《基于matlab的课程教学质量评价模型的设计与仿真》由会员分享，可在线阅读，更多相关《基于matlab的课程教学质量评价模型的设计与仿真（87页珍藏版）》请在金锄头文库上搜索。
1、浙江工业大学硕士学位论文基于MATLAB的课程教学质量评价模型的设计与仿真姓名：刘华金申请学位级别：硕士专业：计算机技术指导教师：郝平；于丰堂20110301浙江工业大学硕士学位论文基于从T L A B 的课程教学质量评价模型的设计与仿真摘要高等教育的核心任务是教学工作，提高教学质量是促进高校改革与发展的关键，所以建立科学、有效的课程教学质量评价是加强高等学校教学管理和提高教学质量的重要举措。教学质量是高等学校生存和发展的基础，对教师课程教学质量进行客观、有效的评价，以便及时改进教学，为教师晋级、年度考核及评先评优等提供基本的依据，从而调动教师的积极性，激励教师不断提高教学水平和业务水平。因此
2、该课题研究对提高整个高职学院的教学质量，提高学校的核心竞争力，促进学校发展具有重要意义。本课题完成基于M a t l a bS i 叫1 i n k 神经网络的课程教学质量评价模型的设计与仿真，。此模型仿真具有较高的自组织、自适应和自学习能力，克服专家在评价中的主观因素，从而实现课程教学评价的智能化，使评价结果更有效、更客观。论文的主要工作体现在：( 1 ) 确定教学质量评价模型。介绍B P 神经网络原理、算法、优点，以及B P 神经网络工具箱函数。构建基于B P 神经网络的教学质量评价模型，并给出具体评价思路、设计方法和设计步骤。同时通过与模糊综合评价模型比较，显示B P 神经网络评价模型的
3、优越性。( 2 ) 本文研究课程教学质量评价体系。分析课程教学质量问题的有关概念和特征，建立了督导专家、同行教师，以及学生评价指标体系，形成课程教学质量评价的综合体系。( 3 ) 通过B P 神经网络评价模型设计，确定评价模型的可行性。通过评价数据采集体系，进行样本数据采集和整理。以 Tl= I - S i z o聊i05 5 谨：03 1 9 DT 3 ：圈c1 x 2 0V 01 2 3 0圈-5 x 1圈B2 0 x 5圈2 0 x l圈舱2 0 x l圈驺2 D t l圈矾2 0 x l圈巧2 0 x 1圈s1 x 1t2”二，j jW O 怖p a c eC u 丌e n tO l
4、嵋c t 0 TI= 一一一皤翻卜1 0 o l l o1 2 ：o lP _ 一xOT 5 ：0 图4 2 模糊综合评价输出T 集合图通过公式S = T 州7 ，N = 9 5 ，8 5 ，7 5 ，6 5 ，5 5 ，2 Z2 32 42 52 62 72 8T ： T l ，T 2 ，T 3 ，T 4 T 5 】l l = 9 5 ：8 5 ：T 5 ：6 5 ：s 5 】s ：n 冒得到最终评价结果。代码如下图： c 获得矩阵哟值，；评语数值集的列矩阵得到最终评价结果图4 3 模糊综合评价输出结果代码图一4 l 浙江工业大学硕士学位论文图4 4 模糊综合评价输出结果图最终得到评价结果S
5、 = 8 9 3 5 0 0 ，约等于8 9 ，良好在8 0 8 9 的范围内，所以最终该门课程教师的评价是良好。4 2B P 神经网络评价模塑设计4 2 - 1神经网络训练与泛化概念通过调用t r a i n ( ) 函数对神经网络参数进行训练，可以建立神经网络模型n e t 。该函数的调用格式为 n e t ，t r ，Y ，E = t r a i n ( n e t ，X ，Y ) ，其中，n 为输入变量的路数，M 为样本的组数，变量X 为n 木M 矩阵，Y 为m 宰M 矩阵，m 为输出变量的路数，X ，Y 分别存储样本点的输入和输出数据。通过样本数据进行训练，得出训练后的神经网络对象n
6、 e t ，同时得到其他相关参数信息，例如：t r e p o c h s 为训练回合数，t r 为结构体数据，返回训练的相关跟踪信息，t r p e r f 为各步目标函数的值。一4 2 浙江工业大学硕士学位论文当确定了B P 网络结构后，必须根据误差是否满足要求，再对网络的权值和阈值是否进行学习和修正，以达到网络误差的要求，使训练网络最终达到预先给定的输入输出映射函数关系。B P 网络的学习过程分为两个阶段：第一阶段是输入已知训练数据，通过设置训练的网络结构和初始化权值和阈值，从网络的第一层逐步计算各个网络神经元的输出值。第二阶段是对阈值和权值进行相应修改，从最后一层向前计算训练过的阈值和
7、权值对预先设定的误差的梯度，即影响程度，从而对各阈值和权值进行相应修改。以上两个阶段反复交替进行，直到达到误差要求，满足收敛为止。由于误差逐层往回传递，以修正层和层之间的阈值和权值，所以称该算法为误差反向传播( b a c kp r o p a g a t i o n )算法嗍，这种误差反传学习算法可以推广到有若干个中间层的多层网络，因此该多层网络常称之为B P 网络。如果在预先给定最大训练的次数后，仍然不能训练出满足要求的网络，则系统将会报出错误的信息。此时，用户可以再次调用此训练函数，通过将上次训练的结果设定加权矩阵为初值进行训练，用户可以反复调用该语句。如果经过反复训练，预先设定的误差仍
8、然不能满足要求，则说明该网络结构有问题，应该修改网络结构，再进行训练。神经网络是否能够训练成功，不在于样本设定误差的大小，关键在于其对未训练的数据的泛化程度，即泛化效果。如果对训练样本以外的数据进行检测都有较好的拟合度，满足预先设定的误差要求，则说明该神经网络结构合理；否则，训练出来的神经网络就没有应用价值。下面将通过以汽车造型这门课程为例，演示神经网络及其在数据拟合中的应用及神经网络控制参数对训练的影响。4 - 2 2 训练样本采集一、评教数据采集 教师课程教学质量评教数据总共有三个部分组成，有督导专家评教数据、同行教师评教数据和学生评教数据。首先，督导专家评教数据获得。十个一级指标，督导专
9、家评教没有二级指标，对每一个单项评分区间( 0 ，1 ) 之间分数。例如：搿讲课有感染力，能吸引学生的注意力A 1 一，这项分数打9 7 分。督导专家评教内容主要是一级指标：学院聘请一批具丰富教学经验的各学科专家组成的教学督导，他们每个学期会不定期地对教师进行随机听课，课后对这名教师一4 3 浙江工业大学硕士学位论文的授课情况进行综合打分，并提出评价意见，填写下表数据：表4 7 督导专家评分表教师号：课程号：表号：n一级指标评分( 0 1 分)讲课有感染力，能吸引学生的注意力A 1督讲课有热情，精神饱满A 2导对问题的阐述简练准确，重点突出，思路清晰A 3专对问题的阐述深入浅出，有启发性A 4
10、家讲述内容充实，信息量大A 5评对课程内容娴熟，运用自如A 6教能给予学生思考、联想、创新的启迪A 7 A教学内容能反映或联系学科发展的新思想，新概念、新成果A 8能有效地利用各种教学媒体A 9能调动学生情绪，课堂气氛活跃A 1 0其次，同行教师评教数据获得。同行教师评教有六个一级指标，十六个二级指标。此表只计算一级指标的分数，可以根据二级指标的情况进行打分，但一级指标的分数区间为( 01 ) 区间分数。例如：“教学管理B 1 分数一，可以直接打分9 3 分，或者通过二个二级指标分别打分，根据“表3 5 刀把二级指标分数转化成一级指标分数。教研室主任组织教师相互听课交流，同时系( 部) 对任课
11、教师分别进行随堂听课，填写下表数据：浙江工业大学硕士学位论文表4 8 同行教师评分表教师号：课程号：表号：n一级指标二级指标评分( 0 1 分)教学课堂教学组织严密，管理严格B 11管理B l遵守学院规章制度，按时上下课B 1 2教学讲授知识系统、准确，重点突出，说理充分B 2 l内容眩认真布置、批改作业，定期组织答疑B 2 2密切联系实际，内容熟练充实、信息量大，举例恰当B 2 3 同对教材研究透彻，系统地阅读与学科有关的专业著作以及 行教学教学方法参考资料B 3 1 教准备B 3理解教学目标与教学大纲，备课充分B 3 2 师电子课件设计清晰、简明，图文并茂B 3 3评教姿教态端正B 4 1
12、教教学基B本功阱讲授逻辑清楚、条理清晰，教学时间分配合理B 4 2普通话授课，语言准确、生动，板书工整B 4 3教学教法灵活，讲课通俗易懂，能引导、启发学生积极思维B 5 1采用开放式教学，培养学生创新能力B 5 2方法酯合理运用现代化辅助教学手段B 5 3教书教学责任心强，以身作则，为人师表B 6 1育人髓引导学生端正学习态度，指导学生采用有效的学习方法B 6 2最后学生评教数据获得。学生评教表有四个一级指标，有十九个二级指标。一级指标评分区间( 01 ) 区间打分。例如：可以直接对“教学方法C 1 一打分9 6 ，或者根据“表3 6 一把二级指标分数转化成一级指标分数。学生评价每学期进行一
13、次，以保证所有任课教师都有被测评的机会。评价是以班级为单位，由教务处组织学生对每一位任课教师进行评价，填写下表数据：浙江工业大学硕士学位论文表4 _ 9 学生评分表教师号：课程号：表号：n一级指标二级指标评分( 0 1 分)教师的教学方法和手段多样化C 1 1教学教师提供了课外参考书目并且有效C 1 2教师的讲课进度快慢适中，对课堂时间安排合理C 1 3方法C l教师能够认真组织教学，注意因材施教C 1 4教师能鼓励学生提出问题和个人观点并进行讨论C 1 5教师不随意调停课c 2 l学教学教师对学习的评价方法公平恰当C 2 2生态度眩本课程教学计划明确，教师备课充分c 2 3评教师教学认真，要
14、求严格C 2 4教教师讲课重点突出、详略得当、难度适宜C 3 1C教学教师讲课的内容丰富、观点正确C 3 2教师讲课能结合学科发展、介绍最新成果C 3 3内容c 3本课程除了讲教师自己的观点外也讲他人的观点c 3 4教师能够理论联系实际，传播学习和研究方法C 3 5通过教师的教学，提高了对该学科的兴趣C 4 1教学通过教师的教学，学到了一些有价值的东西c 4 2教师讲课能结合学科发展、介绍最新成果C 4 3效果c 4通过教师的教学，提高了认识、解决相关问题的能力C 4 4通过教师的教学，理解并学会了该课程内容c 4 5教师课程教学质量综合评价，有以上三个表格分别进行采集数据。每张表格表号是l
15、、2 、n ，根据表号进行汇总B P 神经网络训练样本数集。如下表所示：浙江工业大学硕士学位论文表4 1 0 训练样本数集汇总表教师号：课程号：表号：n一级指标一级指标权重网络输入标号评分汇总( 0 1 分)A 1O 0 3X 1A 20 0 3X 2A 3O 0 3X 3A 4O 0 3X 4A 5O 0 3X 5A 60 0 3X 6A 70 0 3X 7A 8O 0 3X 8A 90 0 3X 9A 1 0O 0 3X 1 0B lO 0 2X 1 1B 2O 0 3X 1 2B 3O 0 2X 1 3B 40 0 3X 1 4B 50 0 3X 1 5髓O 0 2X 1 6C l0 1
16、 5X 1 7c 20 1X 1 8c 3O 1 5X 1 9C 4O 1 5X 2 0二、数据整理 样本数据的质量直接关系到模型建立的科学程度M 。由于课程教学质量评价存在很强的主观性，且受心理因素的影响在评介侧重点上有所不同。为了使原始数据更加科学、准确，确保网络训练与模型的质量，本文以汽车造型这门课程为例，通过督导专家、同行教师、学生综合评价得到原始数据，从一学期教学评教2 0 个样本数据中随意抽取1 0 个样本作为训练数据，3 个样本作为检测数据。为使数据符合训练过程函数的运算要求，对所原始数据进行归一化处理，使其落在 0 ，1 区间。具体数据如下：浙江工业大学硕士学位论文表4 一1 11 0 个训练样本表数据X l】【2X 3x 4x 5X 1 9X 2 0专家获评价10 8 80 9 50 8 50 9 60 9 70 8 50 8 80 8 5 0 720 9 80 9 30 9 5
