文摘

教学部门的一个最重要的组件是教学质量的评价。传统的教学质量评价模型的问题,低体重计算精度和长时间的评估。随着教育信息化的发展,现代信息处理技术可以用来有效地评价教师的教学质量。在本文中,一个物理教育教学质量评价模型的基础上,提出了模拟退火算法。建立一个评价指标体系评价指标体系的构建原则基础上紧随其后的是建设一个判断矩阵来计算评价指标的权重。采用模拟退火算法能够有效地优化评价指标的重量,提高评估准确性。此外,层次分析法(AHP)用于测试的一致性判断矩阵,和重量排序的结果评价指标得到完成体育课的教学质量评价。实验结果表明,该模型的性能评价重量计算精度和评价的计算时间高于现有的模型。因此,该模型可以更好地满足体育教学质量评价的要求。

1。介绍

计算机和信息技术的快速发展带来了根本性变革教学方法,克服传统教学在时间和空间的限制,提高教师和学生之间的沟通(1]。体育教育(PE)是一个非常实用的和典型的双边教学活动2]。高校体育的目的是为了提高学生的体质,培养他们对体育锻炼的重要性。聚乙烯被广泛认为是一个重要的驱动力为提高体育教育儿童。在体育,身体、心理和社会体育的好处得到充分认识,并提供学生改善学习的机会和技能领导体力活动的生活方式。

在中国,教育部发布了指导方针,在全国高校体育教学课程,2002年指出,体育课程是大学生锻炼的主要来源。通过合理的体育和科学的体育锻炼过程,学生能够增强他们的体质,提高他们的身体和心理健康,提高他们的身体素质1- - - - - -3]。作为物理教育活动的重要组成部分,体育教学评价中起着核心作用的过程中实施素质教育,促进健康发展。体育教学评价不能只鼓励学生积极参与体育锻炼,但也及时的监控和提供反馈学生的学习效果、体质和健康状况,实现的目标,促进学生的身心发展和实现健康。

多年来,中国教育机构通常使用学生的评分法的PE资格的标准评价大学生体育学习。这不仅导致失败的有效评估体育课程的教学质量,也忽视了课程标准对学生体育学习的影响结果(4]。因此,体育教学质量的评价可以弥补这个缺点。

简历等。5)提出了一个基于犹豫模糊集的质量评价模型。根据专家评分,犹豫模糊集和直觉模糊集相结合获得全面犹豫模糊评价矩阵的质量特征。然后,质量属性计算获得的分数是犹豫模糊广义比较表。最后,根据分数排名是给定的质量。Gomede et al。6)提出了一种自适应学习方法使用深autoencoder计算学生的结果。他们的方法是明显的适应性;然而,系统效率只评估学生的成果。提出了一种投票合奏的方法(7]。他们投票表明,整体技术结合特征选择使用卡方显示评价结果比其他分类器。然而,属性权重和情绪分析应用于提高评价的有效性。Yu et al。8)分类教学情绪和提供了一个比较人工神经网络(ANN)的性能,支持向量机(SVM)和朴素贝叶斯(NB)。安比NB报道提供高性能。曾(9)提出了一种隐马尔可夫模型(HMM)评价体育教师。他们调查的标准评价方法PE和数据挖掘技术的适用性,嗯,提出一个数学模型来评估体育的价值。荣(10)建立教学质量评估的评估预测模型使用一个极端梯度增强算法和ResNet技术。使用深度学习方法进行了仿真,结果使用不同的内核和批次。作者在11)提出了一种基于主动学习支持向量机的质量评价模型。一个评价指标构建评价课堂教学质量。积极支持向量机是用于建立课堂教学质量评价模型,和结果进行了分析。Caiyun [12)提出了一个质量评价模型,并用层次分析法计算收集到的数据和提供决策支持,与基本教学数据同步的数据平台,实现了教学质量数据的共享。采用层次分析法构建评价指标体系完成对教学质量的评价。

进一步提高体育教学质量的一致性和合理性,本文发展一种改进体育教学质量评价模型基于模拟退火算法。通过模拟退火算法,有效地优化评价指标的权重,以获得更准确的教学质量评价结果。

剩下的部分手稿命令如下。节2,提出了模拟退火算法和重量计算。结果说明部分3。最后,给出了结论和未来的工作部分4。

2。体育教学的发展基于模拟退火算法的进化模型

2.1。建设评价指标体系和权重计算的体育教学质量

教师的评价可以看作一种物质在学校。教师评估的目标是进入学生的类和参加一些社会活动。教师的评价是一种社会行为。老师的质量评价指标将直接影响到评估过程13]。建立体育教学质量的评价指标体系应遵循以下原则:科学、系统、目标一致性的原则,稳定性和可比性的原则,可操作性的原则,和反馈和指导原则(14]。在这些原则的指导下,利用层次分析法(AHP)分析中小学体育教学质量评价的影响因素,抓住主要因素,和抛弃次要因素,完成评价指标体系的发展。表1提供了详细的中小学体育教学评价的指标。

基于表中给出的评价指标体系1,我们同一层的元素相比,分配根据重要性1 - 9尺度方法,构造判断矩阵,计算评价指标的权重。1 - 9尺度的含义如表所示2。

我们调查了有关教育专家、教师和学生,建立了相应的判断矩阵。假设影响元素的数量在一个层 ,然后判断矩阵是计算如下:

基于判断矩阵的计算 ,评价指标权重可以使用以下公式计算: 在哪里代表了指标权重和一个_我判断矩阵。根据评估指标权重给出了方程(2),并运用模拟退火算法优化评价权重值,从而提高体育教学质量的质量。

2.2。基于模拟退火算法优化评价重量

模拟退火是一个通用的概率组合优化问题的启发式算法,广泛用于找到全局最优解和近似最优解在一个大的全球搜索空间(15- - - - - -17]。模拟退火算法主要用于离散空间的搜索。模拟退火是更有效的比穷举搜索方法,因为它的目标是找到一个最佳的解决方案在一个可接受的时间,而不是最好的解决方案。模拟退火的思想和名称来自冶金物理退火。这是一个水晶材料的加热和控制冷却技术提高晶体的大小和减少缺陷。当温度高时,原子可以离开他们的初始位置和随机移动在一个更高的能量状态。缓慢下降的温度,原子有更多的机会比开始时达到较低的能量状态。通过退火的描述物理过程,模拟退火算法的每个步骤替换当前的解决方案与新解决方案(新解决方案根据候选人的分布选择解决方案,通常从附近的解集当前解决方案)。新的解决方案可以被接受的概率取决于相应的适应度函数的值和温度参数的大小,退火过程中会逐渐减少。当温度高时,新的解决方案可以被接受,这几乎是随机的。 With the decrease in temperature, more and more people tend to choose a better solution [18- - - - - -20.]。

优化体育教学评价重量,最重要的因素是教学时间,距离,和教学成本。这些因素在以下部分中描述。

2.2.1。教学时间

在当今的信息时代,学生的时间概念正变得越来越强,迫使学校加强教学时间的管理,以满足学生的学习需求;也就是说,教学时间可以表示如下: 在哪里代表了体育教学的总时间,两个课程之间的间隔,代表了地方课程之间的间隔,显示了平均价值当然间隔,和体育活动的速度不同。

2.2.2。当然距离分析

在体育教学的过程中,持续改进的基础设施,不同的体育课程逐渐趋向于多元化。因此,学校将重新调整距离教学过程,提高教学质量。的距离可以用方程计算如下: 在哪里代表运动课程和培训地点之间的距离。

2.2.3。教学成本分析

体育教学的固定成本包括成本,成本,老师和其他相关成本在一定范围内。教学成本计算如下: 在哪里代表了体育课程的固定成本部分 , 显示了体育课程的总数, 代表结束课程, 代表了课程结束。

通过分析上述因素影响体育课程的教学质量,使用模拟退火算法来构造评价权重优化的目标函数。 在哪里T教学时间,l是距离,C₁展示了教学过程分析, , ,和代表时间的目标权重,距离,分别和成本。SA解决的问题通常是由客观制定基于不同约束多变量的函数。这些约束可以处罚为目标函数的一部分。主要的约束如下:

评价权重约束函数是由模拟退火算法能够更有效地评估体育教学的教学质量。

2.3。建设体育的教学质量评价模型

根据重量优化给出方程(6),使用层次分析法构建体育教学质量的评价模型。通过判断矩阵计算特征根如下: 在哪里代表了最大特征值和代表相应的特征向量。

基于最大特征根,结果一致性测试是使用计算指数(CInd)如下:

后计算一致性指数,平均随机一致性指标计算。

当价值小于0.1,它显示了正确的一致性;否则,应修正判断矩阵。平均随机一致性指标的顺序如表所示3。

最后,计算组合权向量和排序,给出了决策参考或评价结果根据排序的结果。

假设的排序权向量层上的元素为总目标

排序权向量的基础上元素层和元素层设置如下:

元素的重量不是占主导地位的是0;因此,

这是一个矩阵和显示了元素的影响程度的排名在层层上的元素 。然后,总排名向量元素的层在总体目标可以表述如下:

一般来说,总有 在哪里代表元素的排序向量在第二层的总目标。

根据排名第一和第二的评估元素的向量计算结果,评价指标的排名是完成,实现体育教学质量的评价。

3所示。实验验证

验证评估提出的性能评价模型,进行了比较验证。系统的评价体系是由数据库,采用分布式架构技术、B / S三层体系结构和SpringMVC平台完成操作系统的开发模型。在体育教学中,常见的项目类型如图1。

有价值的样本数据,用于实现体育课程教学数据的选择一所学校在这个城市并为后续评估计算存储在数据库中。

模型性能评估过程中,关键的一步是设置模型的性能评价指标,全面验证了评价模型的性能。评价权重的计算精度,评估分数,和评估时间作为比较指标,本文的模型相比,基于提出的犹豫模糊集的质量评价模型(5)和质量评价模型基于主动学习的支持向量机(SVM)提出了文献[11]。

3.1。评价权重计算精度

评价权重计算精度指的是相似性评价重量不同模型的计算结果和实际重量的结果评价指标。评估体重计算精度越高,模型的评价性能越强。评估的重量有关键影响体育教学质量的评价结果。因此,以评估重量的准确性为实验比较指数,不同模型的重量与实际重量的结果。评价的比较结果体重计算精度的三个模型如图2。

可以看出体重值提出了模型的计算结果是相同的每个评价指标的实际重量值,之间虽然存在着巨大的差距实际值和权重值计算精度的基础上犹豫模糊集模型和主动学习支持向量机模型。犹豫模糊集模型的最大重量差异是0.45而主动学习支持向量机模型是0.59。因此,这表明该模型可以准确地计算评价指标的权重。这是因为这个模型使用模拟退火算法优化评价指标权重,以获得更准确的重量计算结果。

3.2。评价分数核查

评价得分计算精度是指评价分数的不同模型之间的一致性和专家评价的分数。评价得分越高准确性,较强的评价模型的有效性。评价得分可以直接反映出体育教学质量评价的结果,和专家的评估得分结果更客观、准确。因此,比较不同模型的评价得分结果与专家。这个模型的评价得分结果,犹豫模糊集模型和主动学习支持向量机模型如图3。

通过观察评估得分结果如图3,可以看出,在许多实验中,模型的评价结果得分的评价模型与专家评分一致。的最大区别分数模型和专家的评分只有0.2分,而其他两个的分数比较模型与专家评分有很大不同。因此,这两个传统模型的评价结果需要进一步验证。

3.3。比较评估的时间

评估时间消费指的是被不同的评估模型来完成整个评估过程直到获得评价结果的评价数据量是一样的。评估时间消耗越短,评价模型的效率越高。由于大量数据在体育教学中,当设计一个新的评价模型,提出了更高的要求的效率评价模型,评价时间应该进一步缩短的情况下确保评估的准确性。因此,在模型性能验证的过程,验证了三种评估模型的评估时间。的比较结果的评估时间三种模式如表所示4。

该模型的评估时间显著低于其他两个模型。提出模型的平均评价时间是2.8秒,平均评价时间基于犹豫模糊集模型10.49 s,和平均评价时间基于主动学习的支持向量机模型是13.48秒。因此,该模型可以有效地缩短评估时间和提高评估效率。

4所示。结论

提高体育教学质量,本研究提出了一个物理教育教学质量评价模型。采用模拟退火算法能够有效地优化评价指标的重量,提高评估准确性。模型验证了基于性能的理论和实验方面。在评估体育教学质量的同时,该模型获得高重量计算精度和低评估时间。评估体重的计算精度明显提高,和这个模型的计算结果与实际结果一致。相比我们现在的模型与基于犹豫模糊集的评价模型和基于主动学习模型,该模型的评估时间显著降低平均评价时间为2.8。突出的结果提出模型的证实,该评价模型的基础上,模拟退火算法可以更好地满足体育教学质量评价的要求。在未来的研究工作中,我们打算进一步提高评价的准确性分数更准确地评估物理教育课程的教学质量。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由沈阳体育大学研究生教学改革研究项目,沈阳体育大学研究生导师,改善道德教育研究能力,202006年。