基于DA-BP算法的高校思政课堂教学质量评价研究

李燕燕, 鱼先锋

(商洛学院 马克思主义学院， 商洛 726000)

0 引言

自改革开放以来，全国高校的思想政治理论课课堂教学改革持续进行着，虽然取得了很大的成绩。但是以往思想政治理论课课堂教学改革较多地集中在教学内容和课程设置上，而对思想政治理论课课堂教学指标体系评价的改革上显得相当滞后。

习近平总书记在全国教育大会上强调，高校思想政治工作是一项战略工程、固本工程、铸魂工程，关乎培养什么人、怎样培养人、为谁培养人这一根本问题。抓好思想政治工作是落实高校党委对学校工作实行全面领导的关键，也是培养一批批又红又专、德才兼备、全面发展的社会主义合格建设者和可靠接班人的根本保证。这就要求我们要筑牢高校思想政治工作的阵地，建设一支高素质的教师队伍，科学规划高水平的人才培养体系，健全和完善思想政治工作体制机制。其中，思想政治课堂教学质量的好坏直接关系到人才的培养。所谓教学质量评价是根据教学目标对教学活动的标准、效率和质量进行评估，对教学价值进行估计和判断。从事思想政治理论课教学的许多教师虽也十分重视对教学经验和方法的研究和总结，但是有分量的课堂教学评价指标体系的研究成果却凤毛麟角，因此，探索新形势下有效地进行马克思主义思想政治理论教育的新形式、新方法、新途经和新思路，就显得格外重要而紧迫[1-2]。基于上述分析，如何提高高校思想政治理论课教学水平与质量，对课堂教学评价指标及其体系的研究是提高水平与质量的根本。本文针对BP评价精度受其参数选择的影响，将蜻蜓算法[3](Dragonfly Algorithm，DA)算法应用于BP模型的初始连接权值cj、ωij和阈值ε、θj的参数优化，提出一种基于DA-BP的高校思政课堂教学质量评价方法。研究结果表明，DA-BP可以有效提高高校思政课堂教学质量评价精度，为高校思政课堂教学质量评价提供了新的方法和途径。

1 蜻蜓算法

DA算法中，蜻蜓个体通过避撞行为、结对行为、聚集行为、觅食行为和避敌行为等5种行为方式进行觅食和寻优，这些个体行为详细描述如下[4]：

避撞行为的位置向量更新策略如式(1)。

(1)

式中，X为当前蜻蜓个体的位置；Xj为第j个邻近蜻蜓个体位置；N为相邻蜻蜓个体的数量；结对行为的位置向量更新策略如式(2)。

(2)

式中，Vj为第j个邻近蜻蜓个体速度。聚集行为的位置向量更新策略如式(3)。

(3)

觅食行为的位置向量更新策略如式(4)。

Fi=X+-X

(4)

式中，X+为食物源位置(当前最优解)。避敌行为的位置向量更新策略如式(5)。

Ei=X-+X

(5)

式中，天敌位置X-(当前最差解)。综合5种蜻蜓群体行为，蜻蜓个体的步长向量更新策略为式(6)。

ΔXt+1=(sSi+aAi+cCi+fFi+eEi)+wΔXt

(6)

式中，s、a、c、f、e分别为5种蜻蜓群体行为的权重；w表示惯性权重；t为当前迭代次数如式(7)。

蜻蜓位置更新策略为：

Xt+1=Xt+ΔXt+1

(7)

2 基于DA-BP的高校思政课堂教学质量评价

2.1 BP神经网络

BP神经网络是由输入层、隐含层和输出层组成的多层前馈神经网络，假如BP网络的输入维数和输出维数分别为m和1，隐含层数为p，则BP神经网络的映射数学表达式为[5]式(8)。

(8)

式中，f为隐含层激励函数；ε为输出层的阈值；cj、bj分别为隐含层到输出层的连接权值和隐含层节点的输出。

因此，BP神经网络的隐含层节点的输出可表示为式(9)。

(9)

式中，ωij为输入层到隐含层的连接权值；θj为隐含层节点的阈值。

由于BP神经网络的预测结果易受初始连接权值cj、ωij和阈值ε、θj的影响，以及其容易陷入局部极值的问题，本文运用DA优化BP神经网络初始连接权值和阈值。

2.2 DA-BP算法流程

基于DA-BP的高校思政课堂教学质量评价算法流程可归纳为：

Step1：初始化BP神经网络模型，确定网络结构。根据数据样本确定BP神经网络的层数、传递函数和训练函数类型以及各层节点数；读取高校思政课堂教学质量评价数据，并进行预处理，将数据分成训练集和测试集。

Step2：编码。DA算法采用实数编码，将连接权值cj、ωij和阈值ε、θj进行整体编码，算法的搜索空间维数为m，假如输入层、隐含层和输出层节点数分别为R、S1、S2，则编码长度S可表示为式(10)。

S=RS+S1S2+S1+S2

(10)

Step3：DA算法参数初始化：种群规模N，最大迭代次数T。

Step4：随机初始化步长向量ΔX和随机产生蜻蜓个体的初始位置X。

Step5：令当前迭代次数t=1，将训练集输入BP，根据适应度函数公式(11)计算所有蜻蜓个体的适应度，并进行排序记录当前最优解。

选择均方误差为适应度函数，其如式(11)。

(11)

Step6：更新食物源位置X+(当前最优解)和天敌位置X-(当前最差解)，更新5种行为权重s、a、c、f、e和惯性权重w。

Step7：根据公式(3)～公式(7)更新S、A、C、E和F。

Step8：根据公式(8)～公式(9)更新步长向量和位置向量。

Step9：若迭代次数t>T，保存最优连接权值cj、ωij和阈值ε、θj；否则，t=t+1，返回Step5。

Step10：将最优解对应的连接权值cj、ωij和阈值ε、θj作为BP神经网络的初始连接权值和阈值，训练BP神经网络并进行预测。

3 实证分析

3.1 思政教学质量评价体系

结合参考文献和教学经验，运用层次分析法构建出高校思政课堂教学质量评价AHP结构模型如图1所示。

其主要包括3个层次，分别为目标层、准则层和要素层。

选择某211工程大学思政2008年～2017年教学质量数据为研究对象，本文采用最大值法对数据进行标准化处理，根据1-9标度法，根据各评价指标的相对优劣顺序，通过两两比较法，构建出体育教学质量评价指标的得分如表1所示和评价得分如表2所示。

3.2 评价指标

为检验高等学校思政课堂教学质量评价结果的好坏，评价指标选择均方根误差(Root Mean Square Error，RMSE)和相关系数R，评价指标式为[6-8]式(12)、式(13)。

图1 高校思政课堂教学质量AHP模型

表1 思政教学质量评价指标得分

表2 思政教学质量评价最终得分

(12)

(13)

3.3 结果分析

根据文献[9]思政课堂教学质量被划分为5个等级，分别为非常好、较好、一般、较差和非常差，其评价等级划分如表3所示。

将收集到的数据进行专家打分，一共获得10组数据。将数据分为两个部分，前6组数据作为训练集，用于建立DA-BP思政课堂教学评价模型；后4组数据作为测试集，用于检验DA-BP思政课堂教学评价模型的正确性。DA算法参数：蜻蜓种群规模N=10，最大迭代次数T=100，DA-BP

表3 评价等级划分

模型思政课堂教学评价结果如图2所示。

为验证DA-BP模型的准确性和有效性，将DA-BP与GA-BP、PSO-BP和BP进行对比，粒子群算法[10](Particle Swarm Optimization Algorithm，PSO)参数：最大迭代次数T=100，种群规模N=10，学习因子c1=c2=2，搜索区间[-1,1]。遗传算法[11](Genetic Algorithm，GA)算法参数：种群规模N=10，最大迭代次数T=100，交叉概率pc=0.7，变异概率pm=0.1；BP神经网络参数[12-13]设置如下：输入层节点数inputnum=25、隐含层节点数hiddennum=50和输出层节点数outputnum=1，BP神经网络最大训练次数为1 000，隐含层和输出层传递函数[14-15]为logsig和purelin，训练函数为

图2 DA-BP思政教学质量评价结果

trainlm，学习速率为0.01，训练误差目标为0.001。不同算法对比结果如图3所示和表4所示。

图3 不同算法思政教学质量评价结果

方法训练集测试集RMSERRMSERDA-BP0.008 90.995 60.037 30.989 3GA-BP0.016 20.978 60.039 20.971 1PSO-BP0.016 80.976 30.045 90.964 2BP0.017 60.965 20.047 20.945 6

由图3和表4可知：(1)从整体思政课堂教学评价结果来看，DA-BP的评价结果优于GA-BP、PSO-BP和BP，在训练集和测试集上，DA-BP的RMSE最小，并且相关系数R达到最大，说明DA-BP模型的思政课堂教学评价值和思政课堂教学评价实际值关联程度最高，预测效果最好；(2)DA-BP、GA-BP和PSO-BP评价精度优于BP，主要原因在于群智能算法DA、GA和PSO对BP模型的参数进行了最优化选择，提高了BP模型的评价精度。

4.4 基于教学评价的对策与建议

通过DA-BP课程评价，为提高高校思政课堂教学质量具有重要帮助，从而提出如下对策与建议：(1) 强化高校领导重视程度，加大监管力度；(2) 创新和完善教学模式和教学方法；(3) 充分学生主体的积极性；(4) 结合实际情况，加强学生指导；(5) 明确教学评价的目的和评价指标以及评价体系。(6) 加强案例教学，提高学生的理解力和感悟力。

5 总结

为提高高校思政课堂教学质量评价精度，提出一种基于DA-BP的高校思政课堂教学质量评价方法。在层次分析法构建高校思政课堂教学质量评价指标体系的基础上，将影响高校思政教学质量的25个评价指标得分作为DA-BP的输入，高校思政教学质量综合得分作为DA-BP的输出。研究结果表明，与GA-BP、PSO-BP和BP相比，DA-BP可以有效提高高校思政课堂教学质量评价精度，为高校思政课堂教学质量评价提供了新的方法和途径。