如何提高高等教育的教学质量,已经成为当前高等教育的工作重点。而在高校,课堂教学仍是实施教育的主渠道,其质量在很大程度上反映并决定着高校的教育质量。教学评估是提高教育教学质量的关键举措,因此制定科学,合理的高校课堂教学质量评价体系就显得尤为重要。教学是综合了教与学的动态过程,影响教学质量的因素很多,加上这些因素的影响程度也不一样,因此,评价结果很难用一个数学解析式来表示,它属于非线性的分类问题,这给综合评价带来了很大的困难。在以往的评价体系中,多是采用直接建立评价系统的数学模型,如加权平均法、层次分析法、模糊综合评判法等,这些方法在评估过程都要求影响因素(即评价指标)间具有线性关系,并且很难排除各种随机性和主观性,易造成评价结果失真和偏差。人工神经网络作为一种新技术,凭借其本身具有的非线性处理、自适应学习、高度容错能力等特性在各类评估问题中得到了广泛的使用。BP(BackProPagation)网络是人工神经网络众多类型中的一种,是一种多层前馈型网络,具有强大的非线性映射能力。考虑到高校课堂教学质量评价问题,实际上是一个比较复杂的、非线性综合决策问题,本文选用BP神经网络对其进行建模分析,并主要开展了以下研究工作:1.分析了现有的课堂教学质量评价研究状况,集中在两个方面,一是对教学质量评价体系中的内容的研究;二是如何评定教学质量等级的方法的研究,并分析了各种评价方法的特点和局限性。2.全面综合地介绍了神经网络知识,对BP网络模型的构建以及训练进行了系统的研究。介绍了BP算法存在的问题及几种改进的方法,详细分析了LMBP算法及其特点。3.提出了分层优化课堂教学质量评价指标体系的设计,包括了全方位的教学质量评价主体的确定和根据高校和学科的特点分层优化教学质量评价指标体系的建立。4.确定了高校课堂教学质量评估系统的神经网络评价模型,包括模型设计、网络结构、学习参数和学习算法。5.在仿真软件MATLAB中进行验证,以学生评教子系统为例,实现了样本维护、神经网络训练以及神经网络评价等功能。并通过实验数据表明,神经网络用于教学质量评价完全可行,而且满足精度要求,确实为教学质量评价提供了方便实用的工具。论文的最后总结了本文的研究工作,并讨论了一些未解决的问题以及进一步研究工作的前景。