基于BP神经网络高校教师教学质量评价模型研究.docVIP

基于BP神经网络高校教师教学质量评价模型研究 　　 【摘要】 教学质量评价是一个涉及面较广的系统工程，受到诸多因素与条件的制约及影响，如何准确有效地进行教师教学质量评估，评估体系与方法的确定至关重要。本文建立了具有20个评价指标评价体系和三层神经网络的教学质量评价模型, 并进行了实证检验，结果表明，神经网络评价模型在教师教学效果评价中是可行的。 　　 【关键词】 教学质量；神经网络；评价 　　 【中图分类号】：G644【文献标识码】：A【文章编号】：1009-9646(2008)08-0000-00 　　 　　教学质量评估是一个涉及面较广的系统工程，受到诸多因素与条件的制约及影响，如何准确有效地进行教师教学质量评估，评估体系与方法的确定至关重要。教师职业特性从有形与无形、内在与外在等方面对教师能力与素质的要求具有综合特性，同时教师工作对象的复杂性、多变性、教育过程的多因素、多变化造成可比因素的难于确定性，因此,对教师教学效果的评价，是对教师全部工作进行多指标、全方位综合判断与分析的过程，绝非简单、轻率地打个分便可了结的事，将定性方法与定量方法有机结合起来，建立科学的教学质量评估体系，对提高教师的教学水平的提高有着重要的意义。 　　 　　1 评价指标体系的设计 　　 　　评估指标的选取与设置，不只是为评价结果服务，从根本意义上具有导向功能和激励作用。教学质量评价是根据教学目的和教学原则，利用可行的评价技术对教学过程及其预期的效果给予价值上的判断，以提供信息和对被评对象作出某种评定。评价对象是教师的劳动，教师的劳动是一种复杂的智力活动，是一个多因素、多变量的复杂的动态过程，不仅涉及教师的主观努力，也涉及到所授课程内容、教学对象、教学条件和教学安排等各环节。关于教师教学质量的评价标准很多，指标体系也不尽相同。由于评价的根本目的是促进教师的工作提高教师的教学水平，因此，本文在构建评价指标体系的过程中，在前人的基础上主要体现出如下思想特色： 　　1.1 公正性。从教学评估的参与人员看，为了不失公正性，避免片面性，可考虑安排多方参与：包括学生，主要从学习主体的角度来反映教学效果和教师是否因材施教等；领导和教学管理人员，主要从课堂教学的规范要求方面以及平时获取的一些有关信息来评价；同行老师相互评价，主要从学科专业角度评价授课方式、方法的科学性等。 　　1.2 区别性。将职称作为评价的指标之一，目的是将不同层次水平的教师区别开来，以消除不同年龄、职称水平的教师由于从事教学工作的积淀而形成的在评价中的优势地位，为体现评价的公平性，在评价过程中对评价指标进行修正，有利于激发年轻教师的积极性。 　　1.3 发展性原则。教师评价,从目的上可分为两种类型:1) 奖惩性教师评价;2) 发展性教师评价。奖惩性教师评价以奖励和惩处为最终目的,通过对教师工作表现的评价,做出解聘、晋升、调动、降级、加薪、减薪等决定。发展性教师评价以促进教师的专业发展为最终目的,不再是为了奖惩教师,而是为了促进教师和学校未来的发展。据英国学者希尔兰兹(Shields) 主持的一项调查表明,发展性教师评价在教师中间产生了相当大的热情,绝大多数教师都认为参与发展性教师评价是一种有价值的活动,甚至是一种享受。发展性教师评价是促进教师发展需要与学校发展需要统一和融合的有效策略。 　　根据以上原则建立如下评价指标体系： 　　 　　该评价体系具有以下一些特点：① 允许在有效数据基础上产生个人主观价值评估；② 能有效地利用评分人员的时间；③ 不附加任何色彩；④ 较好地反映持教师教学效果评价的合理性；⑤ 能突出教师教学效果不良的因素。我们将每个指标分成五个级别：比如用最强、强、一般、弱、最弱。五个级别对应的分数为:9、7、5、3、1。其中教师的职称的初级、中级、高级分别为9、5、1。 　　 　　2BP神经网络评价模型 　　2.1 神经网络算法 　　 　　网络的学习算法称为误差反向传播算法或 学习算法，是一种迭代算法，一次学习过程由输入数据的正向传播和误差的反向传播两个子过程组成。设有 个学习实例样本，=1，2，3，…，，对实例 ，在正向传播过程中，实例的输入向量 从输入层的 个节点输入，经隐含层逐层处理，由输出层的个节点输出端得到实例的网络计算输出向量 ，比较和实例 的期望输出向量，若个学习实例的计算输出都达到期望的结果，则学习过程结束；否则，将进入误差的反向传播过程，把 和 的误差由网络输出层向输入层反向传播，在反向传播过程中，修改各层神经元的连接权值。 　　 算法具有理论依据充分、推导过程严谨、物理概念清晰、通用性好等优点，是神经网络学习的一种主要算法。但算法的收敛速度慢，对于提供的 个学习实例需要反复学习，迭代次数 通常为几百次至几千次，所有输出