基于BP神经网络的优质课评价模型研究

王彦群,张树艳（. 塔里木大学信息工程学院信息与计算科学实验中心，新疆阿拉尔,843300；2. 塔里木大学信息工程学院通信工程系，新疆阿拉尔,843300)



基于BP神经网络的优质课评价模型研究

王彦群1,张树艳2*
（1. 塔里木大学信息工程学院信息与计算科学实验中心，新疆阿拉尔,843300；2. 塔里木大学信息工程学院通信工程系，新疆阿拉尔,843300)

摘要：针对当前优质课评价机制尚不完善的现象，提出一种基于BP神经网络的优质课评价模型。首先，建立教师优质课评价指标体系，然后设计BP神经网络模型，并利用神经网络工具箱对模型进行了实现。

关键词：BP神经网络；优质课；指标；模型

0　引言

为了不断提高整体教学水平，一些高校已经提出了优课优酬的办法。要施行优课优酬方案，必须要确定优质课的评价标准，至于优酬怎么分配，那便是学校行政部门的事情。

李元元探讨了高校教师绩效评价体系构建的思路与对策。王林军等进行了构建应用型本科课程教学质量评价体系改革探索，李光耀做了高校课堂教学质量模糊综合评价方法的研究。张恒业等人进行了实施教学评价和优课优酬的探索但并未涉及指标体系的建立方式和评判方式的确立。

优质课评价的实施方式正在探索之中。其中，重要的环节在于评价指标内容的确定和评价方式的应用。评价指标的内容需要精准、全面，评价方式应尽量使得评价结果客观、准确。

BP（Back Propagation）神经网络(即误差反向传播的神经网络)是目前使用较广泛的一类神经网络模型，实质就是调节各层的权值使其学会并记忆学习样本集，训练过程由正向过程(计算节点误差)和反向过程(调整连接权值)组成。BP算法可解决大多数神经网络所面临的问题，如模式识别、函数逼近、数据压缩等。

本文基于BP神经网络算法建立优质课评价模型，相信它将成为评价优质课的有效方法。

1　优质课评价指标体系的建立

笔者从教务处收集了数据，包括一级评价指标（A，B，C，D）及细化指标（A 1，A 2，B1，B2，C1，C2，D1，D2，E1，E2，E3）。教学方法A, 采用现代教学手段和灵活多样教学方式A1,教学目的明确，关注学习方法指导与培养A2；教学内容B, 重视基本理论与基础知识的讲授B1, 教学重难点突出，理论与实际相结合B2；教学态度C, 爱岗敬业，教书育人，教学工作认真负责C1, 备课充分，教态和蔼，情绪饱满热情C2；教学组织D, 因材施教，内容充实，系统性逻辑性强D1, 讲课有感染力，课堂气氛活跃D2；教学质量E, 教学方式与课程相适应，信息量大，新颖生动E1, 讲解简练准确，思想清晰，重点突出，详略得当E2,反映学科发展的新思路、新概念、新成果E3。

2　基于BP神经网络的优质课评价模型的构建

基本的BP网络是三层网络，包括输入层、隐含层、输出层。算法过程由正向传播过程和反向传播过程组成，在前一个过程中，输入信息从输入层经隐含单元逐层处理，并传向输出层，每一层神经元的状态只影响下一层的神经元状态。如果在输出层不能得到期望的输出，则转反向传播，将误差信号沿原来的通路返回，通过修改各层神经元的权值，使得误差信号最小。

如果评价指标体系中,既有定性指标，又有定量指标，神经网络输入节点和输出节点数据的取值范围应该是[0,1]，必须对各指标进行归一化处理。

利用MATLAB建立一个输入层、隐含层和输出层的节点数分别为11、5、5的BP神经网络模型。输出为10000表示结果为优，输出为01000表示结果为良，输出为00100表示结果为中，输出为00010表示结果为合格，输出为00001表示结果为不合格。收集到2个班（共计62人）对15位任课教师评价的实际数据，通过对指标的归一化处理整理成为基本数据(表1)，将前12位教师评价数据作为训练样本。该网络经初始化，预设误差为0.01，当训练到3558步之后，网络误差达到了设定的误差要求。将第13、14、15位教师数据作为验证样本，网络输出如表2所示。

表2　网络输出的结果

网络评价的结果和实际评价的结果基本上是一致的，这标志着基于BP神经网络的优质课评价模型已经成功建成。以后在对教师的课程评价进行评价时，只需输入标准化指标数据，就可得到评价数据。

表1　样本数据表

3　结束语

本文基于BP神经网络算法建立了优质课评价模型，这是一种可行和有效的方法。这是人工智能算法的典型应用，是探索优质课评价的有益实践。

参考文献

[1]李元元,邱学青,李敏.高校教师绩效评价体系构建的思路与对策——华南理工大学的实践与思考[J].中国高校师资研究,2006,8(3):14-22

[2]王林军,吴海华.构建应用型本科课程教学质量评价体系改革探索[J].中国电力教育,2014,(23):11-15

[3]李光耀,肖红.高校课堂教学质量评价指标体系的思考与设计[J].高等建筑教育,2009,18(1):44

[4]张恒业,刘兴友,杨宝进,等.实施教学评价和优课优酬的探索[J].高等农业教育,2001,11(3):77-78,92

[5]毛志勇.一种基于BP神经网络的B2C电子商务顾客满意度评价模型[J].科技和产业, 2008, 8(5):49-52

[6]郭嗣琮,陈刚.信息科学中的软计算方法[M]..沈阳:东北大学出版社,2001

王彦群（1982～），男，硕士，塔里木大学信息工程学院讲师，研究方向为软件工程；

Based on BP neural network of high quality class evaluation model research

Wang Yanqun1,Zhang Shuyan2*
（1.Experimental center of information and computing science, Tarim University，Alaer Xinjiang,843300; 2.Department of communication engineering,Tarim University,Alaer Xinjiang,843300）

Abstract：In view of the phenomenon that the evaluation mechanism is not perfect,a high quality evaluation model based on BP neural network is put forward.First,establish the evaluation index system of teacher quality class,then design the BP neural network model,and use the neural network toolbox to realize the model.

Keywords：BP neural network;Quality class;Index;Model

*通讯作者：张树艳（1984～），女，硕士，塔里木大学信息工程学院讲师，研究方向为通信工程。

作者简介

基金项目：塔里木大学校长基金项目(TDZKQN201508)