基于BP神经网络的教师绩效评价模型算法研究与应用

发布时间：2017-08-23 12:06

  本文关键词：基于BP神经网络的教师绩效评价模型算法研究与应用

  更多相关文章： BP神经网络 教师绩效 综合评价

【摘要】：评价是当今社会应用很广的一个概念。教师绩效评价是高等教育事业发展的重要保障,也是了解高校教师工作状况、评价教师教学成果的主要手段。因而建立一套适合高职院校的易于实施的职业测评体系,督促提醒教师改正自身存在缺陷,不断提高教师的教学水平和综合素质显得尤为重要。人工神经网络(ANN)可以逼近任意复杂的非线性系统,具有较好的模式识别、自适应学习和记忆联想等能力。ANN以并行方式处理信息,运行速度快；以分布方式存储信息,容错性好。神经网络的方法为解决复杂非线性问题提供了有力的工具。 本文在阐述课题研究背景与基本概念的基础上,介绍了多目标综合评价、计算权重、对指标属性值进行标准化等相关数据处理方法,探讨并构建了适应于教师绩效评价的指标体系。在比较各种评价模型和算法优缺点的基础上,提出了基于BP神经网络的教师绩效评价模型,并设计出了系列数据处理算法。并以江西外语外贸职业学院教师考评系统的原始数据为例,借助Matlab6.5平台对江西外语外贸职业学院教师评价指标进行了仿真,对江西外语外贸职业学院教师综合水平进行了分析,并提出了建议。特别是依据评价指标体系,通过网络训练、泛化结果分析,表明用BP神经网络来进行教师综合评价是非常可行的。
【关键词】：BP神经网络 教师绩效 综合评价
【学位授予单位】：南昌大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：G475
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第1章 绪论8-14
• 1.1 课题研究的背景8-11
• 1.1.1 教师绩效评价研究的意义8
• 1.1.2 教师绩效评价体系的国内外研究现状8-10
• 1.1.3 人工神经网络简述10
• 1.1.4 本论文研究的可行性分析10-11
• 1.2 课题研究的概述11-13
• 1.2.1 课题研究的目标内容与方法11-12
• 1.2.2 课题研究的重点与难点12-13
• 1.3 本论文的组织结构13-14
• 第2章 多目标综合评价及BP神经网络14-28
• 2.1 多目标综合评价的概述14-16
• 2.1.1 多目标综合评价的概念14
• 2.1.2 多目标综合评价的基本过程14-15
• 2.1.3 多目标综合评价指标体系建立的基本原则15-16
• 2.1.4 多目标综合评价的基本方法16
• 2.2 层次分析法16-19
• 2.2.1 层次分析法的概述16-17
• 2.2.2 层次分析法的基本步骤17-19
• 2.3 模糊综合评价法19-21
• 2.3.1 模糊综合评价法的概述19-20
• 2.3.2 模糊综合评价法的基本步骤20-21
• 2.4 人工神经网络的概述21-23
• 2.4.1 人工神经网络的处理能力21
• 2.4.2 人工神经网络模型的分类21-22
• 2.4.3 人工神经网络的学习规则及算法22-23
• 2.5 BP神经网络模型及学习算法23-26
• 2.5.1 多层感知器神经网络23-24
• 2.5.2 BP神经网络学习算法24
• 2.5.3 BP神经网络训练步骤24-25
• 2.5.4 BP网络训练的计算机实现25-26
• 2.6 MATLAB软件简介26-28
• 2.6.1 MATLAB的发展历程及应用26
• 2.6.2 MATLAB的优势26-28
• 第3章 教师绩效评价指标体系28-39
• 3.1 教师绩效评价概述28-30
• 3.1.1 教师绩效评价的目的28-29
• 3.1.2 教师绩效评价的基本原则29
• 3.1.3 教师绩效评价的基本过程29-30
• 3.2 教师绩效评价指标体系的建构30-36
• 3.2.1 国外教师绩效评价指标体系研究概况30-31
• 3.2.2 国内教师绩效评价指标体系研究概况31-32
• 3.2.3 高职院校教师绩效评价指标体系32-34
• 3.2.4 高职院校教师绩效评价指标评分细则34-36
• 3.3 教师绩效评价指标权重36-39
• 3.3.1 专家咨询表的设计36-37
• 3.3.2 高职院校教师绩效评价指标权重的计算37-39
• 第4章 BP神经网络评价指数的计算模型与算法39-47
• 4.1 评价指数计算BP神经网络及实现39-44
• 4.1.1 评价指数计算结构模型及计算流程39-41
• 4.1.2 定性指标专家意见的调查与汇聚方法41-42
• 4.1.3 评价指标属性值标准化的计算方法42-43
• 4.1.4 评价指数计算BP神经网络学习训练的实现43-44
• 4.2 神经网络模型训练样本的设计44-45
• 4.3 神经网络模型泛化输入向量的设计45-47
• 第5章 应用实例---江西外语外贸职业学院教师绩效评价47-56
• 5.1 神经网络模型的训练样本与泛化输入向量47-52
• 5.1.1 神经网络模型训练样本47-48
• 5.1.2 神经网络模型泛化输入向量48-52
• 5.2 评价指数的计算模型与算法应用结果与检验分析52-54
• 5.2.1 模型算法的应用结果52-53
• 5.2.2 应用的检验分析53-54
• 5.3 建议54-55
• 5.4 本章小结55-56
• 第6章 结论56-57
• 致谢57-58
• 参考文献58-59

【参考文献】

中国期刊全文数据库 前10条

1 裴浩东,苏宏业,褚健;多层前向神经网络的权值平衡算法[J];电子学报;2002年01期

2 黄晓华,梁晓丽;当前教师评价中存在问题及对策[J];教学与管理;2003年30期

3 邓小珍;缪宁;刘文远;王宝文;;基于BP网络虚拟企业敏捷性评价[J];中国制造业信息化;2006年17期

4 郭文刚;董志明;;国内教师评价体系的探索和研究[J];教育理论与实践;2007年17期

5 姚柏华;李毅;;模糊综合评价法在矿山地质灾害分析中的应用[J];山西建筑;2008年08期

6 谭术魁;游和远;;基于BP神经网络的湖北省城市土地可持续利用评价[J];科技进步与对策;2006年10期

7 包伟平;高校教师绩效评价初探[J];宁波高等专科学校学报;2004年03期

8 黄成林;;国外教师教学质量评价发展的研究及启示[J];清华大学教育研究;2006年06期

9 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

10 曹小林;耿成轩;;基于AHP基础上的模糊综合评价理论的应用研究[J];市场周刊(理论研究);2008年01期

中国硕士学位论文全文数据库 前2条

1 高宁;基于BP神经网络的农作物虫情预测预报及其MATLAB实现[D];安徽农业大学;2003年

2 崔旖娜;基于BP神经网络的辽宁省建筑业评价及预测[D];大连理工大学;2006年

，

本文编号：724935