梁博 劉甲奇 杜野 王仲文 王偉華 張偉 李軍平

摘要：近年來，微課以其教學(xué)主題突出、教學(xué)方法創(chuàng)新的特點(diǎn)掀起了一股熱潮。如何準(zhǔn)確的評價(jià)學(xué)生微課自主學(xué)習(xí)效果已成為微課設(shè)計(jì)者所要面臨的重要問題。傳統(tǒng)數(shù)學(xué)模型如AHP模型等，難以對其進(jìn)行準(zhǔn)確的評估。本文基于材型學(xué)生《物理化學(xué)》微課（基于騰訊微信公眾平臺）的自主學(xué)習(xí)情況，使用離散Hopfield神經(jīng)網(wǎng)絡(luò)模型對學(xué)生自主學(xué)習(xí)效果進(jìn)行評價(jià)。模型仿真結(jié)果表明離散Hopfield神經(jīng)網(wǎng)絡(luò)模型的評價(jià)結(jié)果非常準(zhǔn)確，可以很好地運(yùn)用于學(xué)生微課自主學(xué)習(xí)效果的評價(jià)。

關(guān)鍵詞：微課;自主學(xué)習(xí)效果評價(jià);Hopfield神經(jīng)網(wǎng)絡(luò)模型

1前言

2011年“微課”概念提出來后，微課開始在全國如火如荼地開展起來。微課短時(shí)間內(nèi)在世界范圍內(nèi)引起了巨大的反響，對現(xiàn)行的教育模式和方法產(chǎn)生了巨大的沖擊。如何準(zhǔn)確的評價(jià)學(xué)生微課自主學(xué)習(xí)效果已成為目前微課設(shè)計(jì)者所要面臨的一個(gè)重要問題。目前研究者大都使用傳統(tǒng)數(shù)學(xué)模型如AHP模型等，但這些模型難以對其進(jìn)行準(zhǔn)確的評估。而離散Hopfield神經(jīng)網(wǎng)絡(luò)模型作為一種優(yōu)良的非線性問題識別器，可以很好的彌補(bǔ)傳統(tǒng)評價(jià)模型的不足。本文基于材型學(xué)生《物理化學(xué)》微課（基于騰訊微信公眾平臺）的自主學(xué)習(xí)情況，使用離散Hopfield神經(jīng)網(wǎng)絡(luò)模型對學(xué)生自主學(xué)習(xí)效果進(jìn)行評價(jià)。

2.模型簡介

Hopfield網(wǎng)絡(luò)是由美國California Institute of Technology物理學(xué)家Hopfield 教授于1982年所提出的一種具有單層反饋的神經(jīng)網(wǎng)絡(luò)[1]。Hopfield神經(jīng)網(wǎng)絡(luò)具有聯(lián)想記憶的功能，它能完成從輸出到輸入的閉環(huán)連接。它在輸入的激勵(lì)下，會產(chǎn)生不斷的狀態(tài)變化。

可以把指標(biāo)評價(jià)問題看作是一種分類問題，將學(xué)生自主學(xué)習(xí)效果分成若干類，因此首先要建立評價(jià)學(xué)生自主學(xué)習(xí)效果的體系，并收集學(xué)生自主學(xué)習(xí)效果數(shù)據(jù)，然后采用一定的算法對數(shù)據(jù)建模，最后通過Hopfield網(wǎng)絡(luò)模型對數(shù)據(jù)進(jìn)行分類，得到評價(jià)結(jié)果。

3.模型建立

Step1 將學(xué)生自主學(xué)習(xí)效果分為五類標(biāo)準(zhǔn)：很好、好、中、差、很差，分別定義為class1、class2、class3、class4、class5[2] 。

Step2 根據(jù)模型原理可知“-1”和“1”是Hopfield神經(jīng)網(wǎng)絡(luò)有且僅有的兩個(gè)狀態(tài)。故需要對五個(gè)評價(jià)指標(biāo)進(jìn)行編碼從而轉(zhuǎn)化為“-1”和“1”兩個(gè)狀態(tài)。在此我們定義了如下編碼規(guī)則：

Step3 計(jì)算Hopfield神經(jīng)網(wǎng)絡(luò)模型 ，其中 為連接矩陣的權(quán)重，xj是外部輸入，yi為

4.模型求解

利用MATLAB R2016a對模型進(jìn)行求解，代碼如下：

通過求解，結(jié)果如圖1所示。

將五個(gè)標(biāo)準(zhǔn)的等級評價(jià)指標(biāo)保存在class文件中，對應(yīng)圖1（a）中的class1-5，根據(jù)編碼規(guī)則，得到待分類等級指標(biāo)評價(jià)分布，對應(yīng)圖1（b）中的pre-sim1-5。雖然圖1（a）和圖1（b）存在一定差異但比較接近。利用sim函數(shù)對樣本進(jìn)行仿真得到分類結(jié)果見圖1（c）sim1-5，結(jié)果表明學(xué)生利用微課自主學(xué)習(xí)的效果可分為五類，這與Step1定義分類標(biāo)準(zhǔn)一致。圖1（a）與圖1（c）的樣本分布完全相同說明Hopfield神經(jīng)網(wǎng)絡(luò)模型對學(xué)生微課自主學(xué)習(xí)效果評價(jià)準(zhǔn)確度很高[3]。

5.結(jié)論

本文基于材型學(xué)生《物理化學(xué)》微課（基于騰訊微信公眾平臺）的自主學(xué)習(xí)情況，使用離散Hopfield神經(jīng)網(wǎng)絡(luò)模型對學(xué)生微課自主學(xué)習(xí)效果進(jìn)行評價(jià)。結(jié)果表明，Hopfield神經(jīng)網(wǎng)絡(luò)模型可以較為準(zhǔn)確的評價(jià)學(xué)生自主學(xué)習(xí)效果，且評價(jià)過程中沒有人為主觀因素的干擾，是一種較為客觀的評價(jià)方法。

參考文獻(xiàn)：

[1]吳海燕. 基于離散Hopfield神經(jīng)網(wǎng)絡(luò)的高校創(chuàng)業(yè)能力評價(jià)[J]. 物流工程與管理， 2018（4）： 194-196

[2]黎明， 楊小芹， 周琳霞. 基于局部進(jìn)化的Hopfield神經(jīng)網(wǎng)絡(luò)的優(yōu)化計(jì)算方法[J]. 中國圖象圖形學(xué)報(bào)， 2004， 9（2）：207-213

[3]陶增樂， 章炯民， 吳文娟. 推廣的Hopfield神經(jīng)網(wǎng)絡(luò)模型[J]. 計(jì)算機(jī)應(yīng)用與軟件， 1996（4）：6-12

基金項(xiàng)目：哈爾濱理工大學(xué)教育教學(xué)研究項(xiàng)目（重點(diǎn)）（220180001）。

作者簡介：梁博（1986-），男，副教授，漢族。

通訊作者：杜野（1976-），男，副教授，漢族。