论文部分内容阅读
【摘要】本文在对若干地质院校本科教学评估数据分析的基础上，建立了一套能够模拟评估专家对预测数据进行统计计算的神经网络评估系统。该系统不仅可以模拟评估专家对测评数据实施加权评估打分，还可避免评估过程中的人为失误，增强了评估的公正性。
【关键词】神经网络;教学评估;综合评价
【中图分类号】G642.0【文献标识码】B【文章编号】1005-1074(2008)07-0132-02
地质院校本科教学工作水平评估是国家教育部为加强宏观管理、实行分类指导，对地质院校本科办学水平、办学条件、办学质量、人才培养质量等方面，根据高等教育发展及运行规律，严格按有关评估指标体系的标准对地质院校办学进行的综合测评，也是贯彻《中华人民共和国高等教育法》的重要举措。本科教学工作水平评估是我国高等教育改革的重要举措，对于确立高校教学工作的中心地位，推动高校教育教学改革，确保高校完成育人的根本任务具有重要意义。地质院校在评估工作中一般都进行自评，采用打分、加权评分的方法，由专家分别对教学工作水平的各项指标进行打分，然后对权数进行综合评价，确定教学工作水平。现行的方法中，有以下不足[1]:首先，综合评价出来的结果具有一定的主观随意性；其次，评估工作量大；第三，对于教学工作的评价往往非常复杂，各个因素之间相互影响，呈现出复杂的非线性关系。因此，评价并非评估指标的线性累加，而应该是各种指标的非线性累加。而基于人工神经网络的评估方法越来越显示出其优越性[2]。首先，神经网络具有可学习性，网络具有一定的智能；其次，神经网络不依赖于系统精确的数学模型，这给难于获得精确数学模型的系统建模提供了方便。
1多子网并联BP神经网络模型
1.1BP网络模型传统BP网络由输入层、隐含层、输出层组成[3]。突出特点是有很强的非线性映射能力和柔性网络结构。网络的隐层数目及各层神经元数根据具体情况设定。网络的响应函数通常取Sigmoid函数，信息正向传递，误差反向传播。多次循环，将输入信息逐渐逼近到期望输出，完成学习功能，见图1。
图 1三层BP网络模型
设W为任意多层BP网络的连接权值(包括阈值)，即W＝（w1,w2,∧,wn）， g(x)=1/(1+e-x)为非线性传递函数。样本空间为(X,Y)，X为样本输入，Y为样本输出(期望输出)。误差能量函数定义为：E=Yx-Y2，其中，·为某一范数，Yx为神经网络的实际输出。由于当样本空间确定以后，E只是权值向量W的函数，故上式可改写为：E＝E（W）。通常，训练多层神经网络的BP算法标准形式为
Wk+1=Wkh E(Ek)+ηE(Ek-1)(1)
W0=W0 (2)
其中1>h>0为学习步长，1>η>0为动量因子，E(Wk)=(Ew1,Ew2，∧，Ewn）T为E(Wk)在点Wk的梯度；E(Wk-1)=(Ew1,Ew2，∧，Ewn）T为E(Wk-1)在点Wk-1的梯度。
1.2多子网并联BP网络模型该模型是传统BP网络模型的一种拓扑变形，见图2。该模型满足多种辨识模式的精度需要。这种模式的表达能力方面有所提高，但增加了网络结构的复杂度，采用多子网并联模型目的是区分各组二级指标数据。
图2多子网BP网络评价模型
2教学评估的指标体系
根据教育部高等教育司颁发的《普通高等学校本科教学工作水平评估方案（试行）》，关于本科教学工作水平评估指标体系包括7个一级指标和特色项目。一级指标下设18个二级指标。二级指标下设38个影响教学工作的关键因素作为主要观测点。7个一级指标及18个二级指标（括号内为二级指标，其中一般指标7项，重要指标（黑体字）11项）分别是：①办学指导思想（学校目标定位、办学思路）②师资队伍（队伍结构、主讲教师）③教学条件与利用（教学基础设施、教学经费）④教学建设与改革（专业、课程、实践教学）⑤教学管理（管理队伍、质量控制）⑥学风（教师风范、学习风气）⑦教学效果（基本理论与基本技能、毕业论文或毕业设计、思想道德修养、体育、社会声誉）。
通过对这些指标的分析可以看出： 教学工作水平的评估可以看作是一类基于多变量映射的高维分类问题；教学工作水平的评估结果与评估输入指标数据之间呈现复杂的非线性关系；某些评估指标可能是高度相关的；难以建立指标数据与评估结果之间精确的数学模型。对于这类问题的解决，传统的分类方法显然无能为力。作为研究复杂性问题的一个有力工具，人工神经网络技术近年来在模式识别、知识发现、专家系统及评估预测等方面获得了成功应用[4]。
3多子网BP网络评估方法实施方案
3.1Step 1采集指标数据对所有18个二级指标，采用专家量化打分的方法获得，指标量化时采用定量指标直接量化与定性指标层次分析相结合的方法，把所有量化结果都进行相应的归一化处理；
3.2Step 2初始化网络结构及参数评估指标体系共有8个一级指标，因此，图2所示模型中取8个子网；对于每个子网：输入节点取相应一级指标包含的二级指标数；主网隐层节点取为15个。需要设置的训练参数包括：学习速率取 h；惯性因子取 η；限定误差取 ε；限定迭代步数取 N；置当前迭代步数 t＝0；
3.3Step 3 提交指标数据，计算评估结果计算各层权值修正量；
3.4Step 4 计算评估误差 E，若E> ε或t 3.5Step 5 保存各层权值停机。
4评估实例分析
以部分地质院校实际评估的历史数据为训练样本，实施相应预处理后共得10组指标数据，见表1。
首先，以表1中前6组数据作为训练样本，提交多子网BP网络进行训练，网络的训练参数设置为：学习速率取 h=0.8；惯性因子取η＝0.3；限定误差取 ε＝10－3；限定迭代步数取 N＝500。网络实际迭代328次后收敛，最大绝对误差为0.000998,最大相对误差为0.00125；最小绝对误差和最小相对误差均小于10-5；然后将表1中后4组数据作为测试样本，提交训练好的网络，考察其泛化能力，评估结果的最大绝对误差为0.003683，最大相对误差为0.0046，最小绝对误差和最小相对误差均小于10-3。以上实验结果表明，本文提出的基于多子网BP神经网络的本科教学评估方法不仅有较快的收敛速度，而且有很强的推广能力，能够通过样本数据真正获得评估专家的操作经验，实施合理有效的评估，因此是一种切实有效的评估方法。
5参考文献
1何德忠，刘静楠，张素荷.基于神经网络的学位与研究生教育评估[J].重庆大学学报，2003，26
2袁曾任.人工神经元网络及其应用[M].清华大学出版社，2001，12.
3王伟.人工神经网络原理——入门与应用[M].北京航空航天大学出版，1995，10.
4张新红.用神经网络综合评价模型评价高技术项目的投资风险[J].情报学报，2001，20
注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”
【关键词】神经网络;教学评估;综合评价
【中图分类号】G642.0【文献标识码】B【文章编号】1005-1074(2008)07-0132-02
地质院校本科教学工作水平评估是国家教育部为加强宏观管理、实行分类指导，对地质院校本科办学水平、办学条件、办学质量、人才培养质量等方面，根据高等教育发展及运行规律，严格按有关评估指标体系的标准对地质院校办学进行的综合测评，也是贯彻《中华人民共和国高等教育法》的重要举措。本科教学工作水平评估是我国高等教育改革的重要举措，对于确立高校教学工作的中心地位，推动高校教育教学改革，确保高校完成育人的根本任务具有重要意义。地质院校在评估工作中一般都进行自评，采用打分、加权评分的方法，由专家分别对教学工作水平的各项指标进行打分，然后对权数进行综合评价，确定教学工作水平。现行的方法中，有以下不足[1]:首先，综合评价出来的结果具有一定的主观随意性；其次，评估工作量大；第三，对于教学工作的评价往往非常复杂，各个因素之间相互影响，呈现出复杂的非线性关系。因此，评价并非评估指标的线性累加，而应该是各种指标的非线性累加。而基于人工神经网络的评估方法越来越显示出其优越性[2]。首先，神经网络具有可学习性，网络具有一定的智能；其次，神经网络不依赖于系统精确的数学模型，这给难于获得精确数学模型的系统建模提供了方便。
1多子网并联BP神经网络模型
1.1BP网络模型传统BP网络由输入层、隐含层、输出层组成[3]。突出特点是有很强的非线性映射能力和柔性网络结构。网络的隐层数目及各层神经元数根据具体情况设定。网络的响应函数通常取Sigmoid函数，信息正向传递，误差反向传播。多次循环，将输入信息逐渐逼近到期望输出，完成学习功能，见图1。
图 1三层BP网络模型
设W为任意多层BP网络的连接权值(包括阈值)，即W＝（w1,w2,∧,wn）， g(x)=1/(1+e-x)为非线性传递函数。样本空间为(X,Y)，X为样本输入，Y为样本输出(期望输出)。误差能量函数定义为：E=Yx-Y2，其中，·为某一范数，Yx为神经网络的实际输出。由于当样本空间确定以后，E只是权值向量W的函数，故上式可改写为：E＝E（W）。通常，训练多层神经网络的BP算法标准形式为
Wk+1=Wkh E(Ek)+ηE(Ek-1)(1)
W0=W0 (2)
其中1>h>0为学习步长，1>η>0为动量因子，E(Wk)=(Ew1,Ew2，∧，Ewn）T为E(Wk)在点Wk的梯度；E(Wk-1)=(Ew1,Ew2，∧，Ewn）T为E(Wk-1)在点Wk-1的梯度。
1.2多子网并联BP网络模型该模型是传统BP网络模型的一种拓扑变形，见图2。该模型满足多种辨识模式的精度需要。这种模式的表达能力方面有所提高，但增加了网络结构的复杂度，采用多子网并联模型目的是区分各组二级指标数据。
图2多子网BP网络评价模型
2教学评估的指标体系
根据教育部高等教育司颁发的《普通高等学校本科教学工作水平评估方案（试行）》，关于本科教学工作水平评估指标体系包括7个一级指标和特色项目。一级指标下设18个二级指标。二级指标下设38个影响教学工作的关键因素作为主要观测点。7个一级指标及18个二级指标（括号内为二级指标，其中一般指标7项，重要指标（黑体字）11项）分别是：①办学指导思想（学校目标定位、办学思路）②师资队伍（队伍结构、主讲教师）③教学条件与利用（教学基础设施、教学经费）④教学建设与改革（专业、课程、实践教学）⑤教学管理（管理队伍、质量控制）⑥学风（教师风范、学习风气）⑦教学效果（基本理论与基本技能、毕业论文或毕业设计、思想道德修养、体育、社会声誉）。
通过对这些指标的分析可以看出： 教学工作水平的评估可以看作是一类基于多变量映射的高维分类问题；教学工作水平的评估结果与评估输入指标数据之间呈现复杂的非线性关系；某些评估指标可能是高度相关的；难以建立指标数据与评估结果之间精确的数学模型。对于这类问题的解决，传统的分类方法显然无能为力。作为研究复杂性问题的一个有力工具，人工神经网络技术近年来在模式识别、知识发现、专家系统及评估预测等方面获得了成功应用[4]。
3多子网BP网络评估方法实施方案
3.1Step 1采集指标数据对所有18个二级指标，采用专家量化打分的方法获得，指标量化时采用定量指标直接量化与定性指标层次分析相结合的方法，把所有量化结果都进行相应的归一化处理；
3.2Step 2初始化网络结构及参数评估指标体系共有8个一级指标，因此，图2所示模型中取8个子网；对于每个子网：输入节点取相应一级指标包含的二级指标数；主网隐层节点取为15个。需要设置的训练参数包括：学习速率取 h；惯性因子取 η；限定误差取 ε；限定迭代步数取 N；置当前迭代步数 t＝0；
3.3Step 3 提交指标数据，计算评估结果计算各层权值修正量；
3.4Step 4 计算评估误差 E，若E> ε或t
4评估实例分析
以部分地质院校实际评估的历史数据为训练样本，实施相应预处理后共得10组指标数据，见表1。
首先，以表1中前6组数据作为训练样本，提交多子网BP网络进行训练，网络的训练参数设置为：学习速率取 h=0.8；惯性因子取η＝0.3；限定误差取 ε＝10－3；限定迭代步数取 N＝500。网络实际迭代328次后收敛，最大绝对误差为0.000998,最大相对误差为0.00125；最小绝对误差和最小相对误差均小于10-5；然后将表1中后4组数据作为测试样本，提交训练好的网络，考察其泛化能力，评估结果的最大绝对误差为0.003683，最大相对误差为0.0046，最小绝对误差和最小相对误差均小于10-3。以上实验结果表明，本文提出的基于多子网BP神经网络的本科教学评估方法不仅有较快的收敛速度，而且有很强的推广能力，能够通过样本数据真正获得评估专家的操作经验，实施合理有效的评估，因此是一种切实有效的评估方法。
5参考文献
1何德忠，刘静楠，张素荷.基于神经网络的学位与研究生教育评估[J].重庆大学学报，2003，26
2袁曾任.人工神经元网络及其应用[M].清华大学出版社，2001，12.
3王伟.人工神经网络原理——入门与应用[M].北京航空航天大学出版，1995，10.
4张新红.用神经网络综合评价模型评价高技术项目的投资风险[J].情报学报，2001，20
注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”