◆趙智鵬 高艷梅 趙寅旭 王 巍

(1.德惠市校外教育指導中心；2.德惠衛(wèi)生職工中等專業(yè)學校；3.大連民族大學計算機學院)

基于優(yōu)化的BP神經(jīng)網(wǎng)絡學生學習狀態(tài)指數(shù)的評價研究

◆趙智鵬1高艷梅1趙寅旭2王 巍3

(1.德惠市校外教育指導中心；2.德惠衛(wèi)生職工中等專業(yè)學校；3.大連民族大學計算機學院)

隨著教學內(nèi)容和教學模式方法不斷改進，學生為教學主體的理念逐步深化。有效的掌握學生學習狀態(tài)，能夠有效提升教學效果。如何評價學生主體的學習狀態(tài)，成為教師關注的重點。算法采用經(jīng)附加動量和自適應學習速率優(yōu)化后的BP神經(jīng)網(wǎng)絡(Back-Propagation Network)進行學生學習狀態(tài)指數(shù)評價。實驗結(jié)果表明參與評價的在校學生的整體學習狀態(tài)較好，影響其學習狀態(tài)的的主要因素是學習計劃的有效執(zhí)行，課前課后主動復習和預習、自信樂觀程度、當前學習成績等。

教學模式 BP神經(jīng)網(wǎng)絡 自適應學習速率

一、問題背景

隨著目前教學研究內(nèi)容的逐步細化，教學模式和教學方法也在不斷改進。翻轉(zhuǎn)課堂教學模式，行為導向教學法、案例教學法、任務驅(qū)動教學法等，這些教學方式的實施前提都是以學生為主體，以此提高教學效果。教學效果的評價可以通過歷年考試或成績評定，那么如何評價學生學習態(tài)度、學習主動性方面的進步，調(diào)動學生學習積極性，讓學生參與到教學活動中來，注重課前預習，提高學生的自主學習，自我管理能力，讓學生意識到自己是教學的主體，這才是提高教學效果的根本。本文研究如何進行學習狀態(tài)指數(shù)評價的問題。以統(tǒng)計分析調(diào)查問卷的方式來研究該指數(shù)。通過已有調(diào)查問卷的結(jié)果的分析，確立了評價在校學生學習狀態(tài)的18個指標。調(diào)查問卷的每個問題和每個指標一一對映，對學生學習態(tài)度進行正確的評價。

在目前常用的評價模型中，層次分析法(Analytic Hierarchy Process，簡稱AHP)是將與決策總是有關的元素分解成目標、準則、方案等層次，在此基礎之上進行定性和定量分析的決策方法。采用層次分析法定量數(shù)據(jù)較少，定性成分多，評價結(jié)果說服力不強； BP神經(jīng)網(wǎng)絡的優(yōu)勢在于其可以實現(xiàn)復雜的非線性映射并且具有較強的泛化能力，學習能力強，受人為和新增數(shù)據(jù)影響小，其結(jié)果的準確性和可靠性使得評價魯棒且有效。本文采用優(yōu)化的BP神經(jīng)網(wǎng)絡對學生學習狀態(tài)指數(shù)進行評價。

二、評價體系的建立

1.“5分制”標準

規(guī)定調(diào)查問卷中各題的每個選項的分值為自然數(shù)1、2、3、4、5，選項含義越積極分值越大。

2.評價指標確立

問卷調(diào)查部分統(tǒng)計信息結(jié)果會在實驗部分指出。

經(jīng)過進一步討論與總結(jié)，將影響學生學習狀態(tài)的指標歸為以下十八項：

學習活動因素包括如下(T的下標排序與問卷題號順序?qū)?：

在學習過程中有自己的學習計劃、每天的課程學習時間、每周題庫登陸次數(shù)、每周完成題庫題目數(shù)量、每周在線學習平臺學習時長、關注老師發(fā)布的教學內(nèi)容、愿意主動和老師進行交流、愿意和同學進行交流、小組合作提高了學習效率和學習進度、在課前和課后主動預習和復習、對目前教學方式滿意。

例如，在每日學習過程中能執(zhí)行自己的學習計劃嗎(限選一項)

沒有計劃……………………l

偶爾有……………………2

有計劃，但執(zhí)行力差……………………3

能基本執(zhí)行計劃…………………………4

嚴格執(zhí)行計劃…………………………5

以下問題討論非學習活動因素對學生學習狀態(tài)的影響：

和老師的關系，和同學的關系、自信樂觀程度、經(jīng)濟壓力、學習成績、業(yè)余生活、自身健康。

上述18個指標隨機分布，分別用T1到T18表示。

經(jīng)過調(diào)研，以上十八個指標影響著學生個體的學習狀態(tài)指數(shù)。對于每個被調(diào)查的個體而言，他的最終結(jié)果T取決于他在T1到T18中的選擇結(jié)果，而一個總體的指數(shù)，取決于每個個體的貢獻值，在BP神經(jīng)網(wǎng)絡的輸入中所有的輸入值都向T的值靠攏，T的值為用戶回答問題(即認為自己的學習狀態(tài)如何)所得的分值。因此，可以指出T1到T18十八個指標能夠體現(xiàn)總體的學習狀態(tài)指數(shù)。

三、模型的建立與求解

1.模型的建立

(1)BP神經(jīng)網(wǎng)絡

反向傳播網(wǎng)(Back-Propagation Network，BP網(wǎng)絡)是將由威德羅和霍夫提出的W-H學習規(guī)則一般化，對非線性可微分函數(shù)進行權值訓練的多層網(wǎng)絡。BP神經(jīng)網(wǎng)絡的學習過程采用誤差反向傳播算法，它是一個有監(jiān)督的神經(jīng)元網(wǎng)絡學習算法。

(2)附加動量法

針對于BP網(wǎng)絡存在局部極小值的情況，利用附加動量的作用則有可能滑過局部極小值。如式3所示。

(3)自適應學習速率

自適應學習效率是指在神經(jīng)網(wǎng)絡的訓練過程中，為了避免陷入局部最小解，根據(jù)訓練集的實際收斂狀況動態(tài)調(diào)整學習速率。

根據(jù)評測取得的26份調(diào)查問卷，將其中調(diào)查問題Q1到Q18的相應數(shù)據(jù)構(gòu)造矩陣P26×18，矩陣P的每一行即為每份問卷的指標向量。用問題Q1的答案構(gòu)造與P對應的輸出向量Out。

2.神經(jīng)網(wǎng)絡的訓練與使用

(1)神經(jīng)網(wǎng)絡的初始化

根據(jù)神經(jīng)網(wǎng)絡設置規(guī)則，并通過反復實驗，本文算法將第一層神經(jīng)元個數(shù)設為18，對應的輸入向量為本文確定的18個評價指標的分值，隱含層神經(jīng)元個數(shù)設為5，輸出向量為5維向量，表示該問卷的學生學習狀態(tài)指數(shù)等級。

第一層的激活函數(shù)為正切S型函數(shù)，第二層為線性激活函數(shù)，有監(jiān)督的學習方式采用梯度下降動量和自適應學習率的BP算法。

(2)神經(jīng)網(wǎng)絡的訓練

在訓練過程中迭代次數(shù)設為1000，誤差值是0.001，學習速率為0.01，學習速率增長上限為1.05，增長下限為0.7，訓練結(jié)果如圖1所示。

(3)神經(jīng)網(wǎng)絡計算

使用已經(jīng)訓練好的神經(jīng)網(wǎng)絡，對P矩陣進行每一行的神經(jīng)計算和識別，并將計算結(jié)果歸一化。輸出結(jié)果與學生學習狀態(tài)指數(shù)的映射關系如表1所示：

從調(diào)查問卷中隨機取出6個樣本P6、P20、P15、P3、P16、P4作為測試數(shù)據(jù)，其余20個作為訓練樣本。通過模型計算得輸出矩陣如式4所示。

通過神經(jīng)網(wǎng)絡計算后返回的各指標權重為W其對應關系如下，T、W兩個向量按順序一一對應。

T={關注老師發(fā)布的教學內(nèi)容，每周題庫登陸次數(shù)，和同學的關系，愿意和同學交流學習，小組合作提高了學習效率和學習進度，每周完成題庫題目數(shù)量，愿意主動和老師進行交流，在課前和課后主動預習和復習，自身健康，經(jīng)濟壓力，對目前教學方式滿意，每周在線學習平臺學習時長，自信樂觀程度，和老師的關系，每天的課程學習時間，學習成績，學習過程中有學習計劃，業(yè)余生活}

W={0.2373，0.1746，0.5613，0.3693，-0.2270，0.0614，0.2186，-0.7524，0.6202，0.5122，-0.5278，-0.0553，-0.6948，-0.0971，-0.4196，0.6480，-0.8516，0.4530}

在本次調(diào)查問卷范圍內(nèi)，即學校范圍內(nèi)，影響該范圍的學生學習狀態(tài)指標的重要程度可以從上表通過對權重進行排序得出。關注學生的教師可以參考本狀態(tài)指標，有針對性的對學生進行管理，從而達到提高學生學習自主性，提高學習效果的目的。

四、結(jié)語

本文利用BP神經(jīng)網(wǎng)絡原理建立的數(shù)學模型具有極好的魯棒性，是一個能夠全面服務于各地域、各年級不同條件的被調(diào)查者群體。尤其是對教學一線的教師，讓教師有效理解學生學習狀態(tài)，從而更有效的利用各種教育方法，發(fā)揮各種教育理念的最優(yōu)效果，提高學生學習效果。

[1]Bergmann J，Sams A.Flip your classroom：Reach every student in every class every day[M].Arlington，VA：International Society for Technology in Education，2012.

[2]蔣連香.多元化教學評價指標及評價方法探析.新課程研究，2014，(02).

[3]劉艷春，楊德輝，劉艷麗，康建軍.基于神經(jīng)網(wǎng)絡的某型飛機發(fā)動機故障診斷研究.電子設計工程，2012，(06).

[4]田雨波.混合神經(jīng)網(wǎng)絡技術.科學出版社，2009，6.

[5]何樹紅，吳迪，張月秋.比較BP神經(jīng)網(wǎng)絡和RBF神經(jīng)網(wǎng)絡在基金凈值預測中的應用.云南民族大學學報，2014，(02).