刘智萍

摘 要： 针对当前高校教学质量评价精度低的难题，为了提高高校教学质量评价的可靠性，提出基于证据理论和支持向量机（DS?SVM）相融合的高校教学质量评价模型。建立高校教学质量评价指标，并收集高校教学质量评价样本，分别通过支持向量机对专家、同行、学生的评价结果进行估计，采用证据理论对专家、同行、学生的评价结果进行有效融合，获得高校教学质量最终评价结果。实验结果表明，该模型可以获得较高精度的高校教学質量评价结果，比对比模型评价结果更加可靠，可以应用于实际的高校教学质量评价改革中。

关键词： 高等教育； 教学质量； 证据理论； 支持向量机

中图分类号： TN911.1?34； TP181 文献标识码： A 文章编号： 1004?373X（2017）17?0175?04

College teaching quality evaluation based on evidence theory and support vector machine

LIU Zhiping

（College of Information Engineering， Jiangxi University of Technology， Nanchang 330098， China）

Abstract： In order to improve the accuracy and reliability of college teaching quality evaluation， a college teaching quality evaluation model based on DS evidence theory and support vector machine （DS?SVM） is put forward. The index of college teaching quality evaluation was established. The sample of college teaching quality evaluation is collected. The evaluation effects of experts， colleagues and students were evaluated， and fused effectively with evidence theory to obtain the final result of college teaching quality evaluation. The experimental results show that the model can obtain high?accurate evaluation results of college teaching quality， its evaluation result is more reliable than that of the contrast model， and can be applied to the reformation of college teaching quality evaluation.

Keywords： higher education； teaching quality； evidence theory； support vector machine

0 引 言

高校教学质量是一个十分复杂的系统，对于改善高校教学效果，更好的培养人才具有十分重要的地位。高校教学质量的评价结果不仅影响老师教学结果的好坏，而且会对该课程改革产生重要影响。高校教学质量准确的评价结果可以为高校培养人才提供有价值的参考意见。影响高校教学质量的因素较多，各影响因素的变化比较复杂，这些均增加了高校教学质量评价的难度，因此建立一种快速、准确的高校教学质量评价模型具有非常重要的意义[1?3]。

当前高校教学质量评价模型主要采用神经网络、灰色理论、多元线性回归以及专家系统，各种模型均有自身的优势和应用范围[4]。在这些评价模型中，神经网络具有并行处理信息能力，而且容错能力强的优势，可以通过自组织学习拟合评价指标和高校教学质量之间的变化关系，因此神经网络模型广泛应用于高校教学质量评价中[5?6]。然而在实际应用中，神经网络易出现陷入局部极小点等问题，导致有时高校教学评价结果误差大，评价时间长[7]。为了解决神经网络存在的缺陷，有学者提出基于支持向量机的高校教学质量评价模型，其非线性逼近能力要明显优于神经网络，能够获得更加理想的高校教学质量评价结果[8]。当前高校教学评价从三个方面进行评价，根据专家、学生以及同行数据实现，专家、学生以及同行只是根据自身经验进行，单一的专家、学生以及同行数据经过支持向量机进行建模和评价，评价精度、评价结果的可靠性有待改善。同时，由于高校教学质量的评价过程的复杂性，专家、学生以及同行数据存在一定的不确定性，这样使得教学质量评价误差比较大，有时会出现相互矛盾的评价结果[9?11]。

证据理论是一种分析不确定性问题的方法，为解决复杂的高校教学质量评价问题提供了一种新的方法。为了提高高校教学质量评价的可靠性，提出基于证据理论和支持向量机相融合的高校教学质量评价模型。首先通过支持向量机对专家、同行、学生的评价结果进行估计，然后采用证据理论对专家、同行、学生的评价结果进行有效融合，获得高校教学质量最终评价结果，实验结果表明，该模型可以获得较高精度的高校教学质量评价结果，评价结果比对比模型更加可靠。

1 证据理论和支持向量机

1.1 证据理论

证据理论依据可信度函数对不确定因素进行处理，具有良好的灵活性，不需要问题的先验信息就可以实现问题的推理。设为问题的假设空间，为的全部事件集合，表示mass函数，如果，同时那么表示基本概率分配，如果表示的概率分配值；如果表示的信度测度；如果表示的似然测度，对于一个问题，证据来源不同，可以产生许多基本概率分配函数，设是两个mass函数，那么证据理论的融合规则为：endprint

（1）

式中：。

在证据理论中，描述证据之间的冲突程度，当时，证据发生高度冲突，那么式（1）融合结果不可靠，为了解决该难题，对基本证据理论进行改进，引入可信度的概念，高校教学质量融合评价为：

（2）

1.2 支持向量机

设训练样本数据为为高校教学评价指标，为高校教学评价的期望输出，支持向量机回归方程为：

（3）

式中和为权值和偏向量。

对式（3）进行直接求解，得到最优的和很难，因此，采用松弛因子对其进行变换，优化求解过程。

（4）

式中表示惩罚参数。

引入拉格朗日乘子进行再次转换，变为对偶优化问题的求解，则有：

（5）

采用式（6）得到：

（6）

支持向量机的分类方程为：

（7）

点积运算的计算复杂度高，影响支持向量机的建模效率，为此采用核函数代替点积，得到：

（8）

选择RBF函数作为支持向量机的核函数，则有：

（9）

式中为核宽度参数。

2 证据理论和支持向量机的高校教学质量评价

模型

2.1 建立高校教学质量评价指标

要建立高性能的高校教学质量评价模型，需建立一个科学的高校教学质量评价指标体系，高校教学质量评价指标体系如表1所示。

2.2 证据理论和支持向量机的高校教学质量评价工作步骤

基于证据理论和支持向量机的高校教学质量评价过程为：

（1） 根据表1的高校教学质量评价指标体系，让大学生、同行和专家对某一位老师的教学质量进行评价，得到相应的样本。

（2） 由于高校教学质量评价指标的取值范围不同，会对建模过程产生不利影响，因此对其进行归一化处理，具体为：

（10）

式中表示第类指标。

（3） 采用支持向量机分别对大学生、同行和专家的评价数据进行建模，得到相应的评价结果。

（4） 将对大学生、同行和专家的高校教学质量评价结果作为证据体，通过证据理论融合，得到最终高校教学质量评价结果，具体原理如图1所示。

3 高校教学质量评价实验及结果分析

3.1 高校教学质量评价数据

为了验证本文模型的有效性，选择江西科技学院的C程序设计课程的教学质量作为实验对象，收集到某教师的300个教学质量评价数据，具体如表2所示。分别选择50，100个样本作为测试样本，分析高校教学质量评价模型的评价精度。

3.2 基本概率分配

把大学生、专家、同行三种高校教学质量评价结果记为高校教学质量数据只属于这三种高校教学质量，即满足且（表示第个高校教学质量的测试样本；表示高校教学质量类别，）。

为了满足对测试样本的评价结果作归一化处理，结果作基本概率分配，然后通过证据理论融合得到结果。

3.3 结果与分析

选择基于支持向量机的大学生、专家、同行的评价模型作为对比模型，将它们分别记为SVM1，SVM2和SVM3，测试样本的高校教学质量评价结果如图2所示。对图2进行对比分析可以发现，相对于单一的大学生、专家、同行的评价模型的评价结果，本文模型的高校教学质量评价精度更高，评价结果更加合理，这主要是由于本文模型的评价结果集成了单一高校教学质量评价模型的优势，实现了各种模型评价结果的互补，评价值更接近于期望输出，获得了更优的高校教学质量评价结果。

在高校教学质量评价的实际应用中，由于高校的学生越来越多，导致评价数据规模比较大，因此高校教学质量评价速度也是衡量评价模型的一个重要指标，为此统计高校教学质量评价模型的训练和测试时间，结果如图3所示。对图3的高校教学质量评价模型进行对比分析可以发现，相对于单一的大学生、专家、同行的评价模型的评价结果，本文模型的高校教学质量评价时间略有增加，但是评价精度增加的幅度相当大，再加上随着现代计算机处理速度的不断加快，建模时间可以满足高校教学质量的评价实际要求，通过适当增加建模时间，获得大幅度提高高校教学质量评价精度是值得的，从而可以获得更高的实际应用价值。

4 结 语

为了提高高校教学质量的评价精度，避免出现当前评价模型的缺陷，提出DS?SVM的高校教学质量评价模型。该模型首先采用支持向量机分别对专家、同行和学生的教学质量进行预评价，然后根据预评价结果计算基本概率分配，并采用DS对预评价结果进行融合，最后获得高校教学质量的最终评价结果，并采用仿真实验对性能进行评价，可以得到如下结论：

（1） 该模型集成了专家、同行和学生的教学质量评价结果，可以对高校教学质量进行准确评价。

（2） 克服了单一评价模型精度低的缺陷，使得高校教学质量评价结果更加可靠。

（3） 与当前经典高校教学质量评价模型结果相比，评价结果与实际值更加接近，评价结果更加科学，具有更好的实际应用价值。

参考文献

[1] 刘强，戴起勋.高等教学大众化条件下教学质量评价体系研究现状[J].江苏大学学报，2003，25（2）：31?34.

[2] 丁家玲，叶金华.层次分析法和模糊综合评判在教师课堂教学质量评价中的应用[J].武汉大学学报，2003，56（2）：241?245.

[3] 赵立新，王石安，赖元峰.教学质量评估的定量比较评价模型[J].数学的实践与认识，2005，35（1）：12?17.

[4] 吴虹.基于模糊综合评判法的高校教师教学质量评价体系的构建[J].统计与决策，2010（3）：166?168.

[5] 洪月华.基于模糊综合评价的课堂教学质量数据挖掘[J].计算机科学，2008，35（2）：154?156.

[6] 杨秀平.基于AHP的教学质量评价模型研究[J].实验技术与管理，2009，26（9）：138?141.

[7] 许敏，王士同.PSO优化的神经网络在教学质量评价中的应用[J].计算机工程与设计，2008，29（20）：5327?5332.

[8] 蔡錦锦.基于BP神经网络的新型课堂教学质量评价方法[J].继续教育，2011（2）：23?25.

[9] 刘伟，孙林.基于支持向量机的课堂教学质量评价[J].合肥工业大学学报（自然科学版），2010，33（7）：968?971.

[10] 孙全，叶秀清，顾伟康.一种新的基于证据理论的合成公式[J].电子学报，2000，28（8）：117?119.

[11] 李弼程，王波，魏俊，等.一种有效的证据理论合成公式[J].数据采集与处理，2002，17（1）：33?36.endprint