摘 要：针对电子信息类专业实践教学评价体系存在评价主体有所缺失、指标权系数难以准确设计、指标内容不尽合理等问题，设计一种“四位一体”的电子信息类专业实践教学评价体系。同时，为了解决实践教学评价方法适应性不强的问题，提出一种基于神经网络的电子信息类专业实践教学评价方法。该方法完全依赖于评教数据，避免了指标权系数设置时带入的主观影响，使评价结果更加客观、公正。通过实例证明了该方法的有效性，对实现实践教学智能化评价具有重要的参考价值。
关键词:实践教学;评价体系;四位一体;神经网络;
Design and Application of Practice Teaching Evaluation Method for Electronic
Information Specialty
YAN Taishan WANG Xin LIU Lizhi CHENG Wangbin
School of Information science and Engineering, Hunan Institute of Science and Technology
Abstract：In view of the problems in the practical teaching evaluation system of electronic information specialty, such as the lack of evaluation subject, the difficulty in designing the index weight coefficient accurately, and the unreasonable index content, a “four in one”practical teaching evaluation system of electronic information specialty is designed. At the same time, in order to solve the problem of weak adaptability of practical teaching evaluation methods, a practical teaching evaluation method for electronic information specialty based on neural network is proposed. This method completely depends on the teaching evaluation data, avoiding the subjective influence brought by the index weight coefficient setting, and making the evaluation results more objective and fair. The effectiveness of the method is proved by an example, which has an important reference value for the realization of intelligent evaluation of practical teaching.
Keyword：practice teaching; evaluation system; four in one; neural network;
0 引言
电子信息类专业是工科院校中一个极其重要的专业，各大高校通过对该专业学生的全力培养，源源不断地为社会发展输送高素质应用型人才。随着信息产业的飞速发展，国家对电子信息类专业人才的需求量越来越大，要求也越来越高。作为应用型人才培养的重要阵地，学校需要在电子信息类专业的教学规划中加强实践教学的占比，同时还要对实践教学质量进行及时、客观的评价。做到以评促教，以评促改，提高实践教学的质量。为此，实践教学评价也成为当今电子信息类专业和其他专业的一项常规性工作。
1 实践教学评价体系的现状
实践教学是当今工科院校教育教学研究的热点，广大教学和科研工作者对实践教学评价进行了卓有成效的研究[1,2,3,4,5,6,7]。然而，在当前的实践教学评价工作中，仍然存在一些亟需解决的共性问题，主要表现在以下几个方面。
1.1 评价主体不完整
实践教学评价是需要从多方位、多角度搜集评价信息，对教师的教学做出正确评判的活动，教学过程中的所有参与者，都应该参与到教学评价当中，都应成为评价主体。一些高校在进行实践教学评价时，完全依赖学生这一主体，也有一些高校在学生评教结果的基础上，还结合了督导评教或同行评教结果对教师实践教学质量进行综合评价。这些做法都是不够合理的，因为缺少了授课教师本人这一重要评价主体。教师自评是不能缺失的，这是教师对自己的教学过程进行反思和总结的最好机会，也是最为有效的手段。
1.2 评价指标内容不科学
在目前的实践教学评价体系中，一些高校的评价指标体系列举过细，面面俱到，重点不突出，这样在评价中很难得到科学的结果。另有一些高校的评价指标体系又过于草率，指标数过少，这样当然也很难对实践教学进行全面的评价。还有一些高校的评价指标体系忽视了发展性指标的设置，缺少对学生创新能力、思维能力等素质的考察，没有考虑教师教学研究能力在教学中的体现。
1.3 评价指标之间权系数设置不合理
通常，在实践教学评价中，应重点考查教学过程和教学效果，这两项所占权系数应比较大，但有些学校的做法却没有区分度，对各个指标进行等值赋分。不少高校对评价指标进行分块，分值按粗放型切割，在同行之间进行教学互评时，相互之间的分值差别很小，致使最终的评教结果实际上是以学生打分为主的，从而导致综合评价背离初衷，意义全无。
1.4 评价方法适应性不强
加权平均法、层次分析法是两种常见的评价方法，它们要求评价指标之间必须具有严格的线性关系，如果线性关系不明确或无线性关系，则会影响评价效果；模糊综合评判法也是一种常见的评价方法，它要求事先必须建立合适的评判矩阵，这个评判矩阵显然会由于评价主体的不同而有所差异，从而使得最终的评价结果出现差别较大的情况。
2 电子信息类专业实践教学评价体系的构建
2.1 基本思想
为克服上述实践教学评价中存在的具体问题，我们选择授课教师、听课学生、学科同行和教学督导这四方作为评价主体，以此构建电子信息类专业实践教学“四位一体”的评价体系，每个主体的评价工作从教学环境、教学保障、教学过程和教学效果四个方面展开，如图1所示。相应的评价指标体系也由教师自评、学生评教、学科同行评教和督导评教四个子系统组成。
2.2 评价指标体系构建
实践教学评价指标体系首先要符合实践教学实际，同时要遵循教学评价指标体系的导向性原则、科学性原则、全面性原则、稳定性与动态性兼顾的原则[2,3,4,5,6,7]。当然，评价指标个数要合适，当然也不是越多越好，因为随着评价指标个数的增加，评价过程中的计算量会呈现出指数规律增长趋势，在采用神经网络的智能化评价系统中可能会引起组合爆炸。
在对大量实践教学评价数据进行深入分析的基础上，我们结合本校电子信息类专业实践教学的实际情况，设计了用于电子信息类专业的实践教学评价指标体系。我们设计的电子信息类专业实践教学评价指标体系由一级指标和二级指标构成，其中，一级指标有4个，分别是实践教学过程、实践教学效果、实践教学环境和实践教学保障；二级指标有20个，分别为xi(i=1,2,…,20）。四个评价主体对应的二级指标如表1所示。
2.3 评价方法设计
由于传统的加权平均法、层次分析法、模糊综合评价法等评价方法存在各自的局限性，使得它们的评价结果往往不能十分令人满意。而且这些方法不具备自适应能力，使得其适用范围受到很大限制。神经网络[8]是一种具有良好自学习和自适应能力的分布式信息处理系统，不要求输入、输出之间有严格的线性关系，非常适用于教学评价。为此，我们引入神经网络技术，利用神经网络的杰出代表——BP神经网络，建立基于神经网络的电子信息类专业实践教学智能化评价系统。该系统的功能结构由四大部分组成：一是评价数据输入模块，这一模块用来实现评价主体的数据输入；二是评价数据归一化模块，这一模块用来对评价主体输入的数据进行限值处理，将数据值限制在0～1之间，这是为了防止网络节点出现过饱和情况；三是神经网络学习模块，这一模块利用样本数据对BP神经网络进行训练直至网络收敛，完成对各类模式的记忆；四是神经网络评价模块，这一模块利用网络的联想记忆功能实现对测评数据的分类。
我们设计的用于电子信息类专业实践教学评价的神经网络系统由二级网络组成，神经网络系统的评价过程如图2所示。系统工作时，第一级网络用于各评价主体评教，第二级网络将第一级网络的评价结果作为输入，对教师实践教学质量进行总体评价，得出最终评价结果。
3 应用实例
3.1 神经网络模型建立
我们采用三层前馈神经网络“BP网络”来实现电子信息类专业实践教学评价。对第一级神经网络而言，各网络的输入是对应的评价指标值，所以输入节点数均为20个；输出节点数是评价等级，由于各个指标及总体评价结论的等级均有优秀、良好、中等、及格、不及格5个，所以各网络的输出节点数均为5个，依次对应5个等级；隐含层节点数根据经验式（1）进行估算：
其中，nN表示隐含层节点数，nI表示输入层节点数，nO表示输出层节点数，a表示5～10之间的一个常数。经估算得到隐含层节点数为13个，由此得到第一级神经网络结构为20—13—5，如图3所示。
对第二级神经网络而言，网络的输入是第一级各神经网络的评价结论值，所以输入节点数为4个；输出节点数是同样的评价等级，所以网络的输出节点数也为5个，同理依次对应5个等级；隐含层节点数根据经验公式估算为11个，由此得到第一级神经网络结构为4—11—5，如图4所示。
3.2 神经网络学习与评价
我们选择本校电子信息工程、通信工程、电子科学与技术等电子信息类专业的280个涵盖各个等级的实践教学评价数据样本，其中220个样本用于神经网络学习，60个样本用于神经网络的评价测试，测试样本编号为T1～T60。进行神经网络学习时，我们设计的允许均方误差为10-4，网络经过3 925次训练之后达到收敛。学习完成之后，我们将60个测试样本提供给网络，让网络进行评价，评价结果（部分）如表2所示。
从神经网络的评价结果可以看出，BP神经网络经过学习之后，能够对新的样本数据进行识别评价，其评价结果与实际等级是完全吻合的，可见网络已具备较好的推理能力，用于电子信息类专业实践教学评价是可行的。
4 结论
由授课教师、听课学生、学科同行和教学督导四个评价主体组成的电子信息类专业实践教学评价体系，较好地解决了传统教学评价体系中存在的评价主体不完整、评价指标设计不合理等问题。神经网络方法的引入，有效克服了传统实践教学评价方法存在的适应性不强、易受主观因素影响等问题，实例验证了BP神经网络在电子信息类专业实践教学评价中的可行性和有效性。实际使用中，基于神经网络的电子信息类专业实践教学评价方法的优越性体现在两个方面：一是评价系统仅依赖评教数据，整个评价过程中无须采用评价指标的权系数，避免了人为设置指标权系数而带入的主观性影响，使得评价结果更加客观和公正；二是BP神经网络的使用，使得系统在外界条件变化的时候能够快速适应，神经网络只需通过短暂学习就能投入评价工作，保证实践教学评价工作的有效进行。
[1] 王飞，白春艳，王柏华，等.基于多元反馈的电气工程专业实践教学质量评价体系的构建[J].高师理科学刊，2019,39(4):71-75.
[2] 张馨月，李志平.应用型本科高校实践教学质量评价体系的有效构建[J].当代教育实践与教学研究，2020(7):127-128.
[3] 郑谦，汪伟忠，赵伟峰，等.应用型高校实践教学质量评价指标体系研究[J].高教探索，2016(12):36-40.
[4] 柯美红，练国富.基于序关系分析法的实践教学质量评价方法[J].教育教学论坛，2017(46):73-76.
[5] 唐吉深，莫燚.应用型高校实践教学质量评价指标体系构建探析[J].教育现代化，2020,7(8):16-18.
[6] 严太山，文怡婷，黄红霞，等.地方高校实践教学评价体系的设计研究[J].教育现代化，2018,5(23):125-127.
[7] 严太山，郭观七，张舸，等.高校双语教学质量评价指标体系的构建及评价方法研究[J].中国电力教育，2013(35):55-57.
[8] 马锐.人工神经网络原理[M].北京:机械I业出版社，2010.