人工神经网络在CDIO模式工科高校实习实训教学质量评价中的应用

崔孝炜 狄燕清 周春生 南宁

摘要：通过借鉴CDIO国际工程教育模式，构建了适合CDIO实习实训教学评估体系。提出了以实验教学、实习教学、毕业设计与毕业论文、实验室管理与设备利用输入层，工科高校实习实践教学工作质量为输出层，建立人工神经网络模型。应用结果表明，采用该方法得到的评价结果能够较为客观地反映教学质量管理的情况，为CDIO模式工科高校实习实训教学的管理评价提供了新的方法和途径，为工程专业的人才培养提供了有力的保障。

关键词：CDIO；实习实训；人工神经网络；工科高校

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2015）50-0039-02

CDIO是由麻省理工学院等四所大学通过几年的研究、探索和实践建立的一种先进的工程教育模式，它继承和发展了欧美90年代工程教育大改革的理念，极具可操作性。我国的工科高校教育中存在很多问题，工科高校实习实训教学中通常含有非定量的因素，有极大的模糊性无法定量化，这给高校实习实训教学评价带来极大困难。本文将经过样本学习的人工神经网络模型运用到CDIO模式的工科高校实习实训教学工作评价为工程类人才的培养提供有力保障。

一、工科高校实习实训教学质量评价指标体系

评价指标体系综合评价的基础是建立评价指标，它选取得是否适宜，对最终的评价结果会产生一定的影响。高校本科实践教学工作质量受实验教学T1、实习教学T2、毕业设计与毕业论文T3和实验室管理与设备利用T4四个指标影响，而诸多指标包含14个影响因素，T1（实验开出率T11、实验考核T12、实验教学改革T13、实验室开放T14、实验研Tt15）；T2（计划落实T21、经费使用T22）；T3（工作安排T31、选题T32、质量T33）；T4（岗位职责及考核T41、实验设备管理T42、大型实验设备利用T43、自制实验设备T44）。

二、构建人工神经网络CDIO模式工科高校实习实训教学质量评价模型

（一）模型介绍

模型采用1个输入层、若干隐含层及1个输出层的三层网络结构，各影响因素被包含于输入层中称为神经元，同层之间的神经元不相连，神经元之间的相互影响通过作用函数x实现。作用函数常选择S型函数，其表达式为：

f（x）=1/[1+exp（-ax）] （1）

也有其他型函数，如：

f（x）=tan（x/2）=[1-exp（-ax）]/[1+exp（-ax）] （2）

本文所建立的CDIO模式的工科高校实习实训教学质量评价含14个指标层，这14个指标层作为网络模型输入层的节点。由于本文采用定性分析，因此在进行节点输入时，为便于网络模型的应用，需要对指标先进行定量化。在建造人工神经网络模型时，可把它们作为相应网络的输出，其对应的标准输出模式分别为（1.0，0，0，0），（0，1，0，0），（0，0，1，0）及（0，0，0，1），所建立的输出层中的节点数为4。模型最终的结果是CDIO模式的工科高校实习实训教学质量的评价，输出层分为优、良、中、差四个类别。

（二）人工神经网络的算法

人工神经网络是利用正向传播算法和反向传播算法进行学习的，其描述如下：

1.初始权值和阈值的确定。确定BP（n，q，m）网络结构后，其参数W■■（i=1，…，n；j=1，…，k）权值（i单元输入层到j单元隐含层）被得到；W■■（j=1，…，q；k=1，…，m）权值（j单元隐含层到k单元输出层）被得到；同理θ■■（i=1，…，q）（隐含层j单元）和θ■■（k=1，…，m）（输出层k单元）激活阈值被得出。

2.训练样本信息。p个训练样本被假设，输第r个训练样本信息（r=1，…，p），将训练样本信息r（r=1，…，p），传播到隐含层上，通过激活函数f（x）得到隐含层的输出信息。

H■=f（■w■■x■θ■■），（j=1，…，q，r=1，…，p） （3）

通常Sigmoid型激活函数f（x）被采用，即

f（x）=■ （4）

最终输出结果通过输出信息（隐含层）传到输出层后得到：

Y■=f（■w■■H■θ■■），（k=1，…，m，r=1，…，p） （5）

利用式（6）来调节网络权值和阈值

Δw（t+1）=η■αΔw（t） （6）

式中Δw（t）—t次训练时权值和阈值的修正，α，η—动量系数和比例系数。

E=■■■（Y■-t■）■ （7）

以上过程被反复运用，直至误差满足要求。

三、实例分析

（一）样本筛选及预处理

模型建立的首要问题是样本的选取。对于CDIO工科高校实习实训教学质量评价而言，其内在规律要通过样本数据反映，同时网络模型的特点也要考虑进去。样本数据选取为陕西省内10所高校以及其他省份38所高校评估数据。随机选取40份有效样本中的30份作为训练样本，测试样本为40份样本中的10份样本。14项因素评分包含在每个工科高校的实习实训教学质量评估中，[0，50]为评分取值范围，而后对评分归一化处理。

（二）结果分析

将训练后取得的样本数据输入网络，经近10分钟训练后得到测试样本，再将已训练完毕的网络中输入测試样本，得到预测评估结果，见表1。

从表1的测试结果中可以看出，14个样本测试后的结论与经过综合测评后得出的测试结论相符，只不过第10和11个数据测试结果精度不是很高。这可能是由于所选择的测试样本数量不够充足的原因，但是对网络定性评估不造成影响。

四、结论

高校工科实习实训教学质量评价是一直困扰全社会和业内的热点问题。用神经网络方法来评估CDIO模式工科高校实习实训教学质量能真实地反映出高校实习实训教学中的不足，减小了人工计算中带来的误差；根据工科高校实习实训教学的特点，结合实习实训教学质量的文献资料，建立CDIO模式工科高校实习实训教学质量评价指标体系。并通过人工神经网络的改进，引入CDIO模式实习实训教学质量评价过程中，评价结果保证了评价的客观性。研究结果表明，选取人工神经网络模型进行实习实训教学质量评价是有效且可行的。