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

崔 铭，吴亚光

（河北金融学院 教务处,河北 保定 071000）

0 引言

教育部于2016年印发了一系列政策文件，其中包括《关于做好全国普通高等学院创新创业能力建设的通知》等，这些政策文件指明了高校创新创业教育实践的发展方向。设置关于创新创业的教育课程，开设创新创业教育必修课和选修课并将课程纳入学分管理制度内，这些都是文件明确指出的内容［1］。文件更是提出了创新创业教育改革的出发点和落脚点是各高校都要提高教育质量这一观点。高校创新创业教育的发展与质量很大程度上体现在教师的创新创业意识和能力上。高素质人才培养需要高水平的教学工作来实现，而教学工作的水平由教师的教学质量来体现，因而教师教学质量评估这一环节不可忽视。实施这一环节不仅使教师看到自身能力的展现，从而促使教师积极提高自我、调整自我，促成良性的工作循环，还能使高校管理者充分了解学校的教学综合能力以及薄弱的工作环节，因此创新创业教学质量的评价在高校教学管理中不可忽视，必须要引起重视。

1 现阶段高校创新创业教学评价中所存在的问题

高校创新创业教学能力评价方法较多地采用定性评价方法。对于教学能力的评价多由专家或者经验丰富的教学督导来定性评价，通过听课、教学比赛等形式进行，效率低下且主观性大。即便应用定量评价，也是依赖指标和数据间的线性关系。然而，教学是教师的教和学生的学不断变化发展的过程，这就使得评价结果很难用一个数学解析式来表示。在现实评价过程中还存在着许多问题，诸如：定量信息主观判断比重高，主观随意性较大；没有统一的权重，评价不确定因素过多；评价内容通用性差，评价模型不具有自适应能力；针对性不够强，评价指标有局限性等。这样的评价不能很好地体现综合教学能力这一非常复杂的现象，因此评价很难实现客观性。

此外，创新创业教学能力评价没有考虑创新创业教学的特殊性，将其和其他课程混为一谈，一并评价。创新创业教学更多是结合实践，要求学生参与，所有的创新创业灵感都是在参与实践过程中，和他人不断交流中碰撞获得的，因此评价过程不应和其他课程一样，应当具有自身的独特性，这在建立评价指标体系和方法应用中是必须考虑的问题［2］。

当前的常用评价方法中，存在着评价的发展性功能和评价效率低下的现象。许多评价方法仅仅是为了教学工作整体推进，并非是为了提升创新创业教育，评价对教学能力的提升即发展性功能较弱，而且评价方法效率低下。评价方法真正结合教学现实的数据较少，对现实教学效果的数据挖掘不够，需要一定的方法来充分利用数据，做到定量和定性评价客观、真实、有效。无论哪种评价方法，只有能促进教师不断去思考自己的教学方式是否合适，才将有利于提升教师自身的教学水平。

2 建立全新的创新创业教学评价指标体系

客观、科学的全方位评价指标体系确保了创新创业教学质量评价的科学性、公正性、规范性，评价指标体系是教师进行创新创业教育实践的风向标，是从事创新创业教育的行动指南，教师会不断根据评价指标修正自身教学实践。因此，需要设计合理的指标与选项，要体现出指标的典型性、客观性以及可达性。当指标具有可达性才会激发教师的改进动力，而不合理的指标设置将会直接使教学评价失真，不再具有激励和指引教师从事创新创业教育的价值［3］。笔者结合河北金融学院创新创业教学实践，提出全方位的创新创业教学评价指标体系，见表1。

3 BP神经网络模型在创新创业教学评价中的应用

3.1 可行性

BP神经网络在模式识别、自学习、自适应、自组织、自动控制、预测等方面已凸显了其优越性。神经网络在数据挖掘中具有明显优势，网络自身不断学习积累和强化训练，探索数据中的规律，探求未知并高效地做出评价［4］。相较于许多传统方法，BP神经网络数据适应性高，各种类型数据均可以应用，且其准确度较高，神经网络还能兼顾数据输入（或多元输入）对评价输出的影响。因此，在评价指标复杂、定性定量结合的创新创业教育评价中，引入神经网络评价，可以应对多元复杂指标数据，并具有高效、客观的优势，适应性较高，是一种可行的科学评价方法，值得深入探讨和实践推广。

表1 创新创业教学能力评价指标体系Tab.1 Index system of evaluation of teaching ability on innovation and entrepreneurship

3.2 构建BP神经网络模型［5-7］

3.2.1 构建神经网络函数 设置一个3层的神经网络，设定输入层单元数，设定隐含层单元数为1，输出层单元数为1。网络输入矢量设置为（0，1，0），网络实际输入矢量便为（2，1，0），中间层输出矢量为（0，1，1），训练组目标矢量为（0，3，0）。Vij表示输出层单元到隐含层单元的权值，Wjk表示隐含层单元到输出层单元的权值，输出单元阈值为1，隐含单元阈值为1。

中间层单元输出为

输出层单元输出为

采用S型函数，是激励函数

3.2.2 神经网络训练过程 可以将网络训练的具体过程设置如下：

1）根据对应的训练策略选定训练集。一般情况下以对应的样本数据作为训练集。

2）指标原始数据初始化操作。为使各个阈值αk和βj为随机值，需要把它们初始化，为使权值Vij和Wjk的精度提高，需对控制参数ε和学习率μ进行初始化。

3）指标数据输入与输出。将输入向量X输入到网络中，同时设置一个与之对应的目标输出向量D。

至此，故障点已明确：EVAP系统及相关管路。检查EVAP系统管路，当拔下炭罐到发动机舱这段管路时，流出了大量汽油。由此可见发动机熄火是由EVAP系统溢油引起的。但溢油从何而来？考虑到此车为事故车，接下来又检查了油箱，发现油箱底部有拖伤痕迹，且位置正好在汽油滤清器附近。另外，该车碳灌与汽油滤清器集成在一起，很可能是炭罐和汽油滤清器同时受到损伤。拆下汽油滤清器后发现，由于外力作用，炭罐已经严重破损，汽油直接进入了回收管路。

4）依据网络设置进行数据计算。利用式（1）得输出向量H，再利用式（2）的实际向量Y，计算得出M个输出误差项，比较目标矢量中的元素dk与输出矢量中的元素yk，得到

计算出中间层的隐含单元的L个误差项

利用误差项计算出各层的权值的调整量

根据计算可知的取值范围在1～M，系统需要不断判断其精度是否满足E≤ε这个条件，其中总误差E为：

当运算结果满足条件时，网络训练完成，将自动保存训练结果的权值和阈值到BP神经网络中，此时的网络模型可以定型，用于对评价对象进行判断识别。如果运算结果不满足条件，返回并再次将输入向量输入到网络，设置一个与之对应的目标输出向量，再继续进行训练，直到满足要求确定权值和阈值，训练好网络为止。

3.3 评价应用实例

本文应用BP神经网络评价的输入数据见表2，评价结果见表3。

表2 标准化的输入数据Tab.2 Standardized input data

表3 神经网络评价结果与专家评价结果Tab.3 Evaluation results of BP neural network and experts

本论文的数据来自河北金融学院2016-2017学年创新创业教学评价的结果［1］，选用MATLAB7.0软件，根据上述模型建立步骤，构建教师创新创业教学质量评价的预测模型并处理数据［2］。

根据模型确定本文输出层的神经元个数为1，即为高校教师创新创业教学质量评价结果，分为不及格（0～59）、及格（60～69）、中（70～79）、良（80～89）、优（90～100）5个等级。隐含层数目为8个，输入神经元个数为18个，学习率取0.05～0.9，动量因子系数为0.85，设置收敛误差界值为0.000 1。对输入数据做标准化处理后，得到表2，将标准化输入数据输入构建的神经网络即上述式（4）～式（14）的训练过程中进行学习和训练，具体数据运用MATLAB软件函数按上述公式设置后进行训练，获得训练后的数据，即表3中的网络评价数据。运算结果和专家评审结果对比见表3，表中专家评价数据是学校组织专家依据二级指标对学校14位教师的创新创业教学能力进行评价获得的。由表3中数据可知，经过神经网络评价的结果和专家评价结果之间的误差值符合设定要求，即≤0.005，运算结果是可接受的。这说明构建的教师创新创业教学评价指标体系和BP神经网络模型是有效的，该神经网络已经很好地学习了专家的评审思维，可以对以后教学数据直接进行运算评价，能够高效地对其他创新创业教学教师进行评价。

4 结语

创新创业教学的综合性、实践性、创新性不同于其他课程教学，具有难以定量、评价指标多维和复杂的特点，只有非线性综合评价才能客观、高效地对其评价。BP人工神经网络可以应对原始数据复杂、不确定、不完整等复杂环境，在处理复杂的非线性问题方面具有明显优势，非常适合应用于创新创业教育的评价。改进BP神经网络具有学习能力强的特点，可以对复杂、非线性、主客观相结合的数据做出科学、客观、合理的评价，在创新创业教学评价中，建立改进的BP神经网络模型来对现实教学指标数据进行评价，评价结果与专家评价结果一致，误差在可接受范围内，不影响评价等级。该评价方法效率高、效度高，是非常值得推广的一种创新创业教学能力评价方法。

参考文献（References）

［1］ 朱娟，邓琪，胡发刚.创新创业视角下的经管专业实践教学评价［J］.阴山学刊（自然科学版），2018（1）：1-3.

［2］ 姚少霞.以创新创业为导向的本科实践教学评价改革［J］.创新人才教育，2016（4）：79-82.

［3］ 刘丹.基于个性化教育的创新创业人才培养模式研究［J］.辽宁高职学报，2016，18（8）：82-85.

［4］ 刘中晓，徐金寿.应用型本科高校创新创业教育调查与对策建议：以浙江省10所应用型本科高校为例［J］.中国成人教育，2016（13）：73-76.

［5］ 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.

［6］ 胡春阳，鲍步云，刘朝臣.地方院校多元介入的创新创业人才培养基本路径研究：安徽科技学院创新创业人才素质培养与教学评价的典型相关分析［J］.湖北第二师范学院学报，2011，28（3）：96-100.

［7］ 赵雄，陈丽霜.BP神经网络在企业技术创新影响因素评价中的运用［J］.中小企业科技，2007（3）：35-36.