何雅琪 贺 陵 薛 婷 李 艳 莫宏敏

（吉首大学 数学与统计学院 湖南 吉首 416000）

定向师范生的培养研究，是当今的热点问题，前人的研究主要集中在探讨培养公费师范生的最佳培养模式之上，对公费师范生培养效果、评价方法的研究相对较少，未建立科学系统的评价模型。本文采用层次分析法计算评价指标的权重，筛选出对评价结果有重要影响的指标作为 BP神经网络的输入，并采用神经网络建立公费师范生培养效果的评价模型，较好地对目前各高校公费师范生的培养效果进行评价，从而分析出现阶段公费师范生培养存在的问题，并给出相应的建议和对策，为进一步优化公费师范生人才培养方案奠定基础。

一、AHP-BPNN培养效果评价模型

（一）培养效果评价指标体系的构建

由于培养效果的评价，受到多方面因素的影响，因此培养效果评价指标体系设置的科学与合理性，会直接关系到评价模型的有效性。本文通过研究公费师范生人才培养方案，结合相关文献研究结果，构建了如表1所示的评价指标体系。

表1 公费师范生培养效果评价指标体系

?

（二）AHP筛选评价指标

1.构建指标判断矩阵

构建指标判断矩阵，是层次分析法较为关键的一步，为尽量减少主观因素带来的影响，本文采用校内和校外专家联合打分制，判断矩阵中元素的赋值，如下表2所示。

表2 判断矩阵元素赋值标准

2.指标权重计算及一致性检验

首先求出特征向量，然后进行归一化处理，最后对判断矩阵进行一致性检验，按照上述步骤便可得到各指标权重值。

3.重要性指标筛选

根据计算得到的权值顺序，筛选出排名前五的指标，作为BP神经网络的输入，以简化网络结构，提高评价的精准度和效率。

（三）BP神经网络模型

人工神经网络仅需要学习某种规则，通过自身的训练便可在输出值确定时，找到最优的输出值，无需事先给定输入值与输出值之间的数学关系。将问卷调查得到的数据经过神经网络训练，从而建立行之有效的评价模型。BP神经网络流程如下：

step1：网络初始化。初始化输入层、隐含层和输出层节点数，初始化权值，初始化输入层和输出层阈值，给定学习速率和神经元激励函数。

记节点的激励函数f，选择Sigmoid函数，所以得到激励函数为：

step2：隐含层输出计算以及输出层输出计算。

在第j层，节点的输入值为：

节点的输出值为：

在第k层的网络节点输入为：

step3：误差的计算。根据期望输出值和网络预测输出值，计算网络预测误差e。

step4：权值和阈值更新。根据网络预测误差e更新网络连接权值和网络节点阈值。

step5：判断是否结束迭代，若没有结束，继续步骤2。

二、仿真实验

（一）数据来源

为了检验AHP-BPNN培养效果评价模型的准确性，在Matlab2018下，对其进行仿真实验。通过设计调查问卷，数据共84个，每一个数据均包含5个指标，部分数据如下表4所示。

表3 培养效果评价数据

（二）结果分析及预测效果评判

在数据训练之后，通过数据进行检验，观察检验值与预测值之间的偏差，并对模型的拟合程度进行分析，即可利用该神经网络模型，对公费师范生的培养效果进行评价。运行程序得出结果如图1所示。

图1 预测和实际培养效果对比图

通过观察上图的预测值与实际值，可以看到预测值和实际值基本吻合，大部分的预测值和实际值一致，建立的公费师范生培养效果评价模型的误差在允许范围内，说明模型较好，能够有效地对培养效果进行评价。

结束语：

本文利用层次分析法和神经网络相结合的评价方法，构建基于AHP-BPNN地方高校公费师范生培养效果评价模型，对当前各高校公费师范生的培养具有一定的参考意义和推广价值。