基于BP神经网络大学生深度学习水平预测模型构建.docVIP

基于BP神经网络大学生深度学习水平预测模型构建 　　摘要：由于BP神经网络强大的自组织和自适应能力，本文基于BP神经网络构建了大学生深度学习水平预测模型，使用NSSE-China2013问卷作为数据的来源，将院校间的五大可比指标作为网络的输入、大学生深度学习水平作为网络的输出，并在Matlab中仿真实现。实验结果表明，该预测模型克服了传统评价深度学习水平的复杂性和主观性，具有收敛速度快和预测精度高等特点，具有很好的适用性。 　　关键词：BP神经网络；大学生深度学习水平；NSSE-China；预测模型 　　中图分类号：G434 　　文献标志码： 　　文章编号：1673-8454（2015）23-0072-04 　　随着国家逐渐步入学习型社会，国家和社会对于知识和人才的需求和重视程度逐渐加大，而大学生作为接受高等教育的精英群体，其学习情况直接影响着学习型社会的深度和广度，因此研究大学生的学习情况越来越具有现实意义。而评价学生的学习情况，不仅要衡量知识的广度和数量，还要考察学生是否善于将新思想与原有的知识结构相联系，并最终获得解决问题的能力，即深度学习能力。全球信息化的快速发展极大地改变了当代大学生的学习模式，大量的学生长期处于浅层学习当中，这会大大限制学校对学生解决问题能力和创新能力的培养。本文通过分析与预测大学生深度学习水平，可以帮助学生及时调整自身学习状态，帮助教师更加有针对性地改进教学策略，同时也可以为院校的教育改革提供科学的指导。 　　BP神经网络是一种人工智能算法，具有很强大的非线性映射能力、自组织和自适应能力。因此本文以中国海洋大学“大学生学习性投入调查”问卷（NSSE-China）所统计的数据作为依据，构建了评价大学生深度学习水平的数学模型，从而为大学生深度学习水平的研究提供一定的参考价值。 　　一、深度学习的内涵 　　深度学习和浅层学习这两个概念是由国外学者FerenceMarton和Roger Saljo在1976年联名发表的《学习的本质区别：结果和过程》一文中首次提出的。他们通过一项实验，总结出学生学习的两种不同学习策略，即浅层学习策略和深层学习策略。他们认为所谓浅层学习，就是指不加以思考地记住书本中提到的一些原理或事实，所关注的是在测验中遇到的书本中提及的那些内容；而深层学习，是指理解整本书中的思想，试图领会其学术内涵，关注的焦点是如何将书本中的知识应用在现实生活中。 　　经过长期对深度学习的深入研究，国内学者何玲和黎加厚在《促进学生深度学习》一文中对深度学习做出了较为精准的定义。所谓深度学习，是指在理解学习的基础上，学习者能够批判性地学习新的思想和事实，并将它们融入原有的认知结构中，能够在众多思想间进行联系，并能够将已有的知识迁移到新的情境中，做出决策和解决问题的学习。 　　根据上述对深度学习的定义，可以将深度学习按照布鲁姆的教育目标分类学来对其进行概括和总结。布鲁姆等人在认知学习领域将教育目标分为六大类，从低级到高级依次为识记、理解、应用、分析、综合和评价。浅层学习的认知水平停留在第一、第二层，而深层学习的认知水平对应着后面的四层。因此，本文认为深度学习是指批判性地接受新知识，通过整合原有知识，构建出属于自己的知识体系，并获得解决问题的能力。 　　本文的重点研究对象是大学生群体，相较于中学生群体而言，大学生群体拥有更多的自主学习时间和更为丰富的课余活动，获得教学资源的内容和途径也更加广泛和便捷，因此大学生的学习模式更多的是自主学习模式，这也是其与中学生的重要差别之一，大学生真正成为了学习活动的主体。同时，由于大学生即将离开校园步入社会，这一角色特殊性决定了大学教育应该更加注重培养学生创新和解决问题的能力，即深度学习能力。然而目前的研究发现，大量的大学生长期处于浅层学习状态，长此以往将不利于社会的进步，因此大学生深度学习能力的培养具有更大的研究价值。 　　二、构建预测模型 　　本文所采用的数据来源于2013年中国海洋大学“全美大学生学习型投入调查”汉化版（NSSE-China）问卷，通过筛选题目构成深度学习量表，来考查大学生深度学习水平的相关影响因素并构建预测模型。NSSE-China问卷的原型是印第安纳大学开发的“全美大学生学习性投入调查”（National Survey of Student Engage-ment.以下简称NSSE）问卷。NSSE是一个针对美国全国范围内四年制本科院校学生投入高层次学习活动和发展程度的年度调查。NSSE-China项目于2007年启动，经过一系列文化适应和预测试后于2009年首次在中国全国范围施测。该问卷具体测量了几项指标，包括院校间的五大可比指标（具体包括学业挑战度LAC、主动合作学习水平ACL、生师互动SFI、教育经验的丰富程度FEE和