基于支持向量机的高校教学水平评估模型的研究

教师教学水平的评估是教育评估的核心问题之一。本研究将支持向量机多分类方法引入教学水平评估任务之中,利用支持向量机将线性模糊不可分的样本映射到高维空间使之具有线性可分特性,从本质上避开了从归纳到演绎的传统过程,简化了非线性问题的分类过程;结构风险最小化理论保证分割的全局最优化,降低期望风险。该方法充分利用支持向量机的小样本学习的高效性,实现了优秀的学习效果,减少了传统评价方法中的分歧误差和主观性因素的影响,更加符合宏观取向的评价结论。该研究成果可与信息熵、模糊数学等研究方法相结合,进一步增强数据拟合的精度,该方法对改进教师的教学水平、促进教学质量的提高具有一定的参考意义。     

采用熵权和模糊集的特征评价方法及应用

针对传统评价方法主观性过大,人为因素影响评价结果的问题,提出一种基于熵权和模糊理论的评价方法。该方法对属性特征与评价结果之间的映射关系和指标权重向量进行模糊化处理,采用隶属度矩阵表达评价因子和评价结果之间的映射,再利用信息熵定量计算各影响因素的权重,克服了在传统评价过程中人工设定权重系数的主观性。以起重机械的安全评价为例,验证了该方法的有效性。     

基于支持向量机的高校教学水平评估模型的研究

教师教学水平的评估是教育评估的核心问题之一。本研究将支持向量机多分类方法引入教学水平评估任务之中,利用支持向量机将线性模糊不可分的样本映射到高维空间使之具有线性可分特性,从本质上避开了从归纳到演绎的传统过程,简化了非线性问题的分类过程;结构风险最小化理论保证分割的全局最优化,降低期望风险。该方法充分利用支持向量机的小样本学习的高效性,实现了优秀的学习效果,减少了传统评价方法中的分歧误差和主观性因素的影响,更加符合宏观取向的评价结论。该研究成果可与信息熵、模糊数学等研究方法相结合,进一步增强数据拟合的精度,该方法对改进教师的教学水平、促进教学质量的提高具有一定的参考意义。