BPNN改进卡尔曼滤波算法对课程思政效果评价的验证研究

摘要

教学效果评价及其验证是高校课程思政实施过程中的重要环节，也是目前教学评价改革中亟待解决的难点之一。为了验证、反馈和优化教学效果评价，在课程思政教学实践的基础上，通过预测实施课程思政的教学效果，构建了结合反向传播神经网络(back propagation neural network, BPNN)的卡尔曼滤波算法(Kalman filter, KF)模型。利用BP神经网络优化KF模型中的状态参数，通过KF滤波信息来反向验证和优化课程思政效果经验评价模型。Matlab运算结果表明，与传统KF算法相比，基于BP改进的KF算法的预测获得了较理想的结果。

关键词

效果评价 / 验证 / 卡尔曼滤波 / 反向传播神经网络 / 课程思政

基金资助

国家自然科学基金地区项目(31660128);; 2022年国防教育研究专项课题(220013);; 海南大学校级课程思政教学研究专项(Hdsz20-8);海南大学教育教学改革研究项目(hdjy2220);海南大学生态与环境学院思政示范课程项目(Hdshsz20-02);; 海南省高等学校教育教学改革研究项目(Hnjg2022-31)