基于智能优化算法的教学质量评价方法.pdfVIP

第 34卷第6期 杭 州 电子科 技 大学 学 报 Vo1．34．No．6 2014年 11月 Journal of Hangzhou Dianzi University Nov．2014 基于智能优化算法的教学质量评价方法 朱娅妮 (杭州电子科技大学工程研究院，浙江 杭州310018) 摘要：为了提高教学质量评价的准确性，提出了一种基于智能优化算法的教学质量评价方法。首先 采用层次分析法构建评价指标体系，然后用多群体遗传算法优化设计BP神经网络，最后用BP神经 网络评价教学质量。实验结果证明，该文提出的方法由于结合了神经网络和遗传算法的优点，克服了 评价系统的盲 目性，采用非线性逼近的方法提高了教学质量评价的准确率，是一种高效的评价方法。 关键词：层次分析法 ；多群体遗传算法；神经网络 ；教学质量评价 中图分类号：TP183，G420 文献标识码：A 文章编号：1001—9146(2014)06—0066—05 0 引 言 随着我国高等教育普及程度的不断提高，高等学校的教学质量越来越受到社会的关注，很多高校开 始采用各种方法对教学质量进行评价。最早采用人工方式来评价教学质量，但是评价结果受到评价对 象的主观性影响评价精度较低，不能反映真实的高校教师教学水平。随后出现的基于专家系统的教学 质量评价方法，虽从一定程度上提高了评价精度，但是评价指标的选择主要根据专家的经验值来确定， 所以评价结果的客观性较差。近年来，基于信息技术的教学质量评价方法开始出现，多元线性回归、层 次分析法、遗传算法、支持向量机和神经网络等多种技术开始应用到教学质量评价中n。]。但是单一的 评价方法往往运行效率很低 ，建立一种具有实时优化和智能学习等优点的教学质量评价算法，成为当前 自动评价的主要趋势。本文在对教学质量评估现状进行深入分析的基础上，提出了一种基于智能优化 算法的高校教学质量评估方法。将层次分析法的定性定量分析与多群体遗传算法 良好的并行优化性能 相结合，并充分发挥神经网络在处理大样本、非线性问题的优势对教学质量体进行评价。仿真实验证 明，本文提出的评价模型能够很好地评价高校教学质量。 1 层次分析法 层次分析法 (AnalyticHierarchyProcess，AHP)的基本原理是把一个复杂问题看作一个大系统，通 过对这个大系统中涉及的多个元素进行详细分析，确定各因素之间的层次关系，再对每个层次中的全部 元素进行客观比较，通过建立判断矩阵分析同层次中各元素之间的相对重要性并定量表示出来，从而得 到层次之间以及每一层次中所有元素的权重比例系数，最后根据各因素之间的权重比例来规划系统的 层次关系。这种方法将定性分析与定量分析有机地结合起来，具有很强的系统性和逻辑性，是解决多层 次、多 目标规划决策问题的有效方法…。 1．1 建立层次结构模型 运用AHP法建立高校教学质量评价体系，首先需要深入分析影响高校教学质量的诸多实际因素， 将所有对教学质量有影响的因素按照不同属性分成若干层次。本文在调查参考一线教师、教学专家和 收稿 日期：2014—07—28 基金项目：tO州电子科技大学高等教育研究资助项目(YB1343) 作者简介：朱娅妮 (1980一)，女，湖北襄阳人 ，讲师，人工智能． 第6期 朱娅妮：基于智能优化算法的教学质量评价方法 67 教学管理人员意见的基础上，将高校教学质量评价指标体系分解为3个层次。最上层为教学质量评价 指标体系；中间层为教学内容、教学方法、教学态度、教学效果4个因素；最下层为影响中间层的11个二级 指标。中间层的4个因素从属于最上层，同时又支配下层的11个因素。详细的层次关系如图1所示。 图1 教学质量评价指标体系 1．2 确定指标权重 建立层次结构模型之后，清楚地看到指标之间的诸因素相互影响，重要性各不相同。通过反复比较 同层次间各个指标对上层次因素影响的程度构造两两比较判断矩阵，对不同的重要程度采用不同的数 值来说明，从而得到相应的权重比例系数 J。 对于