高校教師教學(xué)質(zhì)量的粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型

賈花萍(渭南師范學(xué)院 網(wǎng)絡(luò)安全與信息化學(xué)院，渭南 714099)

高校教師教學(xué)質(zhì)量的粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型

賈花萍
(渭南師范學(xué)院 網(wǎng)絡(luò)安全與信息化學(xué)院，渭南 714099)

教學(xué)評(píng)價(jià)在高校教學(xué)工作中起著重要的作用，神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)方法在面對(duì)海量數(shù)據(jù)時(shí)，在時(shí)間效率、魯棒性和精確性上都顯示出了不足，因而采用粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)方法建立教師教學(xué)質(zhì)量評(píng)價(jià)模型。與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)相比 ,粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評(píng)價(jià)結(jié)果更接近于實(shí)際值,同時(shí)避免陷入局部極小的缺點(diǎn),達(dá)到了很好的評(píng)價(jià)效果。

教學(xué)質(zhì)量； 粒子群； 神經(jīng)網(wǎng)絡(luò)； 評(píng)價(jià)； 模型

Abstract： Teaching evaluation plays an important role in university teaching. Facing on massive data, neural network evaluation has its shortcomings such as low robustness, accuracy and time efficiency. Using particle swarm optimization neural network method this paper establishes teaching quality evaluation model. Compared with the traditional BP neural network, quality evaluation results of particle swarm optimization neural network teaching are much closer to the actual value, and avoid falling into local minima. It achieves good effect evaluation.

Keywords： Teaching quality; Particle swarm optimization; Neural network; Evaluation; Model

0 引言

教學(xué)評(píng)價(jià)是高校教學(xué)質(zhì)量評(píng)價(jià)的主要手段之一，教師課堂教學(xué)質(zhì)量評(píng)估是學(xué)校科學(xué)化管理必不可少的一環(huán)，起著區(qū)分優(yōu)劣、鑒別等級(jí)、診斷問(wèn)題、導(dǎo)向激勵(lì)的作用。[1]高校教學(xué)質(zhì)量評(píng)價(jià)工作主要是針對(duì)課堂教學(xué)、實(shí)驗(yàn)教學(xué)、實(shí)訓(xùn)教學(xué)進(jìn)行評(píng)價(jià)。對(duì)教師進(jìn)行客觀公平合理的評(píng)價(jià)，可以讓教師改進(jìn)教學(xué)上的不足，改進(jìn)教學(xué)方式與方法，更加客觀準(zhǔn)確的認(rèn)識(shí)自己，提高教學(xué)質(zhì)量。從而高校的教學(xué)質(zhì)量也會(huì)因此而得以提升，這一良性的互動(dòng)過(guò)程，必然會(huì)對(duì)高校的發(fā)展起到良好的推動(dòng)作用。

教學(xué)質(zhì)量的評(píng)價(jià)工作已經(jīng)有多年歷史，有著較為成熟的操作經(jīng)驗(yàn)，可采取多種方式進(jìn)行，過(guò)去通常采用調(diào)查問(wèn)卷的方法進(jìn)行教學(xué)質(zhì)量評(píng)價(jià)，但該方法存在工作量大，覆蓋面窄，數(shù)據(jù)處理準(zhǔn)確性差等特點(diǎn)，目前，針對(duì)高校教學(xué)質(zhì)量的評(píng)價(jià)體系一般包括以下幾個(gè)部分：學(xué)生評(píng)教、同行評(píng)價(jià)、教學(xué)督導(dǎo)評(píng)價(jià)、教師自評(píng)[2]，在每一種評(píng)價(jià)方法都完成之后，按相應(yīng)的權(quán)重對(duì)上述結(jié)果進(jìn)行綜合，得到對(duì)某教師的整體評(píng)價(jià)。教育水平處于世界前沿的美國(guó)，針對(duì)高等教育的特點(diǎn)頒布了其評(píng)比標(biāo)準(zhǔn)《績(jī)效優(yōu)異教育標(biāo)準(zhǔn)》[3-5]，從各個(gè)方面全面評(píng)價(jià)教師的教學(xué)工作。英國(guó)也成立了高等教育質(zhì)量保證機(jī)構(gòu)QAA)，來(lái)評(píng)估高校學(xué)科級(jí)的教學(xué)質(zhì)量和教學(xué)標(biāo)準(zhǔn)。我國(guó)高?；旧隙际墙⒆约旱慕虒W(xué)質(zhì)量測(cè)評(píng)系統(tǒng)對(duì)教師進(jìn)行評(píng)價(jià)。近年來(lái)，國(guó)家對(duì)高等學(xué)校教學(xué)質(zhì)量的評(píng)估非常重視，如高等學(xué)校本科教學(xué)水平評(píng)估工作，教學(xué)質(zhì)量評(píng)估是教學(xué)管理走向科學(xué)化的手段，也是高等教育國(guó)際化的重要要求[6]。

1 教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系的建立

教學(xué)質(zhì)量評(píng)價(jià)中，評(píng)價(jià)指標(biāo)的構(gòu)建是其核心內(nèi)容。評(píng)價(jià)指標(biāo)的構(gòu)建不僅要符合高校的實(shí)際情況，而且要能夠客觀真實(shí)的反映教師的教學(xué)質(zhì)量。通過(guò)對(duì)教學(xué)過(guò)程進(jìn)行分析，建立了包括教學(xué)方法、教學(xué)態(tài)度、教學(xué)內(nèi)容、教學(xué)效果、教學(xué)能力在內(nèi)的5個(gè)一級(jí)指標(biāo)，16個(gè)二級(jí)指標(biāo)來(lái)構(gòu)成評(píng)價(jià)指標(biāo)，該指標(biāo)涉及教師教學(xué)的各個(gè)方面，教學(xué)態(tài)度總權(quán)重值為40，主要用于衡量教師的教學(xué)態(tài)度等方面；教學(xué)內(nèi)容總權(quán)重20分，主要是教師對(duì)教學(xué)內(nèi)容的傳授情況，包含3個(gè)二級(jí)指標(biāo)；教學(xué)方法總權(quán)重15分，如現(xiàn)代化教學(xué)方法的應(yīng)用等，包含3個(gè)二級(jí)指標(biāo)；教學(xué)效果總權(quán)重15分，包含3個(gè)二級(jí)指標(biāo)；講授能力總權(quán)重10分，包含2個(gè)二級(jí)指標(biāo)，主要反映教師的授課能力，各測(cè)評(píng)指標(biāo)權(quán)重的設(shè)置能夠很好地反映教師的教學(xué)情況，在實(shí)施中能夠取得較真實(shí)地評(píng)價(jià)結(jié)果。如表1所示。

表1 教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系

1 評(píng)價(jià)方法

PSO算法(Partical Swarm Optimization -PSO)于1995年由Eberhart博士和Kennedy博士基于鳥(niǎo)群覓食行為而提出[7][8]，該算法概念簡(jiǎn)明、實(shí)現(xiàn)方便、收斂速度快、參數(shù)設(shè)置少，是一種高效的搜索算法，近年來(lái)受到廣泛的應(yīng)用。但是PSO算法早期搜索速度較快，當(dāng)參數(shù)設(shè)定過(guò)大時(shí)，粒子的搜索有可能錯(cuò)過(guò)最優(yōu)解而導(dǎo)致算法不收斂。[9]在收斂情形下，也會(huì)由于所有粒子在“跟隨”思想的指引下，向著一個(gè)方向飛行，導(dǎo)致粒子趨向同一化，降低了算法的收斂速度和搜索精度；當(dāng)其應(yīng)用于高維復(fù)雜問(wèn)題的優(yōu)化時(shí)，經(jīng)常存在所謂的“早熟”現(xiàn)象，早熟收斂甚至不能保證算法收斂到局部極值，因而嚴(yán)重制約了算法的實(shí)際應(yīng)用。

神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，ANNs)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。神經(jīng)網(wǎng)絡(luò)方法近年來(lái)也成為研究熱點(diǎn)，劉同海等將RBF 神經(jīng)網(wǎng)絡(luò)用于種豬體重的預(yù)測(cè),預(yù)測(cè)效果優(yōu)于線(xiàn)性回歸模型。[10]徐黎明用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)泥石流平均流速。[11]

神經(jīng)網(wǎng)絡(luò)算法和PSO算法是兩種不同的優(yōu)化方法，處理信息的方式有著很大的差別，但二者之間也存在某些共性，將二者結(jié)合，利用各自?xún)?yōu)勢(shì)取長(zhǎng)補(bǔ)短，建立更加有效的優(yōu)化方法，這也是近年來(lái)的研究熱點(diǎn)。李方方等利用PSO算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，將其應(yīng)用于預(yù)測(cè)油品質(zhì)量問(wèn)題中，取得了很好的效果[12]；刁鳴等提出PSO優(yōu)化方法與神經(jīng)網(wǎng)絡(luò)結(jié)合，即將神經(jīng)網(wǎng)絡(luò)嵌入到PSO優(yōu)化算法的迭代中來(lái)改進(jìn)算法性能，并將其應(yīng)用于CDMA通信系統(tǒng)多用戶(hù)檢測(cè)問(wèn)題中[13]；段玉紅等將神經(jīng)網(wǎng)絡(luò)嵌入PSO算法來(lái)提高PSO算法的收斂速度，其性能優(yōu)于采用單個(gè)Hopfield神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的多用戶(hù)檢測(cè)器性能[14]。本文提出采用混沌序列來(lái)初始化粒子速度及位置，和小生境淘汰選擇的進(jìn)化策略相結(jié)合，并調(diào)整慣性權(quán)重、壓縮因子及目標(biāo)函數(shù)，進(jìn)而設(shè)計(jì)新的PSO優(yōu)化算法，也就是將改進(jìn)的PSO算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合，建立新的PSO神經(jīng)網(wǎng)絡(luò)算法，將其應(yīng)用于教師教學(xué)質(zhì)量評(píng)價(jià)中。

PSO神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法可用以下數(shù)學(xué)模型來(lái)描述：[15]

minZ=f(x)

s.t.x∈X

其中，x為采用神經(jīng)網(wǎng)絡(luò)連接權(quán)值和閾值表示的決策變量，X是由x的定義域構(gòu)成的約束條件，f(x)是神經(jīng)網(wǎng)絡(luò)輸出誤差表示的目標(biāo)函數(shù)。

PSO算法的作用就是搜索一組最優(yōu)的連接權(quán)值和閾值，使得神經(jīng)網(wǎng)絡(luò)的輸出誤差達(dá)到最小。神經(jīng)網(wǎng)絡(luò)閾值和初始權(quán)值的選取會(huì)影響網(wǎng)絡(luò)最終訓(xùn)練效果。PSO神經(jīng)網(wǎng)絡(luò)閾值和權(quán)值的訓(xùn)練流程圖如圖1所示：

圖1 PSO神經(jīng)網(wǎng)絡(luò)閾值和權(quán)值流程結(jié)構(gòu)圖

PSO神經(jīng)網(wǎng)絡(luò)算法步驟：

Step1：混沌初始化連接權(quán)值與閾值，并將其編碼為粒子；

Step2：將初始種群劃分為若干小生境子群；

Step3：計(jì)算粒子適應(yīng)值；

Step4：計(jì)算個(gè)體極值，群體極值和總體極值，適應(yīng)度定標(biāo)和慣性權(quán)重自適應(yīng)調(diào)整，更新粒子速度與位置；

Step5：若未達(dá)到小生境更新條件，迭代次加1，返回步驟Step3；若達(dá)到小生境更新條件，繼續(xù)；

Step6：若未達(dá)到最大迭代次數(shù)，執(zhí)行小生境淘汰策略，返回步驟Step2；若達(dá)到最大迭代次數(shù)，確定網(wǎng)絡(luò)連接權(quán)值與閾值，結(jié)束。

1.1 實(shí)驗(yàn)數(shù)據(jù)

隨機(jī)選取10名教師，對(duì)其按照教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系由同一班學(xué)生進(jìn)行打分取平均值后，先將數(shù)據(jù)進(jìn)行歸一化，計(jì)算出相關(guān)系數(shù)矩陣，計(jì)算出特征值和特征向量。由此求出貢獻(xiàn)率和累計(jì)貢獻(xiàn)率，并求出主成分。通過(guò)主成分分析法可以得到序號(hào)為1、2、4、6、9、10、12、15的評(píng)價(jià)指標(biāo)是影響教學(xué)質(zhì)量評(píng)價(jià)的主要因素。其主成分表如表2所示。

表2 主成分表

1.2 PSO神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

考慮PSO神經(jīng)網(wǎng)絡(luò)的精度和泛化能力，采用了一個(gè)隱含層的網(wǎng)絡(luò)結(jié)構(gòu)。該結(jié)構(gòu)簡(jiǎn)單，應(yīng)用廣泛。依據(jù)神經(jīng)網(wǎng)絡(luò)非線(xiàn)性映射的基本理論，將PSO神經(jīng)網(wǎng)絡(luò)的隱含層個(gè)數(shù)確定為 1，整個(gè)網(wǎng)絡(luò)一共是 3 層。對(duì)于教師教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)首先進(jìn)行的主成分分析結(jié)果，16個(gè)因素經(jīng)過(guò)主成分分析后得到8 個(gè)主成分變量，所以，PSO神經(jīng)網(wǎng)絡(luò)輸入層的節(jié)點(diǎn)數(shù)為 8；網(wǎng)絡(luò)輸出層的節(jié)點(diǎn)數(shù)確定為4；隱含層節(jié)點(diǎn)數(shù)根據(jù)Kolmogorov定理確定，將隱含層的節(jié)點(diǎn)數(shù)確定為4。

1.3 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

BP神經(jīng)網(wǎng)絡(luò)的輸入層，隱含層及輸出層節(jié)點(diǎn)數(shù)的確定與改進(jìn)PSO神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)相同，隱含層神經(jīng)元傳遞函數(shù)為雙曲正切tansig函數(shù)。

2 結(jié)果及主要結(jié)論

2.1 評(píng)價(jià)結(jié)果

取前8組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，后2組數(shù)據(jù)作為預(yù)測(cè)數(shù)據(jù)，利用MATLAB7.0軟件進(jìn)行測(cè)試，預(yù)測(cè)結(jié)果與教學(xué)督導(dǎo)評(píng)價(jià)結(jié)果和傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)結(jié)果相比，如表3所示。

表3 評(píng)價(jià)結(jié)果

2.2 主要結(jié)論

(1)提出的教師教學(xué)質(zhì)量的粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型，使評(píng)價(jià)克服主觀性,且具有一定的彈性, 更加符合現(xiàn)實(shí)條件;

(2)對(duì)教師的最終評(píng)價(jià)結(jié)果進(jìn)行排名后，和教學(xué)督導(dǎo)的評(píng)價(jià)結(jié)果及BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)結(jié)果進(jìn)行對(duì)比，3種方法排名結(jié)果變化不大，但PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)方法更接近于教學(xué)督導(dǎo)評(píng)價(jià)結(jié)果。所以，最終的評(píng)價(jià)結(jié)果能夠真實(shí)地反映教師的教學(xué)情況。

(3)對(duì)教學(xué)質(zhì)量進(jìn)行評(píng)價(jià)，能夠發(fā)現(xiàn)教師在教學(xué)過(guò)程中存在的問(wèn)題，這樣才能針對(duì)具體問(wèn)題提出有效的整改方案，以提高高校的教學(xué)質(zhì)量，促進(jìn)教師主動(dòng)學(xué)習(xí)學(xué)科前沿知識(shí)，不斷更新教學(xué)內(nèi)容，改進(jìn)教學(xué)方法，提高自身教學(xué)水平。[16]

4 總結(jié)

目前，高校教學(xué)質(zhì)量評(píng)價(jià)方法比較單一，通常是通過(guò)學(xué)生填寫(xiě)評(píng)價(jià)表的方式進(jìn)行評(píng)價(jià)，該方法不盡全面也不盡詳實(shí)，而且不能反應(yīng)課程多樣化的特征。數(shù)字化結(jié)果的內(nèi)涵模糊, 對(duì)于指導(dǎo)教學(xué)缺乏針對(duì)性;僅靠分?jǐn)?shù)來(lái)比較不同教師的教學(xué)水平, 不具有足夠的說(shuō)服力。[17]隨著人工智能與計(jì)算機(jī)技術(shù)的發(fā)展，有學(xué)者提出采用新的方法來(lái)評(píng)價(jià)教學(xué)質(zhì)量，如馬希榮等將數(shù)據(jù)挖掘算法應(yīng)用于教學(xué)評(píng)價(jià)中。[18]吳有昌，高凌飚等將SOLO分類(lèi)法應(yīng)用在在教學(xué)評(píng)價(jià)中。[19]該方法雖具有較大的優(yōu)越性，但有時(shí)會(huì)在一定程度上造成教師難以識(shí)別學(xué)生回答的各個(gè) SOLO層次, 從而不能有效地確定教師教學(xué)質(zhì)量水平, 有人認(rèn)為這是其在測(cè)量學(xué)習(xí)結(jié)果時(shí)存在概念上的模糊性。有學(xué)者提出“測(cè)評(píng)—反思—改進(jìn)—實(shí)施”的教師教學(xué)能力發(fā)展性評(píng)價(jià)的模式,即PSGS模式。[20]

與常規(guī)方法相比，用BP神經(jīng)網(wǎng)絡(luò)方法無(wú)論是預(yù)測(cè)精度還是使用便捷性都有很大提高；但在教學(xué)質(zhì)量評(píng)價(jià)中還存在一些問(wèn)題，如這種算法簡(jiǎn)單易懂，但其訓(xùn)練速度往往很低，并且不適用于模式分量很多的分類(lèi)問(wèn)題；同時(shí)BP神經(jīng)網(wǎng)絡(luò)雖具有較強(qiáng)的適應(yīng)能力但易陷入局部極小點(diǎn)，使得預(yù)測(cè)精度的穩(wěn)定性不容易得到保證。于是，將 PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)算法建立評(píng)價(jià)模型，可以提高混合型神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度，并降低算法對(duì)網(wǎng)絡(luò)初始權(quán)值的敏感性，減小網(wǎng)絡(luò)受外界激發(fā)的震蕩，加強(qiáng)算法的全局搜索能力。實(shí)驗(yàn)結(jié)果表明，采用PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)建立的評(píng)價(jià)模型，對(duì)教師教學(xué)質(zhì)量具有良好的評(píng)價(jià)效果，和教學(xué)督導(dǎo)評(píng)價(jià)結(jié)果非常接近，其性能遠(yuǎn)優(yōu)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型。

影響教學(xué)質(zhì)量評(píng)價(jià)結(jié)果的因素多種多樣，除了有課程特征、學(xué)生特征、教師特征外，還有其他目前沒(méi)有發(fā)現(xiàn)和重視的其他特征，都會(huì)對(duì)教學(xué)質(zhì)量評(píng)價(jià)產(chǎn)生影響，文中提出的評(píng)價(jià)模型對(duì)于教學(xué)質(zhì)量評(píng)價(jià)是一種新的方案，在教師教學(xué)質(zhì)量評(píng)價(jià)中起著積極的作用。在促進(jìn)教育事業(yè)的發(fā)展具有一定的理論意義和實(shí)際應(yīng)用價(jià)值。

[1] 趙樂(lè)華，逢增苗.課堂教學(xué)質(zhì)量評(píng)價(jià)方法初探[J].高等理科教育，2002(1):62-64.

[2] 單高麟，潘立本．構(gòu)建公平和諧的高職課堂教學(xué)質(zhì)量監(jiān)控體系[J]．職業(yè)與教育，2006(33)：13-15.

[3] 趙中建．從企業(yè)界走進(jìn)教育界一美國(guó)國(guó)家質(zhì)量獎(jiǎng)《績(jī)效優(yōu)異教育標(biāo)準(zhǔn)》述評(píng)[J]．教育發(fā)展研究，2001(1)：66-71.

[4] 樂(lè)毅．可資借鑒與引用的學(xué)校辦學(xué)質(zhì)量評(píng)估標(biāo)準(zhǔn)——美國(guó)國(guó)家質(zhì)量獎(jiǎng)《績(jī)效優(yōu)異教育標(biāo)準(zhǔn)》述評(píng)[J].教育科學(xué)，2004，20(1)：61-64.

[5] 樂(lè)毅．波多里奇質(zhì)量獎(jiǎng)獲得者的辦學(xué)經(jīng)驗(yàn)及其啟示——美國(guó)威斯康星大學(xué)斯陶特分校個(gè)案析[J]．復(fù)旦教育論壇，2005(3)：66-69.

[6] 張國(guó)梁，朱泓.高等教育國(guó)際化的思考[J].遼寧教育研究,2002(10):42-43.

[7] Kennedy J, Eberhart R C. Particle Swarm Optimization[C]//Proceedings of IEEE International Conference on Neural Networks. Piscataway, NJ: IEEE Press, 1995.1942-194.

[8] Eberhart R C, Kennedy J. A new optimizer using particle swarm theory[C]//Proceeding of the sixth International symposium on micromachine and human science. Piscataway: IEEE Service Center, 1995. 39-43.

[9] 林衛(wèi)星,陳炎海.一種快速收斂的改進(jìn)PSO優(yōu)化算法[J].系統(tǒng)仿真學(xué)報(bào)，2011,23(11): 2406-2411.

[10] 劉同海.李卓,滕光輝等. 基于RBF 神經(jīng)網(wǎng)絡(luò)的種豬體重預(yù)測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013,44(8):245-249.

[11] 徐黎明.基于BP神經(jīng)網(wǎng)絡(luò)的泥石流平均流速預(yù)測(cè)[J].吉林大學(xué)學(xué)報(bào)(地球科學(xué)版)， 2013(1):186-191.

[12] 李方方,趙英凱,賈玉瑩.基于粒子群優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)在油品質(zhì)量預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用，2006,26(5):1122-1124.

[13] 刁鳴,高洪元,馬杰,繆善林.應(yīng)用神經(jīng)網(wǎng)絡(luò)粒子群算法的多用戶(hù)檢測(cè)[J].電子科技大學(xué)學(xué)報(bào),2008,37(2)：178-180.

[14] 段玉紅,高岳林.一類(lèi)0/1優(yōu)化問(wèn)題融合神經(jīng)網(wǎng)絡(luò)的粒子群算法[J].計(jì)算機(jī)應(yīng)用,2008,28(6)：1559-1562.

[15] 李勇平,基于改進(jìn)粒子群神經(jīng)網(wǎng)絡(luò)的電信業(yè)務(wù)預(yù)測(cè)模型研究[D].廣州:華南理工大學(xué)，2009.9.

[16] 王根順,鄧紅.我國(guó)高等學(xué)校教學(xué)質(zhì)量評(píng)估的理性思考[J]. 高等理科教育，2003(2)：12-17.

[17] 蔡敏, 張麗. 大學(xué)生參與教師教學(xué)評(píng)價(jià)的調(diào)查研究[J] . 高等教育研究, 2005(3):69-73.

[18] 馬希榮，孫華志. 數(shù)據(jù)挖掘技術(shù)在教學(xué)評(píng)價(jià)中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2003(19)：51-54.

[19] 吳有昌,高凌飚. SOLO分類(lèi)法在教學(xué)評(píng)價(jià)中的應(yīng)用[J].華南師范大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2008(3)：95-99.

[20] 張才文.試論教師教學(xué)能力的發(fā)展性評(píng)價(jià)[J].上海教育科研, 2003(11): 61.

EvaluationModelofTeachingQualitybyParticleSwarmOptimizationNeuralNetwork

Jia Huaping
(College of network security and information technology, Weinan Normal University, Weinan 714099, China)

TP311

A

2016.04.08)

陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃項(xiàng)目(2014JM1026)；渭南師范學(xué)院重點(diǎn)教改項(xiàng)目(JG201511)；渭南師范學(xué)院校級(jí)特色學(xué)科建設(shè)項(xiàng)目(14TSXK02)

賈花萍(1979-)，女，陜西富平人，渭南師范學(xué)院教師，碩士，副教授，研究方向：神經(jīng)網(wǎng)絡(luò)。

1007-757X(2017)09-0011-04