摘 要：课堂教学质量的评价方法有很多，本文在分析了传统的评价方法的基础上，提出将BP神经网络理论应用于高校课堂教学质量评价中。不仅解决了综合评价指标体系中的定性指标与定量指标的问题，还能有效克服传统评价过程中建立复杂的数学模型和数学解析表达式的问题，而且还避免人为的主观随意性，使得评估更加准确有效。为课堂教学质量的合理评估开辟一种全新的方法。
关键词：教学质量；评价；神经网络
中图分类号：G42
文献标识码：A
一、课堂教学质量评价的意义
我国高等教育质量问题一直以来都是人们关注的热点，近年来，教育部每年都要对几十所高校进行教学质量水平评估，因此教学质量的正确评价也是近年来热门的研究课题，如何提高高等教育的教学质量，已经成为当前高等教育的工作重点。在高校，课堂教学仍是实施教育的主渠道，其质量在很大程度上反映并决定着高校的教育质量，因此提高课堂教学的质量，成为了重中之重。课堂教学包含教学条件、课程难度、教师教学、学习效果等多种因素，它们相互作用，形成了教学作用网，其中，教师的课堂教学是最为重要的环节，它决定着人才培养的水平，影响着教师和学生的生命质量。因此，构建科学的、系统的、行之有效的课堂教学质量评价体系，对于完善高校课堂教学评价、拓展高校教师管理理论、提高高校课堂教学质量都有着十分重要的意义。
二、当前课堂教学质量评价方法述评
课堂教学质量评价的难点在于评价指标的设计与量化过程的处理，特别是量化问题，如果量化方法不科学，评价结果的可靠性就差。目前常见的评价方法有以下几种：
(一)加权平均法
加权平均法就是由学校教学管理部门来制定评价的各个指标，并且根据各个指标的重要性来设置每个指标的权重，发放调查表，让评价者给出被评者各项指标的分值，然后进行加权求和得出总分，以分数的高低来判断被评者教学质量的优劣。加权平均法虽然计算的过程比较简单，但是这种方法人为的给各个评价指标指定了简单线性关系，且根据经验给出各个评价因素的权重，显然不能证明各个评价因素之间是否具有线性可加性，也不能证明权重的合理性。
(二)层次分析法
美国运筹学家A.l.Saaty于本世纪70年代提出的层次分析法(Analytical Hierar-chy Process，简称AHP方法)，是一种定性与定量相结合的决策分析方法。层次分析法(AHP)基本原理：首先把问题层次化，按问题性质和总目标将此问题分解成有序的层次，再请专家对每一层次的各因素进行较为客观的判断后，相应给出相对重要性的定量表示；进而建立数学模型，计算出每一层次全部因素的相对重要性的权值，并加以排序；最后根据排序结果进行规划决策和选择解决问题的措施。利用层次分析方法AHP可以得到评价因素的权重，但却同样要求这些评价指标间具有线性关系，否则就影响AHP模型的评价效果。其次，在多个评价专家给出不同判断矩阵时，究竟哪一个是实际的理想价值结构，AHP模型不能回答这个问题。
(三)模糊综合评价方法
模糊数学是研究和处理模糊性现象的数学，它是由美国控制论专家L.A.Zadeh于1965年创立的。所谓模糊数学多层次综合评判的原理，就是先要评判同一事物的多种因素，按某一属性分成若干大因素，然后对某一大因素进行初层次的综合评判，在此基础上再对初层次综合评判的结果进行高层次综合评判。模糊综合评判法是使用模糊数学方法，通过模糊数学综合评判模型来得出教师课堂教学质量评价结论的一种方法。其成功应用，关键在于正确规定模糊评判的因素集和合理构造模糊评判矩阵。利用模糊综合评价方法可以评价得到被评价对象的价值等级或相互优先关系，但该方法要求建立合适的评价对象的评判矩阵，而这会因不同专家的不一致而得到不同的评判矩阵，使得最终的评价结果出现不一致情况。
三、基于BP神经网络的课堂教学质量评价方法
(一)BP神经网络的课堂教学质量评价方法
人工神经网络(ANN)就是基于模仿生物大脑的结构和功能而构成的一种信息处理系统或计算机，简称神经网络，简写为ANN(Artificial Neural Net－work)。BP神经网络是一种多层前馈型网络，目前，在人工神经网络的实际应用中，绝大部分的神经网络模型是基于BP算法或者它的变化形式。BP神经网络的新颖性在于它可以在不了解数据产生原因的前提下，对非线性过程建模，具有非线性映射、学习分类和实时优化的特征，因此它为模式识别、非线性分类等研究开辟了新的途径。根据这一特点，本文拟利用BP神经网络理论建立教学质量评价系统的模型，通过对网络的训练以后，可以对教学质量进行等级评价，从而为教学质量评价的研究提供有意义的参考价值。
(二)评价指标体系的确定
课堂教学质量评价指标本身对教学有导向作用，即评价考核什么指标，教师就会重视什么指标。因此，指标的设立和选择极为重要。在国内，评价指标体系没有严格的定义，一般由学校教务部门负责制定。由于对于不同学科门类，不同性质课程、不同教学环节、不同授课对象的教学难以进行比较，因此对教学质量评价体系的考虑，主要从能直接反映教学质量并有共性的最基本因素等方面加以设计。根据教育部对本科高等教育评估的指标要求，经过综合分析，本文整理出以学生为评价主体的课堂教学质量评价指标体系，详见表l。
由于不同的学校对课堂教学质量的理解和侧重点不相同，因此在评价的内容上可以存在一定的差异。
根据表1的高校课堂教学质量评价指标，组织学生对授课教师进行评分。去掉最高分和最低分以后，取其平均值，作为该教师12项输入指标的值。采用教学督导组对该课堂听课后的评价值作为期望输出的值。目的在于虽然教师的各项指标是通过学生打出来的，但是最终的评价结果是体现了督导组专家的评价思想。采用归一处理的方法，对收集的样本数据进行标准化处理，将这些数据转化为[0，1]之间的数据，处理后的样本数据如表2所示。从表2可以看出，评价目标(教学质量)和各项评价指标之间的关系是复杂的非线性关系，本文将应用BP神经网络系统对高校教学质量进行评估。
(三)BP神经网络课堂教学质量评价模型的建立
由于一个3层BP网络可以以任意精度去逼近任意映射关系，因此，为了减少内存资源的耗用和提高网络的学习速率，本文采用3层BP网络结构来构建评价模型，既输入层、隐含层、输出层。BP神经网络的输入和输出层的神经元数量，是由输入和输出向量的维数确定的。输入向量的维数就是影响课堂教学质量的因素个数，故根据表l，输入层的神经元个数为12。而教学评价的结果只有一个，因此输出层个数为1，取值范围定为[O.1]。输出层神经元的传递函数选用
Sigmoid函数。采用试凑法得到最佳隐层节点数为7。隐层单元上的激活函数，选取tanslg双曲正切函数。BP网络学习算法选择LMBP优化算法，LMBP优化算法是对传统学习算法的改进，收敛速度和精确度都比较好。
(四)BP神经网络的课堂教学质量评价模型的实现
模型的实现，选用高性能的数值计算可视化软件MATLAB，MATLAB本身带有神经网络工具箱，该工具箱主要针对神经网络系统的分析与设计，提供了大量可供直接调用的函数、图形用户界面和Simulink仿真工具，可以大大方便权值训练，减少训练程序工作量，有效的提高工作效率。课堂教学质量评价系统网络实现的程序框图如图1所示。
输入层、隐层以及输出层的神经网络个数分别为12，7，1。学习速率n=0.001。迭代次数为2.000，允许误差E值为0.0001，训练函数采用Trainlm函数。将表2中的前15对数据作为神经网络模型的训练样本，在MATLAB神经网络工具箱中学习训练网络，经过9次训练后，就能达到目标误差。网络训练结束，利用表2分中后5对测试数据对其进行测试，然后检查神经网络输出的评价目标值和实际评价目标值之间的误差，其结果见表3。
从表3中可以看出，应用BP神经网络建立的教学质量评价模型得到的输出值与期望值非常接近。因此，该神经网络评价模型能较为准确的根据各评价指标来确定教学效果。
四、结论
教学是综合了教与学的动态过程，影响教学质量的因素很多，加上这些因素的影响程度也不一样，因此，评价结果很难用一个数学解析式来表示，实际上是一个比较复杂的、非线性综合决策问题。运用传统的建立数学解析式的方法对教学质量进行综合评价，存在着不合理性。本文提出将BP神经网络应用于课堂教学质量评价，不需要建立复杂的数学模型，解决了评价的非线性问题，有效克服传统评价方法的缺陷，弱化传统评价方法中指标权重确定的人为影响因素，不仅可行，而且精度较高。经实验证明，BP神经网络模型的输出值与真实值之间的误差比较小，性能完全可以满足实际应用的要求。运用BP神经网络建立课堂教学质量评价模型，为课堂教学质量的合理评估开辟一种全新的方法，从而为教学质量评估的研究提供有益的参考价值。
参考文献
[1]宋铁莉高校教师课堂教学质量研究[D]东北师范大学，2007，
[2]许树柏层次分析法原理[M]天津：天津大学出版社，1988
[3]龙小满，学校教学质量的模糊综合评价方法[J]，湖南大学学报，2005，(3)
[4]JEMEI，s Hisse]，On－board fueI cepower suppIy mode on the basis ofneural network methodol。gy，dournal。f Power Soes Volume：124 Issue2，2005，11：479-486，
[5]Shen Yanjun，Wang Nngwen，A fast learning algorithm of neural networkwith tunableVafunctlon[J] Sciencer chlna，2004，47(1)：126-156
[6]葛哲学，孙志强，神经网络理论与MATLAB，2007实现[M]，北京：电子工业出版社，2007
