ=T

(6)

式中，H表示ELM模型的隱含層節點的輸出；β表示ELM模型的輸出權重矩陣。

H(W1,…,WL,b1,.…,bL,X1,…,XL)=

(7)

在ELM模型的訓練過程中，保持Wi與bi不變，β的最小二乘解，如式(8)。

(8)

式(8)的最小二乘解，如式(9)。

(9)

3 基于CS-ELM的高校思想政治教育效果評價

3.1 思想政治教育效果評價指標

為正確有效地評價高校思想政治教育效果狀況，遵循評價指標選擇科學性、系統性、簡明性、客觀性、綜合性、可比性和可測性的原則，為了最大限度地反映各評價指標的影響，在文獻[6-7]的基礎上，構建出一個高校思想政治教育效果指標體系，如圖2所示。

圖2 高校思想政治教學效果評價指標體系

其主要包括3個層次，分別為目標層、準則層和要素層，其中包含5個一級評價指標和25個二級評價指標。

3.2 目標函數

針對ELM模型性能受初始的輸入權重Wi和隱含層偏置bi的選擇影響，將CS算法應用于ELM模型的初始輸入權重Wi和隱含層偏置bi選擇，提出一種基于CS-ELM的高校思想政治教學效果評價方法，目標函數，如式(10)。

(10)

式中，yi和Oi分別表示期望輸出和實際輸出；n表示訓練集樣本數量。

3.3 算法流程

首先，從基本素質、教學態度、教學方法、教學能力和教學效果5個方面構建出高校思想政治教學效果評價指標[8-9]，然后通過專家打分的方式獲取每個評價指標的得分和最終得分，之后將各評價指標的得分作為CS-ELM的輸入，最終得分作為CS-ELM的輸出，建立CS-ELM的高校思想政治教學效果評價模型。各評價指標的得分和高校思想政治教學效果評價綜合得分均由專家評價法得到。各個評價指標得分分為1、0.7、0.5、0.3和0.1 ，對應等級分別為優、良、中、較差和差。基于CS-ELM的高校思想政治教學效果評價算法流程可詳細描述如下。

Step1：讀取高校思想政治教學效果評價數據，將數據劃分為訓練集和測試集，并進行歸一化處理；

Step2：設定CS算法參數：鳥巢數量為N，最大迭代次數為M，外來鳥蛋被鳥巢宿主發現的概率為pa，根據式(10)計算所有鳥巢目標函數值；

Step3：按式(1)更新鳥巢位置，計算更新后鳥巢的目標函數值，并與更新前的目標函數值進行比較，將目標函數值較好的鳥巢作為當前位置；

Step4：生成均勻分析的隨機數r，r∈(0,1)，如果r>pa，按式(2)更新鳥巢位置，計算所有鳥巢目標函數值，將目標函數值最好的鳥巢位置保留下來；

Step5：判斷算法是否終止。若滿足終止條件，則記錄歷史最優解；反之，返回Step3；

Step6：最好的鳥巢位置對應ELM模型的最佳初始輸入權重Wi和最佳隱含層偏置bi，將最佳初始輸入權重Wi和最佳隱含層偏置bi代入ELM模型進行高校思想政治教育效果評價。

4 實證與結果分析

4.1 數據來源

本研究數據來源于某高校2008—2017年的高校思想政治教育效果評價數據，針對所獲得的數據采用最大值法對其進行標準化處理。按照1-9標度法[10-11]，通過對各個評價指標的兩兩對比來獲得高校思想政治教學效果評價指標得分數據和教學效果評價得分數據。各評價指標得分和最終得分，如表1、表2所示。

表1 思政教學效果評價指標得分

表2 思政教學效果評價最終得分

4.2 評價指標

采用均方根誤差(RMSE)與相關系數(R)作為指標衡量高校思想政治教學效果評價，如式(11)、式(12)。

(11)

(12)

式中，n表示樣本數量；xk和predk表示第k個樣本的實際得分和預測得分。

4.3 結果分析

根據文獻[12-13]將高校思想政治課堂教學效果分為很好、較好、一般、較差和非常差5個等級。其評價等級劃分，如表3所示。

2008—2017年專家打分獲得10組數據，將2008—2013年的評價數據作為訓練集，2014—2017年的評價數據作為測試集。訓練集數據用于建立CS-ELM高校思想政治教學效果評價模型；測試集數據用于檢驗CS-ELM高校思想政治教學效果評價模型的正確性。為突出CS-ELM高校思想政治教學效果評價模型的優勢，將CS-ELM和PSO-ELM、GA-ELM和ELM進行對比。參數設置，如表4所示。

表3 評價等級劃分

表4 算法參數設置

高校思想政治教學效果評價結果，如圖3和表5所示。

圖3 高校思想政治教學效果評價結果

表5 高校思想政治教學效果評價結果對比

根據高校思想政治教學效果評價結果可知：(1)從對高校思想政治教學效果評價的整體來看，采用CS-ELM最優，因此采用CS-ELM模型，高校思想政治教學效果評價的效果最佳；(2)CS-ELM、GA-ELM和PSO-ELM評價精度優于ELM，主要因為CS、GA和PSO等算法對ELM模型所涉及到的權值、偏置進行了優化，這使得采用ELM模型對高校思想政治教學效果的評價精度得到了大大提升。

5 總結

本研究提出一種高校思想政治教學效果的CS-ELM評價模型。研究結果表明，與GA-ELM、PSO-ELM和ELM相比，CS-ELM可以有效地提高高校思想政治教學效果評價精度，為高校思想政治教學效果評價提供了新的方法；然而本研究可研究的因素較少，影響高校思想政治教學效果評價的結果，后續將研究更多影響因素對高校思想政治教學效果評價的影響，提高模型的適應性；此外，針對ELM模型的初始權值和隱含層偏置的隨機化，考慮將核極限學習機引入高校思想政治教學效果評價，以提高模型的穩定性。