大学生厌学成因与对策研究——基于ISM/神经网络集成模型

发布时间：2021-01-23 00:16

　　为明确引起大学生厌学的关键因素,寻找解决问题的路径,文章从系统观入手构建引起厌学现象的四驱动力模型,分析其影响因素体系,采用ISM模型构建各因素间的层次结构关系。利用神经网络模型搭建因素影响程度评估模型,通过MATLAB设计一个不断提高的理想评价指标来区分同一等级中的不同样本;最后,通过算例得出影响程度最高的因素。研究结果证实,学生之间的相互影响对大学生厌学影响程度最大,学校课程设置不科学等次之;进而提出了相应的对策和解决问题路径,以期可以改善普遍存在的大学生厌学问题。 

【文章来源】：郑州航空工业管理学院学报(社会科学版). 2019,38(06)

【文章页数】：10 页

【部分图文】：

厌学现象四驱动模型

在可达矩阵A中删去S1、S2、S10、S11、S12、S13、S14、S15、S16所在的行与列之后,得到矩阵A1,再对A1进行以上计算步骤,得到二级要素集合L2=(S5、S6、S7、S17、S20)。重复以上步骤得到L3=(S3、S4、S8、S9、S18)、L4=(S19)。由此得到的解释结构模型,如图3所示。由ISM解释结构模型可知大学生厌学影响因素划分为4级递阶结构的复杂系统,根据要素的影响关系,从表、中、深三层对模型结构进行分析:

ISM模型[10]由美国J.华费尔特教授于1973年提出,整合多个离散且无序的静态系统要素,利用其系统要素间已知的但却又凌乱的关系,揭示出系统的内部结构层次,但同时也要求级与级之间不能存在反馈回路,更不能确定具体因素的影响程度。而MIV-BP网络[11,12]适合于求解内部机制复杂的问题,经过迭代运算得出各个因素对结果的影响程度,即MIV值。MIV值的绝对值大小代表了影响程度,但MIV影响值是各个影响因素对结果的直接影响,无法了解到由某因素改变从而改变其关联因素进而改变最终结果的程度,无法获得因素层次性结构。ISM与MIV-BP神经网络两者存在互补关系,集成模型即可得到各个相关影响因素之间存在的量化关系以及对结果的影响程度,由此确定改善线路及重点改善因素。在此系统中,首先进行因素分析,确定影响问题的各个因素,进而对各因素进行层次划分,得出ISM模型。再通过数据调研得到特征矩阵;通过MIV-BP神经网络计算,得出各个影响因素的MIV值;将MIV值赋到ISM模型中,当问题约束性条件过多、主要因素不容易改善时,可通过解决其上下层因素以达到解决问题的目的,找出最适合的解决路径(如图1所示)。比如,假设因素2解决困难,则可计算改善因素3和因素14对最终结果的影响,从而选择易行有效的方案。


本文编号：2994171