證據(jù)理論和神經(jīng)網(wǎng)絡(luò)的互聯(lián)網(wǎng)教學(xué)質(zhì)量評估模型

吳艷麗 武創(chuàng)舉 陰鈺嬌

摘? 要： 互聯(lián)網(wǎng)教學(xué)質(zhì)量評估對互聯(lián)網(wǎng)教育教學(xué)發(fā)展具有重大意義和促進(jìn)作用。為此，提出證據(jù)理論和神經(jīng)網(wǎng)絡(luò)的互聯(lián)網(wǎng)教學(xué)質(zhì)量評估模型。依照目前互聯(lián)網(wǎng)教學(xué)基本情況，遵循定性、定量指標(biāo)相結(jié)合準(zhǔn)則，構(gòu)建包括企業(yè)運(yùn)營水平、高校配合程度、教師教學(xué)能力、學(xué)生學(xué)習(xí)程度、環(huán)境支持程度的互聯(lián)網(wǎng)教學(xué)質(zhì)量評估體系。在此基礎(chǔ)上，利用BP神經(jīng)網(wǎng)絡(luò)模型自適應(yīng)性、自組織性、自學(xué)習(xí)性特點(diǎn)，以及D?S證據(jù)理論的不確定信息處理優(yōu)勢，有效結(jié)合基于BP神經(jīng)網(wǎng)絡(luò)模型的評估結(jié)果以及基于D?S證據(jù)理論的評估結(jié)果，對互聯(lián)網(wǎng)教學(xué)質(zhì)量實(shí)施綜合評估。實(shí)驗(yàn)結(jié)果表明，該模型可有效評估互聯(lián)網(wǎng)教學(xué)質(zhì)量，提供精準(zhǔn)評估數(shù)據(jù)，滿足實(shí)際應(yīng)用需求，為促進(jìn)互聯(lián)網(wǎng)教育教學(xué)發(fā)展提供數(shù)據(jù)基礎(chǔ)。

關(guān)鍵詞： 證據(jù)理論; 神經(jīng)網(wǎng)絡(luò); 教學(xué)質(zhì)量; 評估模型; 評估體系; 評估精準(zhǔn)度

中圖分類號： TN711?34; G420? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）19?0175?04

Abstract： The Internet teaching quality evaluation is of great significance and promotion effect to the development of Internet education and teaching. Therefore， the Internet teaching quality evaluation model based on evidence theory and neural network is proposed. According to the basic situation of current Internet teaching， an Internet teaching quality evaluation system including enterprise operation level， university cooperation level， teachers′ teaching ability， students′ learning level and environmental support level is constructed following the principle of combining qualitative and quantitative indicators. On this basis， the characteristics of self?adaptability， self?organization and self?learning of neural network model and the advantages of uncertain information processing of D?S evidence theory are effectively combined with both the evaluation results based on BP neural network model and D?S evidence theory to carry out the comprehensive Internet teaching quality evaluation. The experimental results show that the model can effectively evaluate the quality of Internet teaching， provide accurate evaluation data， meet the actual application needs， and provide data basis for promoting the development of Internet education and teaching.

Keywords： evidence theory; neural network; teaching quality; evaluation model; evaluation system; evaluation accuracy

0? 引? 言

隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)技術(shù)的全面普及，已經(jīng)引起了教育行業(yè)的大范圍關(guān)注[1]。傳統(tǒng)教育行業(yè)由于受到互聯(lián)網(wǎng)技術(shù)的沖擊，已經(jīng)逐漸被教育大環(huán)境所淘汰，在傳統(tǒng)教育與互聯(lián)網(wǎng)技術(shù)不斷碰撞過程中，適合當(dāng)代教育事業(yè)運(yùn)營發(fā)展的一種新興教育教學(xué)模式應(yīng)運(yùn)而生，即互聯(lián)網(wǎng)教學(xué)[2?3]?；ヂ?lián)網(wǎng)教學(xué)模式的產(chǎn)生使得學(xué)校不是唯一的知識獲取途徑，教師也不再是知識獲取途徑中唯一的主導(dǎo)人員，為知識汲取提供了更多的可能。知識需求者不再受限于時間、年齡、地域等客觀條件，可通過互聯(lián)網(wǎng)依據(jù)自身興趣愛好挑選感興趣的內(nèi)容進(jìn)行學(xué)習(xí)[4?5]。但是，互聯(lián)網(wǎng)教學(xué)模式并不像傳統(tǒng)模式一樣，教學(xué)質(zhì)量的高低會在某種程度上依托于學(xué)習(xí)者的自主性和自律性，高校中，教學(xué)質(zhì)量可通過教學(xué)小組、教師、學(xué)生等教育參與角色共同評估得出，而互聯(lián)網(wǎng)教學(xué)質(zhì)量因知識傳輸者和接收者之間缺乏溝通，使得教育教學(xué)質(zhì)量受所依托平臺虛擬性影響而變得無法控制，導(dǎo)致互聯(lián)網(wǎng)教學(xué)質(zhì)量參差不齊[6]。

互聯(lián)網(wǎng)教學(xué)質(zhì)量評估是有效衡量互聯(lián)網(wǎng)教學(xué)質(zhì)量、提升互聯(lián)網(wǎng)教學(xué)管理的重要方式[7]。為此本文依照我國目前互聯(lián)網(wǎng)教學(xué)基本情況，構(gòu)建互聯(lián)網(wǎng)教學(xué)質(zhì)量評估體系，有效利用BP神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)能力和自適應(yīng)性，結(jié)合D?S證據(jù)理論的不確定信息處理能力，建立互聯(lián)網(wǎng)教學(xué)質(zhì)量評估模型，融合證據(jù)理論和神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，實(shí)現(xiàn)互聯(lián)網(wǎng)教學(xué)質(zhì)量精準(zhǔn)、有效評估。

1? 互聯(lián)網(wǎng)教學(xué)質(zhì)量評估模型

1.1? 互聯(lián)網(wǎng)教學(xué)質(zhì)量評估體系構(gòu)建

為大力倡導(dǎo)互聯(lián)網(wǎng)教學(xué)理念，實(shí)現(xiàn)“教學(xué)?實(shí)踐一體化”，構(gòu)建面向各領(lǐng)域的互聯(lián)網(wǎng)教學(xué)質(zhì)量評價體系，通過質(zhì)量評價體系形成閉環(huán)反饋機(jī)制，實(shí)現(xiàn)教學(xué)體制的正常運(yùn)轉(zhuǎn)和高質(zhì)量發(fā)展，有效達(dá)成預(yù)期教學(xué)目標(biāo)[8]。依照我國目前互聯(lián)網(wǎng)教學(xué)基本情況，遵循定性、定量指標(biāo)相結(jié)合準(zhǔn)則，以企業(yè)運(yùn)營水平、高校配合程度、教師教學(xué)能力、學(xué)生學(xué)習(xí)程度、環(huán)境支持程度等為一級指標(biāo)，反映互聯(lián)網(wǎng)教學(xué)質(zhì)量的5個方面，下屬16項(xiàng)二級指標(biāo)，共同構(gòu)建互聯(lián)網(wǎng)教學(xué)質(zhì)量評估體系，結(jié)果如表1所示。

1.2? 神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評估

神經(jīng)網(wǎng)絡(luò)理論是一種類似于人腦思維結(jié)構(gòu)的信息處理系統(tǒng)，通過模仿人類大腦中神經(jīng)系統(tǒng)的信息處理模式，結(jié)合當(dāng)下先進(jìn)的神經(jīng)科學(xué)研究成果而設(shè)計產(chǎn)生[9?10]。神經(jīng)網(wǎng)絡(luò)的功能強(qiáng)大之處在于，無需經(jīng)歷復(fù)雜的搜尋過程，僅通過所提供的樣本數(shù)據(jù)，便可根據(jù)以往學(xué)習(xí)經(jīng)驗(yàn)，自主、準(zhǔn)確地獲取已完整刻畫的各種形式樣本規(guī)律函數(shù)，尤其針對干擾因素多、非線性程度高的情況，其優(yōu)勢更加顯著[11]。神經(jīng)網(wǎng)絡(luò)憑借其自身的自適應(yīng)性、自組織性以及自學(xué)習(xí)性特點(diǎn)，可從相近的、尚未明確的、幾乎彼此沖突的知識環(huán)境中，有效躲避人為計算指標(biāo)權(quán)重以及計算相關(guān)系數(shù)等步驟，直接找到有效決策[12?13]。

采用如圖1所示的三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)構(gòu)建互聯(lián)網(wǎng)教學(xué)質(zhì)量評估模型，選擇Sigmoid函數(shù)作為模型中各神經(jīng)元所屬激發(fā)函數(shù)。

模型的輸入向量為[A=（a1，a2，…，an）]，輸出向量為[C=（c）]，兩者呈非線性關(guān)系，因此最終確定的激發(fā)函數(shù)為單極性Sigmoid函數(shù)，表達(dá)式為：

式（1）是用戶描述實(shí)數(shù)域[R]到閉合區(qū)間[[0，1]]的非下降連續(xù)函數(shù)，為狀態(tài)連續(xù)性神經(jīng)元模型。

BP神經(jīng)網(wǎng)絡(luò)模型的第1層是輸入層，節(jié)點(diǎn)數(shù)為互聯(lián)網(wǎng)教學(xué)質(zhì)量評估體系的16項(xiàng)二級指標(biāo)的個數(shù)，即輸入向量[A=（a1，a2，…，a16）]。BP神經(jīng)網(wǎng)絡(luò)模型的第2層是中間層，也被稱為隱含層，節(jié)點(diǎn)數(shù)為互聯(lián)網(wǎng)教學(xué)質(zhì)量評估體系的5項(xiàng)一級指標(biāo)，則隱含層向量[B=（b1，b2，…，b5）]。BP神經(jīng)網(wǎng)絡(luò)模型的第3層是輸出層，節(jié)點(diǎn)數(shù)為1，用變量[C]表示，即模型輸出值。

輸入向量為對外宣傳、教學(xué)設(shè)置、線上互動狀態(tài)、作業(yè)完成度、互聯(lián)網(wǎng)技術(shù)等16項(xiàng)互聯(lián)網(wǎng)教學(xué)質(zhì)量評估體系二級評估指標(biāo)，用[A=（a1，a2，…，a16）]描述;隱含層節(jié)點(diǎn)向量為企業(yè)運(yùn)營水平、高校配合程度、教師教學(xué)能力、學(xué)生學(xué)習(xí)程度、環(huán)境支持程度等5項(xiàng)評價體系一級指標(biāo)，用向量[B=（b1，b2，…，b5）];輸出向量用[C=（c）]描述。遵循激發(fā)函數(shù)特點(diǎn)[C∈[0，1]]，轉(zhuǎn)換訓(xùn)練集，真實(shí)輸出數(shù)據(jù)為閉合區(qū)間[[0，1]]之間的數(shù)值，并視其為最佳期望輸出值，用[D=（d1）]描述。輸入層?隱含層、隱含層?輸出層節(jié)點(diǎn)權(quán)值分別用[P=（p11，p12，…，p16）]，[Q=（q11，q21，…，q51）]描述。

隱含層節(jié)點(diǎn)輸出如式（2）所示：

輸出層節(jié)點(diǎn)輸出如式（3）所示：

式中[f（ ）]表示激發(fā)函數(shù)。

互聯(lián)網(wǎng)教學(xué)質(zhì)量評估模型由式（2），式（3）共同實(shí)現(xiàn)。

1.3? D?S證據(jù)理論的互聯(lián)網(wǎng)教學(xué)質(zhì)量評估

雖然BP神經(jīng)網(wǎng)絡(luò)可利用自身學(xué)習(xí)能力及非線性映射能力對互聯(lián)網(wǎng)教學(xué)質(zhì)量進(jìn)行評估，是一種較為理想的方法，但是實(shí)際應(yīng)用中存在網(wǎng)絡(luò)訓(xùn)練時間長、網(wǎng)絡(luò)泛化能力降低等因素，會使評估結(jié)果具有很強(qiáng)的不確定性。而證據(jù)理論是一種推理不確定數(shù)值的方法，具有不確定信息處理的獨(dú)特優(yōu)勢[14?15]，因此為彌補(bǔ)BP神經(jīng)網(wǎng)絡(luò)模型的教學(xué)質(zhì)量評估結(jié)果存在的不確定因素，利用D?S證據(jù)理論評估互聯(lián)網(wǎng)教學(xué)質(zhì)量，最后結(jié)合BP神經(jīng)網(wǎng)絡(luò)的評估結(jié)果，作為互聯(lián)網(wǎng)教學(xué)質(zhì)量評估的最終結(jié)果。

1.3.1? D?S證據(jù)理論

置信函數(shù)和似然函數(shù)：假設(shè)識別框架用[U]表示，由識別框架[U]的冪集[2U]組成的命題集合用[Θ]表示，則存在[?X?U]，[?Y?U]，即置信函數(shù)[Bel2U→[0，1]]以及似然函數(shù)[Pl2U→[0，1]]的表示分別如下：

如果[K1≠1]，那么可明確基本概率分配函數(shù);如果[K1]=1，那么[m1]，[m2]互相沖突，無法構(gòu)成基本概率函數(shù)，此時[K1]表示沖突強(qiáng)弱。因而利用D?S組合規(guī)則集合子集基本概率函數(shù)可以得到融合概率分布函數(shù)值[m（D）]。

1.3.2? 教學(xué)質(zhì)量評價

利用D?S證據(jù)理論，將樣本空間作為互聯(lián)網(wǎng)教學(xué)質(zhì)量評估因素集合，即以1.1節(jié)的一級和二級指標(biāo)為內(nèi)容，一級指標(biāo)用[bi]表示，其中，利用D?S證據(jù)理論組合公式融合獲取的教學(xué)質(zhì)量評價體系的每個一級指標(biāo)所對應(yīng)的二級指標(biāo)[bij]，則有：

針對每個評估因素獲取一個可信度因子CF，構(gòu)成可信度因子集[m（bi）]。可信度因子可通過多個專家對評價指標(biāo)體系的知識集做出評價的方式獲取，其既是互聯(lián)網(wǎng)教學(xué)質(zhì)量評估的基礎(chǔ)，也從側(cè)面體現(xiàn)評估的精準(zhǔn)度。由于不同專家的評估結(jié)果共同聚集成某個評估因素的可信度因子，因此利用D?S證據(jù)理論便可獲取不同指標(biāo)的綜合可信度因子，保障評估不確定性的同時，精準(zhǔn)評估互聯(lián)網(wǎng)教學(xué)質(zhì)量。

2? 模型性能的驗(yàn)證測試

以北京市某高校為實(shí)驗(yàn)對象，對各專業(yè)的互聯(lián)網(wǎng)教學(xué)質(zhì)量進(jìn)行評估，驗(yàn)證本文模型的有效性。

2.1? 模型評估能力

根據(jù)表1所構(gòu)建的互聯(lián)網(wǎng)教學(xué)質(zhì)量評估體系，固定指標(biāo)體系的取值區(qū)間為[0，1]，利用本文模型獲取互聯(lián)網(wǎng)教學(xué)質(zhì)量評估結(jié)果如表2所示。由于篇幅有限，省略了部分?jǐn)?shù)據(jù)。

分析表2數(shù)據(jù)可知，對于專業(yè)1而言，其互聯(lián)網(wǎng)教學(xué)質(zhì)量評估結(jié)果中線上互動狀態(tài)（A8）評估結(jié)果最好，教師資源（A4）評估結(jié)果次之，但是技術(shù)資源（A6）、經(jīng)費(fèi)分配（A3）和教學(xué)設(shè)置（A7）評估結(jié)果較差，該高校可在這幾方面予以加強(qiáng)，提升該專業(yè)整體互聯(lián)網(wǎng)教學(xué)質(zhì)量。從表2中還可以看出，該高校對于專業(yè)3的互聯(lián)網(wǎng)教學(xué)對外宣傳（A1）力度較大，對于專業(yè)5的制度實(shí)施（A2）力度較大，企業(yè)運(yùn)營水平較高，使得其該項(xiàng)目評估結(jié)果最好;專業(yè)10 的學(xué)生互動積極性（A11）較高，評估結(jié)果達(dá)到0.92。結(jié)果表明采用本文模型可有效評估該高校不同專業(yè)的教學(xué)質(zhì)量。

2.2? 本文模型的評估結(jié)果

統(tǒng)計本文模型的評估結(jié)果和實(shí)際互聯(lián)網(wǎng)教學(xué)質(zhì)量評估結(jié)果，如圖2所示。從圖2可以看出，本文模型評估結(jié)果與實(shí)際質(zhì)量評估結(jié)果數(shù)值基本一致，表明本文模型可以有效滿足實(shí)際應(yīng)用需求。

2.3? 與其他模型的性能對比

為進(jìn)一步驗(yàn)證本文模型在互聯(lián)網(wǎng)教學(xué)質(zhì)量評估中的優(yōu)勢，分別采用BP神經(jīng)網(wǎng)絡(luò)、D?S證據(jù)理論與本文模型的評估結(jié)果進(jìn)行對比，結(jié)果如表3所示。分析表3結(jié)果可知：BP神經(jīng)網(wǎng)絡(luò)的互聯(lián)網(wǎng)教學(xué)質(zhì)量評估結(jié)果最大和最小絕對誤差值分別為6.98%和1.83%;D?S證據(jù)理論的互聯(lián)網(wǎng)教學(xué)質(zhì)量評估結(jié)果最大絕對誤差為5.28%，最小絕對誤差值為1.42%;本文模型的互聯(lián)網(wǎng)教學(xué)質(zhì)量結(jié)果最大和最小絕對誤差值僅為1.86%和0.15%。這是因?yàn)楸疚哪Ｐ陀行诤狭薆P神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)能力、并行能力、非線性映射能力，以及D?S證據(jù)理論模型處理不確定信息的能力，消除多樣本數(shù)據(jù)不確定性的同時，減小了評估誤差，提升教學(xué)質(zhì)量評估準(zhǔn)確性。

3? 結(jié)? 語

本文依據(jù)證據(jù)理論和神經(jīng)網(wǎng)絡(luò)建立了互聯(lián)網(wǎng)教學(xué)質(zhì)量評估模型，可以有效評估企業(yè)運(yùn)營水平、高校配合程度、教師教學(xué)能力、學(xué)生學(xué)習(xí)程度以及環(huán)境支持程度等方面的互聯(lián)網(wǎng)教學(xué)質(zhì)量，為管理部門及時有針對性的整改提供數(shù)據(jù)支撐。在后期評估模型實(shí)際應(yīng)用中應(yīng)依據(jù)時代發(fā)展以及相關(guān)制度的整改，有針對性地更新、調(diào)整評價體系，更精準(zhǔn)地評估互聯(lián)網(wǎng)教學(xué)質(zhì)量。

參考文獻(xiàn)

[1] 王秋靜，王蘋，陳霞.基于醫(yī)學(xué)生創(chuàng)新訓(xùn)練構(gòu)建創(chuàng)新教育質(zhì)量監(jiān)控體系[J].中國衛(wèi)生事業(yè)管理，2019，36（5）：380?382.

[2] 姜從玉，黃慮，朱玉連，等.康復(fù)醫(yī)學(xué)住院醫(yī)師規(guī)范化培訓(xùn)教學(xué)質(zhì)量評估體系的構(gòu)建和應(yīng)用研究[J].中華物理醫(yī)學(xué)與康復(fù)雜志，2019，41（1）：68?70.

[3] 王建波，有維寶，劉芳夢，等.基于WSR?D?S證據(jù)理論的地鐵車站火災(zāi)安全評價[J].安全與環(huán)境學(xué)報，2018，18（3）：900?906.

[4] 劉欣，趙同剛.基于創(chuàng)新創(chuàng)業(yè)教育的學(xué)院教學(xué)管理探索與實(shí)踐[J].北京郵電大學(xué)學(xué)報（社會科學(xué)版），2019，21（1）：112?118.

[5] 顏波，張磊，褚學(xué)寧.基于卷積神經(jīng)網(wǎng)絡(luò)的用戶感知評估建模[J].上海交通大學(xué)學(xué)報，2019，53（7）：844?851.

[6] 陳晉音，王楨，陳勁聿，等.基于深度學(xué)習(xí)的智能教學(xué)系統(tǒng)的設(shè)計與研究[J].計算機(jī)科學(xué)，2019，46（z1）：550?554.

[7] 馬鳳岐.建設(shè)“金課”是提高通識教育質(zhì)量的關(guān)鍵[J].高校教育管理，2019，13（4）：57?63.

[8] 王冠男.三參數(shù)層次分析模型在網(wǎng)絡(luò)質(zhì)量評估中的應(yīng)用[J].西南師范大學(xué)學(xué)報（自然科學(xué)版），2017，42（3）：146?150.

[9] 徐彬斌，王冬梅，謝建.“互聯(lián)網(wǎng)+”背景下多維教學(xué)模式評估體系構(gòu)建及應(yīng)用研究[J].福建茶葉，2019，41（3）：204?205.

[10] 張熠.基于D?S證據(jù)理論和TFAHP?TOPSIS的工程項(xiàng)目評標(biāo)決策模型[J].統(tǒng)計與決策，2018，34（11）：48?51.

[11] 趙洪科，吳李康，李徵，等.基于深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的互聯(lián)網(wǎng)金融市場動態(tài)預(yù)測[J].計算機(jī)研究與發(fā)展，2019，56（8）：1621?1631.

[12] 鄭莉，王建驊.基于模糊數(shù)據(jù)挖掘的教學(xué)質(zhì)量滿意度分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2018，48（18）：106?116.

[13] 邵春福，王菁，彭金栓.基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)約車服務(wù)質(zhì)量評價[J].北京交通大學(xué)學(xué)報，2018，42（3）：10?15.

[14] 崔瑋.改進(jìn)的D?S證據(jù)理論在海上目標(biāo)融合識別模型中的應(yīng)用[J].艦船科學(xué)技術(shù)，2017，39（8）：109?111.

[15] 徐緒堪，樓昱清，于成成.基于D?S理論的突發(fā)事件多源數(shù)據(jù)可信度評估研究[J].情報理論與實(shí)踐，2019，42（8）：67?72.