论文部分内容阅读
研究目的:古人云:以史为镜,可以知兴替;以人为镜,可以明得失。教育评价是世界教育领域三大课题之一,体育教学评价又是教育评价的一项重要组成部分,其对改进体育教学管理,提高体育教学质量,促进体育教学发展等有着良好的作用。体育教学评价是教育评价的一部分,它是对体育教学过程中全部因素的评价,主要因素包括学生、教师、体育课程、教材等。对体育教学进行评价正如古人所说,它是对现有的教学内容进行总结,起到一个镜子的作用,从而找到现有的体育教学过程中存在的不足,并对其进行改正,这样才能有效地促进体育教学的发展。研究方法:本文的研究对象是高校体育教学评价。目前针对体育教学评价方面的研究,虽然取得了很多的成果,但是也存在着很多的局限性。从内容和方法上看,现有的研究主要是以定性分析为主,缺少定量的分析,评价对象往往是教师,常用的方法是层次分析法,即通过发放专家问卷,对统计的结果进行数据分析与处理,建立层次结构模型,然后构造判断矩阵,最后进行一致性检验。采用这种方法的优点是所需的定量数据信息较少,但是也存在着很多的缺点:(1)定性分析多,定量分析少,可信度较低;(2)指标过多时其权重难以确定;(3)特征值和特征向量的计算比较复杂;(4)由于评价的主体是人,因此会掺杂过多评价者主观的看法从而影响评价的结果。考虑到层次分析法的缺点,本文设计了一种基于人工神经网络专家系统的体育教学评价方法。人工神经网络专家系统的优点是系统有很好的自耦和能力,学习能力较强,并且这种方法的评价主体变成了计算机,这将很好的解决评价者主观因素的干扰,并且在精度和速度上都会有所提高。本文首先通过德尔菲法确立了影响体育教学的评价指标,然后收集25位专家对于这些指标的打分结果,并选取其中20组作为训练学习样本,剩余5组作为检验样本,然后将检验样本代入到建立的评价模型中,得到5组输出结果,与期望结果进行对比从而证明了本模型的有效性。基于人工神经网络专家系统的高校体育教学质量评价模型的建立,体育教学指标的选取以及专家打分结果的收集为保证指标选取的科学性,本文对25为行业内具有副教授职称以上的专家发放问卷调查,经过两轮问卷调查并参考相关文献得出影响体育教学的指标,分为5个一级指标和20个二级指标,构建体育教学质量评价指标体系表(表1),然后让专家依据专家评价表(表2)对这20个指标进行打分,收集到25组数据。研究结果:研究高校体育教学质量评价模型的构建。该模型分为三个部分,即输入层,隐含层和输出层。由于共有20项参数,故输入层的节点数为20,为了让网络更好地学习,要对样本进行归一化处理后作为输入。设输入层和输出层神经元数分别为a、b,则隐含层神经元数为。本文对于体育教学质量分为三类,一次输出层节点数为3,代表评价结果的好、中、差。训练步骤的建立:步骤1∶初始化神经网络权值并给定随机的权矩阵、学习信号。步骤2∶确定训练样本,即给出n个训练函数。对于每一个输入学习样本,输入向量是专家根据指标评价体系表并结合自己经验给出的客观评价。这些指标以量化的形式给出。步骤3∶将输入样本向量代入BP神经网络,计算。其中,代表W矩阵的第j行,为转移函数。步骤4:进行权值的修改。对于单极性转移函数,可利用公式步骤5:计算整体误差。步骤6:如果误差不满足预期,则返回第2步,向网络递加一个模式对,直到n个模式对循环一遍,再进行第6步。若,则停止训练,从而得出待分析的体育教学评价值。否则,E=0,返回第二步。步骤7:经过训练,系统不断修正误差,最终系统达到稳定,将专家评价向量X输入系统,得到输出向量T.模型的训练学习以及模型有效性的验证将收集到25组数据转化为向量的形式,然后将其中20组数据作为学习样本带入到建立的评价模型中进行训练,直至系统稳定。然后将剩余的5组数据代入到建立的模型当中,计算系统的输出,输出评价矩阵如表3,然后与专家打分的结果进行对比,若理想的输出结果与预期的输出结果相同,那么可以证明我们设计的模型有效。通过对比可知,预期的结果与我们所建立的模型输出的结果相当接近,因此可以证明我们建立的基于神经网络专家系统的高校体育教学质量评价模型是有效的。研究结论:基于人工神经网络与专家系统思想建立高校体育教学质量评价模型,利用BP神经网络的自学习特征,不断地对建立模型的权值进行修正和训练,最终使系统达到稳定,最后将期望的输出值与理想的输出值,即通过建立模型的出的结果与专家打分结果进行对比,两者相当的接近,从而证明了模型的有效性。此外,本模型将计算机技术和人工智能与体育教学评价相结合,将有效地解决目前体育教学评价领域评价结果掺杂过多评价者主观因素干扰的问题,并且将极大的缩减评价的操作难易系数,因此基于人工神经网络专家系统的高校体育教学质量评价模型是非常有研究价值的!