基于BP神经网络的高职英语教学质量评价方法.pdf

信息与电脑2023年第10 期Information&Computer信息化教育基于BP神经网络的高职英语教学质量评价方法熊能（江西财经职业学院国际教育学院，江西九江332000)摘要：为进一步提高高职英语教学质量评价的有效性，提出了基于反向传播（Back Propagation，BP）神经网络的高职英语教学质量评价方法。文章通过建立高职英语教学质量评价指标体系，运用层次分析法确定各评价指标权重，设计一个BP神经网络评价模型，将评价指标与指标权重作为模型输入，实现高职英语教学质量评价。实验结果表明，设计方法可以定量评价高职英语教学质量，且具有较高的准确性和实用性。关键词：反向传播（BP）神经网络；高职英语；教学质量；评价方法中图分类号：G434Evaluation Method of Higher Vocational English Teaching Quality Based on BP文献标识码：A文章编号：10 0 3-9 7 6 7（2 0 2 3）10-2 51-0 3Neural NetworkXIONG Neng(School of International Education,Jiangxi Vocational College of Finance and Economics,Jiujiang Jiangxi 332000,China)Abstract:To further improve the effectiveness of evaluating the quality of vocational English teaching,a method forevaluating the quality of higher vocational English teaching based on Back Propagation(BP)neural network is proposed.Byestablishing an evaluation index system for the quality of vocational English teaching,using Analytic Hierarchy Process todetermine the weights of each evaluation index,a BP neural network evaluation model is designed,and the evaluation indexand index weights are used as inputs to achieve the evaluation of vocational English teaching quality.The experimental resultsindicate that the design method can quantitatively evaluate the quality of higher vocational English teaching,and has highaccuracyand practicality.Keywords:Back Propagation(BP)neural network;english for higher vocational studies;quality of teaching;evaluationmethods0引言高职教育作为我国重要的教学阶段之一，承担着为社会培养创新型、实践型人才的责任。2 1世纪初，我国高职院校开始扩大招生规模，与日俱增的学生人数给高职院校教学配置带来巨大压力，虽然学校师资队伍的建设一直在不断跟进，但是仍无法满足学生的教育需求，因此如何全方位、客观地评价高职院校教学质量成为重收稿日期：2 0 2 3-0 3-11基金项目：江西省教育厅科学技术研究重点项目“基于人工智能的高职英语多模态教学评价关键技术研究”（项目编号：GJJ2204902）；江西省教育厅科学技术研究一般项目“数据挖掘在科研管理中的应用研究”（项目编号：GJJ204804)。作者简介：熊能（19 8 4一），女，江西九江人，硕士研究生，副教授。研究方向：英语教育、高职教育。要的研究课题之一。高职英语作为一门公共基础课程，对培养学生的国际交往与沟通能力有着极为重要的现实意义，因此研究高职英语教学质量方法显得尤为重要。1建立高职英语教学质量评价指标体系在进行高职英语教学质量评价时，科学、全面的评价指标体系可以为高职英语教学质量评价提供重要的依据。建立评价指标体系时，需要遵循3个原则：第一，251信息与电脑信息化教育Information&Computer民主性原则，高职英语教学质量的评价应该建立在公开透明的环境上；第二，系统性原则，高职英语教学质量的评价应该是一个全面性的工作；第三，定量性原则，定量评价可度量，促使评价结果更加公平。文章基于这3个原则，并结合高职院校英语教学的实际情况，建立了一个高职英语教学评价指标体系，如表1所示。表1高职英语教学评价指标编号一级指标PI教学内容P2教学方法P:教学态度P4教学效果Ps教学能力如表1所示，建立的高职英语教学质量评价指标体系共有5个一级指标和2 0 个二级指标，可以充分呈现高职英语教学的全过程。构建的指标体系包括了学生评价和教师自评两个方面，因此更加科学、全面。2确定高职英语教学质量评价指标权重在进行教学质量评价工作之前，需要确定各个指标的权重 2 。通常来说评价指标的权重满足2 个条件：一是单指标权重的取值范围为 0,1；二是整个指标体系中所有指标的权值相加为1。为使高职英语教学质量评价结果更加准确，文章引人层次分析法来确定高职英语教学质量评价指标的权重。文章将指标分为一级评价指标P,P2,Pm，二级指标pi,P2,Pn，每个二级指标对一级指标的依赖性权重为1,2,n。文章确定权值的判断矩阵为PllPin0=(：P.二2*LPml2023年第10 期式中：P,为高职英语教学质量评价指标体系中第i个一级指标，P,为P,下层的两个二级指标p;与p,对于P,影响程度的大小之比。一般情况下，式（1）所示的权值判断矩阵具有3个特点。特点一，P,除了最大特征值之外，其他全部为0。特点二，矩阵中所有行均为任意一行的正倍数。特点三，矩阵的转置矩阵相同。因此，文章通过和积法获得矩阵二级指标中某个特定指标的权值，也就是需要规范化处理矩阵中符合课程标准各列指标，具体公式为内容丰富Pi结构合理Pi=具有可操作性教学环境安全、纯净教学手段丰富教学思维拓展知识讲解透彻重视师生互动作业适量且有效时间观念强答疑解惑耐心上课热情学生学习兴趣提升学生学习成绩提高学生个性充分发展学识渊博组织力强自学能力强申报科研课题：(1)Pmn（2)式中：pi为规范化处理后的权值矩阵；Pu为评价指标权值判断矩阵中的元素。在式（2）的基础上，通过对规范列求平均值的方式，可得到矩阵中元素的最终权值，具体计算公式为(3)式中：，为高职英语教学质量评价指标的权重。文章通过构建权值判断矩阵确定高校英语教学质量评价指标的权重。为保障评价指标权值的精确性，文章通过验证矩阵元素的一致性，得到最终的评价指标的权重。3基于BP神经网络教学质量评价反向传播（BackPropagation，BP）神经网络通过模拟人体神经元的信号传输流程，实现数据预测，具有结构简单、收敛性优越等优势 3。而文章结合高职英语教学质量评价的实际情况，将BP神经网络评价模型设计成仅包含一层隐含层的3层网络结构并设定BP评价模型的节点数量为2 0。选择非线性的Sigmoid函数作为激活函数，表达式为1-ePS(p)1+e-P式中：S(p)为BP神经网络模型中负责对输人指标p进行相应运算的激活函数。该函数可以将输人指标映射至-1,1。选择均方误差作为BP神经网络模型的损失函数，具体表达式为C,=之 4:(P)-u式中：C,为第i个样本的输出值和期望值之间误差；N为样本数量；qk；为模型的实际输出结果；qk为模型的期望输出结果。在完成BP神经网络评价模型的基本结构构建后，将高职英语教学质量评价指标与权重作为模型输入，以(4)(5)252信息与电脑2023年第10 期Information&Computer评价结果为输出 4-5。设置模型的相关参数后，对模型进行训练与学习，最终得到较为理想的高职英语教学质量的定量评价数据。4实验分析4实验分析4.1实验设计为验证基于BP神经网络的高职英语教学质量评价方法的可行性，选取某高职院校作为研究对象，评估两位英语教师的课堂教学质量。实验环境：Windows10操作系统、Intel i5中央处理器（Central Processing Unit，CPU）、16 G B内存、Python3.8、K e r a s 框架。文章将两位高职院校英语教师的课程样本划分为训练集与测试集，将训练集和评价指标输人BP神经网络模型中进行训练。模型训练过程中均方误差下降曲线，如图1 所示。图1中，BP神经网络模型经过350 次的迭代，其均方误差趋于稳定，因此本次实验中BP神经网络模型的参数设置如下：训练次数为350 次、学习率为0.1，每一次的迭代都更新BP神经网络的权值，促使模型输出值趋于最优。结束BP神经网络模型训练后，采用文章设计方法分别评价两位高职英语教师教学课程的测试样本集。A教师评价指标指标权重P0.1P20.2P,0.3P40.3Ps0.1由表2 可知，在将测试样本集输人BP神经网络模型后，模型得到的教学质量定量评价结果与真实结果基本一致。经过分析可知，设计的基于BP神经网络设计的高职英语教学质量评价方法能够有效地评估教学质量，可以在实践中进行拓展应用。5结语文章在已知相关评价指标及指标权重的基础上，引人BP神经网络构建一个高职英语教学质量评价模型，并通过教学实践验证了设计方法的可行性。今后设计的系统还需继续吸取相关经验，不断丰富教学质量评价指标体系，从而得到更加科学且全面的教学质量评价结果。信息化教育1.81.61.41.250.80.60.4F0.20.0050100150200250300选代次数/次图1BP神经网络模型达到训练目标的训练次数4.2结果分析应用基于BP神经网络的高职英语教学质量评价方法，评价某高职院校两位英语教师的课堂教学质量，分别记录结合各指标权重得到的教师教学质量整体评价结果，并与专家评价的真实结果进行对比，如表2所示。表2 高职英语教学质量评价结果评价分值/分真实分值/分898883848585878586841李爽，刘紫荆，郑勤华.智能时代数据驱动的在线教学质量评价探究 J.电化教育研究,2 0 2 2,43(8):36-42.2钱丹丹，柳丽花，彭骏，等五位一体 高校在线教学质量评价体系构建 .中国成人教育,2 0 2 1(12):44-47.3刘颖，吉久明，李楠，等.学生视角下的MOOC课程教学质量评价体系构建研究：以学术信息素养类MO0C课程为例 J.图书馆杂志,2 0 2 1,40(2):9 5-10 3.4王依楠，吴艳平，许春艳，等.基于BP神经网络的教师说课评价体制 J.信息通信,2 0 11(3)135-136.5刘彩虹，唐万梅.基于组合神经网络的教师评价模型研究 重庆师范大学学报（自然科学版),2 0 0 8(4)43-46.350400450500B教师评价分值/分真实分值/分80827170727382818178参考文献253