论文部分内容阅读
摘 要：通过对江苏省各大本科院校的信息进行量化分析后，得出各项指标的可视化数据，运用均值分析、方差分析等对各市级数据进行分析。我们运用统计累加法、行为锚定量化方法、权重分析法等不同的量化分析法，把各种信息转化成我们可视化的数据，把各个市的数据进行平均求值，最终求得13个市的各项平均指标。再利用SPSS软件进行数据的均值、方差、比对分析。通过对已知的各项数据进行神经网络算法评价，得出各市级教学质量的排名与各指标所占权重。对13个地市级的教育质量进行综合评价与因素分析，最后给出有效提升江苏省本科教育质量的政策建议。
关键词：量化处理;神经网络算法;量化分析法
中图分类号：TP183;TP319 文献标识码：A 文章编号：2096-4706（2019）10-0104-03
Abstract：Through the quantitative analysis of the information of major universities in Jiangsu Province，the visual data of each index are obtained. Mean value analysis and variance analysis are used to analyze the data of each municipal level. We use different quantitative analysis methods，such as statistical cumulative method，behavior anchor quantitative method，weight analysis method，to convert various information into our visualized data，to average the data of each city，and ultimately to obtain the average indicators of 13 cities. Then SPSS software is used to analyze the mean，variance and comparison of data. Through the evaluation of the known data and the neural network algorithm，the ranking of teaching quality and the weight of each index are obtained. Comprehensive evaluation and factor analysis of the quality of education at 13 municipal levels are carried out. Finally，suggestions are given to effectively improve the undergraduate education policy in Jiangsu Province.
Keywords：quantitative processing;neural network algorithms;quantitative analysis
1 量化模型
我们采用统计累加法、百分比法等量化模型方法对以下九种数据进行可视化处理。对于本科院校数量、招生人数、双一流学科建设进行统计累加法，计算依据分别是以本科院校数量作为可量化指标，可以通过对各市本科院校、招生人数、双一流学科数进行逐个统计、累加的方式获取。而对于师资队伍与结构、教学条件与利用、专业建设与教学改革、科研投入与产出采用了权重分析、行为锚定量化、关键行为量化分析的方法进行分析，具体分析过程如表1-4所示。
2 数据分析模型
在对每个学校进行量化统计之后，我们把所在同一地市级的学校进行归类和整合，得出江苏省13个地市级9项指标的统计表，如表5所示。
通过对数据的均值分析和对比分析，我们可以得出以下结论：（1）我们可以看出13个地级市师资队伍与结构的均值差距较大。其中南京市、扬州市、南通市、无锡市、和苏州市的分数在6分及6分以上，说明这5个地级市的学校教师、教研组的质量水平领先于其他及各地级市。而且，教师队伍的整体水平标志着一所大学的办学水平。师资队伍质量的高低，是高校教育教学质量的根本保证，师资队伍建设得好坏，是决定学生培养质量的决定性因素。（2）可以看出南京市、扬州市、南通市、无锡市、和苏州市这5个地级市的教学条件与利用在70及70分以上、专业建设与教学改革在6分及6分以上、研发投入与产出在60及60分以上，都处于一个较高水平。这些板块的建设可以提高教师的教学水平和科研能力，提供高水平课程体系和培养方案，推进课程改革和教材建设，为提高本科人才培养质量提供条件。也可以为学科发展提供优质的人力资源支撑和学科专业分化与融合的可能性，促进学科构架的优化。（3）可以看出这13个地级市的就业率基本上在94%以上，但是综合前面的几个因素，就业率高并不能说明一间学校的教学质量好，也不能说明就业质量好。
3 模型求解
3.1 BP神經网络模型
我们根据江苏省13个地市级的本科教育质量指标的数据进行综合评价，建立模型。由于人工神经网络具有较强的自组织、自适应与自学习能力，能够在未完全了解所有地市级的教育指标的情况下，完成自变量、变量间与13个地市级整体本科教育水平的非线性映射。综合上述考虑，我们建立神经网络结合LM算法进行组合优化。
3.2 数据预处理 我们从这13组数据中选取本科教育质量较好的3组与教育质量最差的2组，5组作为训练数据组，最后再把13组作为检验数据组进行对比。数据归一化可以方便后面数据的处理，并保证运行时收敛加快。
3.3 建立BP神經网络
我们建立BP网络结构，其中，9表示输入项（分别表示本科院校数量、招生人数、师资队伍与结构、生师比、教学条件与利用、专业建设与教学改革、学生就业、科研投入与产出、双一流学科建设）;1表示输出项（某市级本科综合评价分数）。BP神经网络结构图如图1所示。
我们决定设置学习速度为0.01，训练次数为2000，目标误差为0.0001，运用神经网络算法求解出各项某市级本科综合评价分数如表6所示。
综合评分大于0表示本科教育质量较为良好，反之则表示欠佳。
4 总结和建议
根据上述分析，我们发现双一流学科建设作为9项指标的权重最高，作为最重要的本科质量评判标准，我们认为江苏省需要有明确的目标定位。一是坚持特色。学科体系和布局是重中之重，要通过特色文化的建设，形成特色的价值追求、精神准则和行为习惯。二是符合实际。通过评估自身条件，对比所在领域的竞争对手，客观分析优势和差距，明确学校在全国乃至世界的目标。三是体现追求。通过努力和拼搏，制定“助跑几步，跳起来够得着”的目标，体现精神境界和追求。
参考文献：
[1] 张海燕.高校教学质量评价状况分析及优化对策 [J].教育研究与实验，2009（S1）：17-19.
[2] Wu X，Chen Y，Zhang J，et al. On Improving Higher Vocational College Education Quality Assessment [J]. Physics Procedia，2012，33（6）：1128-1132.
[3] 沈玉顺.高校教学质量保障的思想与实践 [M].上海：文汇出版社，2003.
[4] 贺仲雄.模糊数学及其应用 [M].天津：天津科学技术出版社，1983.
[5] 丁毅，沈西挺，任柯燕，等.基于模糊综合评判的教师效绩评价系统的开发 [J].计算机应用与软件，2008（6）：178-180.
[6] 李祚泳.城市综合环境质量的物元分析评价 [J].环境科学，1995（5）：76-78+88+96.
[7] Jerome H. Friedman，John W. Tukey. A projection pursuit algorithm for exploratory data analysis [J]. IEEE Trans. Comput. 23，1974：881-890.
作者简介：万晨威（1998.05-），男，汉族，江西南昌人，本科在读，研究方向：软件工程。
关键词：量化处理;神经网络算法;量化分析法
中图分类号：TP183;TP319 文献标识码：A 文章编号：2096-4706（2019）10-0104-03
Abstract：Through the quantitative analysis of the information of major universities in Jiangsu Province，the visual data of each index are obtained. Mean value analysis and variance analysis are used to analyze the data of each municipal level. We use different quantitative analysis methods，such as statistical cumulative method，behavior anchor quantitative method，weight analysis method，to convert various information into our visualized data，to average the data of each city，and ultimately to obtain the average indicators of 13 cities. Then SPSS software is used to analyze the mean，variance and comparison of data. Through the evaluation of the known data and the neural network algorithm，the ranking of teaching quality and the weight of each index are obtained. Comprehensive evaluation and factor analysis of the quality of education at 13 municipal levels are carried out. Finally，suggestions are given to effectively improve the undergraduate education policy in Jiangsu Province.
Keywords：quantitative processing;neural network algorithms;quantitative analysis
1 量化模型
我们采用统计累加法、百分比法等量化模型方法对以下九种数据进行可视化处理。对于本科院校数量、招生人数、双一流学科建设进行统计累加法，计算依据分别是以本科院校数量作为可量化指标，可以通过对各市本科院校、招生人数、双一流学科数进行逐个统计、累加的方式获取。而对于师资队伍与结构、教学条件与利用、专业建设与教学改革、科研投入与产出采用了权重分析、行为锚定量化、关键行为量化分析的方法进行分析，具体分析过程如表1-4所示。
2 数据分析模型
在对每个学校进行量化统计之后，我们把所在同一地市级的学校进行归类和整合，得出江苏省13个地市级9项指标的统计表，如表5所示。
通过对数据的均值分析和对比分析，我们可以得出以下结论：（1）我们可以看出13个地级市师资队伍与结构的均值差距较大。其中南京市、扬州市、南通市、无锡市、和苏州市的分数在6分及6分以上，说明这5个地级市的学校教师、教研组的质量水平领先于其他及各地级市。而且，教师队伍的整体水平标志着一所大学的办学水平。师资队伍质量的高低，是高校教育教学质量的根本保证，师资队伍建设得好坏，是决定学生培养质量的决定性因素。（2）可以看出南京市、扬州市、南通市、无锡市、和苏州市这5个地级市的教学条件与利用在70及70分以上、专业建设与教学改革在6分及6分以上、研发投入与产出在60及60分以上，都处于一个较高水平。这些板块的建设可以提高教师的教学水平和科研能力，提供高水平课程体系和培养方案，推进课程改革和教材建设，为提高本科人才培养质量提供条件。也可以为学科发展提供优质的人力资源支撑和学科专业分化与融合的可能性，促进学科构架的优化。（3）可以看出这13个地级市的就业率基本上在94%以上，但是综合前面的几个因素，就业率高并不能说明一间学校的教学质量好，也不能说明就业质量好。
3 模型求解
3.1 BP神經网络模型
我们根据江苏省13个地市级的本科教育质量指标的数据进行综合评价，建立模型。由于人工神经网络具有较强的自组织、自适应与自学习能力，能够在未完全了解所有地市级的教育指标的情况下，完成自变量、变量间与13个地市级整体本科教育水平的非线性映射。综合上述考虑，我们建立神经网络结合LM算法进行组合优化。
3.2 数据预处理 我们从这13组数据中选取本科教育质量较好的3组与教育质量最差的2组，5组作为训练数据组，最后再把13组作为检验数据组进行对比。数据归一化可以方便后面数据的处理，并保证运行时收敛加快。
3.3 建立BP神經网络
我们建立BP网络结构，其中，9表示输入项（分别表示本科院校数量、招生人数、师资队伍与结构、生师比、教学条件与利用、专业建设与教学改革、学生就业、科研投入与产出、双一流学科建设）;1表示输出项（某市级本科综合评价分数）。BP神经网络结构图如图1所示。
我们决定设置学习速度为0.01，训练次数为2000，目标误差为0.0001，运用神经网络算法求解出各项某市级本科综合评价分数如表6所示。
综合评分大于0表示本科教育质量较为良好，反之则表示欠佳。
4 总结和建议
根据上述分析，我们发现双一流学科建设作为9项指标的权重最高，作为最重要的本科质量评判标准，我们认为江苏省需要有明确的目标定位。一是坚持特色。学科体系和布局是重中之重，要通过特色文化的建设，形成特色的价值追求、精神准则和行为习惯。二是符合实际。通过评估自身条件，对比所在领域的竞争对手，客观分析优势和差距，明确学校在全国乃至世界的目标。三是体现追求。通过努力和拼搏，制定“助跑几步，跳起来够得着”的目标，体现精神境界和追求。
参考文献：
[1] 张海燕.高校教学质量评价状况分析及优化对策 [J].教育研究与实验，2009（S1）：17-19.
[2] Wu X，Chen Y，Zhang J，et al. On Improving Higher Vocational College Education Quality Assessment [J]. Physics Procedia，2012，33（6）：1128-1132.
[3] 沈玉顺.高校教学质量保障的思想与实践 [M].上海：文汇出版社，2003.
[4] 贺仲雄.模糊数学及其应用 [M].天津：天津科学技术出版社，1983.
[5] 丁毅，沈西挺，任柯燕，等.基于模糊综合评判的教师效绩评价系统的开发 [J].计算机应用与软件，2008（6）：178-180.
[6] 李祚泳.城市综合环境质量的物元分析评价 [J].环境科学，1995（5）：76-78+88+96.
[7] Jerome H. Friedman，John W. Tukey. A projection pursuit algorithm for exploratory data analysis [J]. IEEE Trans. Comput. 23，1974：881-890.
作者简介：万晨威（1998.05-），男，汉族，江西南昌人，本科在读，研究方向：软件工程。