多媒體教學(xué)課件的評(píng)價(jià)方法研究

喬維德

（江蘇城市職業(yè)學(xué)院常州學(xué)院 科研處，江蘇常州 213001）

多媒體教學(xué)課件的評(píng)價(jià)方法研究

喬維德

（江蘇城市職業(yè)學(xué)院常州學(xué)院 科研處，江蘇常州 213001）

多媒體在教學(xué)中的應(yīng)用主要通過教學(xué)課件來實(shí)現(xiàn)，而有效開發(fā)與使用課件需要設(shè)計(jì)良好的評(píng)價(jià)方法。為了更科學(xué)、客觀評(píng)價(jià)多媒體教學(xué)課件，應(yīng)用層次分析法（AHP）確定多媒體教學(xué)課件的評(píng)價(jià)指標(biāo)體系，構(gòu)建人工神經(jīng)網(wǎng)絡(luò)（ANN）多媒體教學(xué)課件評(píng)價(jià)模型。實(shí)驗(yàn)結(jié)果表明，該評(píng)價(jià)方法具有速度快、準(zhǔn)確率高的優(yōu)點(diǎn)，并得到了滿意的評(píng)價(jià)結(jié)果。

AHP；ANN；多媒體教學(xué)課件；評(píng)價(jià)方法

0 引 言

多媒體教學(xué)課件是現(xiàn)代化教學(xué)手段的重要標(biāo)志。目前，各學(xué)校紛紛開發(fā)出適合各學(xué)科的多媒體課件,并在教學(xué)中發(fā)揮了應(yīng)有的作用,提高了課堂教學(xué)質(zhì)量和教學(xué)效果。然而，教師設(shè)計(jì)開發(fā)的多媒體教學(xué)課件,由于缺少一定的審查環(huán)節(jié),往往存在著非標(biāo)準(zhǔn)化和不規(guī)范的問題。因此，課件開發(fā)后,必須經(jīng)過科學(xué)和客觀的評(píng)價(jià),才能真正提高課件的應(yīng)用效果及教學(xué)質(zhì)量[1]。

近年來,人工神經(jīng)網(wǎng)絡(luò)的理論研究和應(yīng)用取得了令人矚目的進(jìn)展。人工神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)、自組織與自學(xué)習(xí)等特點(diǎn)，特別適用于從不精確的、模糊的,甚至相互矛盾的知識(shí)環(huán)境中作出評(píng)價(jià)決策。本文采用層次分析法（AHP）確立多媒體教學(xué)課件評(píng)價(jià)指標(biāo)體系,并應(yīng)用人工神經(jīng)網(wǎng)絡(luò)（ANN）中的BP神經(jīng)網(wǎng)絡(luò)法構(gòu)建評(píng)價(jià)模型,進(jìn)行多媒體教學(xué)課件的質(zhì)量評(píng)價(jià)。

1 確立多媒體教學(xué)課件評(píng)價(jià)指標(biāo)體系

層次分析法（AHP）是由美國匹茲堡大學(xué)著名運(yùn)籌學(xué)家Saaty教授于20世紀(jì)70年代初提出的，80年代初傳入我國。由于AHP在許多目標(biāo)決策問題方面具有優(yōu)勢,目前已廣泛應(yīng)用于許多領(lǐng)域。作為一種定性與定量相結(jié)合的決策分析方法，AHP基本原理是：首先找出解決問題所涉及的主要因素，并將這些因素按照因素間的相互關(guān)聯(lián)影響，分組形成有序的遞階層次結(jié)構(gòu)(目標(biāo)層、準(zhǔn)則層和指標(biāo)層)，再通過各層次中諸因素兩兩比較的方法確定層次結(jié)構(gòu)中各因素的相對(duì)重要性，然后進(jìn)行綜合判斷,確定各因素的綜合權(quán)重。

1.1建立遞階層次結(jié)構(gòu)

針對(duì)目前常州市廣播電視大學(xué)多媒體教學(xué)課件的開發(fā)與評(píng)比標(biāo)準(zhǔn)，并參照部分兄弟院校多媒體教學(xué)課件作品評(píng)價(jià)標(biāo)準(zhǔn),建立了如圖1所示的多媒體教學(xué)課件評(píng)價(jià)多層次分析結(jié)構(gòu)。以多媒體教學(xué)課件評(píng)價(jià)作為目標(biāo)層A，準(zhǔn)則層B包含課件內(nèi)容、教學(xué)設(shè)計(jì)、制作技術(shù)、操作應(yīng)用四個(gè)方面，指標(biāo)層C分別由課題選題、科學(xué)規(guī)范、內(nèi)容編排等15項(xiàng)指標(biāo)組成。

圖1 多媒體教學(xué)課件評(píng)價(jià)多層次分析結(jié)構(gòu)

1.2 建立判斷矩陣并計(jì)算單項(xiàng)權(quán)重及一致性檢驗(yàn)

判斷矩陣是在上一層次的某一元素的約束條件下,對(duì)下一層次的一組元素之間的相對(duì)重要性的比較結(jié)果,即在某一準(zhǔn)則之下,按它的相對(duì)重要性賦予相應(yīng)的權(quán)重。判斷矩陣的一般形式見表1。依據(jù)各評(píng)價(jià)準(zhǔn)則Bi（1≤i≤4）對(duì)多媒體教學(xué)課件評(píng)價(jià)A的重要度兩兩對(duì)比，并采用Saaty教授提出的1-9比率標(biāo)度法（見表2），構(gòu)造準(zhǔn)則層判斷矩陣A-B[2]（見表3）。

表1 判斷矩陣的一般形式

表2 1 -9比率標(biāo)度法

表3 準(zhǔn)則層判斷矩陣A-B

判斷矩陣的最大特征根向量經(jīng)歸一化處理后,即得到各指標(biāo)相對(duì)于上層指標(biāo)的權(quán)重向量。這里采用方根法求解準(zhǔn)則層4階判斷矩陣A-B的特征向量。

（1）計(jì)算判斷矩陣每一行的乘積Mi：

于是求得準(zhǔn)則層B對(duì)目標(biāo)層A的權(quán)重向量為：

判斷矩陣要進(jìn)行一致性檢驗(yàn)才可以接受。定義一致性指標(biāo)CI和一致性比率CR分別為：

其中，λmax為最大特征根,RI為平均隨機(jī)一致性指標(biāo)，4階判斷矩陣的RI=0.89。經(jīng)計(jì)算，CR=0.053 <0.1，據(jù)此判斷矩陣滿足一致性檢驗(yàn)。

依據(jù)評(píng)價(jià)指標(biāo)對(duì)評(píng)價(jià)準(zhǔn)則的相關(guān)性,利用同樣的方法求得各指標(biāo)Cj對(duì)準(zhǔn)則Bi的判斷矩陣,并求得權(quán)重向量為：

1.3綜合權(quán)重的計(jì)算

已知準(zhǔn)則層B各因素對(duì)目標(biāo)層A的權(quán)重W(1)及指標(biāo)層C各指標(biāo)對(duì)準(zhǔn)則層B的權(quán)重W(2),則評(píng)價(jià)指標(biāo)對(duì)目標(biāo)層的綜合權(quán)重向量的計(jì)算公式為：

2 構(gòu)建多媒體教學(xué)課件評(píng)價(jià)模型

人工神經(jīng)網(wǎng)絡(luò)（ANN）系統(tǒng)是由大量簡單的處理單元(神經(jīng)元)廣泛地相互連接現(xiàn)時(shí)形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。迄今為止，人們提出眾多的神經(jīng)網(wǎng)絡(luò)模型,其中應(yīng)用最為廣泛的是前饋多層式網(wǎng)絡(luò)中的反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)。典型的BP神經(jīng)網(wǎng)絡(luò)具有三層結(jié)構(gòu),即輸入層、若干隱含層和輸出層，如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)處理信息的基本原理是：輸入信號(hào)Ci通過中間節(jié)點(diǎn)（隱層點(diǎn)）作用于輸出節(jié)點(diǎn)，經(jīng)過非線形變換，產(chǎn)生輸出信號(hào)Y，網(wǎng)絡(luò)訓(xùn)練的每個(gè)樣本包括輸入量Ci和期望輸出量Q，網(wǎng)絡(luò)輸出值Y與期望輸出值Q之間的偏差，通過調(diào)整輸入節(jié)點(diǎn)與隱層節(jié)點(diǎn)的聯(lián)接權(quán)值Wij和隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間的聯(lián)接權(quán)值Tjk及閾值，使誤差沿梯度方向下降，經(jīng)過反復(fù)學(xué)習(xí)訓(xùn)練，確定與最小誤差相對(duì)應(yīng)的網(wǎng)絡(luò)參數(shù)（權(quán)值和閾值），停止訓(xùn)練。此時(shí)經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)能對(duì)在輸入范圍內(nèi)的輸入信息自行處理，然后輸出誤差最小的經(jīng)過非線形轉(zhuǎn)換的輸出信息[3-4]。

為了使上述BP神經(jīng)網(wǎng)絡(luò)模型在多媒體教學(xué)課件評(píng)價(jià)中具有理論價(jià)值又有可操作性,可作如下處理：

（1）輸入層神經(jīng)元個(gè)數(shù)的確定。根據(jù)多媒體教學(xué)課件評(píng)價(jià)指標(biāo)體系,影響課件質(zhì)量的主要指標(biāo)有15項(xiàng),因而取輸入層個(gè)數(shù)n=15。

（2）輸出層神經(jīng)元個(gè)數(shù)的確定。以課件評(píng)價(jià)結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)的輸出。BP神經(jīng)網(wǎng)絡(luò)的期望輸出只有一項(xiàng),即多媒體教學(xué)課件評(píng)分值,按評(píng)分值高低可劃分為5個(gè)等級(jí)：優(yōu)秀（1～0.9）、良好(0.9～0.8)、一般(0.8～0.6)、較差(0.6～0.4)、差(0.4～0)，因而取輸出層個(gè)數(shù)m=1。

（3）隱含層神經(jīng)元個(gè)數(shù)的確定。一般情況下, 隱含層神經(jīng)元個(gè)數(shù)是根據(jù)BP神經(jīng)網(wǎng)絡(luò)收斂性能的好壞來確定的,在總結(jié)大量BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上,得出經(jīng)驗(yàn)公式[5]：

這里可取隱含層神經(jīng)元個(gè)數(shù)S=5。

3 多媒體教學(xué)課件評(píng)價(jià)應(yīng)用實(shí)例

3.1 指標(biāo)的量化

多媒體教學(xué)課件評(píng)價(jià)指標(biāo)共15項(xiàng)，由專家打分對(duì)每項(xiàng)指標(biāo)考評(píng),專家打分采用相對(duì)值,因而指標(biāo)量化時(shí)采取定量指標(biāo)直接量化與定性指標(biāo)層次分析相結(jié)合的方法。同時(shí)為了網(wǎng)絡(luò)訓(xùn)練方便,對(duì)所有量化結(jié)果都要轉(zhuǎn)換成[0,1]之間的數(shù)值。

3.2 樣本的選取

表4和表5提供26組多媒體教學(xué)課件評(píng)價(jià)指標(biāo)的專家評(píng)價(jià)數(shù)據(jù)，并采用AHP求出多媒體教學(xué)課件的綜合評(píng)價(jià)得分，以此作為BP神經(jīng)網(wǎng)絡(luò)的期望輸出值Q。選取表4中20組數(shù)據(jù)作網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練及測試樣本，表5中6組數(shù)據(jù)作網(wǎng)絡(luò)學(xué)習(xí)檢驗(yàn)樣本。

3.3 網(wǎng)絡(luò)訓(xùn)練與測試

把表6的網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練及測試樣本和表5的網(wǎng)絡(luò)學(xué)習(xí)檢驗(yàn)樣本輸入于訓(xùn)練網(wǎng)絡(luò)的計(jì)算機(jī)程序中，采用MATLAB神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練3 000次后,系統(tǒng)誤差達(dá)到0.001，并且網(wǎng)絡(luò)自動(dòng)收斂得到穩(wěn)定的結(jié)構(gòu)。圖3是BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差隨學(xué)習(xí)迭代次數(shù)的變化過程曲線。

訓(xùn)練樣本與其相應(yīng)的網(wǎng)絡(luò)計(jì)算值間的相對(duì)誤差及檢驗(yàn)樣本與其相應(yīng)的網(wǎng)絡(luò)計(jì)算值間的相對(duì)誤差均比較小，都收斂于要求的誤差，網(wǎng)絡(luò)訓(xùn)練達(dá)到了比較滿意的效果。經(jīng)檢驗(yàn)，輸出值與樣本期望輸出的最大相對(duì)誤差不超過1.25%，平均相對(duì)誤差為0.17%，輸出多媒體教學(xué)課件評(píng)價(jià)等級(jí)與期望輸出完全一致（見表6）?？梢?該網(wǎng)絡(luò)完全可以用來模擬和取代今后的多媒體教學(xué)課件的專家評(píng)價(jià)系統(tǒng)。

4 結(jié)束語

多媒體教學(xué)課件的評(píng)價(jià)指標(biāo)是一個(gè)由若干不同參數(shù)組合而成的指標(biāo)體系,內(nèi)容復(fù)雜且?guī)в忻黠@的模糊性,難以精確化。本文通過AHP和ANN構(gòu)建科學(xué)的多媒體教學(xué)課件評(píng)價(jià)指標(biāo)體系及評(píng)價(jià)模型。AHP通過合理的權(quán)重分配對(duì)大量定性指標(biāo)作量化處理，使主觀判斷變?yōu)榭陀^描述，增強(qiáng)了多媒體教學(xué)課件評(píng)價(jià)的科學(xué)性和可操作性。而BP神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)、自適應(yīng)能力強(qiáng)的特點(diǎn)，吸收了專家的知識(shí)與經(jīng)驗(yàn),具有時(shí)間短、速度快、準(zhǔn)確度高等優(yōu)點(diǎn)，減少了專家評(píng)價(jià)中人為主觀因素的影響，也省去了實(shí)際的專家評(píng)價(jià)過程,使得多媒體教學(xué)課件評(píng)價(jià)結(jié)果更有效、更客觀。

表4 網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練及測試樣本

表5 網(wǎng)絡(luò)學(xué)習(xí)檢驗(yàn)樣本

圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線

表6 網(wǎng)絡(luò)學(xué)習(xí)檢驗(yàn)結(jié)果

[1]孫杰遠(yuǎn)，孫名符.多媒體教學(xué)課件的評(píng)價(jià)[J].電化教育研究，2005(11):77-80.

[2]許樹柏.層次分析原理[M].天津:天津大學(xué)出版社，1988:31-36.

[3]喬維德.基于BP神經(jīng)網(wǎng)絡(luò)理論的現(xiàn)代遠(yuǎn)程教育教學(xué)質(zhì)量評(píng)價(jià)模型的構(gòu)建[J].中國遠(yuǎn)程教育，2006(7):69-71.

[4]張金梅，員世芬，謝克明.人工神經(jīng)網(wǎng)絡(luò)在教學(xué)質(zhì)量評(píng)價(jià)體系中的應(yīng)用[J].太原理工大學(xué)學(xué)報(bào)，2005(1):37-39.

[5]張立明.人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用[M].上海:復(fù)旦大學(xué)出版社，1995:51-53.

[責(zé)任編輯：蔡 兵]

Research on Evaluation Method of Multimedia Teaching Courseware

QIAO Weide
(Scientific Research Section,Changzhou School of Jiangsu City Vocational College , Changzhou, 213001, China)

The application of multimedia to teaching is mainly accomplished by teaching courseware, and the effective development and application of courseware require a good evaluation method. In order to evaluate the multimedia teaching courseware more scientificly and objectivly, the analytic method of process (AHP) ia applied to determine the courseware evaluation system and the evaluation model of artificial neural networks (ANN) is constructed. It shows that the method achieves a satisfactory result with rapidity and accuracy.

AHP; ANN; Multimedia teaching courseware; Evaluation method

TP391.7

A

1671-4326(2010)03-0049-04

2010-03-16

江蘇廣播電視大學(xué)學(xué)術(shù)帶頭人基金(D070214)

喬維德（1967—），男，江蘇寶應(yīng)人，江蘇城市職業(yè)學(xué)院常州學(xué)院科研處，教授.