BP神经网络在远程教育学习者评价中的应用

来源:用户上传      作者:

　　摘 要：为解决传统网络课程中对学习者评价方式单一，无法全面体现学习者学习情况等问题，通过专家调查法和文献调研法，设计国内远程教育学习者评价指标，同时基于BP神经网络构建远程教育学习者评价模型，并通过实验验证了其在远程教育评价中的应用效果。研究结果表明评价结果可信度高，能够为远程教育学习者提供更为科学的评价方式。
　　关键词：远程教育;BP神经网络;评价模型;学习者评价
　　0 引言
　　远程教育模式隶属于成人教育范畴，它与传统教学模式的不同在于，它是以互联网为主要传播载体，突破了空间及时间的双重制约，既淡化了地域限制，又打破了学生必须在校园内进行面授的教学限制[1]。而互联网的迅速发展进一步推动了远程教育的发展进程，各种教育资源可以通过互联网进行远距离传输。
　　伴随着大数据的发展，参与学习的学生，能够通过移动设备非常便利地接入网络中，快速开启学习。同时，学习平台可以对学习者学习数据进行收集和分析，成为对学习评价的最有效依据。
　　目前，众多学者对远程教育中的学习者评价进行了探索。王焱[2]基于模糊理论，对学习者学习效果进行了定量评价研究;张庆堂[3]以远程教育学习者和管理者为评价主体，构建了以学习者感知绩效服务及学习中心固有服务能力和水平为评价内容的服务质量评价模型;马春琳[4]等研究远程学习绩效影响因素，并建立了相应的评价指标;王川芳[5]使用知识图谱的形式，对网络学习评价进行综述研究;金贤[6]就开放在线课程的教学质量评价指标体系进行了研究。当前针对远程教育评价的研究大多是对远程教育系统或是对学习者学习评价的评价指标体系进行的，而借助于人工智能的方式相对较少。
　　本文尝试以大数据为基础，通过对真实客观的学习行为进行提取和整理，形成规范的学习行为数据，基于远程教育学生行为的学习模式建立BP神经网络算法模型，以期为学习者的学习行为提供更全面更科学的评价方式。
　　4 结语
　　随着网络技术的不断发展，远程教育已成为全球性趋势，它解决了教育资源贫乏、资源共享性不强的难题，为学习者提供了更多可行的学习方式，目前许多国家已经将远程教育作为重要的战略决策。将神经网络技术应用于远程教育，在研究大量数据的过程中寻找模式、相关性和其它有用信息，可以帮助教育机构更好地适应变化，制定更合理的学习计划。本文结合远程教育基本特点，构建基于BP神经网络算法的评价模型，通过对真实客观的学习行为进行提取和整理，形成规范的学习行为数据，真实地反映学生的网上学习水平，可为完善远程教育评价模提供参考。
　　参考文献：
　　[1] 贺延辉. 网络远程教育的版权问题[J]. 情报科学，2003（2）：186-189.
　　[2] 王焱. 基于模糊理论的远程教育学习者学习评价研究[J]. 现代计算机：专业版，2015（20）：45-47.
　　[3] 张庆堂，曹伟. 学习者和管理者视角下现代远程教育服务质量评价体系研究[J]. 中国远程教育，2016（10）：44-50.
　　[4] 马春琳，蔡玲霞. 远程学习绩效评价指标体系研究——以新疆电大远程学习者为例[J]. 科教文汇：中旬刊，2018（1）：113-114，118.
　　[5] 王川芳，姚苗苗. 基于知识图谱的网络学习评价研究综述[J]. 软件导刊，2019，18（5）：9-12.
　　[6] 金贤. 开放在线课程教学质量评价指标体系研究——以南京开放大学为例[J]. 江苏科技信息，2019，36（10）：56-58，74.
　　[7] 侯光文. 教育评价概论[M]. 石家庄：河北教育出版社， 1996.
　　[8] 刘楠. 开放大学现代远程教育教学质量评价研究[J]. 湖北广播电视大学学报，2016，36（1）：3-7.
　　[9] 何悦恒. 大数据背景下网络教育发展的困境和出路[D]. 福州：福建师范大学，2015.
　　[10] 许忠能. 生物信息学[M]. 北京：清华大学出版社， 2008.
　　[11] 来学伟. 深度学习无监督学习算法研究[J]. 福建电脑，2018，34（9）：102-103.
　　[12] QIANG W，ZHONGLI Z. Reinforcement learning model， algorithms and its application[J]. Electronic Science & Technology，2011： 1143-1146.
　　[13] 曹文平. 一种有效k-均值聚类中心的选取方法[J]. 计算机与现代化， 2008（3）： 95-97.
　　[14] 周亚爽. 内蒙古莫尔道嘎林区森林生物量遥感估算研究[D]. 北京：北京林业大学，2016.
　　[15] 赵宇晗. 基于神经网络模型研究气候变化对国家脆弱程度的影响[J]. 时代金融，2018（12）：197.
　　[16] ZHAO YAN. Research and application on BP neural network algorithm[J]. International Industrial Informatics and Computer Engineering Conference（IIICEC2015）， 2015：1444-1447.
　　[17] 崔铭，吴亚光. 基于改进BP神经网络的高校教师创新创业教学能力评价研究[J]. 江汉大学学报：自然科学版，2018，46（2）：125-129.
　　[18] 郭玲，郭澤睿. 网络教育在大数据影响下的发展策略及方法研究[J]. 中国教育信息化，2017（13）：21-26.
　　[19] 查志杰，成朴之，杨程钦，等. 基于BP神经网络的区域本科教育质量评估研究[J]. 医学教育研究与实践，2019，27（2）：222-225，230.
　　[20] 沈欣忆，吴健伟，张艳霞，等. MOOCAP学习者在线学习行为和学习效果评价模型研究[J/OL]. 中国远程教育：1-9[2019-05-26]. https：//doi.org/10.13541/j.cnki.chinade.20190508.002.
　　[21] 关成立，杨岳. 基于系统控制理论的高职实践教学质量评价模型应用研究[J]. 信息技术与信息化，2018（11）：158-159，167.
　　（责任编辑：孙 娟）
转载注明来源:https://www.xzbu.com/8/view-15068034.htm