基于局部保持投影的高校教师教学质量评价
[摘 要]当前高校教育改革逐渐深入，如何提高教学质量已经成为当前高校教学的工作重点。目前神经网络被广泛应用于高校教学评价，但是神经网络具有计算量大及容易陷入局部最优解的缺陷。针对这些问题，使用局部保持投影（Locality preserving projections， LPP）对教学评价样本进行信息融合，除了可以实现对特征参数维数的减少外，还可以将处于空间局部信号的流行特征，完整地保留下来。因此，使用LPP对教学评价样本进行预处理，能同时提高神经网络的教学评价精度和计算效率。结果表明，LPP方法能有效提高运算效率和预测精度。
[关键词]教育改革;教学质量评价;局部保持投影;BP神经网络
[中图分类号] G64 [文献标识码] A [文章编号] 2095-3437（2019）03-0165-04
近年来，高校的扩招极大地推动了高等教育的发展。随着高校在校学生数量不断增加，以及国民对教学质量的要求不断提高，加强高校教育质量，已经成为当今教育事业改革的主要任务。同时，作为推动高等教学改革和提高高等教学质量的主要群体，高校教师团队的教学能力和工作素养，是整个教学事业改革的保障[1-3]。基于这种背景下，如何提高高校教学团队的工作素养和教学能力，成为我国大部分高校亟须解决的难题。经过多年的摸索，我国各大高校在提高教师能力和素养方面，先后提出过许多有效措施，但是整体上都必须创建一套完整的教学评价体系，实现对教师能力和素养的全面评价。通过设定各个评估指标，要求高校教师将自己的教学能力和工作素养，与教学评价体系中的各大标准指标进行对比，从而找出自身的不足，再进行优化和改进，从而帮助教师全面提高自身素养，为高校打造一支品行兼优的高等教师团队[4-5]。
现阶段，在教学评价方法中，通常采用如下三种方法进行评价，即层次分析法、加权平均法，以及模糊综合评价法等。其中，传统意义上的指标加权平均法，其计算步骤十分简便，但是却十分清晰明了地将所有评价指标之间的线性关系描述出来，并结合评价者自身的经验，得出评价因素权重，从而达到评价目的。但是，这种评价方法缺乏客观性，难以证明各大评价因素之间是否存在合理关系[6-9]。层次分析法与加权平均法存在一定的相似度，首先需要证明各大评价指标中，存在明确的线性关系，从而获得各大评价因素权重，再通过邀请专家评估，得出判断矩阵。这种评价方法虽然可以得出评估模型，但是却不能够得出最佳的评估结果。在应用模糊综合评价法时，首先需要构建适宜的评判矩阵，从而准确的找出评价对象之间的关系。但是，这种评价方法极易受到专家的影响，从而造成最终评价结果出现差异。
近年来，在复杂、非线性及综合性较强的问题决策中，已经广泛地应用了人工神经网络理论。因此，在教学评价中，也可以结合人工神经网络理论，构建出相对完善的评价体系。通过将代表评价对象特征的信息，以及表示综合评价的量值，分别设定为神经网络输入向量和输出量值，再输入充足的样本，不断缩小输出量值与预期量值之间的差异。当输出量值已经远远大于预定误差阀值时，需按照相关的调节方法，将系统误差缩减到理想误差范围内。此刻，当阀值、权值为固定参数时，神经网络组所获得的权系数值和阈值，则是最佳的综合评价系统，可以准确地对其他对象系统进行评价。现阶段，神经网络理论已经被广泛应用于教学质量评价[10]。但是，该方法还存在一些缺陷，比如评价需求的样本数量较大、收敛速度慢、计算量大、容易陷入局部最优解等。因此，需要寻找更合适、准确度更高、运算速度更快的方法来解决教学评价问题。
为进一步挑选出紧密联系高校教师水平的特征值参数，本文综合运用LPP方法，實现对特征值向量的降维处理[11]。其中，LPP方法除了可以实现对特征参数维数的减少外，还可以将处于空间局部信号的流行特征完整地保留下来。应用LPP方法，可大幅提高同类内识别效果，从而增加预测精确度。在文献[11]中，严格指出LPP可适用数据的降维和信息融合。
论文分为四个部分，首先讨论高校教师全方位教学质量评价体系的构建;然后以高校教师的教学质量作为评价对象，使用LPP方法结合BP神经网络对其进行仿真分析，并与BP神经网络的仿真结果进行对比;最后对论文方法在高校教师教学质量评价中的应用效果进行总结。
一、全方位高校教师教学质量评价指标体系
为全面、科学、准确地对高校教师教学质量进行评价，论文使用文献[12]中所提出的全方位教学质量评价体系，对本文的方法进行验证核查。其中，该文献中所指出的全方位评价体系，表示从同事、领导、学生、教师等角度出发，对教师的工作绩效展开360度全方位的评价。利用这种多角度、全方位的绩效评价，可以让教师客观地认识到自身所存在的不足，并且采取有效改进措施，提高自我工作能力。大量案例证实，采用全方位评价体系，可大幅提高评价结果的真实性和有效性[12]。在构建全方位高校教学质量综合评价体系时，为了提高评价结果的客观性，需将下述评价主体纳入评价体系中：学生、督导、同事、教师自身等。其中，该评价体系主要分为学习评价和授课评价两大体系。评价指标又可分为自评、同事互评、学生评价等。学习评价指标则分为自评、同学互评、教师评学等。上述所有指标之间，都存在关联性，彼此之间相互影响，从而搭建出全方位的评价体系。具体评价指标如表1和表2所示。
二、基于LPP的全方位高校教师教学质量评价方法
（一）LPP方法
在对教学质量评价样本数据进行信息融合时，局部保留投影法的主思路，主要通过对数据进行降维处理，从而完整地将数据内在的局部特征和非线性结构保留下来。其中，运用LPP算法，找出最为适宜的线形变换矩阵形，实现对数据的降维处理。在计算时，将有样本数据集设定为F，将教学质量评价参数设定为J，将样本总数设定为Ni。应用LPP时，其最终目的，是为找出最为适宜的A，实现对高维特征值F的映射，从而获得低维特征值F"，[J"]则表示完成降维后，特征值向量的维度参数值。LPP的目标函数为