摘要：為了有效地提高教學(xué)質(zhì)量，促進(jìn)整體教學(xué)水平的提高，提出了使用人工智能的神經(jīng)網(wǎng)絡(luò)算法用于評(píng)價(jià)教學(xué)質(zhì)量。首先，建立教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)模型，其次，通過調(diào)查問卷收集教學(xué)評(píng)價(jià)數(shù)據(jù)確定一級(jí)指標(biāo)和二級(jí)指標(biāo)，最后，通過雙疊加RBM-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)評(píng)價(jià)數(shù)據(jù)進(jìn)行分析。實(shí)驗(yàn)表明該評(píng)價(jià)模型能夠有效提高教學(xué)評(píng)價(jià)的質(zhì)量，促進(jìn)教學(xué)的發(fā)展。

關(guān)鍵詞：人工智能;教學(xué)質(zhì)量;評(píng)價(jià)

引言

教學(xué)質(zhì)量水平是一個(gè)學(xué)校教學(xué)工作中的重要標(biāo)志，在國家“雙高”政策的影響下，高職院校應(yīng)該需要更加注意教學(xué)質(zhì)量水平，這樣才能更好的適應(yīng)當(dāng)前教育的新形勢的要求。教學(xué)質(zhì)量的評(píng)價(jià)對(duì)于提高教學(xué)質(zhì)量具有舉足輕重的促進(jìn)作用，它能反映教師在教學(xué)過程中存在的問題，引導(dǎo)教師反思自己的教學(xué)方法和教學(xué)效果，教師提高自身的業(yè)務(wù)能力和教學(xué)水平;也有利于教學(xué)管理部門對(duì)教學(xué)質(zhì)量進(jìn)行有效的監(jiān)督，更加科學(xué)化、制度化、規(guī)范化管理教學(xué)工作，最終促使教學(xué)質(zhì)量的全而提高。在評(píng)價(jià)研究主體方面，徐曉娟等人對(duì)不同評(píng)價(jià)主體的視角、能力與經(jīng)驗(yàn)等方面進(jìn)行了分析，闡述了各主體在教師課堂教學(xué)評(píng)價(jià)中各自擁有的優(yōu)勢與不足，建議高校要針對(duì)不同的評(píng)價(jià)目的合理地選擇評(píng)價(jià)主體，建立和完善運(yùn)行機(jī)制，以提高教學(xué)評(píng)價(jià)工作的實(shí)效性;孟凡指出評(píng)教制度在利益相關(guān)者利益訴求的博弈演化中，評(píng)教主體主要有教師、學(xué)生和教學(xué)行政管理者，運(yùn)用利益相關(guān)者的理論作為一種分析框架，解釋和揭示學(xué)生評(píng)教制度還存在的問題及相關(guān)原因，他認(rèn)為利益相關(guān)者參與治理模式，可以體現(xiàn)評(píng)教制度所具有的治理屬性，也可以表達(dá)制度應(yīng)該秉承的教學(xué)品性。在評(píng)價(jià)方法研究方面，楊德芹構(gòu)建出基于統(tǒng)計(jì)學(xué)的教學(xué)評(píng)價(jià)模型;葉珍利用層次分析法建立課堂教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系的遞階層次關(guān)系，同時(shí)求出權(quán)重向量和組合權(quán)重向量，在遞階層次關(guān)系和權(quán)重向量的基礎(chǔ)上對(duì)學(xué)生評(píng)教、同行教師評(píng)教、專家評(píng)教和教師自評(píng)體系分別用模糊綜合評(píng)價(jià)法建立更加綜合的評(píng)價(jià)模型。張麗運(yùn)用因子分析法理論模型，找出較科學(xué)、合理的評(píng)價(jià)指標(biāo)體系。在評(píng)價(jià)理念方面，暴奉睿從兩種評(píng)價(jià)制度的定義與內(nèi)涵、關(guān)注方向、評(píng)價(jià)主體及評(píng)價(jià)結(jié)果反饋四個(gè)方面進(jìn)行利弊分析。楊彩霞等人提出基于學(xué)生學(xué)習(xí)、發(fā)展和學(xué)習(xí)成果的視角的“以學(xué)生為中心”的高校教學(xué)質(zhì)量保障理念，根據(jù)這一理念建構(gòu)，得出以學(xué)生為中心的教學(xué)質(zhì)量保障的三大特點(diǎn)，進(jìn)而提出組織策略、目標(biāo)建構(gòu)策略、服務(wù)支持策略以及評(píng)價(jià)反饋策略等教學(xué)質(zhì)量保障改進(jìn)策略。

本文在以上研究成果的基礎(chǔ)上，提出了使用人工智能的技術(shù)進(jìn)行對(duì)評(píng)價(jià)質(zhì)量模型進(jìn)行優(yōu)化，并通過問卷等方式收集質(zhì)量評(píng)價(jià)模型的數(shù)據(jù)，實(shí)驗(yàn)說明了本文模型的效果。

1.基于神經(jīng)網(wǎng)絡(luò)的教學(xué)評(píng)價(jià)模型

1.1教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)及評(píng)價(jià)結(jié)果

教學(xué)質(zhì)量評(píng)價(jià)涉及到諸多因素.本課題在走訪一線教師以及相關(guān)教學(xué)質(zhì)量評(píng)價(jià)管理部門意見，同時(shí)查閱文獻(xiàn)，借鑒一些院校的教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系，建立了本課題的指標(biāo)體系.教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系分為5個(gè)一級(jí)指標(biāo)及細(xì)分的18個(gè)二級(jí)指標(biāo)。其中一級(jí)指標(biāo)和對(duì)應(yīng)的二級(jí)指標(biāo)分別是教師素質(zhì)（教育教學(xué)目標(biāo)是否明確、教師專業(yè)知識(shí)是否扎實(shí)、教師授課和講解水平是否扎實(shí)）;教學(xué)態(tài)度（教師輔導(dǎo)過程中的答疑是否耐心積極、教師是否授課認(rèn)真，是否具有感染力、教師授課態(tài)度是否嚴(yán)謹(jǐn)精益求精）;教學(xué)內(nèi)容（教師教學(xué)概念和理論是否準(zhǔn)確、教師教學(xué)的內(nèi)容飽滿，注重能力，教學(xué)內(nèi)容是否聯(lián)系實(shí)際，注重實(shí)踐，教師的專業(yè)知識(shí)是否具有深度和廣度）;教學(xué)方法（教師的教學(xué)方法是否善于啟發(fā)和引導(dǎo)思考，教師的教學(xué)方式是否存在多樣性，運(yùn)用是否恰當(dāng)，教師是否注重學(xué)生個(gè)性發(fā)展，是否因材施教，教師是否注重激發(fā)學(xué)生的創(chuàng)新意識(shí)）;教學(xué)效果（學(xué)生的自學(xué)能力和學(xué)習(xí)興趣是否得到提高，學(xué)生掌握基木知識(shí)、理解知識(shí)能力是否提高，學(xué)生分析解決問題能力是否提高，學(xué)生的綜合素質(zhì)與創(chuàng)新能力是否提高）。將教師教學(xué)質(zhì)量評(píng)價(jià)結(jié)果作為本文的神經(jīng)網(wǎng)絡(luò)的輸出，分為優(yōu)秀（[0.9，1]）、良好（[0.8，0.89]）、中等（[0.7，0.79]）、及格（[0.6，0.69]）、不及格（[0，0.59]）五個(gè)等級(jí)各等級(jí)的輸出范圍.

1.2雙疊加RBM-BP神經(jīng)網(wǎng)絡(luò)

受限玻爾茲曼機(jī)-BP神經(jīng)網(wǎng)絡(luò)（簡稱RBM-BP），它結(jié)合了RBM和BP的優(yōu)點(diǎn)，針對(duì)復(fù)雜、高維的大量的數(shù)據(jù)。我們利用RBM強(qiáng)大的特征學(xué)習(xí)能力和對(duì)高維數(shù)據(jù)的無監(jiān)督學(xué)習(xí)，去除冗余特征，降低數(shù)據(jù)復(fù)雜度。這樣可以降低數(shù)據(jù)的訓(xùn)練復(fù)雜度，提高。然而，RBM-BP 網(wǎng)絡(luò)需要大量計(jì)算并且在訓(xùn)練樣本庫方面存在缺陷。在本課題的研究中，使用雙孿生 RBM-BP 網(wǎng)絡(luò)來實(shí)現(xiàn)使用少量層來減少訓(xùn)練次數(shù)。

雙疊加RBM-BP深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中的參數(shù)學(xué)習(xí)率，可見層數(shù)v，隱藏層數(shù)h，和參數(shù)集共同決定了雙孿生 RBM-BP 神經(jīng)網(wǎng)絡(luò)的性能。因此，參數(shù)設(shè)計(jì)復(fù)雜度比傳統(tǒng)的單一 RBM 復(fù)雜。合理優(yōu)化這六個(gè)參數(shù)是本文模型有效性的關(guān)鍵。使用元啟發(fā)式算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)參數(shù)可以提高其性能。本課題使用了更強(qiáng)大的鯨魚算法對(duì)雙RBM-BP深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化算法。參數(shù)通過WOA算法對(duì)孿生RBM-BP中的v、h和共12組參數(shù)進(jìn)行了優(yōu)化。在WOA算法的捕食階段中，表示鯨魚個(gè)體位置向量，需要優(yōu)化的變量包括2組參數(shù)學(xué)習(xí)率，可見層數(shù)量v，隱含層數(shù)量h以及參數(shù)集對(duì)應(yīng)鯨魚個(gè)體位置向量，因此可以表示為在螺旋階段中，所參與計(jì)算的優(yōu)化目標(biāo)函數(shù)表示為雙疊加RBM深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練誤差，表達(dá)為通過目標(biāo)函數(shù)得到最優(yōu)的參數(shù)v1，opt， h1，opt，1，opt以及1，opt和 v2，opt， h2，opt，2，opt以及2，opt.

2.數(shù)據(jù)來源及歸一化處理

根據(jù)指標(biāo)模型中的5個(gè)一級(jí)指標(biāo)及細(xì)分對(duì)應(yīng)的18個(gè)二級(jí)指標(biāo)，使用調(diào)查問卷由學(xué)生和教師分別進(jìn)行打分，對(duì)每一個(gè)指標(biāo)權(quán)重值的確定由主觀權(quán)重和客觀權(quán)重綜合獲得，其中主觀權(quán)重采用層次分析法，客觀權(quán)重采用粗糙集的客觀權(quán)重相結(jié)合。對(duì)評(píng)分?jǐn)?shù)據(jù)進(jìn)行收集，將在[0，100]中的評(píng)分?jǐn)?shù)據(jù)的標(biāo)準(zhǔn)使用歸一化中的最大最小方法對(duì)應(yīng)到[0，1]之間，這樣能夠較好的保存原始數(shù)據(jù)。歸一化后的數(shù)據(jù)作為模型的輸入值。最后得到的實(shí)驗(yàn)數(shù)據(jù)一共有100組，其中80組用于訓(xùn)練模型，以便能夠得到最優(yōu)的RBM-BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，剩余的20組數(shù)據(jù)用于測試，檢驗(yàn)神經(jīng)網(wǎng)絡(luò)處理后的學(xué)生評(píng)價(jià)的樣本結(jié)果，如表1所示。每組數(shù)據(jù)的第1-18行都為輸入數(shù)據(jù)，最后一列為數(shù)據(jù)訓(xùn)練輸出目標(biāo)。

3.模型對(duì)比

為了驗(yàn)證本模型的評(píng)價(jià)效果，將本文模型與BP神經(jīng)網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)進(jìn)行仿真。結(jié)果如表1所示。

絕對(duì)誤差對(duì)比圖如圖1所示，預(yù)測結(jié)果圖如圖2所示。從圖中可以看出，BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評(píng)價(jià)模型預(yù)測的絕對(duì)誤差分布在0-1.48之間，10%樣本預(yù)測絕對(duì)誤差較大，本文提出的模型預(yù)測的絕對(duì)誤差范圍為0-1.05之間，90%樣本評(píng)價(jià)結(jié)果預(yù)測值的絕對(duì)誤差可控制在0.1以內(nèi)。這說明了本文提出的模型預(yù)測結(jié)果較穩(wěn)定具有更好的性能效果。

4.結(jié)束語

針對(duì)現(xiàn)有的教學(xué)質(zhì)量評(píng)價(jià)的存在的不足，提出了將人工智能中的神經(jīng)網(wǎng)絡(luò)算法用于評(píng)價(jià)教學(xué)質(zhì)量。建立了包含一級(jí)和二級(jí)指標(biāo)的教學(xué)質(zhì)量評(píng)價(jià)模型，通過雙疊加RBM-BP神經(jīng)網(wǎng)絡(luò)模型用于評(píng)價(jià)數(shù)據(jù)分析。仿真實(shí)驗(yàn)，表明該評(píng)價(jià)模型能夠有效發(fā)現(xiàn)教學(xué)質(zhì)量的真實(shí)水平。

參考文獻(xiàn)：

[1]徐曉娟，劉琦，華小洋.教師課堂教學(xué)評(píng)價(jià)主體及運(yùn)行機(jī)制探討[J].高等工程教育研究，2008（05）：139-141.

[2]暴奉睿.高校教師獎(jiǎng)懲性評(píng)價(jià)與發(fā)展性評(píng)價(jià)的比較分析[J].職業(yè)技術(shù)，2011（10）：89-90.

課題來源：

浙江工業(yè)職業(yè)技術(shù)學(xué)院2021年度校級(jí)教學(xué)質(zhì)量管理和監(jiān)控項(xiàng)目—“人工智能背景下的教學(xué)質(zhì)量評(píng)價(jià)模型研究”。

作者簡介：

陳暄（1079.03-），男，副教授，碩士，研究方向?yàn)槿斯ぶ悄?、教學(xué)評(píng)價(jià)。