地方高职院校实践教学质量评价模型的研究与设计

关成立+++杨岳

摘 要： 在阐明应用系统控制理论研究来设计高职院校实践教学质量评价模型必要性的基础上，介绍了高职实践教学质量评价指标体系设计；分析了系统论中的BP神经网络算法及用于评价的适用性；提出了基于BP神经网络的高职实践教学质量评价模型的构建及运行流程。

关键词： 系统论； BP神经网络； 实践教学质量； 评价； 设计

中图分类号：TP3 文献标志码：A 文章编号：1006-8228（2016）05-104-03

Abstract： On the basis of expound the necessity that applies the system control theory in designing the practical teaching quality evaluation model for local vocational colleges， the design of practical teaching quality evaluation index system in vocational colleges is introduced. The BP neural network algorithm in the system theory and its applicability in evaluation are analyzed， and the construction and operation process of the practical teaching quality evaluation model based on BP neural network are put forward.

Key words： system theory； BP neural network； practical teaching quality； evaluation； design

0 引言

为贯彻落实《国家中长期教育改革和发展规划纲要（2010-2020年）》及《国务院关于加快发展现代职业教育的决定》，党中央、国务院作出了加快发展现代职业教育的重大战略决策[1]。鉴于高职教育的典型内涵与特点——高等技术教育，高职院校实践教学质量评价体系的构建与研究是提升高职实践教育质量的切入点与着力点。为了保障高职教育实践教学质量，对高职教育实践教学质量评价体系的构建与研究是非常有必要的。高职教育实践教学评价是一个十分复杂的系统，其构成的要素也是一些非线性的、多维的、动态的因子。系统控制理论主要是研究和揭示复杂系统的有关特性，可为高职实践教学质量评价模型的设计提供有力技术手段。

1 高职实践教学质量评价指标体系设计

将高职实践教学质量评价体系作为一个系统，其实践教学质量评价机制这一要素是建立在实践教学管理制度基础之上的，归属为概念子系统；而校内校外各种实验实训条件包括实训基地、仪器设备、实践指导教师、学生实践小组等要素，则是实践教学及质量评价等环节得以具体实施的实体子系统[2]。高职实践教学质量评价系统同样适应于任一系统的普适性区分方式，即由输入、处理、输出三大基本因素组成。该系统可以将以上所述的实训基地、仪器设备、实践指导教师、学生实践小组等要素作为输入部分，经过实践教学过程及该过程中的规章制度的约束（该部分要素可视为处理部分），得到的实践教学及质量评价效果则是输出部分。

在输入端，如何将实训基地、仪器设备、实践指导教师、学生实践小组等要素转化为可量化的评价指标值尤为关键。教学质量评价指标的确定是整个评价体系的核心内容。笔者结合所在学院的实践教学情况，通过对评价主体（包括学生、同行一线教师、督导、用人单位等）问卷调查进行评价指标的初步筛选，并咨询院内相关专家的意见，全方位的考虑，初步编制了高职实践教学质量评价指标体系，包括同行评价指标体系、教师自评指标体系、学生评教指标体系和教师评学指标体系四个评价指标子体系，由该四个子体系构成了高职实践教学质量综合评价体系。如图1所示。

2 神经网络BP算法及适用性分析

2.1 神经网络BP算法

系统控制理论中的人工神经网络（ANN）是一种非线性模拟技术，其中反向传播神经网络（BP）具有很强的自学习、自组织、自适应及自推理能力，它通过对简单的非线性作用函数的复合进行映射，可以表达复杂的现象，减少人为主观因素对评价结果的影响。BP算法本质上是应用梯度法求得目标函数最小值，包括前向计算和误差反向传播两个程序，通过调整和修改网络的连接权值，使误差最小化并满足预设要求。基于BP算法构筑的典型的三层BP神经网络拓扑结构如图3所示。

2.2 BP神经网络适用性分析

高职实践教育质量评价体系涉及多个影响实践教学质量的因素及指标，而要构建一个科学合理的高职实践教学质量评价体系，则需将涉及的所有影响因素及指标考虑进来。由于这些影响因素数量众多，且各影响因素的影响层次及影响程度各不相同，所以无法采用确定的传统数学解析方式来进行教学质量评价。而传统的评价方法如指标加权平均法、层次分析法及模糊综合评价法等，都要求这些影响因素（或评价指标）间具有线性相关关系。因此，针对高职实践教学质量评价这个实际上比较复杂的、非线性综合决策问题，运用以上传统方法对高职实践教学质量进行综合评价存在着一定的不合理性[3]。

将BP神经网络应用于实践教学质量评价等评估领域，可以克服传统评价方法在处理非线性问题中的实际困难，其可行性及优点主要体现在以下几方面。①利用BP神经网络的非常定性特征及非线性特征，通过适应添加训练样本，可以较好地实现教与学的动态实践教学过程，并在此动态教学过程中动态地评价实践教学质量。②利用BP神经网络的非局限性特征，通过合理确定评价项目及指标，可以避免实践教学质量评价的失真性及片面性问题。③利用BP神经网络的非凸性特征，通过合理选择网络系统的数据结构及输入输出等作用函数，可以较好地处理各种主观性强的非数值性指标，以实现该网络安全状态的模糊综合评价。因此，本研究基于高职实践教学质量评价的各个指标数据，运用BP神经网络对实践教学质量进行预测及评价。

3 评价模型构建及流程分析

3.1 评价模型的构建

根据现有的教学环境及行为过程，设计基于BP神经网络的高职实践教学质量评价模型如图4所示，其精华和核心程序正是BP神经网络。将该网络的模型结构设计分为两大类系统，分别为综合BP神经网络系统及子BP神经网络系统。根据上述评价指标体系的分析内容，设计四个子BP神经网络评价系统，即同行评价BP神经网络子系统、教师自评BP神经网络子系统、学生评教BP神经网络子系统和教师评学BP神经网络子系统[3]。这四个子BP神经网络评价系统的输出向量，构成综合BP神经网络评价系统的输入向量。

仍以学生评教BP神经网络子系统为例，学生通过教师的教学过程产生评价数据，如上所述的教师教书育人表现、组织教学情况、教学内容正确性、先进性以及理论联系实际性、教学方法、教学效果等指标数据；将产生的评价数据采集至教学数据库中，形成样本数据集，数据经过预处理后，作为BP神经网络模型的输入层信号数据。数据预处理可采用归一化处理方式，其公式为：

其中xi代表样本数据实际数值，x'代表处理后的输入层样本数据，xmax及xmin分别代表样本数据中的最大值与最小值。

3.2 评价模型运行流程

基本思路是：用高职实践教学质量的各个评价指标作为BP神经网络系统的输入参数，用专家评价结果即评价值作为BP神经网络系统的输出参数[4]。合理设计网络系统结构及训练样本，按照一定要求确定网络系统各个作用函数，并将训练样本输入输入该网络系统进行运算，直到运行的系统误差符合预先设定的参数条件，此时产生的网络模型即是所需要的高职实践教学质量评价模型。该网络运行流程如图5所示。

4 结束语

系统科学中所涉及的人工智能学中的反向传播神经网络——BP神经网络是目前应用最广泛的神经网络模型，具有很强的自学习、自组织、自适应及自推理能力，它通过对简单的非线性作用函数的复合进行映射，可以表达复杂的现象，将它应用于实践教学质量评价等评估领域，可以克服传统评价方法在处理非线性问题中的实际困难。高职实践教学质量评价系统构建实际上是一个比较复杂并且呈非线性特征的综合决策问题，因此，运用系统科学理论及BP神经网络对实践教学质量进行预测及评价，可为高职实践教学质量评价提供方便实用的有效载体。后期，我们将进一步研究所构建的BP神经网络各项运行参数，并致力于高职实践教学质量的提高。

参考文献（References）：

[1] 乐传永，王清强.2014年我国职业技术教育理论研究概况——基于2014年人大复印报刊资料《职业技术教育》的统计分析[J].职教论坛，2015.3：27-33

[2] 吴迎华.四川省C高等职业学院实训基地建设的问题及对策研究[D].四川师范大学，2010.

[3] 蔡锦锦.基于BP神经网络的高校课堂教学质量评价系统的研究实现[D].浙江工业大学，2009.

[4] 佘亮.基于改进的BP神经网络的教师教学质量评价研究[D].中南大学，2011.

[5] 李萍，曾令可，税安泽等.基于MATLAB的BP神经网络预测系统的设计[J].计算机应用与软件，2008.25（4）：179-184