中学政治教学成果的智能评价方法

姚建华

摘要：本文首先给出了中学政治教学成果奖励的综合评价指标体系，之后利用模糊神经网络提出了智能评价方法。为了更好地利用该方法，文章的最后介绍了怎样使用该方法获得综合评价的最终结果。

关键词：中学政治教学；成果；智能评价；指标体系

· 【中图分类号】G642

目前，政治教学在中学教学中日益显示出举足轻重的地位，如何做好中学政治教学成果评价工作是摆在中学教育评估人员面前的一个挈带解决的问题。目前对中学政治教学成果评价多采用定性方法，即由专家组成评价小组，通过听课、申请人相关资料等进行评价，然后由评价组做出最终评价。这种方法使各申奖人员文字表达能力及回避问题的能力显得非常重要，并在一定程度上对评价结果产生了影响；同时评价小组成员的知识背景、实践经验、工作能力及人品等也会在一定程度上对评价结果产生影响。因此难以对教育成果做出全面、中垦、有说服力的评价。本文提出一种定性和定量相结合的方法来实现成果奖励的智能评价，采用人工神经网络模型以及模糊系统的理论和方法，建立成果奖励的评价结果与其影响因素间的非线性关系，并最终实现对成果奖励的智能评价。

1 综合评价指标体系

由于不同性质的学校，不同教学人员针对不同学生的政治教学内容及手段不同，使得中学政治教学成果的奖励需要有不同的内容和侧重点。然而，对于一项有意义与价值的成果而言，具有新颖性、创造性和实用性是其具有价值的直接体现，这是综合评价一项成果的基本思路基础。对于一定的教学成果来确定其价值产出，一方面应由反映成果的内容来评定其价值，另一方面应以该成果完成的效率来评价。即以该成果产生的教学效益/完成该成果所付出的人数、时间、成本三者的乘积来定义，以此评价效率因子的等级。

政治教学的奖励对象是中学从事政治教学的人员，根据其特点一般来讲对政治教学成果评价的内容主要有以下五方面内容：1）成果的新颖性、先进性和实用性程度；2）成果的质量和数量；3）成果的指导及应用范围及可持续性；4）成果的教学收益和社会影响收益；5）成果的开发效率，即：教学效益（收益）除以（成果完成人员、时间、成本的乘积）。表1反映了教学成果评价的综合指标体系。

2 成果奖励的智能评价方法

上述综合评价指标体系是针对我国广大中学政治教育成果奖励问题提出的。对不同教学要求的成果奖励问题，应按照不同学校、教师、学生诉求等进行细分，评价的重点不会相同。因此，在综合评价时，要根据具体的奖励级别及类型来确定不同的指标权重。而权重的合理分配一直是人们普遍关心的问题。如果由专家来确定指标权重，将会使评价结果容易受人为因素影响，存在一定的随机性。

鉴于人工神经网络[1]具有自组织、自适应和自学习能力，以及具有非线性、非局域性、非定常性和非凸性等特点，本文采用人工神经网络确定各指标的权重，克服人为因素及模糊随机性的影响。在基于神经网络的综合评价模型中，多层前馈神经网络是选择最多的一种。前馈神经网络采用有教师的学习方法，运行机制是：对网络赋予初始权值和阈值，按照给定的学习样本前向计算实际输出，根据实际输出与希望输出之差的函数反向修改网络权值和阈值，如此反复训练使差的函数最小，从而用得到的网络模拟未知系统的输入输出关系。

前饋神经网络应用的数学基础是Kolmogorov定理。通过计算，这里选取网络层数为3。由于在所建立的综合评价指标体系中，对每个评价指标的评语都是模糊变量，因此，将使用模糊神经网络的方法进行评价，具体方法如下：

（1）网络输入层的确定。由于指标由5项因素组成，所以取输入层神经元的个数为5，分别代表表1中所列的5个综合评价指标。由于输入变量均为模糊变量，这里将他门的隶属函数均取为三角函数。（2）隐层神经元个数的确定。这里采用进化规划与逐步二次规划法的组合来优化神经网络的结构。为了降低计算时间，采用实数编码方案，因而可免去大量的编码解码时间。同时，由于采用进化规划与逐步二次规划法的结合，可以实现网络的结构与权值同时优化。通过计算，最终的神经元个数为4。（3）输出层神经元个数的确定。对某项政治教育成果而言，其获奖结果只能是一等奖～三等奖以及优秀奖和无奖中的一种，因此取网络输出神经元的个数为1。由以上分析，可以建立的前馈神经网络，其结构为5-4-1。在这个前馈神经网络中，各层之间的联结权通过学习得到，它们反映了不同指标的权重，网络的学习采用BP学习算法[2]。在应用中，首先将专家给出的评价结果利用中心模糊消除器进行去模糊化处理，最后将其输入到前馈神经网络中，从所得输出即可直接获得综合评价结果。（4）学习样本的确定。学习样本集的确定是一个十分重要的问题，甚至可以决定神经网络性能的优劣。就目前来说还没有严格的理论来加以指导。但从经验来看，主要考虑的因素有三个：致密性、相容性和便利性。由于篇幅所限这里不再赘述。

3 评价结果分析

网络训练好之后，即可用于中学政治教学成果的智能评价。当输入某请奖项目的5项指标后，可以得到该项目评价结果的总分。为了得到直观评价结果，可以在全面分析的基础上给每个平均结果设定一个取值范围，这样就可以根据网络的输出结果和给出的各评价结果的取值范围而得出最终的评价结果。具体评价时，在对请奖项目整体进行评价后，如果希望对项目的某一部分进行进一步的评价，可以将以上评价过程重新做一遍，只不过神经网络的输入维数要作相应的改变，隐层神经元的个数仍按上述方法得到，其余不变，从而确定请奖项目是否获奖及获奖等级。

本文采用定性与定量相结合的方法实现中学政治教学成果奖励的智能评价评奖过程。所采用的方法既考虑到专家们的意见，又不完全由专家来决定。该方法简单易行，对政治教学成果奖励的智能评奖考虑了各方面的因素，尤其克服了由专家决策所所带来的人为因素的影响，与其它方法相比具有自己鲜明的特性。

参考文献：

[1]戴葵. 神经网络实现技术[M].长沙：国防科技大学出版社，1998.

[2]陆琼瑜.童学锋 BP算法改进的研究[J]. 计算机工程与设计， 2007（3）endprint