高校创新创业教育质量评价的模型与方法

摘 要：本文借鉴国内外对于创新创业教育质量的研究成果，以BP神经网络为理论基础和评价模型，以四所大学为研究对象，提出了相应的指标体系和评价方法。评价结果证明，BP神经网络有自我调节、自我适应、自我学习的强大功能，通过数学软件运算，能高效率地进行评价，值得在实践中推广运用。

关键词：BP神经网络 创新创业 教育质量评价

创新创业教育是我国高等教育发展到新时期的内在要求，是回答习总书记“怎样培养人”根本问题的重要举措。揆诸文献，目前对于双创教育的评价仍不够科学，评价指标难以真正反映实际“教与学”的情况，评价方法多以定性为主缺少定量方法。因此，如何根据双创教育的特性，运用定量模型对其教育质量进行综合评价，从而引导教学方法和教学理念的转变，激发大学生的创新创业激情，具有十分重要的理论意义和实践意义。本文借鉴国内外对于双创教育质量的研究成果，以BP神经网络为理论基础和评价模型，以四所大学为研究对象，提出相应的指标体系和评价方法，为提升我国高校双创教育质量提供借鉴。

一、BP神经网络在双创教育质量评价运用的优点

BP神经网络自提出时就引起学术界轰动，相关成果发表在《Nature》上。运用BP模型进行评价时，不需要数据呈现线性关系，避免人为主观因素干扰，即可完成非线性关系的数据建模。相较于其他评价模型，BP模型在自我学习、评价过程和自我调适等方面有着其他模型无可比拟的优势。[1]

1.避免人为主观干扰

BP神经网络可以自我调适，探索各指标之间的逻辑关系和权重属性。这种特性是基于模型各神经元之间的反馈机制，可以避免人为干扰。模型的自我调适特性，可以使模型在无序的数据之间寻找数据间的规律，所以理论上可以处理任意数据。

2.评价过程简单

在著名数学软件MATLAB中自带神经网络工具箱。该工具箱使用方便，在进行评价运算时，只需输入原始数据，即可得到精确的评价结果。3.模型可动态调适

BP模型可自我学习，与其他评价模型相比，不需要先建立固定、精确的模型和表达式，通过其自我调试功能，在学习过程中可动态完成评价。BP模型的动态调适还能精确处理评价体系中的定性和定量指标。

二、BP神经网络在双创教育质量评价中的应用

1.构建评价模型

BP神经网络包括三层，分别是输入层、隐含层和输出层。结合双创教育自身特性，隐含层通过“试错法”寻找最合理的个数，输出层可设置为1（输出层为评价结果，用综合得分值表示，所以该层个数为1），输入层依据评价指标的个数设置。为输出层到隐含层的权值;为隐含层到输出层的权值。

据此，BP模型的中间层输出为：

BP模型的输出层输出为： （1）

刺激函数为：  （2）

（3）

2.模型算法描述

（1）对原始数据进行初始化，随机得到和，其中

（2）开始网络训练，可得;

（3）計算

（4）计算

（5）修正为学习因子;

（6）若则进入第7步，否则回到第2步;

（7）计算全局误差若，网络训练结束，否则回到第2步。

三、构建评机指标体系

根据四所大学双创类教育特点，依据指标的可获得性、准确性、科学性等原则，[2]运用两轮德尔菲法，构建了评价指标体系。其中包括一级指标4个，二级指标10个，三级指标30个。一级指标为高校、教师、学生和社会四个要素。

高校软环境指标包括：创新创业学生组织A1、大学生创新创业比赛数量A2、开展校企合作的项目数A3;高校硬环境指标包括：创新创业园接待学生数A4、学生创业比例A5、学生人均可获得创业经费A6、学生创新成果转化率A7。

教师课程资源指标包括：双创课程开设比例A8、实践课程开设比例A9、核心课程比例A10;教师能力包括：课程中案例教学法使用比例A11、有创业经验老师比例A12、创新创业导师比例A13、博士以上学历教师比例A14、副教授以上职称教师比例A15;教师团队包括：担任互联网+大学生创新创业指导老师比例A16、带队获互联网+大学生创新创业省赛铜奖以上比例A17、双创理论研究成果A18。

学生指标包括：有创业经历学生比例A19、有直系亲属从事经商学生比例A20、参与过创新创业比赛的学生比例A21、创新创业大赛获奖比例A22、毕业后打算创业的学生比例A23、创新创业课程分数优良率A24、双创相关课程出勤率A25、学生教学质量评价A26。

社会因素指标包括：创新创业学术地位、社会影响A27、创新创业相关学术刊物出版A28、学生创业成功率A29、学生就业率A30。

四、评价结果

为进行横向比较，同时选取了三个大学作为参照样本，进行双创教育质量评价，评价结果如表1所示。

五、结果解析

从结果来看，该校在创新成果转化率、有创业经验教师比例、参赛成绩、家庭从商比例及学生创业成功率反面得分较低。从总体而言，该校在创新创业教育的总体评分较好，说明该校在教学软件、硬件投入、师资队伍力量、学生双创能力方面都有较为出色的表现。

结语

双创教育与普通高等教育有着不同的特点，在评价其教育质量时应考虑非线性的指标关系，才能得到科学的评价结论。[3]BP神经网络有自我调节、自我适应、自我学习的强大功能，通过数学软件运算，能高效率地进行评价，值得在实践中推广运用。

参考文献

[1]崔铭，吴亚光.基于改进BP神经网络的高校教师创新创业教学能力评价研究[J].江汉大学学报（自然科学版），2018（4）：125-129.

[2]钟双喜，张珉.对于大学生创新创业教育的认识[J].新教育时代，2016（45）：233.

[3]冯艳飞，童晓玲.研究型大学创新创业教育质量评价模型与方法[J].华中农业大学学报（社会科学版），2013（1）：122-128.