机器学习在大学生培养质量评价中的应用研究

发布时间：2023-02-18 08:54

　　从上世纪末以来,受我国高等教育扩招政策的影响,我国高等教育的发展进入了快车道,人才培养质量问题也日趋明显。同时社会各界对大学生的质量要求逐年提高,对高校而言怎样保障为社会输出人才的质量。那么就需要有一个适应当下社会需求的大学生培养质量评价方法。大学生培养质量评价没有统一的标准,通过对已有的评价方法和评价指标研究发现,现有的评价指标不全面,指标赋权方法主观性强,评价方法效率低评价过程繁琐。本文研究工作如下:第一,针对指标构建不合理的情况,根据社会各界对人才的需求和大学生自身的发展要求构建大学生培养质量评价指标体系。指标体系包含知识,能力,和素质3个一级指标;专业知识,创新能力,思想素质等14个二级指标和40个观测点。第二,对思想素质的评价,大多采用教师评价的方式,不能全面对学生的思想素质进行评价。本文研究数据采集方法和量化方法,从教务系统,图书管理系统、教学评审材料、问卷调查获取观测点数据,并对二级指标进行量化。对思想素质等指标量化采用教师评价和学生互评的方式,使指标量化角度更全面。第三,分析常用赋权方法的优缺点,针对主观赋权法主观性强和客观赋权法解释性差的问题,提出主观赋权法和客观赋权...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 国内外研究现状综述
        1.3.1 国内研究现状
        1.3.2 国外研究现状
    1.4 研究内容
    1.5 论文组织结构
    1.6 本章小结
2 大学生培养质量评价指标体系构建
    2.1 指标体系设立原则
    2.2 指标选择
        2.2.1 一级指标
        2.2.2 二级指标
        2.2.3 指标观测点
    2.3 指标体系构建
        2.3.1 指标体系
        2.3.2 指标量化
    2.4 指标赋权
        2.4.1 常见赋权法
        2.4.2 评价指标赋权方法及其局限性
        2.4.3 赋权方法改进
        2.4.4 层次分析法赋权
        2.4.5 熵权法赋权
        2.4.6 改进的赋权法计算权重
    2.5 本章小结
3 机器学习算法研究
    3.1 评价问题分析与算法选择
        3.1.1 评价问题分析
        3.1.2 算法选择
    3.2 支持向量机
        3.2.1 算法原理
        3.2.2 支持向量机多分类
    3.3 集成学习
        3.3.1 集成学习原理
        3.3.2 集成学习类别
        3.3.3 AdaBoost算法
    3.4 模型创建与算法改进
        3.4.1 支持向量机模型
        3.4.2 算法的改进
        3.4.3 实验验证
    3.5 本章小结
4大学生培养质量评价实验
    4.1 评价实验流程
    4.2 大学生培养质量评价数据采集
    4.3 数据预处理
    4.4 样本数据处理
        4.4.1 指标分值计算
        4.4.2 指标权重计算
        4.4.3 样本类别标注
    4.5 模型训练和测试
        4.5.1 模型训练和参数调整
        4.5.2 模型测试
    4.6 结论
    4.7 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
作者简历
致谢



本文编号：3744656