基于局部保持投影的高校教師教學(xué)質(zhì)量評價(jià)

彭延峰 劉燕飛 何寬芳

[摘 要]當(dāng)前高校教育改革逐漸深入，如何提高教學(xué)質(zhì)量已經(jīng)成為當(dāng)前高校教學(xué)的工作重點(diǎn)。目前神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于高校教學(xué)評價(jià)，但是神經(jīng)網(wǎng)絡(luò)具有計(jì)算量大及容易陷入局部最優(yōu)解的缺陷。針對這些問題，使用局部保持投影（Locality preserving projections， LPP）對教學(xué)評價(jià)樣本進(jìn)行信息融合，除了可以實(shí)現(xiàn)對特征參數(shù)維數(shù)的減少外，還可以將處于空間局部信號(hào)的流行特征，完整地保留下來。因此，使用LPP對教學(xué)評價(jià)樣本進(jìn)行預(yù)處理，能同時(shí)提高神經(jīng)網(wǎng)絡(luò)的教學(xué)評價(jià)精度和計(jì)算效率。結(jié)果表明，LPP方法能有效提高運(yùn)算效率和預(yù)測精度。

[關(guān)鍵詞]教育改革;教學(xué)質(zhì)量評價(jià);局部保持投影;BP神經(jīng)網(wǎng)絡(luò)

[中圖分類號(hào)] G64 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 2095-3437（2019）03-0165-04

近年來，高校的擴(kuò)招極大地推動(dòng)了高等教育的發(fā)展。隨著高校在校學(xué)生數(shù)量不斷增加，以及國民對教學(xué)質(zhì)量的要求不斷提高，加強(qiáng)高校教育質(zhì)量，已經(jīng)成為當(dāng)今教育事業(yè)改革的主要任務(wù)。同時(shí)，作為推動(dòng)高等教學(xué)改革和提高高等教學(xué)質(zhì)量的主要群體，高校教師團(tuán)隊(duì)的教學(xué)能力和工作素養(yǎng)，是整個(gè)教學(xué)事業(yè)改革的保障[1-3]?；谶@種背景下，如何提高高校教學(xué)團(tuán)隊(duì)的工作素養(yǎng)和教學(xué)能力，成為我國大部分高校亟須解決的難題。經(jīng)過多年的摸索，我國各大高校在提高教師能力和素養(yǎng)方面，先后提出過許多有效措施，但是整體上都必須創(chuàng)建一套完整的教學(xué)評價(jià)體系，實(shí)現(xiàn)對教師能力和素養(yǎng)的全面評價(jià)。通過設(shè)定各個(gè)評估指標(biāo)，要求高校教師將自己的教學(xué)能力和工作素養(yǎng)，與教學(xué)評價(jià)體系中的各大標(biāo)準(zhǔn)指標(biāo)進(jìn)行對比，從而找出自身的不足，再進(jìn)行優(yōu)化和改進(jìn)，從而幫助教師全面提高自身素養(yǎng)，為高校打造一支品行兼優(yōu)的高等教師團(tuán)隊(duì)[4-5]。

現(xiàn)階段，在教學(xué)評價(jià)方法中，通常采用如下三種方法進(jìn)行評價(jià)，即層次分析法、加權(quán)平均法，以及模糊綜合評價(jià)法等。其中，傳統(tǒng)意義上的指標(biāo)加權(quán)平均法，其計(jì)算步驟十分簡便，但是卻十分清晰明了地將所有評價(jià)指標(biāo)之間的線性關(guān)系描述出來，并結(jié)合評價(jià)者自身的經(jīng)驗(yàn)，得出評價(jià)因素權(quán)重，從而達(dá)到評價(jià)目的。但是，這種評價(jià)方法缺乏客觀性，難以證明各大評價(jià)因素之間是否存在合理關(guān)系[6-9]。層次分析法與加權(quán)平均法存在一定的相似度，首先需要證明各大評價(jià)指標(biāo)中，存在明確的線性關(guān)系，從而獲得各大評價(jià)因素權(quán)重，再通過邀請專家評估，得出判斷矩陣。這種評價(jià)方法雖然可以得出評估模型，但是卻不能夠得出最佳的評估結(jié)果。在應(yīng)用模糊綜合評價(jià)法時(shí)，首先需要構(gòu)建適宜的評判矩陣，從而準(zhǔn)確的找出評價(jià)對象之間的關(guān)系。但是，這種評價(jià)方法極易受到專家的影響，從而造成最終評價(jià)結(jié)果出現(xiàn)差異。

近年來，在復(fù)雜、非線性及綜合性較強(qiáng)的問題決策中，已經(jīng)廣泛地應(yīng)用了人工神經(jīng)網(wǎng)絡(luò)理論。因此，在教學(xué)評價(jià)中，也可以結(jié)合人工神經(jīng)網(wǎng)絡(luò)理論，構(gòu)建出相對完善的評價(jià)體系。通過將代表評價(jià)對象特征的信息，以及表示綜合評價(jià)的量值，分別設(shè)定為神經(jīng)網(wǎng)絡(luò)輸入向量和輸出量值，再輸入充足的樣本，不斷縮小輸出量值與預(yù)期量值之間的差異。當(dāng)輸出量值已經(jīng)遠(yuǎn)遠(yuǎn)大于預(yù)定誤差閥值時(shí)，需按照相關(guān)的調(diào)節(jié)方法，將系統(tǒng)誤差縮減到理想誤差范圍內(nèi)。此刻，當(dāng)閥值、權(quán)值為固定參數(shù)時(shí)，神經(jīng)網(wǎng)絡(luò)組所獲得的權(quán)系數(shù)值和閾值，則是最佳的綜合評價(jià)系統(tǒng)，可以準(zhǔn)確地對其他對象系統(tǒng)進(jìn)行評價(jià)。現(xiàn)階段，神經(jīng)網(wǎng)絡(luò)理論已經(jīng)被廣泛應(yīng)用于教學(xué)質(zhì)量評價(jià)[10]。但是，該方法還存在一些缺陷，比如評價(jià)需求的樣本數(shù)量較大、收斂速度慢、計(jì)算量大、容易陷入局部最優(yōu)解等。因此，需要尋找更合適、準(zhǔn)確度更高、運(yùn)算速度更快的方法來解決教學(xué)評價(jià)問題。

為進(jìn)一步挑選出緊密聯(lián)系高校教師水平的特征值參數(shù)，本文綜合運(yùn)用LPP方法，實(shí)現(xiàn)對特征值向量的降維處理[11]。其中，LPP方法除了可以實(shí)現(xiàn)對特征參數(shù)維數(shù)的減少外，還可以將處于空間局部信號(hào)的流行特征完整地保留下來。應(yīng)用LPP方法，可大幅提高同類內(nèi)識(shí)別效果，從而增加預(yù)測精確度。在文獻(xiàn)[11]中，嚴(yán)格指出LPP可適用數(shù)據(jù)的降維和信息融合。

論文分為四個(gè)部分，首先討論高校教師全方位教學(xué)質(zhì)量評價(jià)體系的構(gòu)建;然后以高校教師的教學(xué)質(zhì)量作為評價(jià)對象，使用LPP方法結(jié)合BP神經(jīng)網(wǎng)絡(luò)對其進(jìn)行仿真分析，并與BP神經(jīng)網(wǎng)絡(luò)的仿真結(jié)果進(jìn)行對比;最后對論文方法在高校教師教學(xué)質(zhì)量評價(jià)中的應(yīng)用效果進(jìn)行總結(jié)。

一、全方位高校教師教學(xué)質(zhì)量評價(jià)指標(biāo)體系

為全面、科學(xué)、準(zhǔn)確地對高校教師教學(xué)質(zhì)量進(jìn)行評價(jià)，論文使用文獻(xiàn)[12]中所提出的全方位教學(xué)質(zhì)量評價(jià)體系，對本文的方法進(jìn)行驗(yàn)證核查。其中，該文獻(xiàn)中所指出的全方位評價(jià)體系，表示從同事、領(lǐng)導(dǎo)、學(xué)生、教師等角度出發(fā)，對教師的工作績效展開360度全方位的評價(jià)。利用這種多角度、全方位的績效評價(jià)，可以讓教師客觀地認(rèn)識(shí)到自身所存在的不足，并且采取有效改進(jìn)措施，提高自我工作能力。大量案例證實(shí)，采用全方位評價(jià)體系，可大幅提高評價(jià)結(jié)果的真實(shí)性和有效性[12]。在構(gòu)建全方位高校教學(xué)質(zhì)量綜合評價(jià)體系時(shí)，為了提高評價(jià)結(jié)果的客觀性，需將下述評價(jià)主體納入評價(jià)體系中：學(xué)生、督導(dǎo)、同事、教師自身等。其中，該評價(jià)體系主要分為學(xué)習(xí)評價(jià)和授課評價(jià)兩大體系。評價(jià)指標(biāo)又可分為自評、同事互評、學(xué)生評價(jià)等。學(xué)習(xí)評價(jià)指標(biāo)則分為自評、同學(xué)互評、教師評學(xué)等。上述所有指標(biāo)之間，都存在關(guān)聯(lián)性，彼此之間相互影響，從而搭建出全方位的評價(jià)體系。具體評價(jià)指標(biāo)如表1和表2所示。

二、基于LPP的全方位高校教師教學(xué)質(zhì)量評價(jià)方法

（一）LPP方法

在對教學(xué)質(zhì)量評價(jià)樣本數(shù)據(jù)進(jìn)行信息融合時(shí)，局部保留投影法的主思路，主要通過對數(shù)據(jù)進(jìn)行降維處理，從而完整地將數(shù)據(jù)內(nèi)在的局部特征和非線性結(jié)構(gòu)保留下來。其中，運(yùn)用LPP算法，找出最為適宜的線形變換矩陣形，實(shí)現(xiàn)對數(shù)據(jù)的降維處理。在計(jì)算時(shí)，將有樣本數(shù)據(jù)集設(shè)定為F，將教學(xué)質(zhì)量評價(jià)參數(shù)設(shè)定為J，將樣本總數(shù)設(shè)定為Ni。應(yīng)用LPP時(shí)，其最終目的，是為找出最為適宜的A，實(shí)現(xiàn)對高維特征值F的映射，從而獲得低維特征值F'，[J']則表示完成降維后，特征值向量的維度參數(shù)值。LPP的目標(biāo)函數(shù)為

FLFT、FDFT屬于對稱及半正定矩陣。最小特征值相應(yīng)的特征向量則是式（6）中的最優(yōu)解。

（二）基于LPP和BP神經(jīng)網(wǎng)絡(luò)的全方位高校教師教學(xué)質(zhì)量評價(jià)方法

基于LPP和BP神經(jīng)網(wǎng)絡(luò)的全方位高校教師教學(xué)質(zhì)量評價(jià)方法步驟如下所示，方法具體流程：

1.將表1和表2中的學(xué)生評教、教師自評和同學(xué)互評各18個(gè)三級指標(biāo)作為輸入特征值，設(shè)共有g(shù)個(gè)樣本，則可構(gòu)建維數(shù)為[g×18]的特征值矩陣F。輸出則是高校教師教學(xué)質(zhì)量督導(dǎo)評教結(jié)果，該結(jié)果總共范圍5個(gè)不同等級，其等級和輸出范圍分別為優(yōu)[0.8，1]、良[0.6，0.8]、中[0.4，0.6]、及格[0.2，0.4]和不及格[0，0.2]。

2.將獲取的特征值矩陣輸入LPP，對特征值矩陣進(jìn)行信息融合和特征提取，所得到的顯著特征記為F。

3.在BP神經(jīng)網(wǎng)絡(luò)中導(dǎo)入訓(xùn)練數(shù)據(jù)后，再挑選適宜的網(wǎng)絡(luò)參數(shù)輸入其中，最后建模。設(shè)定判別函數(shù)，運(yùn)用測試數(shù)據(jù)測試方法結(jié)果，對教學(xué)評價(jià)結(jié)果做出分類和預(yù)測，這就是基于LPP的全方位高校教師教學(xué)質(zhì)量評價(jià)方法。

三、評價(jià)方法仿真分析

在高校課堂教學(xué)質(zhì)量評價(jià)系統(tǒng)中，采用問卷調(diào)查的方式，采集表1和表2中的學(xué)生評教、督導(dǎo)評教、教師自評和同學(xué)互評各18個(gè)三級指標(biāo)，共采集120個(gè)樣本，其中學(xué)生評教、教師自評和同學(xué)互評樣本（輸入樣本）共100個(gè)，每個(gè)評價(jià)等級20個(gè)樣本，督導(dǎo)評教樣本（輸出樣本）20個(gè)，每個(gè)評價(jià)等級4個(gè)樣本。其評價(jià)期間，所有針對督導(dǎo)、學(xué)生、教師的評價(jià)，均以獨(dú)立狀態(tài)展開。在仿真分析時(shí)，隨機(jī)選取輸入樣本80個(gè)作為訓(xùn)練樣本，剩下的樣本作為測試樣本;樣本對應(yīng)的督導(dǎo)評教樣本取均值作為輸出。將選取的樣本分別輸入到基于LPP和BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價(jià)方法，并展開訓(xùn)練和測試。為更準(zhǔn)確地反映論文方法的評價(jià)效果，重復(fù)三次試驗(yàn)，兩種方法的測試絕對誤差。兩種方法的對比結(jié)果如表3所示。表3中平均誤差是每次實(shí)驗(yàn)所有測試樣本誤差的平均值。

相對單獨(dú)使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行評價(jià)的結(jié)果，LPP信息融合后的評價(jià)預(yù)測結(jié)果絕對誤差曲線波動(dòng)更弱，誤差更小，評價(jià)結(jié)果更接近真實(shí)值。表3從評價(jià)結(jié)果平均誤差、評價(jià)等級正確識(shí)別次數(shù)、評價(jià)等級錯(cuò)誤識(shí)別次數(shù)和評價(jià)等級識(shí)別精度四個(gè)參數(shù)對兩種方法的教學(xué)質(zhì)量評價(jià)結(jié)果進(jìn)行了對比。結(jié)果表明，不管是教學(xué)質(zhì)量等級還是教學(xué)評價(jià)結(jié)果，論文所提出方法都獲得了更好的預(yù)測精度。因此，使用LPP能提高評價(jià)的準(zhǔn)確性，LPP方法應(yīng)用在高校教師教學(xué)質(zhì)量評價(jià)中是可行的。

四、結(jié)論

論文提出了基于局部保持投影（LPP）方法的全方位高校教師教學(xué)質(zhì)量評價(jià)方法，該方法根據(jù)教師互評、教師自評、督導(dǎo)評教和學(xué)生評教多個(gè)指標(biāo)對教師教學(xué)質(zhì)量進(jìn)行評價(jià)，采用LPP方法在特征參數(shù)維數(shù)的同時(shí)有效提取特征信息。使用采集的樣本數(shù)據(jù)進(jìn)行訓(xùn)練和測試，仿真分析結(jié)果表明，LPP方法能有效實(shí)現(xiàn)教學(xué)質(zhì)量評價(jià)指標(biāo)樣本數(shù)據(jù)的信息融合和降維，有助于更好地?cái)M合訓(xùn)練數(shù)據(jù)，預(yù)測精度有了明顯的提升。通過基于LPP的教學(xué)質(zhì)量評價(jià)方法對高校教師教學(xué)質(zhì)量進(jìn)行合理評價(jià)，創(chuàng)建出一套更加準(zhǔn)確、更加科學(xué)的評價(jià)方法，為促進(jìn)高校教學(xué)質(zhì)量的提高，提供更有效的評價(jià)工具。

[ 參 考 文 獻(xiàn) ]

[1] 劉青梅. 深化高校教學(xué)改革提高人才培養(yǎng)質(zhì)量[J]. 科技風(fēng)， 2009（21）：39-40.

[2] 王亞芳， 周惟公， 高華. 開設(shè)文科類物理課程的必要性和重要性[J]. 實(shí)驗(yàn)技術(shù)與管理， 2008（11）：147-149.

[3] 袁婷. 理工科院校文科物理實(shí)驗(yàn)教學(xué)探析[J]. 中國科技信息， 2009（15）：295-295.

[4] 盧佃清， 王莉， 吳同成，等. 建立適合文科學(xué)生的物理實(shí)驗(yàn)教學(xué)模式的調(diào)查分析[J]. 實(shí)驗(yàn)技術(shù)與管理， 2011（9）：156-159.

[5] 呂加， 王佳菱. 淺析素質(zhì)教育過程中文科物理教學(xué)存在的問題及建議[J]. 中國科技信息，2009（6）：234-235.

[6] 宋從芝. 高職教師教學(xué)質(zhì)量的多層次模糊綜合評價(jià)方法研究[D].石家莊：河北科技大學(xué)， 2013.

[7] 耿立艷， 張永林， 張占福. 高校課堂教學(xué)質(zhì)量評價(jià)方法綜述[J]. 北京電力高等專科學(xué)校學(xué)報(bào)：社會(huì)科學(xué)版， 2012（29）：15-16.

[8] 陳正. 教師課堂教學(xué)質(zhì)量綜合評價(jià)方法研究[J]. 統(tǒng)計(jì)教育， 2004（6）：51-53.

[9] 李三波. 多層次模糊綜合評判法在教師教學(xué)工作業(yè)績評價(jià)中的應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用與軟件， 2012（7）：91-93.

[10] 吳希. 基于BP神經(jīng)網(wǎng)絡(luò)的高校教學(xué)質(zhì)量評價(jià)方法[J]. 福建電腦， 2009（10）：99-100.

[11] 梁禮明， 吳武林， 吳健. 正交局部保持投影早期故障特征提取方法. 機(jī)械設(shè)計(jì)與研究， 2016（2）： 143-146.

[12] 鄭永， 陳艷. 基于BP神經(jīng)網(wǎng)絡(luò)的高校教師教學(xué)質(zhì)量評價(jià)模型[J]. 重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)）， 2015（1）：85-90.

[責(zé)任編輯：林志恒]