汪克亮+何剛+程云鶴

摘要：科學(xué)評價高校課堂教學(xué)質(zhì)量是保證與提升高校人才培養(yǎng)質(zhì)量的關(guān)鍵環(huán)節(jié)。為了克服傳統(tǒng)評價過程中主觀因素的干擾，本文在建立高校課堂教學(xué)質(zhì)量評價指標體系的基礎(chǔ)上，基于BP神經(jīng)網(wǎng)絡(luò)提出了一種高校課堂教學(xué)質(zhì)量的智能評價模型并將其應(yīng)用到某高校的評價實踐之中，評價實例充分證明了這種評價模式的可行性與有效性。

關(guān)鍵詞：高等學(xué)校;課堂教學(xué)質(zhì)量;智能評價;BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：G642.0 ? ? 文獻標志碼：A ? ? 文章編號：1674-9324（2015）24-0062-02

一、引言

自從1999年我國高等學(xué)校實施擴招以來，課堂教學(xué)質(zhì)量問題一直是社會輿論與新聞媒體關(guān)注的焦點。高校大幅度擴招到底是否能夠保證人才的培養(yǎng)質(zhì)量呢？這個問題一直縈繞在社會公眾的心頭，難以揮去。作為我國各條戰(zhàn)線人才培養(yǎng)的主要基地，高校教學(xué)質(zhì)量的好壞不僅影響到高校的辦學(xué)水平，還將直接影響到學(xué)生專業(yè)素質(zhì)的培養(yǎng)，進而會影響到一個國家的核心競爭力，事關(guān)重大。目前，課堂教學(xué)仍然是我國高校最重要的教學(xué)組織形式，同時也是實現(xiàn)人才培養(yǎng)目標、保證教學(xué)質(zhì)量的關(guān)鍵環(huán)節(jié)[1]，因此，要提升高校教學(xué)質(zhì)量，首先必須要提高課堂教學(xué)質(zhì)量，要提高課堂教學(xué)質(zhì)量，就必須建立一套科學(xué)、完整的評價體系，對高校課堂教學(xué)質(zhì)量進行客觀、公正、有效的評價，實現(xiàn)評價結(jié)果之間的橫向與縱向比較，進而發(fā)現(xiàn)高校課堂教學(xué)中存在的問題與薄弱環(huán)節(jié)并有針對性地采取相關(guān)措施。這樣不僅可以全面洞悉高校教師課堂教學(xué)質(zhì)量的真實情況，還能對課堂的參與主體——教師、學(xué)生產(chǎn)生正確的行為導(dǎo)向與激勵作用[2]，對于進一步促進我國高校課堂教學(xué)水平實現(xiàn)本質(zhì)性的提高具有重要的指導(dǎo)意義與應(yīng)用價值。

近年來，一種新型的智能化建模工具——人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）在諸多領(lǐng)域得到了廣泛的應(yīng)用。該方法本質(zhì)上是一種信息的非線性變換系統(tǒng)，具有強大的非線性處理能力，因其廣泛的適應(yīng)能力、學(xué)習能力和映射能力，在多變量非線性系統(tǒng)的建模方面有很大的優(yōu)勢。BP神經(jīng)網(wǎng)絡(luò)（Back-Propagation Network）學(xué)習算法是目前在各領(lǐng)域中研究和應(yīng)用最廣泛的算法，它所擅長的是處理那種規(guī)律隱含在一大堆數(shù)據(jù)中的映射逼近問題[3-5]。因為高校課堂教學(xué)質(zhì)量的評價涉及到一系列的指標，不同指標之間的關(guān)系十分復(fù)雜，是一個典型的復(fù)雜非線性系統(tǒng)，所以本文嘗試利用BP神經(jīng)網(wǎng)絡(luò)來建立高校課堂教學(xué)質(zhì)量的智能化評價模式并將其應(yīng)用到評價實踐之中，以期為高校課堂教學(xué)質(zhì)量的評價提出一種較為客觀、準確的方法。

二、高校課堂教學(xué)質(zhì)量評價指標體系的建立

影響高校課堂教學(xué)質(zhì)量的因素很多，本文經(jīng)過深入課堂調(diào)研、密切聯(lián)系實際，建立了五個一級指標：教學(xué)內(nèi)容（U1）、教學(xué)方法（U2）、教學(xué)態(tài)度（U3）、教學(xué)能力（U4）、教學(xué)效果（U5），每個一級指標又由若干個二級指標組成，一共19個二級指標。根據(jù)教師教學(xué)水平的構(gòu)成，按照教學(xué)質(zhì)量綜合評價的原則，建立了一套適用于評價高校教師課堂教學(xué)質(zhì)量水平的指標體系。評價指標具體包括：U1（教學(xué)內(nèi)容）下的二級指標包括，U11：基本概念、理論講解清楚;U12：教學(xué)內(nèi)容重點突出;U13：理論聯(lián)系實際;U14：能夠及時介紹該課程的最新研究成果;U15知識含量高。U2（教學(xué)方法）下的二級指標包括：U21：備課充分，講學(xué)認真;U22：耐心輔導(dǎo)答疑，關(guān)心學(xué)生進步;U23：上課不遲到、不早退、不拖堂;U24：能主動虛心聽取學(xué)生對教學(xué)的意見。U3（教學(xué)態(tài)度）下的二級指標包括：U31：教學(xué)過程重點突出，難點講透，詳略得當;U32：使用現(xiàn)代教學(xué)手段（多媒體、電化教學(xué)等）;U33：教學(xué)生動，課堂氣氛活躍;U34：教學(xué)環(huán)節(jié)協(xié)調(diào)，層次條例清楚。U4（教學(xué)能力）下的二級指標包括：U41：講課語言流暢、生動;U42：板書工整、條理、規(guī)范;U43：普通話教學(xué)。U5（教學(xué)效果）下的二級指標包括：U51：調(diào)動學(xué)生思維，激發(fā)學(xué)習興趣;U52：學(xué)生對教學(xué)內(nèi)容印象深刻，理解吸收好;U53：對實踐有較強的指導(dǎo)意義。

由于高校課堂教學(xué)質(zhì)量的評價指標涉及到的都是定性指標，為了將其量化，一般都是采取專家打分的方法。針對神經(jīng)網(wǎng)絡(luò)輸入樣本的特點，也為了使得各指標在整個系統(tǒng)中具有可比性，我們將指標數(shù)據(jù)做歸一化處理，將所有指標數(shù)值均轉(zhuǎn)化為[0，1]之間的值。評價主體對高校課堂教學(xué)質(zhì)量的理論評價結(jié)果是（好，較好，一般，較差，差）。作為課堂教學(xué)質(zhì)量的綜合評價值，分為5個等級，分別是：0.9～1.0為很高，0.7～0.9為較高，0.5～0.7為一般，0.3～0.5為較差，0.3以下為極差。

三、高校課堂教學(xué)質(zhì)量智能評價系統(tǒng)的設(shè)計與仿真實例

1.BP網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計。本文選擇一個三層的BP神經(jīng)網(wǎng)絡(luò)來對系統(tǒng)進行綜合評價，因為該系統(tǒng)的評價指標體系涉及到19個指標，也就說明了網(wǎng)絡(luò)的輸入層有19個節(jié)點，作為網(wǎng)絡(luò)的唯一輸出是課堂教學(xué)質(zhì)量的綜合評價值，也在[0，1]之間。網(wǎng)絡(luò)隱含層的節(jié)點數(shù)的選擇可以采取對比實驗法，即選取幾種隱含層節(jié)點進行訓(xùn)練，將訓(xùn)練結(jié)果從網(wǎng)絡(luò)逼近能力和泛化能力兩個方面進行對比實驗，使之有較為明確的實際依據(jù)，同時也有助于了解隱含層節(jié)點數(shù)對網(wǎng)絡(luò)性能的影響。通過對比實驗，選取最佳隱含層節(jié)點數(shù)。還有其他方法也可以得到隱含層節(jié)點數(shù)，如經(jīng)驗公式法。本文綜合兩種方法，最后確定網(wǎng)絡(luò)的隱含層節(jié)點數(shù)為8。由于BP神經(jīng)網(wǎng)絡(luò)是一種較為成熟且應(yīng)用最為廣泛的人工神經(jīng)網(wǎng)絡(luò)，因此對于其原理以及BP算法本文不再做具體介紹。整個智能評價系統(tǒng)的結(jié)構(gòu)如圖1所示。

2.BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與檢驗。本文選取某高校26位教師作為樣本，將其中20位教師的評價指標的量化值作為訓(xùn)練樣本，另外6位教師的評價結(jié)果作為檢驗樣本來驗證該系統(tǒng)綜合評價的能力。網(wǎng)絡(luò)的隱含層節(jié)點為8個，給定的學(xué)習精度為0.0001。將專家的打分值作為網(wǎng)絡(luò)的期望輸出。當網(wǎng)絡(luò)的輸出結(jié)果與期望結(jié)果的誤差在可接受的范圍之內(nèi)時，網(wǎng)絡(luò)訓(xùn)練結(jié)束?，F(xiàn)將教師課堂教學(xué)質(zhì)量評價的指標打分結(jié)果以及神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果做了對比。我們發(fā)現(xiàn)網(wǎng)絡(luò)的訓(xùn)練結(jié)果與期望輸出（專家打分結(jié)果）取得了很好的一致性，相對誤差控制在相當小的范圍，說明了此時的神經(jīng)網(wǎng)絡(luò)系統(tǒng)已經(jīng)具備了評價的功能。神經(jīng)網(wǎng)絡(luò)訓(xùn)練及檢驗過程都是利用Matlab軟件中的BP神經(jīng)網(wǎng)絡(luò)工具箱完成的。

經(jīng)過訓(xùn)練的智能評價系統(tǒng)已經(jīng)具備了評價非線性系統(tǒng)的能力。為了驗證該評價系統(tǒng)的有效性，我們將剩下的6個樣本作為評價樣本來評價該系統(tǒng)。檢驗結(jié)果如表1所示。

檢驗結(jié)果表明，相對誤差最大的為1.1245%，最小的為0.0961%，而且系統(tǒng)評價等級與專家評價等級完全一致，因此兩種方法評價結(jié)果具有很好的一致性，這充分表明，采用三層BP神經(jīng)網(wǎng)絡(luò)通過已有的學(xué)習訓(xùn)練來評價高校課堂教學(xué)質(zhì)量是完全可行的，且評價結(jié)果是有效的。

四、結(jié)論

本文采用最常見的人工神經(jīng)網(wǎng)絡(luò)——BP神經(jīng)網(wǎng)絡(luò)來設(shè)計高校課堂教學(xué)質(zhì)量的智能評價系統(tǒng)。BP神經(jīng)網(wǎng)絡(luò)利用其自身的非線性映射能力以及很強的自學(xué)習性、自適應(yīng)性和容錯性，能夠充分利用樣本指標的有關(guān)信息，揭示了高校課堂教學(xué)質(zhì)量與其相關(guān)影響因素之間的內(nèi)在作用機理，不但可以模擬專家對高校課堂教學(xué)質(zhì)量進行評價，而且克服了評價過程中的人為干擾，更能夠體現(xiàn)評價的客觀性。仿真實驗結(jié)果表明，這種方法是行之有效的，可以作為以后評價高校課堂教學(xué)質(zhì)量的工具。但是，人工神經(jīng)網(wǎng)絡(luò)也有自身的缺點，比如BP網(wǎng)絡(luò)的初始權(quán)重的賦值、訓(xùn)練樣本的選取、隱含層的設(shè)計以及網(wǎng)絡(luò)的收斂容易陷入局部極小等問題，也應(yīng)該引起高度重視。只要能夠采取有效的措施和算法處理好上述問題，那么基于人工神經(jīng)網(wǎng)絡(luò)的高校課堂教學(xué)質(zhì)量智能評價方法就不失為高校課堂質(zhì)量評價方法中較好的一種。

參考文獻：

[1]曹春麗，文志誠，賀紅香.高校本科課堂教學(xué)質(zhì)量評價體系研究[J].中國高等教育評估，2014，（2）：58-60.

[2]李長熙，張偉偉.課堂教學(xué)質(zhì)量評價體系信度和效度實證研究——以山東科技大學(xué)為例[J].山東科技大學(xué)學(xué)報（社會科學(xué)版），2013，15（6）：92-96.

[3]汪克亮，楊力，查甫更.基于BP神經(jīng)網(wǎng)絡(luò)的工作崗位評價系統(tǒng)設(shè)計[J].企業(yè)經(jīng)濟，2007，（12）：30-33.

[4]汪克亮，楊力，查甫更.改進BP神經(jīng)網(wǎng)絡(luò)在企業(yè)網(wǎng)絡(luò)營銷績效評價中的應(yīng)用[J].商業(yè)研究，2008，（3）：64-68.

[5]楊力.基于BP神經(jīng)網(wǎng)絡(luò)的城市房屋租賃估價系統(tǒng)設(shè)計[J].中國管理科學(xué)，2002，10（4）：22-26.endprint