基于VPMCD的全方位高校教师教学质量评价方法

彭延峰 刘燕飞 何宽芳

摘要：当前高校教育改革逐渐深入，如何提高教学质量已经成为当前高校教学的工作重点，而教学评价是提高教学质量的关键指标。因此，合理、科学的教学评价方法显得尤为重要。目前神经网络被广泛应用于高校教学评价，但是神经网络具有样本需求多、计算量大及容易陷入局部最优解的缺陷。针对这些问题，提出变量预测模型分类（Variable Predictive Model Based Class Discriminate，VPMCD）方法的全方位高校教师教学质量评价方法，并将其与BP神经网络进行仿真对比分析。结果表明，相对神经网络，VPMCD方法能有效提高评价准确率。

关键词：教育改革；教学质量评价；变量预测模型分类；BP神经网络

中图分类号：G647 文献标志码：A 文章编号：1674-9324（2019）35-0067-03

随着高校连续几年的大规模扩招，高等教育在我国发展非常迅速，规模急剧扩大。如何建立一支高素质的教师队伍是很多高校面临的问题，所采取的措施很多。但首先应该建立一套标准的教学评价体系，对教师有一个全面的了解和正确的评价。设定标准后，教师可以根据自身的成绩和不足，自觉进行行为调控，进一步改进、完善自己的工作。同时，有助于高等学校认识提高教师教学水平和教师素质的重要性，使学校有针对性地加强师资队伍建设[1-6]。

人工神经网络理论是20世纪80年代中后期世界范围内迅速发展起来的一个前沿领域，已经被广泛用于非线性、复杂、综合性问题的决策分析。其用于教学评价的基本原理是把用来描述评价对象特征的信息作为神经网络的输入向量，将代表相应综合评价的量值作为神经网络的输出然后用足够的样本训练这个网络。就目前而言，神经网络理论已经被广泛应用于教学质量评价[7-12]。但是，该方法还存在一些缺陷，比如评价需求的样本数量较大、收敛速度慢、计算量大、容易陷入局部最优解等。因此，需要寻找更合适、准确度更高、运算速度更快的模式识别方法解决教学评价问题。

Raghuraj等提出了一种新的模式识别方法-变量预测模型分类（Variable Predictive Model Based Class Discriminate，简称VPMCD）方法[13-16]，并将其应用于生物学中的模式分类问题，获得了较好的效果。VPMCD方法所建立的变量预测模型可以是非线性的，因此，VPMCD方法与神经网络一样，可以应用于多变量描述的非线性系统的模式识别问题。而在教学评价中，不同的教学质量评价指标之间大都具有一定的相互内在关系，而且在不同的样本环境下，这些指标及其相互内在关系也会发生不同的变化。因此，VPMCD方法可以有效地应用于高校教师教学评价中。

一、全方位高校教师教学质量评价指标体系

为全面、科学、准确地对高校教师教学质量进行评价，论文使用文献[17]中所提出的全方位教学质量评价体系对提出的方法进行验证，其组成框架如图1所示。授课评价体系中的评价对象是高校教师，评价主體有督导、同行、学生和教师本人。在学习评价体系中，评价的对象是学生，评价主体有督导、教师、其他同学和学生本人。授课评价体系的指标有教师互评、教师自评、督导评教和学生评教等；学习评价体系的指标有同学互评、学生自评、督导评学和教师评学等。各指标相互联系、相互影响构成了全方位高校教学质量评价体系。

三、评价方法仿真分析

在高校课堂教学质量评价系统中，采用问卷调查的方式，采集学生评教、督导评教、教师自评和同学互评各18个三级指标，共采集120个样本，其中学生评教、教师自评和同学互评样本（输入样本）共100个，每个评价等级20个样本，督导评教样本（输出样本）20个，每个评价等级4个样本。在评价的过程中，要求每个学生、督导和教师的评价都是独立进行的。在仿真分析时，随机选取输入样本80个作为训练样本，剩下的样本作为测试样本；样本对应的督导评教样本取均值作为输出。将选取的样本分别输入到VPMCD和BP神经网络进行训练和测试。为更准确地反映论文方法的评价效果，重复三次实验，VPMCD和BP神经网络的测试绝对误差如图3—5所示。督导评教、BP神经网络和VPMCD方法的对比结果如表1所示，表1中平均误差是每次实验所有测试样本误差的平均值。

从图3—5可以看出，相对BP神经网络，VPMCD评价结果的绝对误差曲线波动更弱，误差更小，评价结果更接近真实值。表1从评价结果平均误差、评价等级正确识别次数、评价等级错误识别次数和评价等级识别精度四个参数对VPMCD和BP神经网络的教学质量评价结果进行了对比。结果表明，无论教学质量等级还是教学评价结果，VPMCD都获得了更好的预测精度。因此，使用VPMCD能提高评价的准确性，VPMCD方法应用在高校教师教学质量评价中是可行的。

四、结论

论文提出了基于变量预测模型分类（VPMCD）方法的全方位高校教师教学质量评价方法，该方法使用全方位高校教师教学质量评价指标体系，根据教师互评、教师自评、督导评教和学生评教多个指标对教师教学质量进行评价，采用相对BP神经网络等传统智能模式识别方法精度更高的VPMCD方法对采集的样本数据进行训练和测试。仿真分析结果表明，VPMCD方法能识别不同的教学质量评价指标之间的相互内在关系，能够较好地拟合训练数据，预测精度明显提升。通过VPMCD对高校教师教学质量进行合理评价，克服了单一的人为因素对评价结果的直接影响，为高校教学质量的评估提供了一种科学合理的新方法，为教学质量评估的研究发展提供有益的参考。

参考文献：

[1]刘青梅.深化高校教学改革提高人才培养质量[J].科技风，2009，（21）：39-40.

[2]王亚芳，周惟公，高华.开设文科类物理课程的必要性和重要性[J].实验技术与管理，2008，25（11）：147-149.

[3]袁婷.理工科院校文科物理实验教学探析[J].中国科技信息，2009，（15）：295，297.

[4]卢佃清，王莉，吴同成，等.建立适合文科学生的物理实验教学模式的调查分析[J].实验技术与管理，2011，28（9）：156-159.

[5]吕加，王佳菱.浅析素质教育过程中文科物理教学存在的问题及建议[J].中国科技信息，2009，（6）：234-235.

[6]汪兰，夏娴，殷实.在物理实验教学中培养文科类人才的理性思维[J].物理与工程，2007，17（1）：49-50.

[7]宋从芝.高职教师教学质量的多层次模糊综合评价方法研究[D].河北科技大学，2013.

[8]耿立艳，张永林，张占福.高校课堂教学质量评价方法综述[J].北京电力高等专科学校学报：社会科学版，2012，（29）：15-16.

[9]吴希.基于BP神经网络的高校教学质量评价方法[J].福建电脑，2009，25（10）：99-100.

[10]陈正.教师课堂教学质量综合评价方法研究[J].统计教育，2004，（6）：51-53.

[11]李三波.多层次模糊综合评判法在教师教学工作业绩评价中的应用[J].计算机应用与软件，2012，29（7）：91-93.

[12]李荣英.高职高专教学评价数据处理方法探讨[J].教育与职业，2006，（30）：176-178.

[13]程军圣，罗颂荣，杨斌，等.LMD能量矩和变量预测模型模式识别在轴承故障智能诊断中的应用[J].振动工程学報，2013，26（5）：751-757.

[14]罗颂荣，程军圣，杨宇.基于本征时间尺度分解和变量预测模型模式识别的机械故障诊断[J].振动与冲击，2013，32（13）：43-48.

[15]杨宇，王欢欢，曾鸣，等.基于变量预测模型的模式识别方法在滚动轴承故障诊断中的应用[J].湖南大学学报：自科版，2013，40（3）：36-40.

[16]付琳娟，翟正军，郭阳明.基于回声状态网络的多变量预测模型的研究[J].计算机测量与控制，2009，17（7）：1356-1358.

[17]郑永，陈艳.基于BP神经网络的高校教师教学质量评价模型[J].重庆理工大学学报：自然科学，2015，29（1）：85-90.