證據(jù)理論和支持向量機相融合的高校教學(xué)質(zhì)量評價

劉智萍

摘 要： 針對當(dāng)前高校教學(xué)質(zhì)量評價精度低的難題，為了提高高校教學(xué)質(zhì)量評價的可靠性，提出基于證據(jù)理論和支持向量機（DS?SVM）相融合的高校教學(xué)質(zhì)量評價模型。建立高校教學(xué)質(zhì)量評價指標(biāo)，并收集高校教學(xué)質(zhì)量評價樣本，分別通過支持向量機對專家、同行、學(xué)生的評價結(jié)果進行估計，采用證據(jù)理論對專家、同行、學(xué)生的評價結(jié)果進行有效融合，獲得高校教學(xué)質(zhì)量最終評價結(jié)果。實驗結(jié)果表明，該模型可以獲得較高精度的高校教學(xué)質(zhì)量評價結(jié)果，比對比模型評價結(jié)果更加可靠，可以應(yīng)用于實際的高校教學(xué)質(zhì)量評價改革中。

關(guān)鍵詞： 高等教育； 教學(xué)質(zhì)量； 證據(jù)理論； 支持向量機

中圖分類號： TN911.1?34； TP181 文獻標(biāo)識碼： A 文章編號： 1004?373X（2017）17?0175?04

College teaching quality evaluation based on evidence theory and support vector machine

LIU Zhiping

（College of Information Engineering， Jiangxi University of Technology， Nanchang 330098， China）

Abstract： In order to improve the accuracy and reliability of college teaching quality evaluation， a college teaching quality evaluation model based on DS evidence theory and support vector machine （DS?SVM） is put forward. The index of college teaching quality evaluation was established. The sample of college teaching quality evaluation is collected. The evaluation effects of experts， colleagues and students were evaluated， and fused effectively with evidence theory to obtain the final result of college teaching quality evaluation. The experimental results show that the model can obtain high?accurate evaluation results of college teaching quality， its evaluation result is more reliable than that of the contrast model， and can be applied to the reformation of college teaching quality evaluation.

Keywords： higher education； teaching quality； evidence theory； support vector machine

0 引 言

高校教學(xué)質(zhì)量是一個十分復(fù)雜的系統(tǒng)，對于改善高校教學(xué)效果，更好的培養(yǎng)人才具有十分重要的地位。高校教學(xué)質(zhì)量的評價結(jié)果不僅影響老師教學(xué)結(jié)果的好壞，而且會對該課程改革產(chǎn)生重要影響。高校教學(xué)質(zhì)量準(zhǔn)確的評價結(jié)果可以為高校培養(yǎng)人才提供有價值的參考意見。影響高校教學(xué)質(zhì)量的因素較多，各影響因素的變化比較復(fù)雜，這些均增加了高校教學(xué)質(zhì)量評價的難度，因此建立一種快速、準(zhǔn)確的高校教學(xué)質(zhì)量評價模型具有非常重要的意義[1?3]。

當(dāng)前高校教學(xué)質(zhì)量評價模型主要采用神經(jīng)網(wǎng)絡(luò)、灰色理論、多元線性回歸以及專家系統(tǒng)，各種模型均有自身的優(yōu)勢和應(yīng)用范圍[4]。在這些評價模型中，神經(jīng)網(wǎng)絡(luò)具有并行處理信息能力，而且容錯能力強的優(yōu)勢，可以通過自組織學(xué)習(xí)擬合評價指標(biāo)和高校教學(xué)質(zhì)量之間的變化關(guān)系，因此神經(jīng)網(wǎng)絡(luò)模型廣泛應(yīng)用于高校教學(xué)質(zhì)量評價中[5?6]。然而在實際應(yīng)用中，神經(jīng)網(wǎng)絡(luò)易出現(xiàn)陷入局部極小點等問題，導(dǎo)致有時高校教學(xué)評價結(jié)果誤差大，評價時間長[7]。為了解決神經(jīng)網(wǎng)絡(luò)存在的缺陷，有學(xué)者提出基于支持向量機的高校教學(xué)質(zhì)量評價模型，其非線性逼近能力要明顯優(yōu)于神經(jīng)網(wǎng)絡(luò)，能夠獲得更加理想的高校教學(xué)質(zhì)量評價結(jié)果[8]。當(dāng)前高校教學(xué)評價從三個方面進行評價，根據(jù)專家、學(xué)生以及同行數(shù)據(jù)實現(xiàn)，專家、學(xué)生以及同行只是根據(jù)自身經(jīng)驗進行，單一的專家、學(xué)生以及同行數(shù)據(jù)經(jīng)過支持向量機進行建模和評價，評價精度、評價結(jié)果的可靠性有待改善。同時，由于高校教學(xué)質(zhì)量的評價過程的復(fù)雜性，專家、學(xué)生以及同行數(shù)據(jù)存在一定的不確定性，這樣使得教學(xué)質(zhì)量評價誤差比較大，有時會出現(xiàn)相互矛盾的評價結(jié)果[9?11]。

證據(jù)理論是一種分析不確定性問題的方法，為解決復(fù)雜的高校教學(xué)質(zhì)量評價問題提供了一種新的方法。為了提高高校教學(xué)質(zhì)量評價的可靠性，提出基于證據(jù)理論和支持向量機相融合的高校教學(xué)質(zhì)量評價模型。首先通過支持向量機對專家、同行、學(xué)生的評價結(jié)果進行估計，然后采用證據(jù)理論對專家、同行、學(xué)生的評價結(jié)果進行有效融合，獲得高校教學(xué)質(zhì)量最終評價結(jié)果，實驗結(jié)果表明，該模型可以獲得較高精度的高校教學(xué)質(zhì)量評價結(jié)果，評價結(jié)果比對比模型更加可靠。

1 證據(jù)理論和支持向量機

1.1 證據(jù)理論

證據(jù)理論依據(jù)可信度函數(shù)對不確定因素進行處理，具有良好的靈活性，不需要問題的先驗信息就可以實現(xiàn)問題的推理。設(shè)為問題的假設(shè)空間，為的全部事件集合，表示mass函數(shù)，如果，同時那么表示基本概率分配，如果表示的概率分配值；如果表示的信度測度；如果表示的似然測度，對于一個問題，證據(jù)來源不同，可以產(chǎn)生許多基本概率分配函數(shù)，設(shè)是兩個mass函數(shù)，那么證據(jù)理論的融合規(guī)則為：endprint

（1）

式中：。

在證據(jù)理論中，描述證據(jù)之間的沖突程度，當(dāng)時，證據(jù)發(fā)生高度沖突，那么式（1）融合結(jié)果不可靠，為了解決該難題，對基本證據(jù)理論進行改進，引入可信度的概念，高校教學(xué)質(zhì)量融合評價為：

（2）

1.2 支持向量機

設(shè)訓(xùn)練樣本數(shù)據(jù)為為高校教學(xué)評價指標(biāo)，為高校教學(xué)評價的期望輸出，支持向量機回歸方程為：

（3）

式中和為權(quán)值和偏向量。

對式（3）進行直接求解，得到最優(yōu)的和很難，因此，采用松弛因子對其進行變換，優(yōu)化求解過程。

（4）

式中表示懲罰參數(shù)。

引入拉格朗日乘子進行再次轉(zhuǎn)換，變?yōu)閷ε純?yōu)化問題的求解，則有：

（5）

采用式（6）得到：

（6）

支持向量機的分類方程為：

（7）

點積運算的計算復(fù)雜度高，影響支持向量機的建模效率，為此采用核函數(shù)代替點積，得到：

（8）

選擇RBF函數(shù)作為支持向量機的核函數(shù)，則有：

（9）

式中為核寬度參數(shù)。

2 證據(jù)理論和支持向量機的高校教學(xué)質(zhì)量評價

模型

2.1 建立高校教學(xué)質(zhì)量評價指標(biāo)

要建立高性能的高校教學(xué)質(zhì)量評價模型，需建立一個科學(xué)的高校教學(xué)質(zhì)量評價指標(biāo)體系，高校教學(xué)質(zhì)量評價指標(biāo)體系如表1所示。

2.2 證據(jù)理論和支持向量機的高校教學(xué)質(zhì)量評價工作步驟

基于證據(jù)理論和支持向量機的高校教學(xué)質(zhì)量評價過程為：

（1） 根據(jù)表1的高校教學(xué)質(zhì)量評價指標(biāo)體系，讓大學(xué)生、同行和專家對某一位老師的教學(xué)質(zhì)量進行評價，得到相應(yīng)的樣本。

（2） 由于高校教學(xué)質(zhì)量評價指標(biāo)的取值范圍不同，會對建模過程產(chǎn)生不利影響，因此對其進行歸一化處理，具體為：

（10）

式中表示第類指標(biāo)。

（3） 采用支持向量機分別對大學(xué)生、同行和專家的評價數(shù)據(jù)進行建模，得到相應(yīng)的評價結(jié)果。

（4） 將對大學(xué)生、同行和專家的高校教學(xué)質(zhì)量評價結(jié)果作為證據(jù)體，通過證據(jù)理論融合，得到最終高校教學(xué)質(zhì)量評價結(jié)果，具體原理如圖1所示。

3 高校教學(xué)質(zhì)量評價實驗及結(jié)果分析

3.1 高校教學(xué)質(zhì)量評價數(shù)據(jù)

為了驗證本文模型的有效性，選擇江西科技學(xué)院的C程序設(shè)計課程的教學(xué)質(zhì)量作為實驗對象，收集到某教師的300個教學(xué)質(zhì)量評價數(shù)據(jù)，具體如表2所示。分別選擇50，100個樣本作為測試樣本，分析高校教學(xué)質(zhì)量評價模型的評價精度。

3.2 基本概率分配

把大學(xué)生、專家、同行三種高校教學(xué)質(zhì)量評價結(jié)果記為高校教學(xué)質(zhì)量數(shù)據(jù)只屬于這三種高校教學(xué)質(zhì)量，即滿足且（表示第個高校教學(xué)質(zhì)量的測試樣本；表示高校教學(xué)質(zhì)量類別，）。

為了滿足對測試樣本的評價結(jié)果作歸一化處理，結(jié)果作基本概率分配，然后通過證據(jù)理論融合得到結(jié)果。

3.3 結(jié)果與分析

選擇基于支持向量機的大學(xué)生、專家、同行的評價模型作為對比模型，將它們分別記為SVM1，SVM2和SVM3，測試樣本的高校教學(xué)質(zhì)量評價結(jié)果如圖2所示。對圖2進行對比分析可以發(fā)現(xiàn)，相對于單一的大學(xué)生、專家、同行的評價模型的評價結(jié)果，本文模型的高校教學(xué)質(zhì)量評價精度更高，評價結(jié)果更加合理，這主要是由于本文模型的評價結(jié)果集成了單一高校教學(xué)質(zhì)量評價模型的優(yōu)勢，實現(xiàn)了各種模型評價結(jié)果的互補，評價值更接近于期望輸出，獲得了更優(yōu)的高校教學(xué)質(zhì)量評價結(jié)果。

在高校教學(xué)質(zhì)量評價的實際應(yīng)用中，由于高校的學(xué)生越來越多，導(dǎo)致評價數(shù)據(jù)規(guī)模比較大，因此高校教學(xué)質(zhì)量評價速度也是衡量評價模型的一個重要指標(biāo)，為此統(tǒng)計高校教學(xué)質(zhì)量評價模型的訓(xùn)練和測試時間，結(jié)果如圖3所示。對圖3的高校教學(xué)質(zhì)量評價模型進行對比分析可以發(fā)現(xiàn)，相對于單一的大學(xué)生、專家、同行的評價模型的評價結(jié)果，本文模型的高校教學(xué)質(zhì)量評價時間略有增加，但是評價精度增加的幅度相當(dāng)大，再加上隨著現(xiàn)代計算機處理速度的不斷加快，建模時間可以滿足高校教學(xué)質(zhì)量的評價實際要求，通過適當(dāng)增加建模時間，獲得大幅度提高高校教學(xué)質(zhì)量評價精度是值得的，從而可以獲得更高的實際應(yīng)用價值。

4 結(jié) 語

為了提高高校教學(xué)質(zhì)量的評價精度，避免出現(xiàn)當(dāng)前評價模型的缺陷，提出DS?SVM的高校教學(xué)質(zhì)量評價模型。該模型首先采用支持向量機分別對專家、同行和學(xué)生的教學(xué)質(zhì)量進行預(yù)評價，然后根據(jù)預(yù)評價結(jié)果計算基本概率分配，并采用DS對預(yù)評價結(jié)果進行融合，最后獲得高校教學(xué)質(zhì)量的最終評價結(jié)果，并采用仿真實驗對性能進行評價，可以得到如下結(jié)論：

（1） 該模型集成了專家、同行和學(xué)生的教學(xué)質(zhì)量評價結(jié)果，可以對高校教學(xué)質(zhì)量進行準(zhǔn)確評價。

（2） 克服了單一評價模型精度低的缺陷，使得高校教學(xué)質(zhì)量評價結(jié)果更加可靠。

（3） 與當(dāng)前經(jīng)典高校教學(xué)質(zhì)量評價模型結(jié)果相比，評價結(jié)果與實際值更加接近，評價結(jié)果更加科學(xué)，具有更好的實際應(yīng)用價值。

參考文獻

[1] 劉強，戴起勛.高等教學(xué)大眾化條件下教學(xué)質(zhì)量評價體系研究現(xiàn)狀[J].江蘇大學(xué)學(xué)報，2003，25（2）：31?34.

[2] 丁家玲，葉金華.層次分析法和模糊綜合評判在教師課堂教學(xué)質(zhì)量評價中的應(yīng)用[J].武漢大學(xué)學(xué)報，2003，56（2）：241?245.

[3] 趙立新，王石安，賴元峰.教學(xué)質(zhì)量評估的定量比較評價模型[J].數(shù)學(xué)的實踐與認(rèn)識，2005，35（1）：12?17.

[4] 吳虹.基于模糊綜合評判法的高校教師教學(xué)質(zhì)量評價體系的構(gòu)建[J].統(tǒng)計與決策，2010（3）：166?168.

[5] 洪月華.基于模糊綜合評價的課堂教學(xué)質(zhì)量數(shù)據(jù)挖掘[J].計算機科學(xué)，2008，35（2）：154?156.

[6] 楊秀平.基于AHP的教學(xué)質(zhì)量評價模型研究[J].實驗技術(shù)與管理，2009，26（9）：138?141.

[7] 許敏，王士同.PSO優(yōu)化的神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評價中的應(yīng)用[J].計算機工程與設(shè)計，2008，29（20）：5327?5332.

[8] 蔡錦錦.基于BP神經(jīng)網(wǎng)絡(luò)的新型課堂教學(xué)質(zhì)量評價方法[J].繼續(xù)教育，2011（2）：23?25.

[9] 劉偉，孫林.基于支持向量機的課堂教學(xué)質(zhì)量評價[J].合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2010，33（7）：968?971.

[10] 孫全，葉秀清，顧偉康.一種新的基于證據(jù)理論的合成公式[J].電子學(xué)報，2000，28（8）：117?119.

[11] 李弼程，王波，魏俊，等.一種有效的證據(jù)理論合成公式[J].數(shù)據(jù)采集與處理，2002，17（1）：33?36.endprint