职业院校学生培养质量评价模型

靳永山，李书森，韩学锋

（天津石油职业技术学院，天津 301607）

对职业院校学生培养质量进行评价，是一项复杂的系统工程，在学生培养质量评价中，涉及的因素较多，既包括学业成就方面，又包括社会适应和自我完善等方面，评价评价内容具有多样性和复杂性；而其各因素影响的程度也不同，呈现出非线性的特征，指标和权重的确定带有很大的主观性，评价指标体系的建立以及学生培养质量的度量较为困难。评价结果难以用恰当的数学解析表达式来表示，因此并不能完全客观反映学生培养质量高低，根据这一特点，本文构建了职业院校学生培养质量评价体系的BP神经网络模型，通过对网络训练以后，可以对学生培养质量进行等级评价。

一、BP神经网络的学生培养质量评价模型

（一）原理

BP（Back Propagation）神经网络又称为多层前馈神经网络，它除具有输入层与输出层以外，还具有一层或多层隐层，各层神经元仅与相邻层神经元之间有连接，各层内神经元之间无任何连接，各层神经元之间无反馈连接，输入数据X＝（x1，x2，…，xn）从输入层依次经过各隐层节点到达输出层，得到输出数据Y＝（y1，y2，…，yn）．神经网络通过实例学习来实现知识自动获取，将评价专家针对学生培养质量评价的各指标属性值进行归一化处理后作为BP网络模型的输入向量，将评价结果作为BP网络模型的输出，用足够多的样本训练这个网络，即可获取评价专家的经验、知识、主观判断及其对指标重要性的倾向，BP网络模型所具有的那组权系数值便是网络经过自适应学习所得到的正确知识内部表示，训练好的BP网络模型根据待评价培养质量各指标的属性值，就可得到对培养质量的评价结果，再现专家的经验、知识、主观判断及其对指标重要性的倾向，实现定性与定量的有效结合，保证评价的客观性和一致性［1］．

（二）学生培养质量评价指标体系的确立

学生培养质量评价就是通过系统收集相关信息，采取各种定性定量的方法，分析影响学生培养质量的因素及影响程度而得出正确的等级。从职业教育培养目标出发，将职业院校学生培养质量评价的指标体系分为目标层、一级指标、二级指标、三个等级（如表一）。目标层表示职业院校学生培养质量的总体质量；一级指标分为知识、能力、和素质，从动态的角度看，培养质量的形成是一个渐进的过程，可分为掌握知识的过程、形成能力的过程、养成素质的过程。从静态上看，一个人身上同时存在着三种形态：知识形态、能力形态、素质形态，三种形态成某种形式的结合。在人的发展过程中三种形态的协调也不断调整。二级指标采用可测的、可获得、可比的数据指标，是指标体系中最基层的要素，可以对一级指标的数量、强度表现给予直接或间接的度量，最终转化为量值。二级指标体系中也可以继续细化，如科学文化知识包括人文、社会科学基础知识、自然科学基础知识、方法论知识等，专业技术知识可分为专业基础知识和专业知识。但由于受统计数据的限制，所考虑因素不可能太多，当然，也不是越多越好，只能从有限的角度去认识评价对象，也考虑到学生的发展性，对学生培养质量的评价只限于某一阶段，本文不再划分三级指标。职业院校学生培养质量评价体系中各个评价指标有机联系，共同作用，形成了一个评价整体，充分体现出指标体系的设计思想。

表一 职业院校学生培养质量评价指标体系

（三）BP神经网络的学生培养质量评价模型的确立

针对职业院校学生培养质量评价指标体系，影响学生培养质量的主要指标有9项，取输入层个数n＝9。评价结果作网络的输出，取输出层个数m＝1．根据Kosmogorov定理，在合理的结构和恰当的权值条件下，3层BP网络可以逼近任意的连续函数，选取结构相对简单的3层BP网络。一般情况下，隐含层神经元个数是根据网络收敛性能的好坏来确定的，在总结大量网络结构的基础上，得出经验公式：

图1 BP神经网络模型结构

二、BP神经网络学习算法

BP神经网络学习算法可描述为：

（2）选取一对样本训练数据xp＝ ［x1，x2，…，x12］ 作为输入层输入，yp为期望输出。

（3）计算各隐含层神经元的输出：

其中i＝1，2，3…n，j＝1，2，3…s，其中xp为输入数据，ωij为连接权系数，θj为阀值，

（4）计算输出层神经元的输出：

其中，j＝1，2，3…s，yj为隐含层的输出，ωj为连接权系数，θ为阀值。

（5）计算出输出层的校正误差：σ＝ （yp－y）y（1－y）。

其中yp为网络的期望输出，y为网络的实际输出．。

（6）计算出隐含层的校正误差：σj＝yj（1－yj）σωj。

（7）计算下一次隐含层和输出层之间新的连接权值及输出神经元阀值：

其中，η（t）为步长；α为动量系数，取值在 0，［］1之间，一般取0．9左右；η0为初始步长；t为学习次数；T为总的迭代次数；M为一正数。

（8）计算下一次输入层和隐含层之间新的连接权值及隐含层之间新的连接权值及隐含层神经元阀值：

（9）通过迭代计算，达到误差的允许值。再选取第二对样本进行训练，重复以上算法，直至所有样本全部训练结束，神经网络评价模型建立。

三、职业院校学生质量评价神经网络模型的实现

选用高性能的数值计算可视化软件matlab，建立三层BP神经网络，输入层神经元9个，输出层神经元1个，隐含层神经元6个，学习次数为1 000次，迭代次数为600次，初始步长选取0．9，M取值400，动量系数为0．9，允许误差0．001，选取10对样本数据及10对测试数据，采用MATLAB神经网络工具箱学习训练网络，得到神经网络评价模型。通过对测试数据的验证，结果比较满意，测试结果与专家评价结果比较见表二。

表二 测试结果与专家评价结果表

四、结论

本文提出了一种基于BP神经网络的职业院校学生培养质量评价模型。根据职业教育的培养目标，构建学生培养质量评价指标体系，利用职业院校统计数据对评价模型进行训练，最后通过实验证明了此方法的有效性。为提训练效率，提出采用变步长算法，大大改善了网络的收敛速度，克服了专家在评价过程中的主观因素。

［1］王旭，王宏．人工神经元网络原理与应用［M］．沈阳：东北大学出版社，2000．

［2］闻新，周露．MATLAB神经网络应用设计［M］．北京：科学出版社，2001．