BP神經(jīng)網(wǎng)絡(luò)算法在教師履職考評中的應(yīng)用研究

陳江麗，張　嶸

（臨滄師范高等?？茖W(xué)校，云南臨滄 677000）

BP神經(jīng)網(wǎng)絡(luò)算法在教師履職考評中的應(yīng)用研究

陳江麗，張嶸

（臨滄師范高等?？茖W(xué)校，云南臨滄 677000）

基于BP神經(jīng)網(wǎng)絡(luò)算法在分類預(yù)測方面的權(quán)威性，提出利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建教師履職評價模型的新方法。實驗結(jié)果表明，該模型具有較高的可行性和實用性，能夠準(zhǔn)確、高效地對教師履職情況進(jìn)行客觀評價。

BP神經(jīng)網(wǎng)絡(luò)；教師履職考評；評價模型；網(wǎng)絡(luò)學(xué)習(xí)；分類預(yù)測

教師履職考評已經(jīng)成為學(xué)校年終總結(jié)工作的一個主要部分.教師履職考評是對教師工作價值的一種判斷過程，評價主要包括德、勤、能、績四個方面，對教師的政治思想品德、教學(xué)工作表現(xiàn)、教學(xué)質(zhì)量和教學(xué)成果等進(jìn)行綜合評價.教師履職考評對教師工作具有鑒定、交流、診斷、激勵和督促等重要作用.履職考評的結(jié)果一般作為教師評優(yōu)、職稱和職務(wù)晉升的重要依據(jù).因此，如何全面科學(xué)地進(jìn)行考核評價，建立公平公正的評價體系，進(jìn)一步激發(fā)教師工作的積極性，已成為學(xué)校普通關(guān)注的問題.

本文結(jié)合本校采用的教師履職考核指標(biāo)體系，提出利用BP神經(jīng)網(wǎng)絡(luò)對收集到的被評價對象的履職情況表征信息進(jìn)行科學(xué)評價的新方法.并將此方法的應(yīng)用于本校年終的教師履職考評工作中，取得了良好的效果.

1　BP神經(jīng)網(wǎng)絡(luò)算法

BP 神經(jīng)網(wǎng)絡(luò)是模擬生物神經(jīng)網(wǎng)絡(luò)的人工智能系統(tǒng)，是一種多層前饋神經(jīng)網(wǎng)絡(luò).在前向傳播中，輸入信號從輸入層經(jīng)隱含層逐層處理，直至輸出層輸出結(jié)果.如果輸出層得不到期望的輸出，則轉(zhuǎn)入反向傳播，將誤差沿原來的連接通道返回，通過修改各層神經(jīng)元的權(quán)值和閾值，使得誤差最小，如圖1 所示.反復(fù)執(zhí)行這個過程，直至誤差小于預(yù)期時停止，表示神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)階段結(jié)束［1］.接著利用學(xué)習(xí)好的BP神經(jīng)網(wǎng)絡(luò)對輸入信號進(jìn)行分類，根據(jù)結(jié)果驗證其分類能力.

圖1　三層前饋BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

因此，BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效果將決定其分類能力.學(xué)習(xí)過程分為以下6個步驟.

2　基于BP神經(jīng)網(wǎng)絡(luò)的教師履職評價模型

先利用BP神經(jīng)網(wǎng)絡(luò)建立教師履職評價模型，再經(jīng)過網(wǎng)絡(luò)學(xué)習(xí)和分類驗證，才能使模型有效地對教師履職情況進(jìn)行評價.因此，建立一個結(jié)構(gòu)合理的評價模型是保證結(jié)果準(zhǔn)確的必要基礎(chǔ)，網(wǎng)絡(luò)結(jié)構(gòu)的性能將決定教師履職考評工作是否成功.構(gòu)建評價模型需要考慮以下要素.

2.1輸入層、隱含層和輸出層設(shè)計

首先，網(wǎng)絡(luò)模型各有1個輸入層和輸出層，但確定隱含層的數(shù)量遵循一個基本的原則：增加層數(shù)可以進(jìn)一步降低誤差，但會使網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜化，從而增加了網(wǎng)絡(luò)的學(xué)習(xí)時間.其實降低誤差也可以通過增加隱含層的節(jié)點數(shù)來實現(xiàn)，并且這種方式產(chǎn)生的學(xué)習(xí)效果比增加層數(shù)更容易察覺和提高.因此，教師履職評價模型的BP 網(wǎng)絡(luò)僅包含有1個隱含層，采用三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu).

另外，進(jìn)一步確定各層的節(jié)點數(shù).由于輸入層的節(jié)點取決于輸入數(shù)據(jù)的維數(shù)，模型中輸入的考評數(shù)據(jù)以本校采用的考核指標(biāo)體系為依據(jù)，如表1所示.將評價對象19個二級指標(biāo)的量化數(shù)據(jù)作為輸入，因此輸入層有19個節(jié)點.輸出層節(jié)點數(shù)由輸出結(jié)果的表示方式?jīng)Q定，本模型中將教師履職的綜合考評成績作為輸出信號，所以，輸出層節(jié)點個數(shù)為1.然而隱含層節(jié)點數(shù)的確定比前兩項要復(fù)雜些，因為而隱含層節(jié)點數(shù)對BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的準(zhǔn)確度有較大的影響：數(shù)目太多會導(dǎo)致學(xué)習(xí)時間過長，但不能保證誤差最低；但是數(shù)目太少又會影響學(xué)習(xí)效果，進(jìn)而增加次數(shù)進(jìn)行重新學(xué)習(xí).最佳隱含層節(jié)點數(shù) 的選擇可參考如下的公式（9）、（10）和（11）.因此，綜合分析后將隱含層節(jié)點數(shù)定為4.

表1　教師履職考核指標(biāo)

2.2初始化權(quán)值和閾值

由于BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程就是不斷地修正權(quán)值和閾值，使它們最終成為網(wǎng)絡(luò)的正確內(nèi)部關(guān)系，并且要求輸入的初始權(quán)值和閾值使每個節(jié)點的狀態(tài)值接近于零.因此，初始權(quán)值和閾值一般取0～1間隨機數(shù).

2.3學(xué)習(xí)速率的取值

BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率是學(xué)習(xí)過程中對權(quán)值和閾值的修改值.學(xué)習(xí)速率的取值在［0，1］之間，學(xué)習(xí)速率過大將使學(xué)習(xí)過程產(chǎn)生不穩(wěn)定，而過小的學(xué)習(xí)速率使學(xué)習(xí)過程變慢.因此，為了保證學(xué)習(xí)過程的穩(wěn)定性，一般選取較小的學(xué)習(xí)速率，本模型的學(xué)習(xí)速率取值為0.01.

2.4輸入輸出數(shù)據(jù)歸一化處理

數(shù)據(jù)歸一化處理是將所有樣本數(shù)據(jù)都轉(zhuǎn)化為［0，1］間的數(shù)，目的在于取消數(shù)據(jù)間的數(shù)量級差別，避免由此造成網(wǎng)絡(luò)預(yù)測誤差較大的問題.數(shù)據(jù)歸一化的方法有最大最小法和平均數(shù)方差法兩種.本模型中采用第一種方法，主要采用Matlab自帶函數(shù)mapminmax來實現(xiàn)學(xué)習(xí)樣本和測試樣本輸入、輸出數(shù)據(jù)的歸一化處理.

3　實際應(yīng)用及結(jié)果分析

以本校的教師履職考核數(shù)據(jù)為例，選用其中有代表性的50條數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本，25條數(shù)據(jù)作為測試樣本，部分原始數(shù)據(jù)如表2所示.學(xué)習(xí)樣本的各指標(biāo)評分?jǐn)?shù)據(jù)經(jīng)過歸一化處理后輸入教師履職評價模型中進(jìn)行學(xué)習(xí)，將預(yù)測結(jié)果與歸一化處理后的學(xué)習(xí)樣本考評成績進(jìn)行誤差計算，若預(yù)測誤差滿足預(yù)期則結(jié)束學(xué)習(xí).

表2　樣本示例

經(jīng)過BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，在Matlab中仿真出訓(xùn)練過程的誤差曲線如圖2所示.從圖上可以看出，當(dāng)訓(xùn)練次數(shù)接近100時，訓(xùn)練誤差約為0.0001，達(dá)到了預(yù)測準(zhǔn)確度的要求.

圖2　網(wǎng)絡(luò)學(xué)習(xí)誤差曲線

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束后，將歸一化處理后的測試樣本數(shù)據(jù)輸入到穩(wěn)定的教師履職評價模型中，得出預(yù)測結(jié)果.將預(yù)測成績與實際考評成績進(jìn)行對比，如圖3所示，仿真后得出分類誤差曲線如圖4所示.結(jié)果表明利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測教師履職考評結(jié)果具有較高的準(zhǔn)確性，是一種有效的、可行的方法.

圖3　預(yù)測與實際考評成績對比

圖4　BP神經(jīng)網(wǎng)絡(luò)分類誤差曲線

4　結(jié)論

本文利用BP 網(wǎng)絡(luò)模型構(gòu)建教師履職評價模型，以實現(xiàn)對教師履職情況進(jìn)行客觀和科學(xué)地評價.實際考評結(jié)果表明，本文所建立的神經(jīng)網(wǎng)絡(luò)模型，具有準(zhǔn)確度高、速度快等特點，能有效地用于教師履職考評應(yīng)用中，具有一定的實用性和典型性，可在各類學(xué)校中進(jìn)行推廣使用.

［1］余立雪.神經(jīng)網(wǎng)絡(luò)與實例學(xué)習(xí)［M］.北京：中國鐵道出版社，1996.

［2］韓軻.基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價模型研究［J］.計算機與現(xiàn)代化，2013，（1）：45-46.

［3］王偉麗.基于BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評估模型研究［J］.信息技術(shù)與信息化，2011，（6）：38-42.

［4］師錚.基于BP神經(jīng)網(wǎng)絡(luò)的研發(fā)人員能力評價方法研究［D］.大連：大連理工大學(xué)，2013.

［5］李霞.基于BP神經(jīng)網(wǎng)絡(luò)的銷售預(yù)測研究［D］.上海：上海交通大學(xué)，2013.

［責(zé)任編輯 劉貴陽］

Application of BP Neural Network Algorithm in the Performance Evaluation of Teacher

CHEN Jiang-li，ZHANG Rong
（Lincang Teachers’ College，Lincang，677000，China）

Based on the authority of the BP neural network algorithm in classification and prediction aspect，the paper put forward a new method of constructing teacher performance evaluation model based on BP neural network. The experimental results show that，the model has higher feasibility and practicability，can accurately and efficiently evaluate the performance of teacher objectively.

BP neural network；performance evaluation of teacher；evaluation model；network training；classification and prediction

TP183

A

1008-9128（2015）02-0028-03

2014-05-24

2013年度云南省教育廳科學(xué)研究基金項目（2013C037）；2013年度臨滄師范高等?？茖W(xué)?？蒲姓n題（LCSZL2013009）

陳江麗（1984-），女，云南大理人，碩士，講師，研究方向：數(shù)據(jù)倉庫和數(shù)據(jù)挖掘研究。