基于PSO神经网络的高校教学质量评价方法

刘忠 宝马 巧梅 杨秋翔

(中北大学计算机与控制工程学院,山西太原030051)

基于PSO神经网络的高校教学质量评价方法

刘忠 宝马 巧梅 杨秋翔

(中北大学计算机与控制工程学院,山西太原030051)

针对传统教学质量评价系统的不足，利用PSO神经网络技术建立高校教学质量评价系统。该系统采用了PSO神经网络技术，将教学评价标准作为输入，教学评价结果作为输出。以中北大学为例进行的实证研究表明，所提方法既克服了人为因素对评价结果的直接影响，又为建立全面合理的综合评价指标体系奠定基础。

高等学校教学质量评价PSO神经网络

1 引言

随着我国高等教育的不断发展，高等院校成为高等教育的主力军。近年来，高等学校在专业设置、人才培养、服务社会等方面取得了长足的进步。国家各级教育主管部门一直以提高高等教育教学质量为抓手，以培养高层次专门人才为目标，不断提高我国高等院校的国际竞争力。目前，世界各国普遍关注高等院校教育教学质量保障体系与教学质量评估问题[1-3]。改革开放以来，我国高等教育事业获得长足发展，取得令人瞩目的成绩，初步形成适应国民经济建设和社会发展需要的多个层次、多种形式、学科门类基本齐全的社会主义高等教育体系。在高等教育发展过程中，各高校逐渐意识到教学质量评估体系建设的重要性，科学合理的教学质量评价体系[4]对于提升高等院校教育教学水平具有重要意义。

课堂教学是学校实现教育目标的主要途径，对教师课堂教学质量进行评估，有助于学校领导者和管理者了解教学目标的实现程度，全面准确地掌握学校教学工作情况，提高教学质量。教学工作水平的高低，对人才培养水平影响极大，因此对教学质量进行准确评价具有重要的现实意义。

2 基于PSO神经网络的教学质量评价方法

2.1 PSO神经网络

粒子群优化（Particle Swarm Optimization,PSO）算法[5]是一种基于群智能方法的演化计算技术。其受鸟类的群体行为建模和仿真研究结果启发，试图使粒子能够飞向解空间并在最优解处落下。PSO原理简单，实现容易，对众多优化问题具有较好的全局搜索能力以及较快的计算速度。因此PSO一提出便受到演化计算领域的学者们的关注，并逐渐成为研究热点。

PSO算法基本思想[6]是：首先，PSO初始化为一群随机粒子，粒子的位置代表优化问题在搜索空间的潜在解，粒子的速度决定其飞行方向和距离，所有粒子都有一个适应度函数决定的适应值；然后，粒子追随当前粒子在解空间中搜索，通过迭代找到最优解。

假设每个粒子的当前位置和速度分别为x和v，粒子迄今找到的迭代初始到当前迭代次数搜索生成的最优解pi，整体群体当前最优解g，粒子根据以下公式进行速度和位置的更新。

PSO神经网络算法流程如下：

步骤1：对所有粒子的速度和位置进行初始化；

步骤2：使用适应度函数对所有粒子评价；

步骤3：使用适应度函数进行个体极值和全局极值的更新；

步骤4：根据式（1）和式（2）进行速度和位置的迭代；

步骤5：重复以上式（2）～式（4）直至满足迭代停止条件为止。

2.2 神经网络

神经网络[7]是对自然神经网络和人脑若干基本特征的抽象和模拟。目前最流行的神经网络是BP神经网络。该网络分为输入层、隐含层、输出层等三层结构。神经网络训练的本质是通过训练算法调节神经网络的链接权值，获得尽可能小的训练误差。假设训练样本数为m，n个输出节点，产生的训练误差为：

2.3 教学质量评价方法及实践

2.3.1 评价目标

教学质量评价目标是查考教学内容、教学方式、教学效果是否能够使学生形成扎实的专业基础和均衡的知识结构，掌握相应课程的思维方法和基本技能，形成浓厚的学习兴趣。

2.3.2 评价对象

评价对象主要包括教师和学生。

2.3.3 评价内容

（1）教学态度

①教学充满热情、讲课认真；

②教师的言传身教有助于学生治学；

③对教学内容和方法课前做精心准备。

（2）教学方法

①课程目标明确并与实际教学内容相符；

②语言生动、讲解清楚、思路清晰；

③教学内容充实；

④注重学生创新意识培养；

⑤讲课具有参与性和启发性；

⑥理论与实践相结合；

⑦多角度进行教学内容评价；

⑧课堂教学融入学科前沿知识；

⑨讲授过程重点难点突出；

⑩布置的作业有助于学生理解课堂内容。

（3）教学效果

①学生学习实际知识；

②学生的分析能力和解决问题能力有一定提升。

（4）总体评价

教师教学效果等级。

2.3.4 评价方法

（1）评价标准表示

用Xi(i=1,2,…,15)表示评价标准：X1表示教学充满热情、讲课认真；X2表示教师的言传身教有助于学生治学；X3表示对教学内容和方法课前做精心准备；X4表示课程目标明确并与实际教学内容相符；X5表示语言生动、讲解清楚、思路清晰；X6表示教学内容充实；X7表示注重学生创新意识培养；X8表示讲课具有参与性和启发性；X9表示理论与实践相结合；X10表示多角度进行教学内容评价；X11表示课堂教学融入学科前沿知识；X12表示讲授过程重点难点突出；X13表示布置的作业有助于学生理解课堂内容；X14表示学生学习实际知识；X15表示学生的分析能力和解决问题能力有一定提升。

（2）PSO神经网络训练

①确定输入层神经元数：教学质量评价标准共15个，因此输入层个数为15；

②确定输出层神经元数：将教学质量评价结果作为输出，因此输出层个数为1；

③确定隐含层数：鉴于此，由Kosmogorov定理可知：在结构合理、权值恰当条件下，三层BP神经网络可逼近任意连续函数，因此，本文选用三层BP神经网络；

④确定隐含层神经元数：根据网络收敛性能好坏确定的隐含层神经元数为8；

（3）PSO神经网络评价

通过上述PSO神经网络训练后，输入给定的15项评价标准，可得到最终的教学质量评价结果。

2.3.5 评价实践

（1）评价主体

评价主体是中北大学的学生和教师。为了保证样本充足，明确要求90%以上的学生和教师参与评教。

（2）评价的有效性

①学生评价：评价之初要求辅导员给学生讲明给教师打分的重要性以及打分结果给教师产生的影响。但实际操作过程中，学生评价的差异性不可避免，因此对于课程成绩不正常的学生，则该学生的评教得分不计入教师的评价总分（提供足够支撑材除外）；

②教师评价：教师评价构建包括教务处、学院领导、教师互评等多层评价体系。另外，集合期中教学检查，有重点的组织听课，保证教师一学期内被听课次数。

（3）评价数据的处理与反馈

为避免评价主体对教师评价的主观随意性，评价过程不采用百分制，而采用评价等级，如A-E五级，由计算机自动算出相应分值。评价结果不仅反映出排名，更要通过数据分析技术得到产生相应评价结果的原因，特别要结合评价指标，将得分低的指标反馈给教师，使其明确教学中的不足，不断提高教学质量。

2.3.6 评价的优势

教学质量评价是一种检验教学成效的有效方法，是衡量教师教学和学生学习效果的重要手段[8]。学生对教学的真实反馈是评价教师教学质量的客观依据。通过教学评价，教师可以了解课堂授课情况以及存在的主要问题，有利于教师进一步提高教学水平。利用PSO神经网络进行教学质量评价，从应用效果看，可以得出以下结论：

（1）评价结果的可靠性

PSO神经网络克服了传统神经网络存在的收敛速度慢、易陷入局部最优等问题，具有较好的全局搜索能力以及较快的计算速度。PSO神经网络把研究对象看作一个系统，模拟人的综合判断推理能力进行决策，通过对统计数据的学习，根据系统中各因素的重要程度，为科学评价教学质量提供有效方法。由于PSO神经网络具有良好的综合判断能力，因而评价结果更具科学性。

（2）定性分析和定量分析相结合

通过对当前主流教学质量评价系统分析得到各评价指标的定性表示，利用PSO神经网络对评价数据进行定量分析，这种定性分析和定量分析相结合的研究方法，极大地克服了教学质量评价工作中的主观随意性。

（3）评价实施的可操作性

整个评价步骤明确，评价规则简单，指标量化和数据处理部分可通过计算机编程实现，具有良好的可操作性。

3 结束语

当前主流的教学质量评价系统往往包含一些非定量因素，系统的输入和输出之间呈复杂的非线性关系，难以建立一个科学合理的数学模型。针对当前教学质量评估系统存在的不足，本文提出基于PSO神经网络的教学质量评估系统。该系统充分利用神经网络和PSO算法分别在非线性映射以及全局搜索方面的优势，有效地克服了传统评价方法的不足，为建立科学合理的教学质量评价体系奠定坚实的基础。

[1]刘恩允.高等学校教学质量评价体系构建的思考[J].黑龙江高教研究,2004(3):85-87.

[2]刘志军.试论课堂教学质量评价标准的建立[J].华东师范大学学报,2002,20(2):35-41.

[3]毕青华.建立课堂教学质量评价体系的实践性探索[J].北京大学学报(哲学社会科学版),2007(5):295-296.

[4]郑延福.本科高校教师教学质量评价研究[D].中国矿业大学,2012.

[5]马俊.PSO神经网络及其在冷连轧机张力控制中的应用研究[D].东北大学,2008.

[6]许磊,张凤鸣,程军.基于PSO神经网络的故障诊断方法研究[J].计算机工程与设计,2007,28(15):3640-3641,3674.

[7]李玲,高亮,周驰,等.基于PSO神经网络在动态联盟制造伙伴选择中的应用[J].机械设计与制造,2009(1):74-76.

[8]丁家玲,叶金华.层次分析法和模糊综合评判在教师课堂教学质量评价中的应用[J].武汉大学学报(社会科学版), 2003,56(2):241-245.

Evaluation Method of University Teaching Quality Based on PSO Neural Network

LIU Zhong-bao,MA Qiao-mei,YANG Qiu-xiang
(School of Computer and Control Engineering,North University of China,Taiyuan Shanxi 030051,China)

Aiming at the deficiencies of traditional teaching quality evaluation systems,the university teaching quality evaluation system is constructed based on PSO neural network.This system uses the PSO neural network,and takes the teaching evaluation criteria as input and the teaching evaluation results as output.The empirical researche of North University of China shows that the proposed evaluation method not only overcomes the direct influence of human factor on evaluation results,but also lays the foundation for construction of comprehensive and rational synthetic evaluation index system.

university;teaching quality evaluation;PSO neural network

G642

A

1008-1739（2015）05-52-3

定稿日期：2015-02-12

“

山西省高等学校教学改革项目(J2013057)山西省教育科学“十二五”规划课题(GH-13060)全国教育信息技术研究“十二五”规划课题(146241697)”