BP网络的远程教育质量评价范文

1用BP网络进行教学质量评价的原理

B（PBackPropagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前确定描述这种映射关系的数学方程。BP神经网络拓扑结构由输入层、隐含层和输出层构成。网络的学习过程由信息的正向传播和误差的反向传播两个过程组成。

输入层各神经元接收来自外界的输入信息，并传递给隐含层各神经元；隐含层是内部信息处理层，负责信息变换，根据信息处理的复杂程度不同，隐含层可以设计为单层或者多层结构；最后一个隐含层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层输出处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐含层、输入层逐层反传。在周而复始的正向传播和误差反向传播过程，各层权值不断调整，一直进行到网络输出的误差减少到可以接受的程度，或者到达预先设定的学习次数为止。

用BP网络来进行教师教学质量评价，其过程可以分为测打分、网络训练和评价应用三个阶段。在测评打分阶段，由教学管理人员、督导专家、同行教师、学生等按照测试规定和程序，填写根据评价指标体系建立的测评量表，取得评价数据，并作归一化处理。在网络训练阶段，将训练样本输入给BP网络。网络经过训练学习并满足要求后，就可以用于教学评价，输入测评数据后其输出即为所对应的评价结果。

2教学质量评价指标体系的构建

2.1建立教学质量评价指标体系的思路

建立教学质量评价指标体系，除了遵循科学性与现实性原则、可行性与可比性原则、综合性与客观性原则、定性指标与定量指标相结合的原则、灵敏性原则、继承性与创新性相结合的原则等基本原则之外，还要考虑以下三点：1|)突出理论指导。以多元智能理论、形成性学习评价理论和发展性教育评价理论为基础，建立覆盖整个远程教育教学全过程，突出远程开放教育无时间、空间限制特点的指标体系。2)体现评价取向。通过建立科学、有效的远程教育教师教学质量评价体系,改变目前注重对教师教学工作量、工作结果进行评价的现状,把对教师的评价引导到发展性、过程性、重质量的取向上来。3)体现远程教育特点。指标体系不仅包含教学内容、教学态度、教学方法、教学效果等传统因素，还必须包括教学一体化设计、教学资源、网上教学组织、学习支持服务等体现远程教育特点的因素。

2.2教学质量评价指标体系的结构

远程教育教学质量评价体系由两级指标构成，其中一级指标包括教学态度、教学内容、教学实施、学习支持服务、教学效果5项，每个一级指标又分解为4个二级指标。

3基于BP神经网络的远程教学质量评价模型的建立

3.1确定网络结构评价网络的结构设计主要是根据要解决的具体问题，确定网络的输入空间、输出空间，确定网络隐含层节点数和激励函数。本设计中，因为指标体系二级指标设置了20项，则输入空间维数M=20；输入向量X=(X11,…X21,…,X54)；网络运行的结果将产生一个输出,则输出空间维数L=1，输出为Y。在BP网络中,隐含层神经元数H的确定是一个关键问题。可以使用公式H=（m+n）1/2+a确定（n,m分别代表输出和输入的节点个数，a为0～1之间的常数），但并一定是最优解。本文使用试凑法，先设置较少的节点数目进行训练，计算误差，然后逐步增加节点个数，用相同的样本进行训练，直到计算得到得误差最小，即为需要的隐含层节点个数。隐含层、输出层分别采用tansig、purelin函数，误差为0.001，训练次数上限1000，学习率为0.03，学习率增长系数为1.04，学习率减小系数为0.65，动量系数选为0.95。

3.2确定训练样本集训练样本集的确定是应用BP神经网络进行教学质量评价的重要环节。这里使用陕西电大2012年具有代表性的50名教师的评价数据作为对网络进行训练的样本。3.3训练和仿真选择前40组数据作为训练样本集,对该网络进行训练"经过567次的训练,网络误差达到了0.001的要求,将后10组数据作为检测样本输人已训练好的BP网络,检测结果如表2所示,网络的输出值与目标值（专家评价的结果）基本一致。

4结语

运用BP神经网络建立的教学质量评价模型,揭示了教学质量与其相关评价因素间的关联关系，是远程教育教师教学质量评价的有效方法。但BP网络对训练样本集的数量以及数据的完整性要求比较高,训练样本集越丰富完整,评价的结果就越接近真实水平,因此，应设法增加样本数量，提高样本质量。另外，BP网络结构设计尚无可靠的理论依据做支撑，都是依靠经验在反复试探的过程中确定的，并不一定能够达到最优。

作者：郭富强单位：陕西广播电视大学资源建设与现代教育技术中心