基于VPMCD的全方位高校教师教学质量评价方法

彭延峰 刘燕飞 何宽芳

摘要：当前高校教育改革逐渐深入，如何提高教学质量已经成为当前高校教学的工作重点，而教学评价是提高教学质量的关键指标。因此，合理、科学的教学评价方法显得尤为重要。目前神经网络被广泛应用于高校教学评价，但是神经网络具有样本需求多、计算量大及容易陷入局部最优解的缺陷。针对这些问题，提出变量预测模型分类（Variable Predictive Model Based Class Discriminate，VPMCD）方法的全方位高校教师教学质量评价方法，并将其与BP神经网络进行仿真对比分析。结果表明，相对神经网络，VPMCD方法能有效提高评价准确率。

关键词：教育改革；教学质量评价；变量预测模型分类；BP神经网络

中图分类号：G647 文献标志码：A 文章编号：1674-9324（2019）35-0067-03

随着高校连续几年的大规模扩招，高等教育在我国发展非常迅速，规模急剧扩大。如何建立一支高素质的教师队伍是很多高校面临的问题，所采取的措施很多。但首先应该建立一套标准的教学评价体系，对教师有一个全面的了解和正确的评价。设定标准后，教师可以根据自身的成绩和不足，自觉进行行为调控，进一步改进、完善自己的工作。同时，有助于高等学校认识提高教师教学水平和教师素质的重要性，使学校有针对性地加强师资队伍建设[1-6]。

人工神经网络理论是20世纪80年代中后期世界范围内迅速发展起来的一个前沿领域，已经被广泛用于非线性、复杂、综合性问题的决策分析。其用于教学评价的基本原理是把用来描述评价对象特征的信息作为神经网络的输入向量，将代表相应综合评价的量值作为神经网络的输出然后用足够的样本训练这个网络。……