基于贝叶斯网络的高校思政课教学评价研究

何剑　王征

【摘要】本文针对高校思政课课堂教学质量评价方法的不确定性的特点，提出了一种基于贝叶斯网络的教学评价方法，构建思政课评价模型，并对各指标的影响进行了分析。利用该方法可以将定性分析和定量评分结合起来，避免思政课评价过程中过多的受到主观因索的影响。从而提高了高校思政课教学评价的准确性和客观性。

【关键词】思政课教学评价；评价指标；贝叶斯网络

目前关于高校思想政治理论课教学评价，学术界也是看法不一。有的研究者认为，社会科学类课程的教学评价本身就很难具体量化，思想政治理论课更因其特殊性而使得教学评价成为难题，加之我国开展高校思想政治理论课教学评价领域的研究相对不成熟，未形成一套完整的具有本学理科特色的教学评价体系，所以还存在着以下一些亟待解决的问题。

一、贝叶斯网络概述

贝叶斯网络是一系列变量的联合概率分布的图形表示，由有向无环图（DAG）和条件概率表（CPT）集合两部分组成，即BN=，其中G代表网络拓扑结构图，{CPT}代表与每个节点变量相关的条件概率表，一个图G和n个条件概率表就构成了贝叶斯网络。有向无环图中的节点表示随机变量，可以是可直接观测变量或隐藏变量，节点间的边代表变量间的直接依赖关系。在有向无环图节点间的空缺弧表示为条件独立关系。若有弧从节点Y指向节点X，则称Y为X的父亲节点，X为Y的孩子节点。而没有任何父节点的概率为其先验概率。节点变量可以是任何变量的抽象，例如设备部件的状态、测试值、观测现象等。条件概率表中的每一个元素对应DAG中唯一的节点，存储此节点对于其所有直接前驱节点的联合条件概率。

贝叶斯网络有一条极为重要的性质，就是我们断言每一个节点在其直接前驱节点的值制定后，这个节点条件独立于其所有非直接前驱前辈节点，也就是说贝叶斯网络是联合概率分布的分解的一种表示。即：

其中当π（Xi）=?时， 是边缘分布P（Xi）。

贝叶斯网络是将概率统计应用于复杂领域进行不确定性推理和数据分析的工具，可以从定性和定量两个层面来理解。在定性层面上，用一个有向无环图描述变量间的依赖和独立关系。在定量层面上，则能用条件概率分布刻画变量对其父节点的依赖关系。

二、贝叶斯推理

贝叶斯理论是处理不确定性信息的重要工具。作为一种基于概率的不确定性推理方法，贝叶斯网络在处理不确定信息中已得到了重要的应用，已成功地用于医疗诊断、统计决策、专家系统、学习预测等领域。这些成功的应用，充分体现了贝叶斯网络技术是一种强有力的不确定性推理方法。

作为一种推理方法，贝叶斯推理是从概率论中的贝叶斯定理扩充而来。贝叶斯定理断定：贝叶斯定理的表示形式如下：

其中E和Q为两个随机变量，通常E称为证据变量，是可以观测到的直接证据，它的取值记为e。而一般将Q称为查询变量，是待评估和预测的一种假设，它的取值记为q。上述等式由先验概率、后验概率、似然函数和规一化常数四部分组成。

1、先验概率

在考虑证据E=e之前，对假设Q=q的估计概率P（Q=q）称为“先验概率“（Prior probability），这也是对Q事件发生概率的一个事前判断估计值。

2、后验概率

在考虑证据E之后，对Q=q的概率分析转变为判断P（Q=q|E=e）的变化，则称P（Q=q|E=e）为“后验概率“（Poster iorprobability），它表示在证据E发生的前提下对Q事件概率的重新评估。

3、似然函数

似然函数是用来描述已知随机变量输出结果时，未知参数的可能取值。P（E=e|Q）称为Q的“似然函数”（Likely hood），有时记为L（Q|E=e）。

4、规一化常数

上述公式当中的P（E=e）是一个规一化常数，它保证概率值的各状态取值之和为1。

在贝叶斯推理中，先预估一个“先验概率”，然后根据已获得的指标体系的似然结果通过贝叶斯推理计算出各个指标的“后验概率”，最终判断出已知证据结果的最大后验概率指标，并将其作为推理的最终结果。

三、基于贝叶斯网络的思政课教学质量评价体系

基于贝叶斯网络的思政课教学质量评价体系，建议应该包括如下内容：在教学内容方面的重点突出，难点清楚。在教学态度方面，教态得体，有感染力。在教学方法上，深入浅出、启发性强。在教学技能方面，充分利用多媒体和网络技术。在教学效果方面，注重能力培养和启发创新性思维。其中将教学内容、教学态度、教学方法、教学技能和教学效果5各方面作为一级评价指标，通过思政课教学大纲的计划和要求，再确定若干个二级指标，以此构建成思政课课堂教学质量指标体系，即贝叶斯推理当中的查询变量。

同时也可以结合思政课的教学目的和要求，根据预设的一级指标和二级指标，绘制基于贝叶斯网络的教学质量评扩模型的有向无环图。通过有向无环图我们可以很清晰的看出，依据二级指标，应用贝叶斯网络联合概率分解公式可以给出更加详细的评价等级范围，即贝叶斯推理当中的证据E，如：优秀、良好、一般的具体分值标准。

应用MSBNX软件及方法，先给出初始赋值计算终节点的概率，然后逐一改变评价指标的赋值，其他指标的赋值恢复到初始状态，对比改变之后终节点概率的大小，确定评价指标的影响，就可以计算出教学评价体系权重的具体数值。

总之，贝叶斯网络是基于概率的一种不确定性推理方法，其将抽象转化为具体，被广泛地用来不确定事件的推理。该方法作为高等院校思政课课堂教学质量评价的一种定性与定量相结合的分析手段，可以很好的解決高校绩效考核中对于教师影响较大的教学质量这一指标的不确定性和不客观性的问题。

【参考文献】

[1] Pearl J. Probabilistic Reasoning in Intelligent Systems； Networks oI Plausible Inlerernce[M]. San Publishers， 1988.

[2] 张连文， 郭海鹏. 贝叶斯网引论[M]. 科学出版社， 2006.

[3] 盛 骤， 谢式千， 潘承毅. 概率论与数理统计[M]. 北京高等教育出版社， 1989.

[4] 谢 斌， 刘长建. 基于贝叶斯网络构建的学生成绩评价系统及影响分析[J]. 中国科教创新导刊， 2011.

[5] 赵春元. 基于层次分析法的教学质量模糊综合评价模型及应用[J]. 沈阳工程学院学报： 自然科学版， 2011.