基于SOM網(wǎng)絡(luò)的遠(yuǎn)程教育教學(xué)行為分析模型

郭富強(qiáng)

（陜西廣播電視大學(xué)資源建設(shè)與現(xiàn)代教育技術(shù)中心，陜西西安 710119）

0 引言

傳統(tǒng)的綜合分析以總體優(yōu)劣判別教師，主要關(guān)注教師教學(xué)的綜合排名，在評優(yōu)、評職中使用較多。而分類分析則以教師的改進(jìn)和提高為目的，深入到教學(xué)行為的微觀層面，著眼于分析教師在教學(xué)過程中的行為和狀態(tài)。通過行為分析提供的分析信息，一方面為教師的教學(xué)活動提供針對性的反饋與指導(dǎo)，使教師有目的的改善自己的不良教學(xué)行為，形成高質(zhì)量的教學(xué)活動，提升教學(xué)水平。另一方面，對教師進(jìn)行科學(xué)分類，掌握教師的特點、優(yōu)點和不足，研究影響遠(yuǎn)程教學(xué)的因素，為制定科學(xué)的教學(xué)管理策略，優(yōu)化教學(xué)支持服務(wù)，實施分類管理、個別化管理提供信息支持。

在遠(yuǎn)程教育中,承認(rèn)和識別教師教學(xué)行為的差異，了解教師教學(xué)的行為特點,是做好教師管理的前提。理論上講，不同教師應(yīng)該使用不同的管理策略，但教師千差萬別，把每一個個體都作為一類既沒有必要，也沒有可能。合理而可行的做法是，根據(jù)評價指標(biāo)對教師進(jìn)行科學(xué)分類，每類實行不同的管理和督導(dǎo)策略。

建立教學(xué)行為分析模型，需要解決教學(xué)行為有效聚類這個核心問題。由于遠(yuǎn)程教育教學(xué)的諸因素之間存在很強(qiáng)的非線性關(guān)系，選取常規(guī)變量的因子分析法和逐步回歸法等多是建立在線性模型基礎(chǔ)上的，不大適用復(fù)雜的聚類問題。自組織特征映射(SOM)模型具有自學(xué)習(xí)、自組織、自適應(yīng)能力和強(qiáng)容錯性的特點,能夠自動尋找樣本中的內(nèi)在規(guī)律和本質(zhì)屬性，對大量的多維數(shù)據(jù)進(jìn)行智能化的聚類分析,計算簡單、快捷，分類結(jié)果可靠。

本文將SOM網(wǎng)絡(luò)引入教學(xué)行為分析，結(jié)合分類管理思想、遠(yuǎn)程教育特點和實踐，建立了遠(yuǎn)程教育教師的教學(xué)行為分析模型，并通過實例證實該模型的有效性。

1 將SOM用于教學(xué)行為研究的適用性分析

1.1 SOM網(wǎng)絡(luò)

自組織特征映射網(wǎng)絡(luò)（Self－Organizing FeatureMap，簡稱SOM）是由芬蘭赫爾辛基大學(xué)神經(jīng)網(wǎng)絡(luò)專家科荷倫（Teuvo Kohonen）教授于1981年提出的一種自組織競爭神經(jīng)網(wǎng)絡(luò)。它仿照人類腦皮層對外界信號刺激的感知和處理分區(qū)進(jìn)行的功能，對不同網(wǎng)絡(luò)輸入產(chǎn)生不同的響應(yīng)，通過網(wǎng)絡(luò)中神經(jīng)元之間的相互競爭和交互作用，實現(xiàn)對大量多維數(shù)據(jù)的聚類。

SOM網(wǎng)絡(luò)由輸入層和競爭層組成的兩層網(wǎng)絡(luò)，競爭層同時作為網(wǎng)絡(luò)的輸出層。輸入層各神經(jīng)元通過權(quán)向量將外界信息匯集到輸出層的各神經(jīng)元，輸出神經(jīng)元之間存在側(cè)抑制。輸入層的節(jié)點接收數(shù)據(jù)的輸入，輸出層神經(jīng)元一般排列為一維線陣、二維平面陣和三維柵格陣。網(wǎng)絡(luò)學(xué)習(xí)采用kohonen算法。每輸入一個向量，讓競爭層來竟?fàn)帉斎肽Ｊ降捻憫?yīng)機(jī)會，最后僅有一個神經(jīng)元成為競爭的勝利者。這一獲勝神經(jīng)元的輸出則代表對輸入模式的分類[1]。

圖1 遠(yuǎn)程教育教學(xué)行為分析模型

1.2 適用性分析

教學(xué)行為的量化記錄是一個復(fù)雜的由諸多因素構(gòu)成的多維數(shù)據(jù)。在多維模式空間，很多模式的分布具有復(fù)雜的結(jié)構(gòu)，從數(shù)據(jù)觀察很難發(fā)現(xiàn)其內(nèi)在規(guī)律。SOM網(wǎng)絡(luò)具有高維輸入、低維輸出的特點，當(dāng)通過SOM網(wǎng)絡(luò)將高維數(shù)據(jù)映射到低維輸出空間后，其規(guī)律往往一目了然。因此引入SOM網(wǎng)絡(luò)對教學(xué)行為進(jìn)行分析聚類。

2 遠(yuǎn)程教育教師教學(xué)行為分析指標(biāo)體系

指標(biāo)體系依據(jù)遠(yuǎn)程教育的特點、教師在遠(yuǎn)程教育中的職責(zé)等因素來建立。

行走在龍口市七甲鎮(zhèn)史家莊村1.9公里長、被群眾稱為“脫貧路”的嶄新水泥路上，不時可見三三兩兩進(jìn)山勞作的村民?！耙郧斑@段山路坑坑洼洼，水果采摘運輸難，極易損傷?，F(xiàn)在道路硬化了，群眾生產(chǎn)勞作方便多了?！笔芳仪f村村民史信功高興地說。今年以來，龍口市人大常委會機(jī)關(guān)以“包村聯(lián)戶推進(jìn)脫貧攻堅，精準(zhǔn)扶貧助力鄉(xiāng)村振興”為工作思路，強(qiáng)化組織領(lǐng)導(dǎo)，明確任務(wù)目標(biāo)，通過選派“第一書記”、加強(qiáng)村級基礎(chǔ)設(shè)施建設(shè)、因戶制宜精準(zhǔn)幫扶等措施，實現(xiàn)了所包村村級收入有增加、群眾生活有改善、村容村貌有變化，取得了較好工作成效。

2.1 遠(yuǎn)程教育的特點

在教學(xué)理念上，堅持以學(xué)生為中心，通過系統(tǒng)有效的學(xué)習(xí)支持服務(wù)，滿足學(xué)生自主學(xué)習(xí)、主動學(xué)習(xí)、個別化學(xué)習(xí)的要求，培養(yǎng)學(xué)生的學(xué)習(xí)能力和解決問題的能力。在教學(xué)手段上，主要通過多媒體網(wǎng)絡(luò)承載和傳遞課程內(nèi)容，建立師生的交互關(guān)系，提供學(xué)習(xí)支持服務(wù)，實施教學(xué)管理。同時輔之以面授輔導(dǎo)等傳統(tǒng)方式。在教學(xué)方式上，以“導(dǎo)”為主，以“教”為輔，以網(wǎng)上教學(xué)為主，以面授輔導(dǎo)為輔，充分發(fā)揮網(wǎng)絡(luò)教學(xué)平臺和教學(xué)資源的優(yōu)勢，構(gòu)建創(chuàng)設(shè)尊重、平等、輕松、活潑的學(xué)習(xí)環(huán)境，激勵學(xué)生積極思考，加強(qiáng)對學(xué)習(xí)的指導(dǎo)、檢查和督促，了解學(xué)生的需求，解決學(xué)習(xí)中遇到的困難。在師生關(guān)系上，學(xué)習(xí)者在虛擬化的教育環(huán)境里聽課、參加討論、完成作業(yè)和參加考試。教師的權(quán)威性弱化，教師不再是知識的傳播者，而是促進(jìn)學(xué)生的學(xué)習(xí)，環(huán)境的創(chuàng)設(shè)者，思考的激發(fā)者，意見的交換者，資信的提供者，問題的發(fā)現(xiàn)者，討論的參與者。

2.2 教學(xué)行為分析指標(biāo)

根據(jù)以上分析，遠(yuǎn)程教育教師教學(xué)行為分析指標(biāo)體系包括學(xué)習(xí)組織、教學(xué)任務(wù)、教學(xué)方式和學(xué)習(xí)支持四個一級指標(biāo)，以及15個二級指標(biāo)。每項指標(biāo)的內(nèi)涵、考察重點詳見表1。數(shù)據(jù)來源主要有四個方面：教學(xué)平臺在教學(xué)過程中自動記錄的有關(guān)網(wǎng)上教學(xué)的數(shù)據(jù)；同行教師評價；督導(dǎo)專家的評價；通過網(wǎng)絡(luò)對學(xué)生進(jìn)行專門調(diào)查得到的數(shù)據(jù)。

3 分析模型的結(jié)構(gòu)

遠(yuǎn)程教育教學(xué)行為分析模型分為教學(xué)行為分析和督導(dǎo)策略生成兩大部分。教學(xué)行為分析器是模型的核心部分，主要組成是SOM網(wǎng)絡(luò)。見圖1。

模型有兩種運行狀態(tài)，即訓(xùn)練狀態(tài)和工作狀態(tài)。在訓(xùn)練狀態(tài)，先后輸入訓(xùn)練樣本和測試樣本，完成教學(xué)行為聚類分析，生成教師分類庫，并在專家的參與下，完成各類教師的管理策略分析，形成督導(dǎo)策略庫。在工作狀態(tài)，輸入待分析數(shù)據(jù)，完成對待分析對象的類型識別，并生成相應(yīng)的督導(dǎo)策略。

4 實例及分析

4.1 樣本設(shè)計

數(shù)據(jù)的內(nèi)在關(guān)系越復(fù)雜，樣本中含的噪聲越大，為了保證一定的分類精度所需要的樣本數(shù)就越多。規(guī)律蘊(yùn)藏在樣本中，因此樣本一定要有代表性，樣本的選擇要注意樣本類別的均衡，盡量使每個類別的樣本數(shù)量大致當(dāng)?shù)?。即使是同一類樣本也要注意樣本的多樣性與均勻性。不同類別的樣本交叉輸入。

樣本篩選自2012年秋陜西廣播電視大學(xué)開放教育學(xué)院遠(yuǎn)程開放教育計算機(jī)科學(xué)與技術(shù)專業(yè)的任課教師的教學(xué)調(diào)查數(shù)據(jù)。見表2。樣本數(shù)據(jù)共20組，其中前15組作為MOS網(wǎng)絡(luò)的訓(xùn)練樣本，后5組作為測試樣本。

?

4.2 SOM網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計

從表2可以看出，樣本是15維數(shù)據(jù)，因此輸入層節(jié)點數(shù)15。結(jié)構(gòu)設(shè)計的主要任務(wù)是確定競爭層神經(jīng)元的數(shù)量。原則上該層節(jié)點數(shù)與訓(xùn)練樣本包含的模式數(shù)有關(guān)，如果節(jié)點數(shù)少于模式數(shù)，則不足以區(qū)分全部模式，訓(xùn)練的結(jié)果勢必將相近的模式合并為一類。根據(jù)實際分析，樣本中包含的模式不超過6個，因此網(wǎng)絡(luò)競爭層神經(jīng)元的組織結(jié)構(gòu)為2×3的二維平面陣。模型通過MATLAB進(jìn)行設(shè)計、調(diào)試、仿真，其中距離函數(shù)為linkdist，網(wǎng)絡(luò)的初始權(quán)值設(shè)為0.5，

?

經(jīng)反復(fù)試探，訓(xùn)練步數(shù)設(shè)為600。

4.3 模型的訓(xùn)練和測試

網(wǎng)絡(luò)創(chuàng)建后，輸入訓(xùn)練樣本對網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練。訓(xùn)練結(jié)果將教學(xué)行為分為1、2、3、4、5等5類，并分別對應(yīng)5、1、3、2、4號神經(jīng)元。6號神經(jīng)元與任何輸入模式?jīng)]有對應(yīng)，稱為盲點，在工作時不能被激發(fā)。訓(xùn)練結(jié)束后，網(wǎng)絡(luò)權(quán)值固定，以后每輸入一個值，網(wǎng)絡(luò)就會自動激發(fā)對應(yīng)的神經(jīng)元，對其進(jìn)行分類。聚類結(jié)果、測試結(jié)果分別見表3、表4。

?

?

4.4 結(jié)果分析

聚類結(jié)果的分析是模型應(yīng)用的關(guān)鍵環(huán)節(jié)。為便于應(yīng)用，根據(jù)每種類型的特點，將其分別命名為隨機(jī)型、勤奮型、計劃型、創(chuàng)新型、技術(shù)型。并分析了每種類型的優(yōu)點和不足。

1 類隨機(jī)型：善于嘗試新的教學(xué)方法，易于與學(xué)生溝通，不墨守成規(guī)。但計劃性差,自我控制能力不強(qiáng),教學(xué)時間沒有保證，教學(xué)任務(wù)完成較差；教學(xué)改革缺乏持續(xù)精神。18、20號樣本即屬此類。應(yīng)督促教師加強(qiáng)教學(xué)的計劃性和責(zé)任心，加強(qiáng)教學(xué)的督促、檢查和提醒，培養(yǎng)其扎實、負(fù)責(zé)、服務(wù)的精神。

2 類勤奮型：責(zé)任意識強(qiáng)，對自己要求嚴(yán)格，熱愛教學(xué)，善于思考，教學(xué)準(zhǔn)備充分，教學(xué)任務(wù)完成較好。但缺乏溝通交流意識和技能，對網(wǎng)上教學(xué)、協(xié)作學(xué)習(xí)重視不夠，多媒體教學(xué)資源應(yīng)用不足，教學(xué)效率不高。

3 類計劃型：教學(xué)的計劃性強(qiáng)，教學(xué)過程完整，遵守教學(xué)規(guī)范，自我控制能力強(qiáng)。但過多注意學(xué)習(xí)環(huán)節(jié)的完整和教學(xué)任務(wù)的完成，教學(xué)方法單一，缺少特色，對教學(xué)質(zhì)量關(guān)注不夠。16號樣本即屬此類。應(yīng)指導(dǎo)教師以學(xué)生的發(fā)展為教學(xué)的出發(fā)點，樹立質(zhì)量意識、創(chuàng)新意識和品牌意識，大膽探索適合自己的教學(xué)方法，塑造優(yōu)良教學(xué)風(fēng)格。

4 類創(chuàng)新型：重視教學(xué)的一體化設(shè)計，善于探索和總結(jié)通過多種方式和資源進(jìn)行教學(xué)，形成了自己的教學(xué)風(fēng)格，教學(xué)能力強(qiáng)，效率好，質(zhì)量高。但往往教學(xué)的計劃性較弱，自我檢查和反思較少，不重視面授輔導(dǎo)。17號樣本即屬此類。

5 類技術(shù)型：重視網(wǎng)絡(luò)技術(shù)、多媒體技術(shù)、數(shù)字教學(xué)資源的運用；主要通過網(wǎng)上討論、多媒體課件等進(jìn)行教學(xué)；善于利用教學(xué)平臺的課程討論區(qū)、QQ、電子郵件、微博等進(jìn)行交流。但過多依賴技術(shù)和媒體資源，面授輔導(dǎo)較少；對學(xué)生的學(xué)習(xí)心理關(guān)注不足，教學(xué)的系統(tǒng)性不強(qiáng)。19號樣本即屬此類。應(yīng)指導(dǎo)教師正確認(rèn)識技術(shù)的特點和不足，將教學(xué)目標(biāo)、內(nèi)容和策略與嫻熟的技術(shù)結(jié)合起來；重視面授輔導(dǎo)；注意教師個人素質(zhì)和魅力對教學(xué)的影響。

5 結(jié)語

本文基于SOM和分類管理的思想，建立了遠(yuǎn)程教育教學(xué)行為分析模型，并以陜西電大為實例進(jìn)行了測試，結(jié)果表明，該模型能夠較好的實現(xiàn)教學(xué)行為分析。但也存在不足，一是表征教學(xué)行為的指標(biāo)體系進(jìn)行了一定簡化，本模型只是從可以測量到的行為入手，挖掘不同的教學(xué)行為模式，還不是一個“完全”的分析模型。二是模型分類的精確程度與采集數(shù)據(jù)的完備性有直接關(guān)系，訓(xùn)練數(shù)據(jù)如果沒有包含所有的“類”，則分類的可靠性不高，而測試數(shù)據(jù)的采集和選擇對模型的使用人員有較高要求。三是模型結(jié)果的運用需要使用者有較高的理論水平和豐富的經(jīng)驗，特別是要熟悉遠(yuǎn)程教育的教學(xué)管理。

[1]楊黎剛，蘇宏.基于SOM聚類的數(shù)據(jù)挖掘方法及其應(yīng)用研究[J].計算機(jī)工程與科學(xué)，2007.

[2]王斌.試論現(xiàn)代遠(yuǎn)程教育中教師的地位和作用[J].中國成人教育,2011(1):50-52.