Разработка методов и моделей оценки качества образовательной деятельности в высшем учебном заведении

— взвешенная сумма входных сигналов, значение передается на нелинейный элемент;

— пороговый уровень нейрона в слое ;

— нелинейная функция, называемая функцией активации.

На вход нейронной сети подается один вектор из обучающего множества. Далее происходит расчет выхода и сравнение полученного выходного вектора с эталоном . Зная разницу между ними, можно ввести коррекции для весовых коэффициентов и пороговых уровней:

(9)

где — значение, характеризующее скорость обучения и определяемое нейронной сетью.

Разница между выходом и эталоном, , умноженная на текущее значение входа обеспечивают правильное направление коррекций: если , то выход должен увеличиться, и уменьшаться если . Вес увеличивается, если > 0 и уменьшается, если = 0, то вес менять нельзя, так как он не влияет на выход.

Абсолютное значение также учитывается при обучении. Если значение входа велико, то небольшое изменение веса сильно меняет выход. Чем меньше меняются веса, тем меньше вероятность искажения уже запомненных образов. Поэтому множитель оправдан.

Чем больше отклонение вектора от вектора , тем лучше обучена нейронная сеть. Рассмотренный выше вариант коррекции весовых коэффициентов и пороговых уровней способствует росту дисперсии, и, следовательно, увеличивает ко­личество запомненной информации.

Исходя из общего принципа обучения нейронных сетей, порядок работы двухслойного перцептрона будет отражаться следующей формулой:

,

где (10)

-номер сигнала в четвертом слое, -номер сигнала в третьем слое, -номер сигнала во втором слое.

Преимуществом разработанной модели является сочетание двух подходов – компетентностного и ССП, в основе взаимосвязи которых лежит нейросетевая структура, позволяющая наиболее точно определять зависимость между рядами значений.

Третья глава посвящена проведению эксперимента по внедрению разработанной модели и анализ полученных результатов.

Эксперимент включал четыре этапа:

1. Разработка анкеты для определения уровня компетенций студентов.
2. Анкетирование студентов.
3. Сбор показателей деятельности ВУЗа в соответствии с ССП.
4. Обучение и проверка результатов обучения нейронной сети.

Эксперимент по внедрению разработанной модели проводился на базе ГОУ ВПО «МАТИ» - Российского государственного технологического университета имени К.Э.Циолковского. Для проведения анкетирования было решено выбрать выпускников, получающих степень бакалавра по специальности 23.01.00 – «Информатика и вычислительная техника». При помощи сотрудников выпускающей кафедры был составлен список компетенций для данной специальности.

Каждой компетенции студента был сопоставлен один или несколько предметов, изученных студентами в период обучения, причем для каждого из предметов был определен вес, указывающий важность данного предмета для выпускника. По каждому из предметов было разработано несколько заданий, вошедших в анкету и позволяющих определить уровень достижения выпускниками компетенций. На основе разработанной анкеты было проведено тестирование знаний студентов.

В результате тестирования были получены данные о правильности ответов на каждый вопрос теста. Полученные значения были перемножены на вес предмета, к которому относился вопрос. В результате было получено значение степени достижения выпускниками каждой из шести групп компетенций.

Полученные значения отражали уровень компетенций выпускников за 2008 год. Исходя из невозможности провести анкетирование выпускников предыдущих годов было принято решение получить данные об уровне их компетенций на основании показателей успеваемости. Значения уровня компетенций за период с 2001 по 2007 год представлены в табл. 1

табл. 1

Значения групп компетенций студентов за период с 2001 по 2007 год

	Значения групп компетенций
Группа компетенции \ Год	2001	2002	2003	2004	2005	2006	2007
Общие компетенции	0.551	0.5723	0.5959	0.6314	0.6140	0.5547	0.6585
Личностные компетенции для всех специальностей	0.532	0.564	0.569	0.51	0.626	0.689	0.678
Личностные компетенции для направления	0.586	0.588	0.614	0.5896	0.573	0.6063	0.6038
Дополнительные компетенции	0.854	0.835	0.839	0.8747	0.9483	0.8808	0.8723
Специальные компетенции для направления (Теоретические)	0.536	0.674	0.6	0.6263	0.8191	0.7271	0.5906
Специальные компетенции для направления (Практические)	0.518	0.5785	0.7065	0.7349	0.6645	0.5735	0.7975

Следующим этапом проведения апробации модели являлся сбор показателей деятельности ВУЗа. Для этого были использованы данные, представленные ВУЗом в процессе проведения комплексной оценки, а также данные, отраженные в «Ежегодном модуле сбора информации об образовательном учреждении» в период с 2001 по 2008 год.

На основании разработанной математической модели были получены значения по каждой из восьми составляющих ССП в период с 2001 по 2008 год (табл. 2).

табл. 2

Значения степени реализации составляющих ССП подготовленные для обучения нейронной сети

Составляющие ССП	Значения степени реализации составляющих ССП
	2001	2002	2003	2004	2005	2006	2007	2008
Учебный Процесс	0,036	0,036	0,039	0,038	0,038	0,038	0,040	0,042
Научная деятельность	0,016	0,017	0,029	0,023	0,030	0,036	0,036	0,036
Управление ППС	0,032	0,031	0,03	0,031	0,029	0,030	0,028	0,029
Учебно-методическое обеспечение	0,031	0,033	0,033	0,039	0,043	0,045	0,044	0,045
Техническое и социальное обеспечение	0,019	0,021	0,024	0,026	0,027	0,027	0,026	0,027
Управление администра-тивным Составом	0,035	0,035	0,037	0,032	0,030	0,028	0,032	0,032
Финансовая деятельность	0,011	0,011	0,011	0,012	0,013	0,015	0,015	0,016
Маркетинговая деятельность	0,005	0,004	0,006	0,007	0,004	0,008	0,005	0,007