基于BP神经网络的民办高校国际项目班教学质量评价方法

摘要：在传统的教学质量评价过程中，对于各个因素在教学质量分析中的影响程度是以统一的标准进行设置，导致最终的评价结果存在一定误差，为此，提出基于BP神经网络的民办高校国际项目班教学质量评价方法。构建了包含教学能力、教学态度、教学内容、教学方法和教学效果的一级评价指标，并且以各个一级指标为基础，细化构建了二级评价指标，对二级指标进行个性化赋权后，将权重系数输入到三层拓扑结构的BP神经网络中，通过适应度參数对输出结果进行约束，得到最终的评价结果。在测试结果中，设计方法的评价结果误差稳定在1.20以内，具有较高的可靠性。

关键词： BP神经网络；教学质量；一级评价指标；二级评价指标；三层拓扑结构；适应度参数

一、引言

在教育创新不断推进的过程中，对教学质量作出客观评价成了极为重要的环节之一[1]。从相对宏观的角度分析，教学质量涵盖的内容是多方面的，包括教师的教学能力、教师的教学态度、实际实施的教学内容、开展教学的方法以及最终达到的教学效果。对上述几个衡量教学效果的构成进行细化分析可以发现，其分别又是由多个不同因素共同形成的[2]，因此，在对教学质量进行评价时，为了确保评价结果的可靠性，首先需要对上述因素的综合作用效果进行全面分析[3]。就现阶段的教学质量评价研究而言，已经取得了一定的成果。其中，文献[4]将AHP-TOPSIS模型应用到教学质量评价的研究中，评价结果具有较强的综合性，但是准确性存在一定的提升空间。文献[5]以体育教学为研究对象，将CIPP模型应用到教学质量评价的研究中，通过深化对教学质量评价指标体系的分析与构建，在极大程度上使得评价结果的可靠性得到了进一步提升，但是值得关注的是，这是以单一学科为基础的教学评价，对于以班级为单位的教学评价而言，在应用方面存在一定的局限性。BP（back propagation）神经网络是近些年来备受关注的一种数据分析方法，可以输出更加可靠的数据结果[6]，因其自身具有多层性和前馈性，在数据分析阶段具有良好的应用效果[7]。

在此基础上，本文提出一种基于BP神经网络的民办高校国际项目班教学质量评价方法，并通过实际应用分析的方式对设计评价方法的应用效果做出作出了客观分析。通过本文的研究，希望能够为相关教育教学工作开展效果的分析以及教学创新工作的顺利推进提供有价值的参考。

二、民办高校国际项目班教学质量评价方法设计

（一）构建教学质量评价指标

考虑到影响教学质量的因素具有明显的多元化特征[8]，为了保障后续的评价结果能够最大限度地反映实际教学质量[9]，本文首先构建了教学质量评价指标，其可以表示为

（1）

其中，A表示教学质量评价指标体系，a1表示待评价班级教师的教学能力，a2表示待评价班级教师的教学态度，a3表示待评价班级教学内容的设置情况，a4表示待评价班级实施的教学方法，a5表示待评价班级的教学效果。将式（1）中的内容作为教学质量评价的一级指标。在此基础上，分别对上述指标进行进一步细化，构建对应的二级指标，分别表示为

（2）

其中，a11表示教学过程中教师语言表达的清晰流畅程度，a12表示教学过程中对问题分析的透彻程度，a13表示教学课件条理的清晰程度，a14表示教师对教材理解的程度。

（3）

其中，a21表示教师对教学课程备课的充分程度，a22表示教师对教学模式的执行效果，a23表示教师对学生意见的听取情况，a24表示教师对学生问题的回答情况。

（4）

其中，a31表示在教学过程中对理论和实践的注重程度，a32表示教学开展的科学性与思想性，a33表示教学内容的正确性。

（5）

其中，a41表示对教学内容的归纳和总结情况，a42表示教学过程中对多媒体技术的应用情况，a43表示教学模式的多样化程度，a44表示课程安排的合理性。

（6）

其中，a51表示教学目标的达成情况，a52表示教学课堂的气氛活跃程度，a53表示学生对教学知识的应用情况，a54表示学生学习成绩情况。

按照式（2）－式（6）所示的方式，实现对教学质量评价二级指标的构建，保障后续评价结果的可靠性。

（二）基于BP神经网络的教学质量评价

在具体的教学质量评价阶段，本文利用BP神经网络实现对各指标因素的全面分析，具体的实现过程如图1所示。

图1 基于BP神经网络的教学质量评价流程

按照图1所示的方式，在利用BP神经网络实施对教学质量评价的过程中，具体的执行步骤可以分为以下几个

首先，将待评价高校国际项目班教学质量评价指标的权重作为基础数据，输入到BP神经网络中，最终教学质量的评价结果即为BP神经网络的输出。其中，对于各个指标的权重值，具体的计算方式可以表示为

（7）

其中，Wij表示aij的权重参数。在此基础上，BP神经网络中输入、输出以及隐含层的节点数量均进行初始化处理，并确定网络具体的层数。

在完成上述操作后，需要求解BP神经网络进行高校国际项目班教学质量评价过程所需的参数，包括权值和阈值数量。本文利用具有三层拓扑结构的BP神经网络实施对上述参数的计算与分析。为了保障最终评价结果的可靠性，本文将BP神经网络的训练误差作为单一指标评价结果的适应度参数，其计算方式可以表示为

（8）

其中，F表示BP神经网络的训练误差，k表示变异系数，aij表示指标的具体参数信息，那么aijWij则表示目标输出评价结果，oij表示预测评价结果。

利用式（6）作为约束，BP神经网络最终输出的评价结果可以表示为

（9）

其中，f （x）表示教学质量评价结果。通过式（9）可以看出，f （x）的取值结果越大，表明待评价的国际项目班教学质量越高，相反地，f （x）的取值结果越小，表明 待评价的国际项目班教学质量越低。

通过这样的方式，实现对国际项目班教学质量的准确评价，为相关教学工作的优化提升提供参考。

三、应用与分析

（一）测试环境

在对本文涉及的教学质量评价方法效果进行测试分析阶段，以某民办高校国际项目班为测试目标，为了提高测试结果的分析价值，构建了对照组，其中，对照组采用的评价方法分别为文献[4]提出的基于AHP-TOPSIS模型的教学质量评价方法以及文献[5]提出的基于CIPP模型的教学质量评价方法。通过对比三种方法的评价结果与实际教学情况之间的关系，对本文设计评价方法的应用价值作出分析。本文在测试阶段共选取5个班级作为测试班级，5个班级的人数分别为26、27、26、26、27。在科任教师的设置上，5个班级由不同的教师组成，在学科设置上，5个班级的教学内容一致。为了对评价结果的可靠性做出分析，本文以院校自有的教研组为基础对5个班级的教学质量进行评价，并将其评价结果作为分析的基准。在评价阶段，本文设置评价结果的阈值范围为1—100分。在此基础上，分别比较三种方法的评价结果误差。

（二）测试结果与分析

在对三种方法的评价结果进行分析阶段，本文统计了不同评价方法的误差，得到的结果如表1所示。

从表1所示的测试结果中可以看出，在三种方法的评价结果中，均与教研组的评价结果存在一定的差异。其中，文献[4]方法的评价结果表现出了较为明显的不稳定性，最大误差达到了7.00，最小误差仅为1.22，测试结果表明基于AHP-TOPSIS模型的教学质量评价方法的评价结果在应用阶段收敛性存在一定的提升空间。在文献[5]方法的评价结果中，其与教研组实际评价结果之间的差异虽然并未出现较为明显的异常，但是整体基本稳定在3.0-5.0之间，仍存在进一步优化的空间。相比之下，在本文设计方法的评价结果中，对于5个测試班级教学质量的评价具有较高的稳定性，与教研组评价结果之间的误差始终稳定在2.0以内，其中，最大误差仅为1.20，最小误差仅为1.02。这是因为本文设计的评价方法综合考虑了影响教学质量的各个因素，构建了较为全面的评价指标体系，保障了评价的可靠性，同时利用BP神经网络对具体指标的实际情况进行细化分析，并借助误差对输出的结果进行约束，大大提高了最终评价结果的准确性。

通过上述的测试结果可以看出，本文设计的基于BP神经网络的民办高校国际项目班教学质量评价方法在实际的教学分析中具有良好的应用价值，可以实现对教学质量的准确评价。

四、结束语

对教学质量作出准确的评价是保障相关教学工作能够在实践中不断得到提升和优化的关键。教学质量评价过程涉及的因素相对较多，对各个因素的影响程度进行合理分析是极其必要的。本文提出基于BP神经网络的民办高校国际项目班教学质量评价方法研究，在构建了全面的评价指标基础上，利用BP神经网络对各个指标的实际情况进行综合分析，使得最终的评价结果更能反映实际的教学效果。希望本文的研究内容能够为教学工作的创新发展提供辅助作用，助力教育工作实现更好发展。

作者单位：聂琴 广州工商学院

参  考  文  献

[1]甄颖，许宁宁，李庚，等. 基于PCA的高等数学线上线下教学质量评价模型：以天津工业大学为例[J]. 首都师范大学学报（自然科学版）， 2022， 43（05）： 59-64.

[2]熊莉，戴维. SPOC背景下基于PDCA循环的课程教学质量改进研究——以“国际财务管理”课程为例[J]. 林区教学， 2022（10）： 60-63.

[3]张文华，郑文，侯丽华，等. 基于持续改进的应用型本科高校内部教学质量监控与保障体系构建研究与实践——以长春工程学院为例[J]. 长春工程学院学报（社会科学版）， 2022， 23（03）： 73-77.

[4]王红菊，李德文. 基于AHP-TOPSIS模型的实验教学质量综合评价——以物理化学实验为例[J]. 广东化工， 2022， 49（16）： 252-255

[5]周秋婷，车旭升，钱洵，等. 基于CIPP模型的学校体育教学质量评价指标体系构建[J]. 体育科技文献通报， 2022， 30（07）： 190-193+236.

[6]温凊，佟矿，张春辉，等. “金课”价值导向下课堂教学评价指标体系构建与应用效果研究——以南方医科大学为例[J]. 医学教育管理， 2022， 8（04）： 390-395.

[7]杨苏. CIPP视阈下工程管理专业实践教学质量评价体系构建与实证分析[J]. 廊坊师范学院学报（自然科学版）， 2022， 22（02）： 94-100.

[8]罗丽. 基于大数据技术的高校计算机专业教学质量评价系统[J]. 信息与电脑（理论版）， 2022， 34（11）： 99-101.

[9]李海东，吴昊. 基于全过程的混合式教学质量评价体系研究——以国家级线上线下混合式一流课程为例[J]. 中国大学教学， 2021（05）： 65-71，91.