基于CS-ELM的思政教学成果评估方法研究

舒忠

(西安外事学院 商学院， 陕西 西安 710077)

0 引言

党的十八大报告提出了“培养学生社会责任感、实践能力和创新精神”“把立德树人作为教育的根本任务”“全面提升党的建设科学化水平”等一系列战略规划和部署，为加强高校思想政治教育指明了新的方向。改革开放以来，高校思想政治理论课课堂教学改革取得了较大的成就，寻找新模式下有效地进行思政理论教学的新颖方法及途经，就凸显出重要性[1-2]。

基于以上分析，如何提升高校思政课程教学水平，对课堂教学评价指标及其体系的研究是提高水平的关键。针对极限学习机(extreme learning machine，ELM)模型性能受初始的输入权重Wi和隐含层偏置bi的选择影响，将布谷鸟搜索算法(Cuckoo search，CS)应用于ELM模型的初始输入权重Wi和隐含层偏置bi选择，提出一种基于CS-ELM的高校思想政治教学效果评价方法。研究结果表明，与GA-ELM、PSO-ELM和ELM相比，CS-ELM可以有效地提高高校思想政治教育效果评价的精度，为高校思想政治教育效果评价提供了新的方法。

1 布谷鸟搜索算法

CS算法是受布谷鸟繁衍行为启发而提出的基于如下三条规则的一种新颖群智能仿生优化算法[3]。

规则1：布谷鸟每次随机挑选一个寄生巢产下一枚鸟蛋；

规则2：保留适应度最好的寄生巢到下一代；

规则3：可以选择的寄生巢有一定数量限制，外来鸟蛋被鸟巢宿主发现的概率为pa∈[0,1]。

布谷鸟鸟巢位，如式(1)。

(1)

(2)

2 极限学习机

ELM是一种单隐含层前馈神经网络，其模型结构，如图1所示。

图1 ELM模型结构图

假定有N个训练样本(Xi,Yi)，输入和目标向量分别为Xi=[xi1,xi2,…,xin]T∈Rn和Ti=[ti1,ti2,…,tin]T∈Rm。X和T分别为n×Q维和m×Q维矩阵。因此，隐含层节点数为L的ELM模型的输出[4]，如式(3)。

(3)

式中，βi表示ELM模型的输出权重；g(x)表示ELM模型的激励函数；Wi=[wi1,wi2,…,win]T表示ELM模型的输入权重；Wi·Xj表示Wi和Xj的内积；bi表示ELM模型的第i个隐含层节点的偏置。

ELM学习目标就是使得模型的输出误差最小，如式(4)。

(4)

联合式(3)和式(4)，也就是存在βi、Wi和bi，如式(5)。

(5)

式(5)的矩阵，如式(6)。

Hβ=T

(6)

式中，H表示ELM模型的隐含层节点的输出；β表示ELM模型的输出权重矩阵。

H(W1,…,WL,b1,.…,bL,X1,…,XL)=

(7)

在ELM模型的训练过程中，保持Wi与bi不变，β的最小二乘解，如式(8)。

(8)

式(8)的最小二乘解，如式(9)。

(9)

3 基于CS-ELM的高校思想政治教育效果评价

3.1 思想政治教育效果评价指标

为正确有效地评价高校思想政治教育效果状况，遵循评价指标选择科学性、系统性、简明性、客观性、综合性、可比性和可测性的原则，为了最大限度地反映各评价指标的影响，在文献[6-7]的基础上，构建出一个高校思想政治教育效果指标体系，如图2所示。

图2 高校思想政治教学效果评价指标体系

其主要包括3个层次，分别为目标层、准则层和要素层，其中包含5个一级评价指标和25个二级评价指标。

3.2 目标函数

针对ELM模型性能受初始的输入权重Wi和隐含层偏置bi的选择影响，将CS算法应用于ELM模型的初始输入权重Wi和隐含层偏置bi选择，提出一种基于CS-ELM的高校思想政治教学效果评价方法，目标函数，如式(10)。

(10)

式中，yi和Oi分别表示期望输出和实际输出；n表示训练集样本数量。

3.3 算法流程

首先，从基本素质、教学态度、教学方法、教学能力和教学效果5个方面构建出高校思想政治教学效果评价指标[8-9]，然后通过专家打分的方式获取每个评价指标的得分和最终得分，之后将各评价指标的得分作为CS-ELM的输入，最终得分作为CS-ELM的输出，建立CS-ELM的高校思想政治教学效果评价模型。各评价指标的得分和高校思想政治教学效果评价综合得分均由专家评价法得到。各个评价指标得分分为1、0.7、0.5、0.3和0.1 ，对应等级分别为优、良、中、较差和差。基于CS-ELM的高校思想政治教学效果评价算法流程可详细描述如下。

Step1：读取高校思想政治教学效果评价数据，将数据划分为训练集和测试集，并进行归一化处理；

Step2：设定CS算法参数：鸟巢数量为N，最大迭代次数为M，外来鸟蛋被鸟巢宿主发现的概率为pa，根据式(10)计算所有鸟巢目标函数值；

Step3：按式(1)更新鸟巢位置，计算更新后鸟巢的目标函数值，并与更新前的目标函数值进行比较，将目标函数值较好的鸟巢作为当前位置；

Step4：生成均匀分析的随机数r，r∈(0,1)，如果r>pa，按式(2)更新鸟巢位置，计算所有鸟巢目标函数值，将目标函数值最好的鸟巢位置保留下来；

Step5：判断算法是否终止。若满足终止条件，则记录历史最优解；反之，返回Step3；

Step6：最好的鸟巢位置对应ELM模型的最佳初始输入权重Wi和最佳隐含层偏置bi，将最佳初始输入权重Wi和最佳隐含层偏置bi代入ELM模型进行高校思想政治教育效果评价。

4 实证与结果分析

4.1 数据来源

本研究数据来源于某高校2008—2017年的高校思想政治教育效果评价数据，针对所获得的数据采用最大值法对其进行标准化处理。按照1-9标度法[10-11]，通过对各个评价指标的两两对比来获得高校思想政治教学效果评价指标得分数据和教学效果评价得分数据。各评价指标得分和最终得分，如表1、表2所示。

表1 思政教学效果评价指标得分

表2 思政教学效果评价最终得分

4.2 评价指标

采用均方根误差(RMSE)与相关系数(R)作为指标衡量高校思想政治教学效果评价，如式(11)、式(12)。

(11)

(12)

式中，n表示样本数量；xk和predk表示第k个样本的实际得分和预测得分。

4.3 结果分析

根据文献[12-13]将高校思想政治课堂教学效果分为很好、较好、一般、较差和非常差5个等级。其评价等级划分，如表3所示。

2008—2017年专家打分获得10组数据，将2008—2013年的评价数据作为训练集，2014—2017年的评价数据作为测试集。训练集数据用于建立CS-ELM高校思想政治教学效果评价模型；测试集数据用于检验CS-ELM高校思想政治教学效果评价模型的正确性。为突出CS-ELM高校思想政治教学效果评价模型的优势，将CS-ELM和PSO-ELM、GA-ELM和ELM进行对比。参数设置，如表4所示。

表3 评价等级划分

表4 算法参数设置

高校思想政治教学效果评价结果，如图3和表5所示。

图3 高校思想政治教学效果评价结果

表5 高校思想政治教学效果评价结果对比

根据高校思想政治教学效果评价结果可知：(1)从对高校思想政治教学效果评价的整体来看，采用CS-ELM最优，因此采用CS-ELM模型，高校思想政治教学效果评价的效果最佳；(2)CS-ELM、GA-ELM和PSO-ELM评价精度优于ELM，主要因为CS、GA和PSO等算法对ELM模型所涉及到的权值、偏置进行了优化，这使得采用ELM模型对高校思想政治教学效果的评价精度得到了大大提升。

5 总结

本研究提出一种高校思想政治教学效果的CS-ELM评价模型。研究结果表明，与GA-ELM、PSO-ELM和ELM相比，CS-ELM可以有效地提高高校思想政治教学效果评价精度，为高校思想政治教学效果评价提供了新的方法；然而本研究可研究的因素较少，影响高校思想政治教学效果评价的结果，后续将研究更多影响因素对高校思想政治教学效果评价的影响，提高模型的适应性；此外，针对ELM模型的初始权值和隐含层偏置的随机化，考虑将核极限学习机引入高校思想政治教学效果评价，以提高模型的稳定性。