文档介绍：基于BP神经网络情景教学效果评价
［摘要］目前高职教学要求课堂实施“教、学、做”一体的教学 模式，而在这一模式下必须打破传统的教学方法，大多采用 情景教学法进行教学。为检验情景教学法的教学效果，本文 利用BP神经网络的自适应和自学习功能，提出一种基于BP 神经网络的情景教学效果评价模型，并选取若干教师应用此 模型，对其原有的情景教学质量数据进行了测试，结果表明， 利用该模型进行情景教学质量评价较为客观合理。
［关键词］情景教学BP神经网络评价指标
最近几年，国家陆续出台了一些政策来发展职业教育， 高职院校更是承担了培养高技能人才的任务。要想培养一流 的生产、管理、流通、服务等第一线的高技能人才，必须首 先提高高职院校的教学质量，而要提高教学质量就需要转变 教学方法，从传统的以教师为主的教学方法向以学生为主的 教学方法转变，加强学生的实践动手能力，全面提高学生的 综合素质。
因此，情景教学法等先进的教学方法已为越来越多的高 职院校所接受。情景教学法是指在教学过程中，教师有目的 地引入或创设与教学内容相关的、生动具体的场景，用逼真 的环境创造氛围，以引起学生的学习兴趣，积极主动地在模
拟场景中扮演不同角色，从而帮助学生理解和获取知识或技 能，是一种以学生为主体的教学方法。
为整体提高教师教学水平，从而提高教学质量，高职院 校需要拥有一套完善的教学质量评价体系。然而教学评估结 果的因素很多，定级标准复杂且受主观因素的影响较大。为 使做出的评价更具客观性、合理性、简便性，本文采用BP 神经网络模型结构建立数学模型，并选取嘉兴职业技术学院 的采取情景教学的若干教师应用此模型，对其已有的教学质 量数据进行了测试，利用专家样本对神经网络进行训练，以 求为教学质量评价提供一种切实可行的评价方法。
—、神经网络概念及原理
神经网络的全称是人工神经网络(Artificial Neural Net-work ,ANN)，它是在神经科学研究的基础上模仿人类大 脑的结构和功能而构成的一种信息处理系统。神经网络由大 量的神经元互相连接而成，它的信息处理通过神经元的相互 作用来实现，知识与信息的存储表现为网络元件互联分布式 的物理联系。神经网络的基本特征为非线性影射、学习分类 和实时优化，因此，它为模式识别、非线性分类等研究开辟 了新的途径。
BP(Back Propagation)网络是 1986 年由 Rumelhart 和 Mc-Celland为首的科学家小组提出，是一种按误差逆传播算 法训练的多层前馈网络，是目前应用最广泛的神经网络模型
之一。BP网络能学习和存储大量的输入-输出模式映射关 系，而无需事前揭示描述这种映射关系的数学方程。它的学 习规则是使用最速下降法，通过反向传播来不断调整网络的 权值和阈值，使网络的误差平方和最小。BP神经网络模型 拓扑结构包括输入层(input layer),隐层(hide layer)和输出层 (output layer)0 BP网络可看作是一个从输入到输出的高度 非线性映射，即要求映射J使f是g的最佳逼近。神经网络通 过对简单的非线性函数进行数次复合，可得出近似复杂的函 数。
BP网络模型的输入向量为嘉兴职业技术学院情景教学 质量评价的各指标。对其指标的属性值进行归一化处理,BP 网络模型的输出为评