基于層次分析法和KH-KELM的英語教學(xué)質(zhì)量評價

朱玥

摘 要：為了實(shí)現(xiàn)英語教學(xué)質(zhì)量評價，客觀地反映英語教學(xué)質(zhì)量水平，運(yùn)用層次分析法構(gòu)建了一套基于教師素質(zhì)、教學(xué)態(tài)度、教學(xué)內(nèi)容、教學(xué)方法和教學(xué)效果的英語教學(xué)質(zhì)量評價指標(biāo)體系。將英語教學(xué)質(zhì)量水平劃分為欠規(guī)范、規(guī)范和精品3個等級并將其作為KH-KELM的輸出，通過專家打分法獲得18個英語教學(xué)質(zhì)量評價二級指標(biāo)數(shù)據(jù)并將其作為KH-KELM的輸入，建立KH-KELM的英語教學(xué)質(zhì)量評價模型。與KELM和SVM相比較，KH-KELM可以有效提高英語教學(xué)質(zhì)量評價的精度，為英語教學(xué)質(zhì)量評價提供新的方法和途徑。

關(guān)鍵詞：英語教學(xué)質(zhì)量;層次分析法;專家打分法;磷蝦群算法;評價指標(biāo)體系;核極限學(xué)習(xí)機(jī)

中圖分類號：TP 391;G 523

文獻(xiàn)標(biāo)志碼：A

文章編號：1007-757X（2020）11-0059-04

Abstract：In order to realize the English teaching quality evaluation and objectively reflect the English teaching quality level， an English teaching quality evaluation index system based on teachers quality， teaching attitude， teaching content， teaching method and teaching effect was constructed by using analytic hierarchy process. The English teaching quality level was divided into three grades：under-standard， standard and excellent， which were taken as the output of KH-KELM. The expert scoring method was used to obtain 18 English teaching quality evaluation second-level index data， which were taken as the input of KH-KELM， and the English teaching quality evaluation model of KH-KELM was established. Compared with KELM and SVM， KH-KELM can effectively improve the accuracy of English teaching quality evaluation and provide a new method and approach for English teaching quality evaluation.

Key words：English teaching quality;analytic hierarchy process;expert scoring method;Krill algorithm;evaluation index system;kernel extreme learning machine

0?引言

教學(xué)質(zhì)量是教育競爭力的核心內(nèi)容，高校教師教學(xué)質(zhì)量評價對提升教師教學(xué)能力和教學(xué)管理水平具有重要意義[1]。通過教學(xué)質(zhì)量評價，學(xué)生可以反饋教師教學(xué)情況，與此同時，教師可以反思教學(xué)效果，學(xué)?？梢愿倪M(jìn)教學(xué)管理，有針對性地提出解決措施和辦法，從而提高教師的教學(xué)水平和教學(xué)質(zhì)量。目前高校教學(xué)質(zhì)量評價的方法主要有模糊綜合評價法[2]、層次分析法[3]、灰色關(guān)聯(lián)分析法[4]和神經(jīng)網(wǎng)絡(luò)法[5]等，這些方法取得了一定效果，然而存在隨機(jī)性和主觀性的缺點(diǎn)，導(dǎo)致無法準(zhǔn)確評價教學(xué)質(zhì)量。為提高高校英語教學(xué)質(zhì)量評價的準(zhǔn)確度，提出一種基于層次分析法（Analytic Hierarchy Process，AHP）和磷蝦群算法（Krill Herd，KH）改進(jìn)核極限學(xué)習(xí)機(jī)（Kernel Extreme Learning Machine，KELM）的英語教學(xué)質(zhì)量評價方法。為了實(shí)現(xiàn)英語教學(xué)質(zhì)量評價，運(yùn)用AHP構(gòu)建出包含5個一級評價指標(biāo)的英語教學(xué)質(zhì)量評價指標(biāo)體系。將英語教學(xué)質(zhì)量水平劃分為欠規(guī)范、規(guī)范和精品3個等級并將其作為KH-KELM的輸出，通過專家打分法獲得18個英語教學(xué)質(zhì)量評價二級指標(biāo)數(shù)據(jù)并將其作為KH-KELM的輸入，建立KH-KELM的英語教學(xué)質(zhì)量評價模型。與KELM和支持向量機(jī)（Support Vector Machine，SVM）相比較，KH-KELM可以有效提高英語教學(xué)質(zhì)量評價的精度，為英語教學(xué)質(zhì)量評價提供新的方法和途徑。

1?英語教學(xué)質(zhì)量評價指標(biāo)體系

1.1?層次分析法

AHP[6]主要用來處理較為復(fù)雜和模糊的問題，其主要步驟如下。

（1） 建立AHP層次結(jié)構(gòu)模型;AHP層次模型主要包括目標(biāo)層、準(zhǔn)則層和要素層。

（2） 構(gòu)建判斷矩陣;運(yùn)用兩兩比較法對各評價指標(biāo)的相對優(yōu)劣程度進(jìn)行排序，建立判斷矩陣。對于n個評價指標(biāo)，其判斷矩陣如式（1）。

1.2?評價指標(biāo)體系

科學(xué)合理的評價指標(biāo)是提高教學(xué)質(zhì)量和教學(xué)水平的重要保證。在參考文獻(xiàn)[7]的基礎(chǔ)上，構(gòu)建出一套基于教師素質(zhì)、教學(xué)態(tài)度、教學(xué)內(nèi)容、教學(xué)方法和教學(xué)效果的英語教學(xué)質(zhì)量評價指標(biāo)體系，評價指標(biāo)體系，如圖1所示。

2?核極限學(xué)習(xí)機(jī)

為改善ELM模型的泛化能力和穩(wěn)定性，將正則化系數(shù)C引入標(biāo)準(zhǔn)ELM模型，如式（8）。

3?基于AHP和KH-ELM的英語教學(xué)質(zhì)量評價

3.1?磷蝦群算法

（1） 誘導(dǎo)運(yùn)動

誘導(dǎo)運(yùn)動分為目標(biāo)指引、局部影響以及引導(dǎo)慣性，如式（13）。

3.2?目標(biāo)函數(shù)

針對KELM模型性能受其正則化系數(shù)C和核函數(shù)參數(shù)g的影響，運(yùn)用KH算法優(yōu)化KELM模型的正則化系數(shù)C和核函數(shù)參數(shù)g，為使得英語教學(xué)質(zhì)量評價最小，選擇適應(yīng)度函數(shù)[12]如式（18）。

3.3?算法流程

基于AHP和KH-KELM的英語教學(xué)質(zhì)量評價算法流程如下。

Step1：建立英語教學(xué)質(zhì)量評價層次分析模型;

Step2：構(gòu)建判斷矩陣B：運(yùn)用1-9標(biāo)度法兩兩比

較英語教學(xué)質(zhì)量評價評價指標(biāo)，構(gòu)建英語教學(xué)質(zhì)量評價的判斷矩陣B;如果英語教學(xué)質(zhì)量評價模型的評價指標(biāo)集A=a1，a2，…，ai，…，an，其中n為評價指標(biāo)數(shù)量，ai為第i個需要比較的評價指標(biāo)如式（19）。

Step4：一致性檢驗(yàn)：根據(jù)公式（2）進(jìn)行一致性檢驗(yàn)，若CR<0.1，則通過一致性檢驗(yàn);反之，調(diào)整判斷矩陣;

Step5：將評分矩陣劃分為訓(xùn)練集和測試集，訓(xùn)練集用于建立KH-KELM英語教學(xué)質(zhì)量評價模型，而測試集用于驗(yàn)證KH-KELM英語教學(xué)質(zhì)量評價模型的正確性;

Step6：設(shè)置IKH算法參數(shù)：磷蝦種群大小N、最大隨機(jī)擴(kuò)散速度Tmax、最大誘導(dǎo)速度Rmax、最大迭代次數(shù)Maxgen以及最大覓食速度Vs，并隨機(jī)初始化種群;

Step7：對于訓(xùn)練集，根據(jù)公式（18）計算種群適應(yīng)度，并進(jìn)行排序，計算各運(yùn)動分量;

Step8：更新磷蝦種群位置;

Step9：判斷算法終止條件，若達(dá)到最大迭代次數(shù)Max gen，則輸出最優(yōu)解，也就是獲得最佳正則化系數(shù)C*和核函數(shù)參數(shù)g*。反之，返回步驟Step7;

Step10：將最佳正則化系數(shù)C*和核函數(shù)參數(shù)g*代入KELM模型進(jìn)行英語教學(xué)質(zhì)量評價。

4?實(shí)驗(yàn)與結(jié)果分析

4.1?數(shù)據(jù)來源

根據(jù)AHP英語教學(xué)質(zhì)量評價層次模型，運(yùn)用專家打分法獲取西安培華學(xué)院英語教學(xué)質(zhì)量評價2008—2017年數(shù)據(jù)，運(yùn)用最大最小值法歸一化處理數(shù)據(jù)，歸一化結(jié)果，如表1所示。

評分專家由陜西省教育廳2019年度科研計劃項目英語教學(xué)專家?guī)斐蓡T隨機(jī)抽取，共10名專家，專家職稱具有副高及以上水平，具有很強(qiáng)的學(xué)術(shù)水平，對本專業(yè)內(nèi)容非常熟悉。10名專家對18個二級指標(biāo)進(jìn)行打分，為避免個人主觀因素帶來的影響，最終將10名專家打分結(jié)果的平均值作為最終打分結(jié)果，如表2所示。

4.2?評價指標(biāo)

為衡量英語教學(xué)質(zhì)量評價效果，評價指標(biāo)選擇均方根誤差（root mean square error，RMSE）和平均絕對誤差（mean absolute error，MAE）[13]如式（22）、式（23）。

4.3?結(jié)果分析

根據(jù)英語教學(xué)質(zhì)量要求，在相關(guān)研究文獻(xiàn)的基礎(chǔ)上，將英語教學(xué)質(zhì)量水平劃分為課程建設(shè)欠規(guī)范、規(guī)范和精品3個等級，劃分標(biāo)準(zhǔn)如表3所示。

通過專家打分獲得2008-2017年一共10組數(shù)據(jù)，將前6組數(shù)據(jù)作為訓(xùn)練集，后4組數(shù)據(jù)作為測試集。為驗(yàn)證KH-KELM進(jìn)行英語教學(xué)質(zhì)量評價的有效性和可靠性，將KH-KELM與KELM和支持向量機(jī)（Support Vector Machine，SVM）進(jìn)行對比，對比結(jié)果如圖2、表4所示。

由圖2和表4英語教學(xué)質(zhì)量評價結(jié)果可知，與KELM和SVM相比較，KH-KELM進(jìn)行英語教學(xué)質(zhì)量評價結(jié)果的RMSE和MAE最小，分別為0.315 2和0.183 5，從而說明KH-KELM可以有效提高英語教學(xué)質(zhì)量評價的精度，為英語教學(xué)質(zhì)量評價提供新的方法和途徑。

5?總結(jié)

為了實(shí)現(xiàn)英語教學(xué)質(zhì)量評價，運(yùn)用AHP構(gòu)建出包含5個一級評價指標(biāo)的英語教學(xué)質(zhì)量評價指標(biāo)體系。將英語教學(xué)質(zhì)量水平劃分為欠規(guī)范、規(guī)范和精品3個等級并將其作為KH-KELM的輸出，通過專家打分法獲得18個英語教學(xué)質(zhì)量評價二級指標(biāo)數(shù)據(jù)并將其作為KH-KELM的輸入，建立KH-KELM的英語教學(xué)質(zhì)量評價模型。與KELM和SVM相比較，KH-KELM可以有效提高英語教學(xué)質(zhì)量評價的精度，為英語教學(xué)質(zhì)量評價提供新的方法和途徑。

參考文獻(xiàn)

[1] 劉元剛，熊剛，胡啟迪.基于F-AHP的高職計算機(jī)課程教學(xué)質(zhì)量評價的研究[J].信息技術(shù)，2016，（5）：147-149.

[2]?張居設(shè). 基于GA 優(yōu)化RBF 神經(jīng)網(wǎng)絡(luò)的英語教學(xué)質(zhì)量評價[J]. 計算機(jī)系統(tǒng)應(yīng)用，2020，29（3）：167-172.

[3]?張明亞.基于主成分分析和支持向量機(jī)的英語教學(xué)質(zhì)量評價[J].現(xiàn)代電子技術(shù)，2018，41（7）：178-182.

[4]?鄧?yán)倮伲瑥埆I(xiàn).教學(xué)質(zhì)量促進(jìn)學(xué)習(xí)成績評估建模仿真[J].計算機(jī)仿真，2017，34（7）：158-161.

[5]?曹強(qiáng)，虞文美.基于模糊綜合評價方法的財經(jīng)類專業(yè)實(shí)驗(yàn)課教學(xué)效果研究[J].實(shí)驗(yàn)室研究與探索，2018，37（6）：232-235.

[6]?劉堯飛，蔡華健，張相學(xué).基于層次分析法的課堂教學(xué)質(zhì)量評價指標(biāo)體系研究[J].江蘇師范大學(xué)學(xué)報（教育科學(xué)版）， 2014，5（1）：45-47.

[7]?班麗麗，紀(jì)二娟.支持向量機(jī)的遠(yuǎn)程教學(xué)質(zhì)量評估模型[J].現(xiàn)代電子技術(shù)，2017，40（13）：126-129.

[8]?岳琪，溫新.基于GA和BP神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價模型研究[J].內(nèi)蒙古大學(xué)學(xué)報（自然科學(xué)版），2018，49（2）：204-?211.

[9]?張瑞， 袁斐. 基于AHP的高校輔導(dǎo)員職業(yè)能力評價指標(biāo)體系研究[J]. 絲路視野， 2017， 11（6）：42-44.

[10]?曹昱鵬， 王智杰， 胡勇文. 改進(jìn)的層次分析法在高校學(xué)生綜合素質(zhì)評定中的應(yīng)用[J]. 輕工科技， 2018（3）：53-55.

[11]?黃璇， 郭立紅， 李姜，等. 磷蝦群算法優(yōu)化支持向量機(jī)的威脅估計[J]. 光學(xué)精密工程， 2016， 24（6）：1448-1455.

[12]?楊錫運(yùn)， 關(guān)文淵， 劉玉奇，等. 基于粒子群優(yōu)化的核極限學(xué)習(xí)機(jī)模型的風(fēng)電功率區(qū)間預(yù)測方法[J]. 中國電機(jī)工程學(xué)報， 2015， 35（1）：146-153.

[13]?任天助， 辛萬青， 嚴(yán)晞雋，等. 基于極限學(xué)習(xí)機(jī)的體系作戰(zhàn)效能評估建模方法[J]. 導(dǎo)彈與航天運(yùn)載技術(shù)， 2019，3（6）：21-25.

（收稿日期：2020.03.30）