基于BP神经网络的医学研究生教学质量评价模型研究

闫 涛,张 楠,包 含,朱 浩,张星光△

(1内蒙古医科大学公共卫生学院卫生统计学教研室, 呼和浩特 010010; 2内蒙古医科大学公共卫生学院卫生检验与检疫学教研室; △通讯作者)

研究生教育在培养创新人才、提高创新能力、服务经济社会发展、推进国家治理体系和治理能力现代化方面具有重要作用。研究生教育肩负着高层次人才培养和创新创造的重要使命,是国家发展、社会进步的重要基石。因此,研究生教学质量是研究生教育的重要保障和标志,将直接影响到研究生的培养质量和水平[1]。高质量的研究生教学除了要求研究生坚持最为基础的知识学习以外,还要进行更高层次的研究,创新能力和科研能力的培养是进行更高层次研究的关键和核心。而对于教师来说,高质量的研究生教学要求提升了教师的教学水平,同时良好的教学反馈激发教师教学的热情和动力,调动教师的科研积极性和主动性,形成科研反哺教学、教研互促的良性循环。高水平的研究生教育也有利于巩固和实现高校办学定位和办学目标。自国家出台“双一流”建设方案以来,研究生教育高质量发展是各高校成为世界一流大学的重要支撑。因此,为保障研究生教育持续健康发展,我们需要对研究生教学质量进行科学的评价[2,3]。

教学质量评价是指评价主体为了达到一定的评价目的,依据相对固定的评价指标和评价标准,利用比较成熟可靠的评价方法,对特定教学情境下的教学活动及与活动相关的所有因素进行价值判断的过程[4]。客观、准确、科学的教学评价是教学督导产生良性效益的关键。尽管经过了多年的研究和探索,但至今还没有公认的比较标准和统一的课堂教学评价体系被广大医学院校采用[5]。常用的评价体系多是采用直接建立评价系统的数学模型,如加权平均法、层次分析法、模糊综合评判法等。这些方法在评估过程中难以排除各种随机性和主观性,易造成评价结果失真和偏差。同时,教学过程是一个动态的过程,影响教学质量的因素很多,其影响程度也不一致。因此,教学质量的评价属于非线性问题,很难用一个数学解析式来表示[6-8]。

人工神经网络是由大量简单的神经元相互连接,通过模拟人的大脑神经处理信息的方式,进行信息并行处理和非线性转换的复杂网络系统,并且具有大规模计算的能力[9]。BP神经网络是应用最广泛的神经网络之一,也称后向传播神经网络,是一种按照误差逆向传播算法训练的多层前馈神经网络[10]。从结构上讲,BP神经网络具有输入层、隐藏层和输出层。从本质上讲,BP算法就是以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值[11]。因此,BP神经网络具有很强的非线性映射能力和柔性的网络结构。

因此,文章选取内蒙古医科大学2022级在校研究生,通过BP神经网络模型构建教学质量评价体系,为后续构建科学、合理、统一的研究生教学质量评价体系提供参考,最终为有效提升研究生教学质量提供助力。

1 对象与方法

1.1 研究对象

研究对象为内蒙古医科大学2022级研究生,包括科研型和专业型,专业包括基础医学、临床医学、公共卫生与预防医学、中医学、药学、护理学、蒙医学、蒙药学等。

1.2 调查方法

在医学科研中的医学统计方法课程结束后,教师利用问卷星小程序编辑问卷并进行教学质量评价,共回收问卷433份,有效问卷433份,有效率100%。

1.3 教学质量评价体系的构建

通过阅读文献和咨询相关专家意见,结合本校研究生的教学情况与要求,我们将教学计划、教学手段、教学过程、教学态度、教学内容和教学效果确立为研究生教学质量评价的一级指标。在此基础上,将6个一级指标进一步细化为34个二级指标,具体如图1所示。各二级指标采用李克特记分量表方式,包括非常满意、满意、一般、不满意和非常不满意,分别计5分、4分、3分、2分和1分。

图1 医学研究生教学质量评价体系

1.4 BP神经网络模型

表1 不同隐含层层数的均方误差结果

1.4.3 确定二级指标权重 文章通过SPSSAU软件,采用熵值法对各二级指标计算权重。

1.4.4 BP神经网络模型的训练与预测 文章运用MATLAB 2016a软件中Neural Net Fitting实现BP神经网络训练,将433组数据中的383组数据作为训练集,数据初始化选择init函数,训练的方法采用Levenberg-Marquardt,训练完成后运用sim函数对剩余数据50组数据进行仿真预测。

2 结果

2.1 各二级指标的权重系数

经数据归一化处理后,文章采用熵值法确定各二级指标的权重系数,具体见表2。

表2 各二级指标的权重系数

2.2 BP神经网络教学质量评价模型结果

文章将383组数据预处理后导入MATLAB中进行模型的训练,神经网络经过9次即可收敛,训练的期望输出与训练输出呈线性相关,相关系数为0.998 87,如图2,图3所示。

文章将剩余50组数据进行预处理后导入MATLAB中进行仿真预测,预测值与真实值之间近乎重合,误差均在0.1之内(见图4),实验结果比较理想。

图4 测试集预测值与期望值对比及误差

3 讨论

研究生教育能够充分体现我国高等教育水平,也是引领“双一流”建设向纵深发展的关键因素[12]。而研究生教育质量评价体系的构建是研究生教育质量评价和改进的前提和基础。目前较常见的教学质量评价方法各有优劣:专家评价法,是基于相关领域的专家打分进行的定量评价,评价方法简单,但主观性较强,并且主要偏重教学中“教”的方面进行评价,缺少以学生“学”为中心的教学目标;层次分析法,在构建模型的过程中,将评价体系分解为多指标的若干层次,通过定性分析反映被评价对象价值的影响因素关系,利用线性方法进行量化综合评价的对象,获得每个评价指标的权重,即可得到综合评价结果,层次分析法可以保持信息最小的损失,进行各层指标的全面评价,但当评价指标数量较多时,统计难度变大,每个指标的权重不能精确确定;模糊综合评价法,采用模糊数学的分析方法对定性评价进行转化,采用定量评价的手段对问题进行分析,具有较强的系统性,分析结果明确易懂,但计算方法复杂,权重的确定主观性较强[6,7]。

BP神经网络是一种具有三层或三层以上的神经元网络,神经元之间无连接,而每层之间全连接,每一层的神经元状态只影响下一层神经元状态[6]。该网络由信息的正向传播和误差反向传播两个学习过程组成,在正向传播中,输入信号从输入层经隐含层逐层处理,直至输出层,将输出结果与期望值比较,如果没有达到预期,则转变为误差的反向传播,如果输入层得不到期望输出,则转入反向传播,根据预测误差调整网络权值和阈值,从而使BP神经网络预测输出。由于BP神经网络的传递函数必须是可微的,所划分的区域不再是一个线性划分,而是由一个非线性超平面组成的区域,它是比较光滑的曲面,因而它的分类比线性划分更加精确,容错性也比线性划分更好[8,13]。考虑熵值法是一种依赖于数据本身离散性的客观赋值法,文章采用熵值法确定各二级指标权重。信息熵值代表各指标得分不确定性的大小,即信息熵值越小,数据的变异程度越大,不确定性越大,提供的信息量就越多,即信息效用值越大。而提供的信息量越多,在综合评价中所能起到的作用也越大,其权重也就越大,即赋予的权重系数就越大[14]。因此,用熵值法基于数据确定指标权重,可以克服主观赋权法无法避免的随机性和主观性。同时,熵值法算法比较简单,便于操作。

教学质量评价是高校的重要环节。文章以内蒙古医科大学2022级医学研究生为研究对象,结合实际教学情况和要求,采用熵值法-BP神经网络模型构建教学评价体系。通过训练和仿真预测,我们发现测试样本预测值与真实值误差较低,评价结果较好。同时,该评价模型具有易操作性和普适性。因此,基于BP神经网络的教学质量评价体系亦可应用于不同专业不同课程的教学质量评价当中。