基于支持向量机高校教学水平评估模型研究.docVIP

基于支持向量机高校教学水平评估模型研究 　　摘要：教师教学水平的评估是教育评估的核心问题之一。本研究将支持向量机多分类方法引入教学水平评估任务之中，利用支持向量机将线性模糊不可分的样本映射到高维空间使之具有线性可分特性，从本质上避开了从归纳到演绎的传统过程，简化了非线性问题的分类过程；结构风险最小化理论保证分割的全局最优化，降低期望风险。该方法充分利用支持向量机的小样本学习的高效性，实现了优秀的学习效果，减少了传统评价方法中的分歧误差和主观性因素的影响，更加符合宏观取向的评价结论。该研究成果可与信息熵、模糊数学等研究方法相结合，进一步增强数据拟合的精度，该方法对改进教师的教学水平、促进教学质量的提高具有一定的参考意义。 　　关键词：支持向量机；教学水平评估；多分类；输出编码 　　中图分类号：TP181 文献标识码：A 文章编号：1009-3044（2014）13-3165-04 　　Research on Teaching Level Evaluation Model Based on Support Vector Machine 　　SHENG Wei-xiang1， WANG Hao2， DONG Xiao-rui2， XIE Gui-hua3 　　（1. Jiangxi Justice Police Vocational College， Nanchang 330013， China； 2. Center of Computer， Nanchang University， Nanchang 330031， China； 3. Shandong Vocational College of Economics and Business， Weifang 261011， China） 　　Abstract： Teaching level evaluation is an important part of educational evaluation. In this study， Support Vector Machine （SVM） has been introduced into the teaching level evaluation to avoid the traditional research process of inductive and deductive. This study simplifies the multi-classification process of nonlinear problems using high-dimensional space mapping， reduces expected risk using the structural risk minimization theory. The research method takes advantage of the efficiency on learning small samples to achieve excellent learning outcomes and reduce the influence of the traditional evaluation methods in terms of error and subjective factors. The research result can be combined with information entropy， fuzzy math and other research methods to further enhance the accuracy of data fitting. The research has some reference value in the related areas of promoting teaching quality and improving educational evaluation. 　　Key words： support vector machine； teaching level evaluation； multi-classification； output coding 　　随着国际社会高等教育大众化风潮的来临，我国的高等教育[1]呈现出快速发展的趋势，教育育人的本质也逐渐凸显，推动了人们对教育质量深层次的审视和关注，而教育评估也因此在全球范围内应运而生并快速发展。近年来，我过教育体制改革进一步深化，教育规模不断扩大，使得教育评估的必要性和实施难度加大，对高等院校实施科学、客观、量化的教育评估，尤其是教学水平评估，也变得势在必行。 　　教学水平评估[2]