论文部分内容阅读
高等教育的核心任务是教学工作,提高教学质量是促进高校改革与发展的关键,所以建立科学有效的课程教学质量评价是加强高等学校教学管理和提高教学质量的重要举措。教学质量是高等学校生存和发展的基础,对教师课程教学质量进行客观、有效的评价,以便及时改进教学,为教师晋级年度考核及评先评优等提供基本的依据,从而调动教师的积极性,激励教师不断提高教学水平和业务水平。因此该课题研究对提高整个高职学院的教学质量,提高学校的核心竞争力,促进学校发展具有重要意义。本课题完成基于Matlab Simulink神经网络的课程教学质量评价模型的设计与仿真,此模型仿真具有较高的自组织、自适应和自学习能力,克服专家在评价中的主观因素,从而实现课程教学评价智能化,使评价结果更有效、更客观。论文的主要工作体现在:(1)确定教学质量评价模型。介绍BP神经网络原理、算法、优点,以及BP神经网络工具箱函数构建基于BP神经网络的教学质量评价模型,并给出具体评价思路、设计方法和设计步骤。同时通过与模糊综合评价模型比较,显示BP神经网络评价模型的优越性。(2)本文研究课程教学质量评价体系。分析课程教学质量问题的有关概念和特征,建立了督导专家、同行教师,以及学生评价指标体系,形成课程教学质量评价的综合体系。(3)通过BP神经网络评价模型设计,确定评价模型的可行性。通过评价数据采集体系,进行样本数据采集和整理。以《汽车造型》课程为例,运用10个样本数据进行网络模型训练,分析误差满足要求。并通过3个未训练样本检测网络模型泛化能力,达到规定吻合度。同时,通过模糊综合评价型设计,并进行比较,显示BP神经网络评价模型设计更智能性、有效性和科学性。BP神经网络评价模型由于其自身特点,更适合高职学院课程教学质量评价。(4)通过Matlab Simulink构建了BP神经网络模型仿真,提供了非常方便用户的图形界面,免去了繁琐的过程。同时,通过参数设置,样本应用,验证Matlab Simulink神经网络评价模型的正确性可行性和易推广性。(5)通过研究生所在单位汽自系一门课程进行实例仿真,从仿真实验设计、仿真实验样本采集仿真实验过程以及仿真实验结果进行分析,得出这门实验课程最终评价等级。