支持向量機(jī)的英語教學(xué)質(zhì)量評價(jià)

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了支持向量機(jī)的英語教學(xué)質(zhì)量評價(jià)范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：針對英語教學(xué)質(zhì)量復(fù)雜的變化特點(diǎn)，為獲得高精度的英語教學(xué)質(zhì)量評價(jià)結(jié)果，設(shè)計(jì)了基于主成分分析和支持向量機(jī)的英語教學(xué)質(zhì)量評價(jià)模型。對英語教學(xué)質(zhì)量的影響指標(biāo)進(jìn)行構(gòu)建，采用主成分分析對英語教學(xué)質(zhì)量評價(jià)指標(biāo)進(jìn)行優(yōu)化和選擇，利用支持向量機(jī)得到英語教學(xué)質(zhì)量等級評價(jià)結(jié)果。具體應(yīng)用實(shí)例的測試結(jié)果表明，所提模型可對英語教學(xué)質(zhì)量等級進(jìn)行高精度評價(jià)，評價(jià)結(jié)果能夠?yàn)樘岣哂⒄Z教學(xué)質(zhì)量提供有價(jià)值的信息。

關(guān)鍵詞：高校教育；英語教學(xué)質(zhì)量；指標(biāo)體系；指標(biāo)權(quán)值；主成分分析；支持向量機(jī)

0引言

在高校教育中，英語是每一個(gè)大學(xué)生的必修課，而且本科院校對大學(xué)英語水平有一定的要求，同時(shí)英語與其他課程學(xué)習(xí)直接相關(guān)，因此提高大學(xué)生英語教學(xué)質(zhì)量十分重要[1]。而教學(xué)質(zhì)量是衡量英語教學(xué)效果的一個(gè)關(guān)鍵指標(biāo)，英語教學(xué)質(zhì)量評價(jià)是一個(gè)十分復(fù)雜的過程，涉及到許多因素，如評價(jià)指標(biāo)、評價(jià)方法等，因此建立一種客觀、科學(xué)的英語教學(xué)質(zhì)量評價(jià)系統(tǒng)是一個(gè)具有挑戰(zhàn)性的問題[2⁃3]。相對于其他課程教學(xué)，英語教學(xué)具有自身的特殊性，如互動性比較強(qiáng)，知識具有相當(dāng)強(qiáng)的連貫性，因此比一般課程的教學(xué)質(zhì)量評價(jià)要復(fù)雜得多[4]。最初高校采用簡單統(tǒng)計(jì)學(xué)方法對英語教學(xué)質(zhì)量進(jìn)行評價(jià)，假設(shè)英語教學(xué)效果與評價(jià)指標(biāo)是一種固定的變化關(guān)系，通過確定變化參數(shù)，就可以得到相應(yīng)的英語教學(xué)質(zhì)量評價(jià)結(jié)果[5]。實(shí)際上教學(xué)效果與評價(jià)指標(biāo)之間不是一種簡單的變化關(guān)系，因此評價(jià)結(jié)果的可信度低[6]。隨后引入了專家系統(tǒng)實(shí)現(xiàn)英語教學(xué)質(zhì)量評價(jià)，高校一般通過學(xué)校的一些教授、專家對某一位老師的英語教學(xué)效果進(jìn)行評價(jià)[7]，有時(shí)還引入了學(xué)生評價(jià)結(jié)果，該方法的評價(jià)結(jié)果可信度高[8]，但是每一個(gè)學(xué)校所側(cè)重的評價(jià)指標(biāo)不同，導(dǎo)致英語教學(xué)質(zhì)量評價(jià)結(jié)果具有一定的主觀性，客觀性不強(qiáng)[9]。近些年，隨著信息處理技術(shù)的不斷成熟，有學(xué)者提出一些英語教學(xué)質(zhì)量自動評價(jià)系統(tǒng)，通過選擇一些評價(jià)指標(biāo)，并根據(jù)指標(biāo)收集英語教學(xué)的歷史數(shù)據(jù)，采用相應(yīng)方法對英語教學(xué)質(zhì)量的等級進(jìn)行估計(jì)，最后綜合專家評價(jià)結(jié)果產(chǎn)生英語教學(xué)質(zhì)量的最后評價(jià)等級[10]。在實(shí)際應(yīng)用中，還存在許多問題有待解決，如英語教學(xué)質(zhì)量評價(jià)指標(biāo)多，指標(biāo)之間存在一定的共非線性，指標(biāo)相互干擾，同時(shí)評價(jià)指標(biāo)過多，計(jì)算時(shí)間復(fù)雜度高，英語教學(xué)質(zhì)量評價(jià)效率低等[11⁃12]。為了獲得較好的英語教學(xué)質(zhì)量評價(jià)結(jié)果，提出基于主成分分析和支持向量機(jī)的英語教學(xué)質(zhì)量評價(jià)方法，具體應(yīng)用實(shí)例測試結(jié)果表明，該方法可以對英語教學(xué)質(zhì)量等級進(jìn)行高精度的評價(jià)，可為英語教學(xué)過程提供一定的參考信息。

1支持向量機(jī)和主成分分析

1.1支持向量機(jī)由于英語教學(xué)質(zhì)量評價(jià)是一個(gè)分類問題，因此需要構(gòu)建分類器，本文采用支持向量機(jī)實(shí)現(xiàn)。設(shè)一個(gè)英語教學(xué)質(zhì)量評價(jià)問題的數(shù)據(jù)集為(xi,yi)，xi∈Rn,yi∈{-1,1}，i=1,2,…,n，xi為英語教學(xué)質(zhì)量評價(jià)的指標(biāo)，yi表示英語教學(xué)質(zhì)量的等級，基于風(fēng)險(xiǎn)最小化理論，建立如下的超平面：y=ωTΦ(x)+b （1）式中：ω為法向量；b為偏移向量。如果問題不是線性不可分，那么直接對式（1）進(jìn)行求解不現(xiàn)實(shí)。為了建立最優(yōu)的超平面，對非線性分類問題進(jìn)行轉(zhuǎn)換和優(yōu)化，即：minJ(ω,ξ)=12ω2+C∑i=1nξi s.t.yi(ω⋅Φ(xi)+b)1-ξi，ξi0，i=1,2,⋯,n （2）式中C表示錯誤分類結(jié)果的懲罰參數(shù)。由于每引入一個(gè)新的樣本時(shí)，支持向量機(jī)就要重新進(jìn)行一次學(xué)習(xí)，當(dāng)樣本規(guī)模大時(shí)，學(xué)習(xí)時(shí)間就長，導(dǎo)致計(jì)算時(shí)間的復(fù)雜度相當(dāng)高。為了加快學(xué)習(xí)速度，引入Lagrange乘子得到對偶問題，這樣超平面分類函數(shù)為：f(x)=sgnæèçöø÷∑i=1lαiyi(Φ(x)⋅Φ(x)i)+b （3）式中αi為Lagrange乘子。采用核函數(shù)K(xi,x)代替點(diǎn)積操作(Φ(x)⋅Φ(x)i)，簡化支持向量機(jī)的分類過程，式（3）變?yōu)椋篺(x)=sgnæèçöø÷∑i=1lαiyiK(xi,x)+b （4）1.2主成分分析算法英語教學(xué)質(zhì)量評價(jià)指標(biāo)比較多，需要通過一定技術(shù)對評價(jià)指標(biāo)進(jìn)行篩選，以減少評價(jià)指標(biāo)的數(shù)量，本文引入主成分分析實(shí)現(xiàn)英語教學(xué)質(zhì)量評價(jià)質(zhì)量的選擇。主成分分析算法可以將英語教學(xué)質(zhì)量的指標(biāo)進(jìn)行組合，得到一組新的指標(biāo)，新指標(biāo)可以描述原始全部指標(biāo)的大部分信息，從而有效降低了英語教學(xué)質(zhì)量評價(jià)分類器的輸入向量數(shù)，具體步驟為：1）原始英語教學(xué)質(zhì)量評價(jià)指標(biāo)組成的集合為X=(X1,X2,⋯,Xp)，p表示評價(jià)指標(biāo)數(shù)量。由于英語教學(xué)質(zhì)量評價(jià)指標(biāo)的單位不一樣，使得數(shù)據(jù)差異大，會給英語教學(xué)質(zhì)量評價(jià)結(jié)果帶來負(fù)面影響。為了消除該負(fù)面影響，對英語教學(xué)質(zhì)量評價(jià)的指標(biāo)值進(jìn)行標(biāo)準(zhǔn)化處理，具體如下：xˉij=(x)ij-xˉjsj（5）其中：ìíîïïïïxˉj=1n∑i=1nxijsj=1n-1∑i=1n(x)ij-xˉj2（6）2）對英語教學(xué)質(zhì)量評價(jià)指標(biāo)的相關(guān)系數(shù)矩陣進(jìn)行計(jì)算，得到：R=(r)ijp×p,rij=∑k=1nxˉkixˉkj(n-1)（7）式中rij表示第i個(gè)英語教學(xué)質(zhì)量評價(jià)樣本的第j個(gè)指標(biāo)的相關(guān)系數(shù)。3）對特征方程λu=Ru進(jìn)行求解，可以得特征值λ=(λ1,λ2,⋯,λp)，λ1λ2⋯λp0以及相應(yīng)向量u=(u1,u2,⋯,up)，uj=(u1j,u2j,⋯,upj)。4）計(jì)算主要成分的累計(jì)方差貢獻(xiàn)率∑i=1pαi，其中，αi表示第i個(gè)主要成分的貢獻(xiàn)率，當(dāng)前m個(gè)主要成分滿足條件∑i=1mαi85%時(shí)，那么就可以認(rèn)為這m個(gè)主要成分Y1,Y2,⋯,Ym就是處理后的教學(xué)質(zhì)量評價(jià)新指標(biāo)，它們作為英語教學(xué)質(zhì)量評價(jià)的新特征向量，減少教學(xué)質(zhì)量評價(jià)指標(biāo)的維數(shù)。

2主成分分析和支持向量機(jī)的英語教學(xué)質(zhì)量評價(jià)模型

2.1構(gòu)建英語教學(xué)質(zhì)量評價(jià)指標(biāo)體系為得到理想的英語教學(xué)質(zhì)量評價(jià)結(jié)果，首先要構(gòu)建最優(yōu)的評價(jià)指標(biāo)體系。當(dāng)前英語教學(xué)質(zhì)量評價(jià)指標(biāo)體系有多種方法，每一種方法的選擇標(biāo)準(zhǔn)不一樣，如：有的以教學(xué)內(nèi)容為重，有的以課堂教學(xué)為重，其他方面為輔。本文從兩個(gè)方面對評價(jià)指標(biāo)進(jìn)行構(gòu)建，一個(gè)是教師，另一個(gè)是學(xué)生.2.2英語教學(xué)質(zhì)量評價(jià)模型的工作步驟基于數(shù)據(jù)挖掘的英語教學(xué)質(zhì)量評價(jià)模型的工作步驟如下：1）對一個(gè)學(xué)校的具體某個(gè)老師的英語教學(xué)相關(guān)數(shù)據(jù)進(jìn)行收集，并建立英語教學(xué)質(zhì)量評價(jià)指標(biāo)體系。2）根據(jù)英語教學(xué)質(zhì)量評價(jià)指標(biāo)體系對數(shù)據(jù)進(jìn)行相應(yīng)處理，并得到英語教學(xué)質(zhì)量評價(jià)等級，它們構(gòu)建了英語教學(xué)質(zhì)量評價(jià)的學(xué)習(xí)樣本。3）采用主成分分析對英語教學(xué)質(zhì)量的原始評價(jià)指標(biāo)進(jìn)行降維處理，建立新的英語教學(xué)質(zhì)量評價(jià)指標(biāo)體系，減少指標(biāo)之間的共線性關(guān)系，從而大幅度降低輸入向量的數(shù)量。4）根據(jù)主成分分析得到結(jié)果，并對英語教學(xué)質(zhì)量評價(jià)的原始學(xué)習(xí)樣本進(jìn)行處理，可以有效減少數(shù)據(jù)規(guī)模。5）選擇部分?jǐn)?shù)據(jù)組成英語教學(xué)質(zhì)量評價(jià)的訓(xùn)練樣本，用于建立英語教學(xué)質(zhì)量評價(jià)指標(biāo)的分類器。6）根據(jù)支持向量機(jī)對英語教學(xué)質(zhì)量評價(jià)的訓(xùn)練樣本進(jìn)行學(xué)習(xí)，建立英語教學(xué)質(zhì)量評價(jià)的分類函數(shù)。7）根據(jù)英語教學(xué)質(zhì)量評價(jià)的分類函數(shù)對訓(xùn)練樣本進(jìn)行評價(jià)，得到相應(yīng)的英語教學(xué)質(zhì)量等級。綜上可知。

3教學(xué)質(zhì)量評價(jià)的測試實(shí)驗(yàn)

3.1數(shù)據(jù)來源為了分析英語教學(xué)質(zhì)量評價(jià)效果，選擇某高校的英語課堂教學(xué)效果作為研究對象，根據(jù)圖1的13個(gè)評價(jià)指標(biāo)收集相關(guān)數(shù)據(jù)，并通過專家得到相應(yīng)的英語教學(xué)質(zhì)量等級值，共得到200個(gè)樣本，部分?jǐn)?shù)據(jù)如表1所示。其中，x1表示停課次數(shù)，x2表示調(diào)課次數(shù)，依次類推，x13表示批改作業(yè)的認(rèn)真和耐心程度，y表示英語教學(xué)質(zhì)量的等級值。3.2主成分分析算法的結(jié)果采用主成分對表1中的數(shù)據(jù)進(jìn)行分析，得到主成分的累計(jì)貢獻(xiàn)率如表2所示，對表2的累計(jì)貢獻(xiàn)率進(jìn)行分析可知，前面5個(gè)主成分的累計(jì)貢獻(xiàn)率超過了85%，這表明它們可以代表原始指標(biāo)的重要信息，因此選擇5個(gè)主成分重新構(gòu)建英語教學(xué)質(zhì)量評價(jià)數(shù)據(jù)，并采用20個(gè)數(shù)據(jù)作為測試樣本，其他為英語教學(xué)質(zhì)量評價(jià)的訓(xùn)練樣本。3.3確定支持向量機(jī)的核函數(shù)在英語教學(xué)質(zhì)量評價(jià)過程中，支持向量機(jī)核函數(shù)的選擇十分重要，不同核函數(shù)得到的英語教學(xué)質(zhì)量評價(jià)結(jié)果不同，本文采用幾種常用的核函數(shù)進(jìn)行性能測試，得到的結(jié)果如表3所示，對表3的測試結(jié)果進(jìn)行分析，RBF函數(shù)的性能最優(yōu)，為此采用該核函數(shù)進(jìn)行英語教學(xué)質(zhì)量評價(jià)。3.4英語教學(xué)質(zhì)量評價(jià)結(jié)果采用本文模型對英語教學(xué)質(zhì)量進(jìn)行評價(jià)，得到20個(gè)測試樣本的評價(jià)結(jié)果，具體如圖3所示。從圖3可以看出，通過本文模型對英語教學(xué)質(zhì)量進(jìn)行評價(jià)，可以得到較好的評價(jià)結(jié)果，可以對英語教學(xué)過程進(jìn)行準(zhǔn)確擬合，能夠?yàn)閷?shí)際英語教學(xué)過程提供有用的信息。采用RBF神經(jīng)網(wǎng)絡(luò)+主成分分析（PCA⁃RBF）、沒有采用主成分分析算法的支持向量機(jī)（SVM）進(jìn)行英語教學(xué)質(zhì)量評價(jià)對比實(shí)驗(yàn)，得到的結(jié)果如表4所示。對表4的英語教學(xué)質(zhì)量綜合評價(jià)結(jié)果進(jìn)行分析可知：1）PCA⁃RBF的英語教學(xué)質(zhì)量評價(jià)精度最低，這是因?yàn)殡m然通過主成分分析算法對教學(xué)質(zhì)量特征進(jìn)行了選擇，但是RBF神經(jīng)網(wǎng)絡(luò)具有過擬合學(xué)習(xí)缺陷，導(dǎo)致部分樣本的英語教學(xué)質(zhì)量評價(jià)錯誤比較大，雖然其英語教學(xué)質(zhì)量的評價(jià)時(shí)間最短，工作效率最高，但是評價(jià)精度不能滿足實(shí)際應(yīng)用的要求，適用性比較差。2）SVM的英語教學(xué)質(zhì)量評價(jià)精度也要低于本文模型，這是因?yàn)樘嗟慕虒W(xué)質(zhì)量評價(jià)指標(biāo)存在，它們之間相互干擾，對評價(jià)結(jié)果產(chǎn)生一定的負(fù)面影響，本文模型通過主成分分析提取了能夠描述教學(xué)質(zhì)量特征的主成分，獲得了更優(yōu)的英語教學(xué)質(zhì)量評價(jià)結(jié)果，而且平均評價(jià)時(shí)間縮短，加快了英語教學(xué)質(zhì)量評價(jià)速度，這是因?yàn)檩斎胂蛄康臄?shù)量變少，英語教學(xué)質(zhì)量評價(jià)效率得到提高。

4結(jié)語

英語是大學(xué)中的一門核心課程，其教學(xué)質(zhì)量直接影響到其他課程學(xué)習(xí)，而英語教學(xué)質(zhì)量的評價(jià)指標(biāo)眾多，評價(jià)指標(biāo)之間相互影響，而且有一定的重復(fù)度，導(dǎo)致教學(xué)質(zhì)量等級與指標(biāo)是一種復(fù)雜、非線性變化關(guān)系，為了提高英語教學(xué)質(zhì)量的評價(jià)準(zhǔn)確性，本文提出基于主成分分析和支持向量機(jī)的英語教學(xué)質(zhì)量評價(jià)模型，采用層次分析方法構(gòu)建英語教學(xué)質(zhì)量評價(jià)指標(biāo)，使評價(jià)結(jié)果的可解釋性強(qiáng)，而且評價(jià)結(jié)果更加科學(xué)，通過引入主成分分析對英語教學(xué)質(zhì)量進(jìn)行優(yōu)化和選擇，去除一些作用不大的評價(jià)指標(biāo)，加快英語教學(xué)質(zhì)量的評價(jià)速度，采用支持向量機(jī)對英語教學(xué)質(zhì)量等級進(jìn)行估計(jì)，獲得了理想的英語教學(xué)質(zhì)量評價(jià)結(jié)果。在英語教學(xué)質(zhì)量評價(jià)過程中，支持向量機(jī)參數(shù)對評價(jià)結(jié)果有一定的影響，如何確定最合適的參數(shù)有待于進(jìn)一步研究和探討。

參考文獻(xiàn)

[1]劉強(qiáng)，戴起勛.高等教育大眾化條件下教學(xué)質(zhì)量評價(jià)體系研究現(xiàn)狀[J].江蘇大學(xué)學(xué)報(bào)，2003，25（2）：31⁃34.LIUQiang，DAIQixun.Theconditionofpopularizationofhighereducationteachingqualityevaluationsystemresearch[J].Jour⁃nalofJiangsuUniversity，2003，25（2）：31⁃34.

[2]徐風(fēng)華，李波.多元統(tǒng)計(jì)分析在研究型教學(xué)評價(jià)中的應(yīng)用[J].湖北師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2009，29（3）：33⁃38.XUFenghua，LIBo.Applicationofmultivariatestatisticalana⁃lysisinresearchteachingevaluation[J].JournalofHubeiNormalUniversity（naturalscienceedition），2009，29（3）：33⁃38.

[3]張首芳.教師教學(xué)質(zhì)量評價(jià)新指標(biāo)體系的建立[J].計(jì)算機(jī)教育，2003（5）：45⁃46.ZHANGShoufang.Theestablishmentofanewindexsystemforteachingqualityevaluationofteachers[J].Computereduca⁃tion，2003（5）：45⁃46.

[4]李巧林，鄭傳寧，王章豹.關(guān)于高校教學(xué)質(zhì)量管理與監(jiān)控體系建設(shè)的探析[J].合肥工業(yè)大學(xué)學(xué)報(bào)，2001，15（3）：76⁃81.LIQiaolin，ZHENGChuanning，WANGZhangbao.Thequali⁃tymanagementandmonitoringsystemofcollegeteachingontheconstruction[J].JournalofHefeiUniversityofTechnology，2001，15（3）：76⁃81.

[5]孫曉玲，王寧，梁艷.應(yīng)用BP神經(jīng)網(wǎng)絡(luò)的教學(xué)評價(jià)模型及仿真[J].計(jì)算機(jī)仿真，2010，27（11）：314⁃318.SUNXiaoling，WANGNing，LIANGYan.ApplicationofBPneuralnetworkteachingevaluationmodelandsimulation[J].Computersimulation，2010，27（11）：314⁃318.

[6]李強(qiáng)，黃玉珍.本科課堂教學(xué)質(zhì)量評價(jià)的模糊數(shù)學(xué)方法[J].南通大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，7（2）：92⁃94.LIQiang，HUANGYuzhen.Fuzzymathematicsmethodforevaluatingthequalityofundergraduateclassteaching[J].Jour⁃nalofNantongUniversity（naturalscienceedition），2008，7（2）：92⁃94.

[7]屈慧瓊，劉華良.層次分析法在高校形勢與政策教學(xué)質(zhì)量評價(jià)中的應(yīng)用[J].南華大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，22（2）：75⁃79.QUHuiqiong，LIUHualiang.Applicationofanalytichierarchyprocessinteachingqualityevaluationofsituationandpolicyinuniversities[J].JournalofUniversityofSouthChina（scienceandtechnology），2008，22（2）：75⁃79.

[8]馬星.基于層次關(guān)聯(lián)理論的教學(xué)質(zhì)量評價(jià)方法[J].武漢理工大學(xué)學(xué)報(bào)（信息與管理工程版），2007，29（5）：122⁃125.MAXing.Teachingqualityevaluationmethodbasedonhierar⁃chicalassociationtheory[J].JournalofWuhanUniversityofTechnology（informationandmanagementengineeringedi⁃tion），2007，29（5）：122⁃125.

[9]馬紅.運(yùn)用灰色趨勢關(guān)聯(lián)方法評價(jià)教學(xué)質(zhì)量[J].武漢理工大學(xué)學(xué)報(bào)，2010，32（15）：181⁃184.MAHong.Evaluationofteachingqualityusinggreytrendcorre⁃lationmethod[J].JournalofWuhanUniversityofTechnology，2010，32（15）：181⁃184.

[10]汪旭暉，黃飛華.基于神經(jīng)網(wǎng)絡(luò)的教學(xué)質(zhì)量評價(jià)模型及應(yīng)用[J].高等工程教育研究，2007，21（5）：78⁃81.WANGXuhui，HUANGFeihua.Teachingqualityevaluationmodelandapplicationbasedonneuralnetwork[J].Higheren⁃gineeringeducationresearch，2007，21（5）：78⁃81.

[11]付海艷，符謀松，張誠.粗糙集理論在高校教學(xué)質(zhì)量評價(jià)分析中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2007，43（36）：214⁃216.FUHaiyan，F(xiàn)UMousong，ZHANGCheng.Applicationofroughsettheoryintheevaluationandanalysisofteachingqualityincollegesanduniversities[J].Computerengineeringandapplication，2007，43（36）：214⁃216.

[12]許敏，王士同.PSO優(yōu)化的神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評價(jià)中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì)，2008，29（20）：5327⁃5330.XUMin，WANGShitong.PSOoptimizedneuralnetworkap⁃pliedintheevaluationofteachingquality[J].Computerengi⁃neeringanddesign，2008，29（20）：5327⁃5330.

作者:張明亞 單位:廣西民族師范學(xué)院