基于PSO優(yōu)化神經(jīng)網(wǎng)絡的高職院校教學質(zhì)量評價系統(tǒng)的設計與實現(xiàn).pdf

1、高職教育大眾化使得高職院校辦學規(guī)模不斷擴大，導致師資力量相對緊缺，致使教學質(zhì)量問題日漸明顯。針對這一問題，教育部組織有關專家分批對各高職院校進行評估。因此，如何提高教學質(zhì)量已經(jīng)成為高職院校當前和今后辦學的首要任務，要提高教學質(zhì)量，必須加強對教學質(zhì)量的全面管理，尤其是對教師教學質(zhì)量的評價。對教學質(zhì)量的評價應以一定的教育目標為標準，運用有效可行的技術手段，對教育教學活動的過程、方法、形式、成績等進行價值判斷、評估，從而形成正確的、穩(wěn)定的價值

2、判斷標準和氛圍，使教師產(chǎn)生信任感、公平感和成就感，評價后運用信息反饋，還能使教師及時獲得教學過程中的各種信息，看到自己的成績與不足，及時強化、調(diào)節(jié)、矯正，不斷克服教學中的失誤和不足，發(fā)揚成績，使教學水平更上一層樓，但如何建立科學合理的教學質(zhì)量評價體系是一個比較復雜的問題。就現(xiàn)有的研究狀況來看，集中在兩個方面，一是如何最有效、方便的收集到測評數(shù)據(jù)；二是如何對這些數(shù)據(jù)進行處理，達到公平評定教學質(zhì)量等級的目的。教學質(zhì)量評價時，影響教學質(zhì)量的因

3、素很多，且各因素的影響程度也不同，故評價結(jié)果難以用恰當?shù)臄?shù)學解析式表示，屬于復雜的非線性分類問題，傳統(tǒng)的分類方法不能很好地解決這些問題。人工神經(jīng)網(wǎng)絡作為一種新技術，以其非線性映射、學習分類和實時優(yōu)化等基本特性為模式識別、非線性分類等研究開辟了新途徑，在各類評價問題上應用很多。但也存在一些缺陷:容易陷入局部極小，網(wǎng)絡收斂速度較慢，泛化能力較弱或很差。因此本課題在此基礎上提出了一種將粒子群優(yōu)化算法(PSO)訓練的神經(jīng)網(wǎng)絡用于高職院校教師教學

4、質(zhì)量綜合評價的方法。將PSO與BP神經(jīng)網(wǎng)絡結(jié)合，用PSO算法來優(yōu)化神經(jīng)網(wǎng)絡的連接權(quán)值與閾值，可以較好的克服BP神經(jīng)網(wǎng)絡的固有缺陷，與BP算法比較，該方法在提高誤差精度的同時可以加快訓練收斂的速度，其泛化性能也比較好。
　　 本研究立足于高職院校教學工作的實際特點和教育發(fā)展對教學質(zhì)量的要求，以學校內(nèi)部人才培養(yǎng)質(zhì)量評價體系為研究對象，將PSO優(yōu)化的人工神經(jīng)網(wǎng)絡理論引入高校教學質(zhì)量評價中。采用BP神經(jīng)網(wǎng)絡模型結(jié)構(gòu)建立數(shù)學模型，詳細介紹