军队院校教学质量评价方法研究

摘要：军队院校教学的核心任务是提升学员的任职需要，打牢第一任职基础，如何提升学员的培养质量，为部队输送更多的军事人才是评价军队院校教学质量的关键。对军队院校教学进行一个合理的评价是提升部队教学质量的重要方法。因此，本文提出了一种基于BP神经网络的军队院校教学质量评价方法。该方法将BP神经网络引入部队教育教学评价中，建立相应的模型，并验证了模型的可靠性，具有一定的理论和现实意义。

关键词：军队院校;神经网络;评价

一、绪论

随着时代的不断发展，军队院校的管理系统也在不断完善，逐渐形成了办公、学籍管理、课程管理、成绩管理的自动化，相关的系统也在逐渐完善。同时，军队院校也积累了大量的教学评价数据，如何对这些教学评价数据进行有效的应用，将数据转换为可使用的知识，用于提升教学质量是本文研究的关键。

目前，国内外就军队院校的教学质量评价问题有多种方法，主要集中在以下几个方面：教学评价内容、教学评价主体和教学质量等级评估方法的研究。教学教学方法中最主要的方法是层次分析法，该方法能够对复杂的决策问题进行深入分析，而且还可以通过较少的信息实现决策的过程化、数学化，提升评价质量的科学性。本文根据目前军队院校教学的现状，提出的基于BP神经网络的军队院校教学质量评价方法，能够较好地避免人为选取因素过程中存在的主观性和不确定性，使得评价模型更具有可用性和适用性。

二、基于BP神经网络的评价指标构建

指标体系在教学质量评价中起到极其关键的作用，在目前存在的各类指标体系中，需要详细标注每个指标的权重、类型和含义，合理的、科学的指标体系构建对教学评价起到了关键性的作用，本文根据多年军队院校教学经验，构建了一组教学评价指标体系，如表1所示。

表1 评价等级与神经网络输出值对应表

评价等级 神经网络输出值

优秀 1-0.9

良好 0.89-0.80

中等 0.79-0.70

及格 0.69-0.60

不及格 0.59-0

三、评价数据处理

本文中的评价指标都是由打分得到的，因此均采用百分制来计算。由于BP神经网络的数值取值范围为[0，1]之间，激励函数为S函数。因此，需要在神经网络训练前，对数据进行归一化处理。在这里，本文采用最小最大值法对输入输出数据进行归一化处理。输入数据归一化公式为：

（1）

式中：P为BP神经网络的输入值，I为评价数据，为神经网络输出的最小值，为神经网络输出的最大值。

假设训练样本的数目为P，则BP神经网络对不同的样本就会有不同的误差，BP神经网络的总误差为。

（2）

通过计算总误差，得到BP神经网络中的各分量，得到训练好的BP神经网络。

四、结论

本文根据军队院校教育教学质量特点，提出了一种基于BP神经网络的军队院校教学质量评价方法，该方法综合多项复杂指标并予以量化，能有有效地提升教學评价质量和效果，保证了评价信息的有效性和准确性。

参考文献：

[1]徐薇薇， 吴建成， 蒋必彪，等. 高校教师教学质量评价体系的研究与实践[J]. 高等教育研究， 2011， 4（1）：100-103.

作者简介：徐磊（1985年7月—）男，宁夏银川人，硕士研究生，现为武警警官学院信息通信系讲师，主要从事指挥自动化、作战模拟与仿真、三维仿真等方面的研究。