基于结构熵权法和MEA-BP神经网络的MOOC学习效果评价.pdf

:./.基于结构熵权法和 神经网络的 学习效果评价高兴培茂名开放大学 广东茂名 摘 要:针对 学习效果评价中存在的主体性缺失、激励性作用不强等问题提出结构熵权法与 神经网络相结合的学习效果评价方法 以实际的 课程为例应用结构熵权法计算确定学习效果评价指标的权重系数建立基于 的课程总成绩评定模型设置附加的激励性评估规则使用 语言、数据库等工具开发应用系统原型 结果表明:该方案有效提高了 学习效果评价的科学性、有效性和发展性可为完善和改进 学习评价模式提供参考关键词:结构熵权法思维进化算法 神经网络大规模开放在线课程学习效果评价中图分类号:文献标识码:.:()一、概述目前在 平台上一方面课程学习效果评价标准及各项指标的权重一般是由课程团队教师单方面设定没有考虑学习者自身对评价指标的感想和认可度存在忽视学习者主体性的缺陷 另一方面 平台普遍使用简单的加权方式计算课程总成绩不能较好地反映学习效果评价的非线性和模糊化特征不利于实施对学习者的情感、态度等质性因素评价也不利于发挥以评价激发学生内在动力的发展性作用结构熵权法是主观赋值法与客观赋值法相结合的确定指标权重方法它能提高评估结果的一致性和客观性 网络是应用非常广泛的神经网络模型使用思维进化算法()优化的 神经网络模型()能获得更高的预测精度和更好的泛化能力 为提高学习效果评价的可靠性、合理性及激励作用笔者以中国大学 平台上 年 月至 年 月开设的“液压与气动”为研究对象探索了结构熵权法与 神经网络相结合的学习效果评价方法二、使用结构熵权法确定学习效果评价指标的权重系数(一)结构熵权法假设指标集为()共有 个专家参加咨询调查用结构熵权法确定指标权重的步骤为:()收集科教论坛科技风 年 月专家意见形成典型排序矩阵()其中 表示第 个专家对第 个指标 的评价然后由典型排序矩阵构建隶属度矩()其中 ()/()()计算 个专家对指标 的平均认识度 ()/计算认识盲度 ()()/再根据 和 计算 个专家对指标集的总体评价向量()其中()()对总体评价向量 进行归一化处理得到指标集的综合权重向量 ()其中/()(二)学习效果评价指标权重系数计算本文选定的“液压与气动”课程评分标准为:学生综合成绩由单元测验、单元作业、课程讨论、期末考试组成各部分占总成绩的比例为、总成绩 分及以上为合格 分及以上为优秀在 平台上课程评分标准主要由课程团队教师凭经验设定很少在每期开课过程中根据学习者的反馈意见进行相应的调整存在对学习者的认同度欠关注和对学习者主体性原则不够重视的问题 为提高 学习效果评价的合理性、公正性和可靠性本文在课程预设的评分标准基础上结合学习者的反馈意见及专家意见使用结构熵权法确定学习效果评价指标的权重系数 为此本研究随机抽取 个该期在学的课程学习者组成学习者组再挑选 个 课程专家组成专家组由学习者组、专家组各自相互独立地对单元测验、单元作业、课程讨论、期末考试四个评价指标进行重要性排序 经过若干轮征询和反馈得到学习者组的排序为、即学习者组认为期末考试的重要性最高期末考试的权重应最大单元作业次之单元测验排第三课程讨论的权重应最小专家组的排序为、即专家组认为单元作业的权重应最大由课程评分标准可得到课程团队教师的排序为、汇集课程团队教师、专家组和学习者排序结果得到的学习效果评价指标典型排序及权重计算结果如下表所示学习效果评价指标典型排序的结构熵权重计算一览表项目单元测验 单元作业 课程讨论 期末考试课程团队排序专家组排序学习者排序平均认识度.认识盲度.总体评估.综合权重.左表所示的计算结果表明在综合考虑课程团队的教学设计、专家组的意见和学习者的期望后计算得到的单元测验、单元作业、课程讨论、期末考试的权重系数分别为.、.、.和.三、使用 神经网络模型计算 课程总成绩(一)神经网络思维进化算法具有良好的全局寻优能力本文使用思维进化算法对 神经网络进行优化主要算法思想是将 网络的解空间编码映射为思维进化算法的一个个体再通过思维进化算法不断迭代求出最优个体并将最优个体作为 网络的初始权值和阈值 算法流程如图 所示图 算法流程(二)网络拓扑结构构建由于三层神经网络已可以逼近任何函数故采用三层 网络 对应“液压与气动”评分标准输入层节点数取 个输入量、分别用于输入单元测验、单元作业、课程讨论、期末考试的百分制成绩经归一化处理后的折算值输出层节点数取当 个输出量、的值为“、”时表示总成绩为优秀为“、”时表示总成绩为合格为“、”时表示总成绩为不合格 在实际应用中 个输出量、的值按“最大者为 其余为”的原则约简为 或 由于对隐含层节点数的计算没有确切的理论故选用经验公式 ()判定最佳的节点数处于 至 之间再通过反复试验对比发现当隐含层节点数为 时网络模型训练得到的效果最好因此将网络结构确定为 科技风 年 月科教论坛(三)附加评估规则设置在 平台上学生在单元测试、单元作业、课程讨论等方面的表现较集中地反映了其全过程参与学习的程度 为加重对学习过程的评价激发学生的积极性与主动性体现以评价促使学生不断进步的发展性评价理念本文设定当单元测试、单元作业、课程讨论 项分数都满足相应的等级成绩要求后允许期末考试成绩的最大偏差量为 分(在实际使用中此最大偏差量可根据每期开课的实际情况进行调整)因此本文设置了以下两个激励性评估规则:()若按评分标准评定是不合格等级的但单元测试、单元作业、课程讨论成绩均为 分及以上并且期末考试成绩为 分及以上则总成绩改评为合格()若按评分标准评定是合格等级的但单元测试、单元作业、课程讨论成绩均为 分及以上并且期末考试成绩为 分及以上则总成绩改评为优秀(四)模型训练与仿真按照课程评分标准及附加的评估规则共设置了 组样本数据其中评价结果为不合格、合格、优秀各 组机抽取各等级中的 组作为测试集剩余的 组作为训练集 设置种群大小为 优胜子种群个数为 临时子种群个数为 子群体大小为 迭代次数为 使用 语言编程实现最优个体的搜索、网络模型的训练与仿真测试 为取得较好的网络训练效果对 网络的训练使用 函数(算法函数)将仿真测试得到的实际输出量、按“最大者为 其余为”的原则约简为 和 后 组测试数据的实际输出值与期望输出值完全一致这说明基于 网络模型的课程总成绩评定方法具有较高的准确性和可靠性四、应用实例使用网络学习训练得到的权值和阈值以 .语言、数据库为工具开发了基于结构熵权法和 神经网络的“液压与气动”学习效果评价系统主界面如图 所示 系统的主要功能包含用户管理、数据管理、总成绩计算和查询打印存储的数据可由后台直接导入也可由数据管理模块输入或修改 网络的权值和阈值存放于网络参数表中允许更新网络参数是为了满足不定期修改评估规则并重新训练网络的需要图 系统主界面结语通过合理构建学习效果评价指标典型排序矩阵并使用结构熵权法的盲度分析与处理方法有效地消除了课程团队教师、专家和学习者之间的主观性认识偏差提高了学习效果评价的公正性、客观性和合理性通过建立基于 的总成绩评定模型利用了 神经网络的高精度、高泛化能力优势提升了 学习效果评价的科学性、准确性和可靠性借助附加设置的评估规则增强了学习评价的模糊性和激励性作用结合数据库技术开发应用系统提高了对数据的统一管理与控制能力也为实施动态性学习效果评价提供了可行途径 文中所使用的方法适合推广到其他 课程中对从整体上提高 的学习满意度有积极的意义参考文献:高建赵馨蕊周雨青等.平台学习者学习评价体系研究.大学物理():.张咏鸥邵江燕吴静萍等.在线课程学习效果评价指标的学习者认可度研究.高教学刊():.程启月.评测指标权重确定的结构熵权法.系统工程理论与实践():.杨斯玲黄和平刘伟等.基于结构熵权和修正证据理论的装配式建筑施工安全风险评价.安全与环境工程():.王丽华方旭东韩素敏等.基于 神经网络的三电平逆变器开路故障诊断研究.机床与液压():.滕文龙丛炳虎商云坤等.基于 神经网络的建筑能耗预测模型.吉林大学学报(工学版)():.王小川史峰郁磊等.神经网络 个案例分析.北京:北京航空航天大学出版社:.韩勇周林高鹏等.基于 神经网络的公交动态行程时间预测方法研究.中国海洋大学学报():.项目基金:年度广东远程开放教育科研基金项目“结构熵权与神经网络在 课程考核中的应用研究”()作者简介:高兴培()男汉族广东茂名人硕士副教授研究方向:人工智能、计算机应用技术等科教论坛科技风 年 月