支持向量機的英語教學質(zhì)量評價

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的英語教學質(zhì)量評價范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：針對英語教學質(zhì)量復雜的變化特點，為獲得高精度的英語教學質(zhì)量評價結(jié)果，設計了基于主成分分析和支持向量機的英語教學質(zhì)量評價模型。對英語教學質(zhì)量的影響指標進行構(gòu)建，采用主成分分析對英語教學質(zhì)量評價指標進行優(yōu)化和選擇，利用支持向量機得到英語教學質(zhì)量等級評價結(jié)果。具體應用實例的測試結(jié)果表明，所提模型可對英語教學質(zhì)量等級進行高精度評價，評價結(jié)果能夠為提高英語教學質(zhì)量提供有價值的信息。

關(guān)鍵詞：高校教育；英語教學質(zhì)量；指標體系；指標權(quán)值；主成分分析；支持向量機

0引言

在高校教育中，英語是每一個大學生的必修課，而且本科院校對大學英語水平有一定的要求，同時英語與其他課程學習直接相關(guān)，因此提高大學生英語教學質(zhì)量十分重要[1]。而教學質(zhì)量是衡量英語教學效果的一個關(guān)鍵指標，英語教學質(zhì)量評價是一個十分復雜的過程，涉及到許多因素，如評價指標、評價方法等，因此建立一種客觀、科學的英語教學質(zhì)量評價系統(tǒng)是一個具有挑戰(zhàn)性的問題[2⁃3]。相對于其他課程教學，英語教學具有自身的特殊性，如互動性比較強，知識具有相當強的連貫性，因此比一般課程的教學質(zhì)量評價要復雜得多[4]。最初高校采用簡單統(tǒng)計學方法對英語教學質(zhì)量進行評價，假設英語教學效果與評價指標是一種固定的變化關(guān)系，通過確定變化參數(shù)，就可以得到相應的英語教學質(zhì)量評價結(jié)果[5]。實際上教學效果與評價指標之間不是一種簡單的變化關(guān)系，因此評價結(jié)果的可信度低[6]。隨后引入了專家系統(tǒng)實現(xiàn)英語教學質(zhì)量評價，高校一般通過學校的一些教授、專家對某一位老師的英語教學效果進行評價[7]，有時還引入了學生評價結(jié)果，該方法的評價結(jié)果可信度高[8]，但是每一個學校所側(cè)重的評價指標不同，導致英語教學質(zhì)量評價結(jié)果具有一定的主觀性，客觀性不強[9]。近些年，隨著信息處理技術(shù)的不斷成熟，有學者提出一些英語教學質(zhì)量自動評價系統(tǒng)，通過選擇一些評價指標，并根據(jù)指標收集英語教學的歷史數(shù)據(jù)，采用相應方法對英語教學質(zhì)量的等級進行估計，最后綜合專家評價結(jié)果產(chǎn)生英語教學質(zhì)量的最后評價等級[10]。在實際應用中，還存在許多問題有待解決，如英語教學質(zhì)量評價指標多，指標之間存在一定的共非線性，指標相互干擾，同時評價指標過多，計算時間復雜度高，英語教學質(zhì)量評價效率低等[11⁃12]。為了獲得較好的英語教學質(zhì)量評價結(jié)果，提出基于主成分分析和支持向量機的英語教學質(zhì)量評價方法，具體應用實例測試結(jié)果表明，該方法可以對英語教學質(zhì)量等級進行高精度的評價，可為英語教學過程提供一定的參考信息。

1支持向量機和主成分分析

1.1支持向量機由于英語教學質(zhì)量評價是一個分類問題，因此需要構(gòu)建分類器，本文采用支持向量機實現(xiàn)。設一個英語教學質(zhì)量評價問題的數(shù)據(jù)集為(xi,yi)，xi∈Rn,yi∈{-1,1}，i=1,2,…,n，xi為英語教學質(zhì)量評價的指標，yi表示英語教學質(zhì)量的等級，基于風險最小化理論，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）進行求解不現(xiàn)實。為了建立最優(yōu)的超平面，對非線性分類問題進行轉(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)。由于每引入一個新的樣本時，支持向量機就要重新進行一次學習，當樣本規(guī)模大時，學習時間就長，導致計算時間的復雜度相當高。為了加快學習速度，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)代替點積操作(Φ(x)⋅Φ(x)i)，簡化支持向量機的分類過程，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質(zhì)量評價指標比較多，需要通過一定技術(shù)對評價指標進行篩選，以減少評價指標的數(shù)量，本文引入主成分分析實現(xiàn)英語教學質(zhì)量評價質(zhì)量的選擇。主成分分析算法可以將英語教學質(zhì)量的指標進行組合，得到一組新的指標，新指標可以描述原始全部指標的大部分信息，從而有效降低了英語教學質(zhì)量評價分類器的輸入向量數(shù)，具體步驟為：1）原始英語教學質(zhì)量評價指標組成的集合為X=(X1,X2,⋯,Xp)，p表示評價指標數(shù)量。由于英語教學質(zhì)量評價指標的單位不一樣，使得數(shù)據(jù)差異大，會給英語教學質(zhì)量評價結(jié)果帶來負面影響。為了消除該負面影響，對英語教學質(zhì)量評價的指標值進行標準化處理，具體如下：xˉij=(x)ij-xˉjsj（5）其中：ìíîïïïïxˉj=1n∑i=1nxijsj=1n-1∑i=1n(x)ij-xˉj2（6）2）對英語教學質(zhì)量評價指標的相關(guān)系數(shù)矩陣進行計算，得到：R=(r)ijp×p,rij=∑k=1nxˉkixˉkj(n-1)（7）式中rij表示第i個英語教學質(zhì)量評價樣本的第j個指標的相關(guān)系數(shù)。3）對特征方程λu=Ru進行求解，可以得特征值λ=(λ1,λ2,⋯,λp)，λ1λ2⋯λp0以及相應向量u=(u1,u2,⋯,up)，uj=(u1j,u2j,⋯,upj)。4）計算主要成分的累計方差貢獻率∑i=1pαi，其中，αi表示第i個主要成分的貢獻率，當前m個主要成分滿足條件∑i=1mαi85%時，那么就可以認為這m個主要成分Y1,Y2,⋯,Ym就是處理后的教學質(zhì)量評價新指標，它們作為英語教學質(zhì)量評價的新特征向量，減少教學質(zhì)量評價指標的維數(shù)。

2主成分分析和支持向量機的英語教學質(zhì)量評價模型

2.1構(gòu)建英語教學質(zhì)量評價指標體系為得到理想的英語教學質(zhì)量評價結(jié)果，首先要構(gòu)建最優(yōu)的評價指標體系。當前英語教學質(zhì)量評價指標體系有多種方法，每一種方法的選擇標準不一樣，如：有的以教學內(nèi)容為重，有的以課堂教學為重，其他方面為輔。本文從兩個方面對評價指標進行構(gòu)建，一個是教師，另一個是學生.2.2英語教學質(zhì)量評價模型的工作步驟基于數(shù)據(jù)挖掘的英語教學質(zhì)量評價模型的工作步驟如下：1）對一個學校的具體某個老師的英語教學相關(guān)數(shù)據(jù)進行收集，并建立英語教學質(zhì)量評價指標體系。2）根據(jù)英語教學質(zhì)量評價指標體系對數(shù)據(jù)進行相應處理，并得到英語教學質(zhì)量評價等級，它們構(gòu)建了英語教學質(zhì)量評價的學習樣本。3）采用主成分分析對英語教學質(zhì)量的原始評價指標進行降維處理，建立新的英語教學質(zhì)量評價指標體系，減少指標之間的共線性關(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，并對英語教學質(zhì)量評價的原始學習樣本進行處理，可以有效減少數(shù)據(jù)規(guī)模。5）選擇部分數(shù)據(jù)組成英語教學質(zhì)量評價的訓練樣本，用于建立英語教學質(zhì)量評價指標的分類器。6）根據(jù)支持向量機對英語教學質(zhì)量評價的訓練樣本進行學習，建立英語教學質(zhì)量評價的分類函數(shù)。7）根據(jù)英語教學質(zhì)量評價的分類函數(shù)對訓練樣本進行評價，得到相應的英語教學質(zhì)量等級。綜上可知。

3教學質(zhì)量評價的測試實驗

3.1數(shù)據(jù)來源為了分析英語教學質(zhì)量評價效果，選擇某高校的英語課堂教學效果作為研究對象，根據(jù)圖1的13個評價指標收集相關(guān)數(shù)據(jù)，并通過專家得到相應的英語教學質(zhì)量等級值，共得到200個樣本，部分數(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)的認真和耐心程度，y表示英語教學質(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)進行分析，得到主成分的累計貢獻率如表2所示，對表2的累計貢獻率進行分析可知，前面5個主成分的累計貢獻率超過了85%，這表明它們可以代表原始指標的重要信息，因此選擇5個主成分重新構(gòu)建英語教學質(zhì)量評價數(shù)據(jù)，并采用20個數(shù)據(jù)作為測試樣本，其他為英語教學質(zhì)量評價的訓練樣本。3.3確定支持向量機的核函數(shù)在英語教學質(zhì)量評價過程中，支持向量機核函數(shù)的選擇十分重要，不同核函數(shù)得到的英語教學質(zhì)量評價結(jié)果不同，本文采用幾種常用的核函數(shù)進行性能測試，得到的結(jié)果如表3所示，對表3的測試結(jié)果進行分析，RBF函數(shù)的性能最優(yōu)，為此采用該核函數(shù)進行英語教學質(zhì)量評價。3.4英語教學質(zhì)量評價結(jié)果采用本文模型對英語教學質(zhì)量進行評價，得到20個測試樣本的評價結(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質(zhì)量進行評價，可以得到較好的評價結(jié)果，可以對英語教學過程進行準確擬合，能夠為實際英語教學過程提供有用的信息。采用RBF神經(jīng)網(wǎng)絡+主成分分析（PCA⁃RBF）、沒有采用主成分分析算法的支持向量機（SVM）進行英語教學質(zhì)量評價對比實驗，得到的結(jié)果如表4所示。對表4的英語教學質(zhì)量綜合評價結(jié)果進行分析可知：1）PCA⁃RBF的英語教學質(zhì)量評價精度最低，這是因為雖然通過主成分分析算法對教學質(zhì)量特征進行了選擇，但是RBF神經(jīng)網(wǎng)絡具有過擬合學習缺陷，導致部分樣本的英語教學質(zhì)量評價錯誤比較大，雖然其英語教學質(zhì)量的評價時間最短，工作效率最高，但是評價精度不能滿足實際應用的要求，適用性比較差。2）SVM的英語教學質(zhì)量評價精度也要低于本文模型，這是因為太多的教學質(zhì)量評價指標存在，它們之間相互干擾，對評價結(jié)果產(chǎn)生一定的負面影響，本文模型通過主成分分析提取了能夠描述教學質(zhì)量特征的主成分，獲得了更優(yōu)的英語教學質(zhì)量評價結(jié)果，而且平均評價時間縮短，加快了英語教學質(zhì)量評價速度，這是因為輸入向量的數(shù)量變少，英語教學質(zhì)量評價效率得到提高。

4結(jié)語

英語是大學中的一門核心課程，其教學質(zhì)量直接影響到其他課程學習，而英語教學質(zhì)量的評價指標眾多，評價指標之間相互影響，而且有一定的重復度，導致教學質(zhì)量等級與指標是一種復雜、非線性變化關(guān)系，為了提高英語教學質(zhì)量的評價準確性，本文提出基于主成分分析和支持向量機的英語教學質(zhì)量評價模型，采用層次分析方法構(gòu)建英語教學質(zhì)量評價指標，使評價結(jié)果的可解釋性強，而且評價結(jié)果更加科學，通過引入主成分分析對英語教學質(zhì)量進行優(yōu)化和選擇，去除一些作用不大的評價指標，加快英語教學質(zhì)量的評價速度，采用支持向量機對英語教學質(zhì)量等級進行估計，獲得了理想的英語教學質(zhì)量評價結(jié)果。在英語教學質(zhì)量評價過程中，支持向量機參數(shù)對評價結(jié)果有一定的影響，如何確定最合適的參數(shù)有待于進一步研究和探討。

參考文獻

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

[2]徐風華，李波.多元統(tǒng)計分析在研究型教學評價中的應用[J].湖北師范學院學報（自然科學版），2009，29（3）：33⁃38.XUFenghua，LIBo.Applicationofmultivariatestatisticalana⁃lysisinresearchteachingevaluation[J].JournalofHubeiNormalUniversity（naturalscienceedition），2009，29（3）：33⁃38.

[3]張首芳.教師教學質(zhì)量評價新指標體系的建立[J].計算機教育，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)于高校教學質(zhì)量管理與監(jiān)控體系建設的探析[J].合肥工業(yè)大學學報，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.應用BP神經(jīng)網(wǎng)絡的教學評價模型及仿真[J].計算機仿真，2010，27（11）：314⁃318.SUNXiaoling，WANGNing，LIANGYan.ApplicationofBPneuralnetworkteachingevaluationmodelandsimulation[J].Computersimulation，2010，27（11）：314⁃318.

[6]李強，黃玉珍.本科課堂教學質(zhì)量評價的模糊數(shù)學方法[J].南通大學學報（自然科學版），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質(zhì)量評價中的應用[J].南華大學學報（自然科學版），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)理論的教學質(zhì)量評價方法[J].武漢理工大學學報（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.運用灰色趨勢關(guān)聯(lián)方法評價教學質(zhì)量[J].武漢理工大學學報，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)絡的教學質(zhì)量評價模型及應用[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質(zhì)量評價分析中的應用[J].計算機工程與應用，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)絡在教學質(zhì)量評價中的應用[J].計算機工程與設計，2008，29（20）：5327⁃5330.XUMin，WANGShitong.PSOoptimizedneuralnetworkap⁃pliedintheevaluationofteachingquality[J].Computerengi⁃neeringanddesign，2008，29（20）：5327⁃5330.

作者:張明亞 單位:廣西民族師范學院