大数据时代的高校设计课程教学效果预测

发布时间：2021-11-29 08:57

　　高校设计课程与多种因素相关联,因素之间互相影响,使得高校设计课程教学效果面临巨大挑战。为了提高高校设计课程教学效果预测精度,针对当前高校设计课程效果预测过程中存在的一些难题,提出大数据时代的高校设计课程教学效果预测模型。首先,采集大量的高校设计课程教学效果历史数据,通过专家将高校设计课程教学效果划分为多个等级;然后,引入大数据分析技术对高校设计课程教学效果历史数据进行建模与预测,构建高校设计课程教学效果预测模型,并对模型的参数进行优化;最后,对多个学校的设计课程教学效果数据进行仿真模拟测试。结果表明,该模型的高校设计课程教学效果预测精度超过90%,可将高校设计课程教学效果预测误差控制在10%以内,在相同条件下,预测精度远远超过其他模型的高校设计课程教学效果预测模型,可以满足高校设计相关课程教学管理的要求。 

【文章来源】：现代电子技术. 2020,43(21)北大核心

【文章页数】：5 页

【部分图文】：

高校设计课程教学效果预测的重要影响因素

传统人工神经网络存在收敛速度慢、解决问题效率低等难题，而极限学习机是一种新型的大数据分析算法，在学习过程中不需要计算输入权值和阈值，克服了人工神经网络工作速度低的缺陷，因此本文引入其进行高校设计课程教学效果预测的建模。从本质上讲，极限学习机是一种新型的人工神经网络，与其他神经网络具有相似的结构，具体如图2所示。训练集用(x,t)表示，a和b分别表示极限学习机的输入权值和隐含层阈值，隐含层节点数为L，那么极限学习机可以表示为：

将表3的高校设计课程教学效果预测实验的测试数据根据3∶1的比例划分为训练样本和验证样本，分析统计训练样本和验证样本的拟合精度和预测精度，同时计算它们的拟合误差和预测误差，具体结果分别如图3和图4所示。从图3可以看出，高校设计课程教学效果预测实验的拟合精度要高于预测精度，这与实际情况相符，而且精度均超过了88%，说明本文模型具有较好的拟合效果，同时可以对未来高校设计课程教学效果进行准确预测。

【参考文献】：
期刊论文
[1]教育评价理论视角下应用型本科院校教学质量保障体系构建[J]. 张塔洪.  教育与职业. 2019(18)
[2]采用粒子群算法的热电厂热电负荷分配优化[J]. 王珊,刘明,严俊杰.  西安交通大学学报. 2019(09)
[3]课堂教学评价数据挖掘与分析[J]. 刘坚,黄钰莹,颜李朝.  湖南师范大学教育科学学报. 2019(02)
[4]基于学分制模式的教学质量保证体系的构建[J]. 朱涛,冷士良.  实验技术与管理. 2019(04)
[5]基于模糊综合评价法的大学物理MOOC教学质量评价[J]. 赵馨蕊,周雨青.  高等工程教育研究. 2019(01)
[6]马尔科夫链在高等数学教学效果评价中的应用[J]. 董庆华,王成伟.  数学的实践与认识. 2018(08)
[7]基于大数据的高校教学质量评价体系构建[J]. 马星,王楠.  清华大学教育研究. 2018(02)
[8]基于行为序列的学习过程分析与学习效果预测[J]. 江波,高明,陈志翰,王小霞.  现代远程教育研究. 2018(02)
[9]基于GA和BP神经网络的教学质量评价模型研究[J]. 岳琪,温新.  内蒙古大学学报(自然科学版). 2018(02)
[10]优化BP神经网络的高校教学质量评价模型[J]. 范岩,马立平.  统计与决策. 2018(02)



本文编号：3526220