RBF神经网络在高职院校教师质量评价体系中应用.docVIP

RBF神经网络在高职院校教师质量评价体系中应用 　　摘 要 高职院校教学质量是其生存和发展的基础，而教师质量是高职院校办学质量保障体系中的重要组成部分。为了客观、多元化的评价教师质量，真实反映教师水平和能力，本文首先提出高职院校教师质量评价体系和指标，再通过RBF神经网络理论确立基于RBF神经网络的高职院校教师质量评价模型，并经样本数据进行仿真验证。通过仿真数据表明，该模型能够较全面、科学地评价教师质量 关键词 质量评价 RBF神经网络 指标体系 Abstract The quality of teaching in higher vocational colleges is the basis of its survival and development， and the quality of teachers is an important part of the quality assurance system in Higher Vocational colleges. In order to objectively and diversified evaluation the quality of teachers， teachers reflect the level and ability of teachers in higher vocational colleges， this paper puts forward the quality evaluation system and index， and then through the RBF neural network theory to establish the vocational college teachers RBF neural network evaluation model based on quality， and is verified by the sample data. The simulation results show that the model can comprehensively and scientifically evaluate the quality of teachers. Keywords quality evaluation； RBF Neural Network； index system 0 引言 《??家中长期教育改革和发展规划纲要（2010-2020年）》中提出：提高质量作为重点，建立健全职业教育质量保障体系，吸收企业参加教育质量评估，开展职业技能竞赛。高职院校办学质量是其生存和发展的基础。教师质量是高职院校办学质量保障体系中重要的组成部分，是不断提高高职院校办学质量的有效保证，也是进行教师绩效考核的参考基础。[1][2]因此建立一套有效的、完善的、符合高职特色的教师质量评价体系，对于深化专业建设、推动教学改革、激励教师不断改进提高具有积极的作用，同时也对加强教学管理、建立良好教风起到了重要的作用 本文首先在国家教育行业信息化的政策背景下，按照高职学院建立健全“师资队伍建设机制”和“质量监控体系”的需求，通过分析多个高职学院在师资队伍引进、聘用、管理制度；专、兼职行业、企业教师任职的标准；专业带头人、骨干教师的职责、认定程序、培养方法；“双师”型教师认定程序、培养方法等相关管理办法及制度；实训教师管理办法以及教辅人员管理办法等制度文件，提出一个多层次多元化的教师质量评价指标体系。再采用RBF神经网络将样本中指标量化分作为输入，最终评价作为输出，训练建立教师质量评价模型，并通过其它的样本数据对比该模型的评价结果和实际情况差异。这样实现了定量分析和定性分析的结合，保证了评价结果的客观性和一致性 1 高职院校教师质量评价指标体系 1.1 评价指标体系设计 （1）评价指标体系设计理念。从目前高职教师质量评价的现状来看，主要存在以下问题：在内容上，偏重于评价知识与技能的掌握程度而缺乏对过程、方法以及情感、态度、价值观的评价，这样评价的结果很难反映教师真实的水平与能力；在形式上，偏重于总结性评价而缺乏对过程的监控与反馈，造成评价形式单一；功能上，强调评价的甄别和选拔，但是缺乏对教师提出改进措施与建议；在方法上，偏重于简单的量化评价而缺乏质性评价，描述性评价、表现性评价等更是少见；在评价标准上，有过于单一的绝对化的倾向。[3] （2）评价指标体系设计方法。本项目在评价指标体系设计时，主要沿着以下几点思路进行的： 一是“以人为本”。关注教师的主体性是评价的出发点 二是明确师生角色的定位是评价的基础。在评价教师的教学时，应该改变传统的师生角色