[摘  要]為提高跨境電商人才的培養能力，筆者探索了CBE理念和POCIB平臺相結合的深度學習模式，利用遺傳算法改進后的BP算法構建深度學習評價模型。在對比實驗中發現，改進BP算法的均方誤差為0.00323，優于對比算法。隨后對跨境電商課程深度學習評價模型進行實證分析，結果顯示，深度學習評價模型相較于傳統模型評價精準度更高，且有效提高了學生的成績。該結果說明，深度學習評價模型具有較高的實用性，對跨境電商人才培養具有促進作用。

[關鍵詞]CBE理念  POCIB平臺  跨境電商  GA-BP  深度學習  評價模型

基金項目：西安明德理工學院2021年度校級教育教學改革研究項目《基于“CBE理念+POCIB平臺”的〈跨境電子商務〉課程深度學習模式構建》（項目編號：JG2021ZD04）。

引  言

隨著全球化的發展，各國之間的貿易往來越發頻繁。跨境電商作為各國貿易之間的紐帶，跨境電商方面的人才越發受到各企業的關注。但目前在我國高職院校的跨境電商課程教學中，還存在著重視程度不夠、學生學習主動性不強等問題，因此，提升高職院校跨境電商人才培養能力，對促進社會經濟發展有著重要的現實意義。隨著網絡技術的迅速發展，“網絡+教育”的模式也在不斷革新，使教育改革得到了長足的進步。人工智能時代，信息技術與教育教學的深層次融合已是大勢所趨。筆者結合跨境電商課程的特點和教學目標，構建了基于CBE理念+POCIB平臺的跨境電商課程深度學習評價模型。為了更好地對深度學習課程進行改進，研究將遺傳算法改進后的BP算法應用于深度學習課程評價模型中，期望用該方式改善深度學習課程模式，為我國高職院校跨境電商課程教學改革提供可資借鑒的方法，促進高等職業技術學院人才培養高質量發展。

CBE理念與POCIB平臺概述

1.CBE理念

CBE（Competence-Based Education）指的是能力本位教育，提出于20世紀70年代。基于CBE理念構建的課程具有以下特征：（1）以職業能力為本位。根據學生的實際情況，圍繞職業能力確定課程內容、課程目標、課程評價等，保證課程在真正意義上為提高學生的職業能力服務，增強了課程的專業性和針對性。（2）以學生為中心。在構建過程中非常重視學生的主體地位，從培養學生職業能力的角度出發讓學生得到全方位培養，全面提升學生的綜合素養。

2.POCIB平臺

POCIB（Practice for Operational Competence in International Business）是國際貿易從業技能綜合實訓的英文縮寫。POCIB平臺則是基于David Kolb體驗圈原理而開發的國際貿易從業技能綜合實訓平臺。學生可以利用POCIB平臺展開體驗式學習，在體驗過程中了解和熟練國際貿易企業的整個運作過程。POCIB平臺包含國際貿易基本流程體系中的海關、銀行、外管局、船務公司等14個外貿相關當事人，系統內置10個國家、27大類，總共115種隨時間動態變化的產品及48種不同的流程組合，可以極大程度地滿足不同學習者的學習需求，并且自由度極高，學習者可以針對自身薄弱點進行體驗式學習，逐漸攻克薄弱點的同時，提高自身綜合素養。POCIB平臺還允許同一時段內幾千人共同參與模擬演練，多人參與不僅能提高整體教學效率，還能進一步增強學習者的沉浸感，學習者可以靈活運用所學知識創造更多效益。

基于CBE理念+POCIB平臺的跨境電商課程深度學習評價模型構建

1.跨境電商課程深度學習模式設計

深度學習模式是能夠讓學生積極主動地、有意義地參與學習的一種方式，學生在教師的幫助下獲得知識、發展能力、升華情感，進而實現學生的預期學習目標。目前，高職院校跨境電商課程教學過程中問題頻發，為了提高教學質量，筆者提出了一種基于CBE理念和POCIB平臺的深度學習模式。該深度學習模式通過變革、創新教學模式及策略，能夠解決當前高職院校跨境電商課程教學中存在的問題，促進學生深度學習。在深度學習模式下，學生可通過自主學習、探究式學習、反思性學習等方式提升綜合能力。CBE理念下，運用POCIB教學平臺開展深度學習的課堂模式如圖1所示。

如圖1所示，在深度學習課堂模式中，主要是通過POCIB教學平臺對學生進行跨境電商實際操作教學，結合CBE理念提高學生的綜合能力。POCIB教學平臺仿真跨境電商的實際交易環境，并對交易中的匯率、稅率等業務信息進行動態模擬，方便學生進行跨境交易操作。POCIB教學平臺通常運用于高職院校國際貿易專業大三的專業課程中，學生通過前兩年的課程學習，已對進出口貿易的理論知識及技能有所了解，故可利用該教學平臺進行多種實踐。POCIB實訓平臺具有業務仿真、過程動態、系統綜合性、多元有效評價等特征，這些特征與企業的用工需要更加匹配，可以推動職業能力目標的實現。在這個平臺中，學生可以完成整個商業活動，也就是跨境電商業務宣傳→找到客戶→業務咨詢→合同簽訂→合同履行→為客戶服務的整個交易流程。最后，POCIB測試系統從跟單能力、業務能力、學習能力三個角度，對學生的實際操作能力進行客觀評價。筆者將POCIB實訓平臺融入跨境電商深度學習課堂模式中，期望以此提高學生的實踐操作能力。此外，在深度學習模式中的CBE理念注重提高學生的專業技能學習、理解和運用，強調學生的主體作用。在教學過程中，要有明確的教學目標和能力培養方案，以加強教學內容的實用性和適用性。CBE理念具體包含五種要素，具體內容如圖2所示。

評估學生的水平時，不應以學生所掌握知識的多少為依據，而要看學生是否達到能力標準。POCIB教學平臺和CBE理念均可以促進跨境電商課程質量的提升，可在兩者的基礎上構建新型跨境電商深度學習課程，以提高對外商貿專業學生的綜合能力。

2.基于GA-BP算法的深度學習課程質量評價模型構建

為了提高跨境電商深度學習課程的質量，研究提出利用BP算法將學生按照不同等級分類，然后進行針對性培養，以提高學生的整體綜合能力。BP神經網絡是常見的神經網絡之一，其結構與多層感知器相似，BP網絡的原理是對輸入信號進行正向傳播，再通過反向傳播誤差信號進行調整權值，從而減少誤差。BP神經網絡的主要功能是對樣本進行分類以及對結果進行預測等。在BP網絡的正向傳播中，每個神經元會匯總加權信息，其表達式如式（1）所示。

式（1）中的[netkl]表示第[k]層第[l]個神經元的匯總加權信息，[O（K-1）j]表示第[k-1]層第[j]個神經元的輸出值，[W（k-1）jl]為第[k-1]層第[j]個神經元到第[l]個神經元的連接權值。此外，該網絡還會將匯總后的信息通過激活函數進行輸出，其表達式如式（2）所示。

式（2）中[θkl]表示第[k]層第[l]個神經元的閾值。在BP算法中選用均方誤差作為判斷其性能的指標，該算法將輸出結果[yl]和期望輸出[dl]的差進行反向傳播，從而對各層神經元的權值進行修正，其中目標函數的表達式如式（3）所示。

式（3）中[dl]-[yl]表示輸出結果和期望輸出的差值，即反向傳播的誤差信號。BP網絡利用梯度下降法對神經元權值進行修正，其表達式如式（4）所示。

式（4）中[η]表示學習步長，其中和神經元輸出之間的關系利用偏導數計算得出，具體的表達式如式（5）所示。

式（5）中[δkj]=-[?E?net(k+1)j]，對式（5）中第一部分內容進行求解，其求解過程如式（6）所示。

式（6）[Nk]中表示第[k]層神經元的節點數。式（6）等式右邊[Qkl]表示第[k]層第[l]個神經元的輸出值。由式（5）（6）聯立可得式（7）。

通過計算可得出該算法的權值調整公式如式（8）所示。

同理可以得出BP算法的閾值調整公式如式（9）所示。

雖然目前BP算法的應用領域比較廣，但還是存在許多不足之處，比如訓練時間過長、容易陷入局部極小值等。故研究提出利用遺傳算法對BP算法進行優化，利用遺傳算法搜索能力強的特點對BP網絡的權值和閾值進行優化，進而增加BP網絡收斂速度，優化其性能。遺傳算法的優化過程其實就是對算法中的個體進行迭代，對迭代后的個體進行適應度判斷，選出適應度最好的個體進行輸出。此外，研究還通過熵值法對初始教學指標的權重進行確定，研究將熵值法、改進的遺傳算法和神經網絡相結合，建立如圖3所示的教學質量評價模型。

在該課程教學質量評價模型中，在遺傳操作步驟中使用了自適應變異概率，該舉措不但提高了神經網絡收斂的速度，而且還降低訓練過程的復雜性，發揮了遺傳算法全局搜索和BP神經網絡非線性映射方面的優勢，降低了非客觀因素的影響。在圖3所示的課程教學質量評價模型中，要先對質量評價指標權重進行分析，然后才能評價課程的整體質量，故需要建立課程評價指標體系。鑒于此，研究結合深度學習理論、CBE理念以及POCIB平臺技術建立了如表1所示的跨境電商深度學習課程評價體系。

如表1所示，跨境電商深度學習課程的評價指標體系共包括6個一級指標和20個二級指標。課程評價體系指標確定后，可利用融合算法對評價體系中的各個二級指標進行評價，從而判斷學習模式中存在的問題，加強不足的方面，進而提高學習模式的整體質量。

融合算法的性能測試及課程評價模型實證分析

1.融合算法的性能對比分析

為了測試融合算法的性能，研究利用Windows10系統的Matlab軟件對GA-BP算法、BP算法以及APSO-BP算法的性能進行仿真，并以誤差變化曲線、預測結果和期望輸出的對比兩個方面作為指標對比各個算法的性能。將三種算法分別使用兩種不同的訓練函數進行訓練，得出的結果為：GA-BP算法的收斂速度最快，訓練次數為130次時達到穩定狀態，此時GA-BP算法的均方誤差值最低，優于其他對比算法。均方誤差值越低，則說明算法的準確率越高。

除均方誤差評價指標外，平均絕對誤差、最大絕對百分比誤差也可以作為評價算法性能的指標。實踐得出：GA-BP算法的收斂速度最快，訓練次數為135次時平均絕對誤差趨于穩定，為0.00149；遠遠低于另外兩種對比算法，具有更好的性能。

2.課程評價模型實證分析

為了分析深度學習課程評價體系課的實際應用效果，筆者以某高職院校開展跨境電商深度學習課程的對外商貿專業班級作為實驗對象，將其與傳統的評價模型進行對比，具體如表2所示。

從表2中可看出，相較于傳統評價，對于深度學習課程的評價結果總體更接近于實際結果，且實際操作的評分最高，為0.95；而重難點突出和課前準備的評分相對較低，分別為0.76和0.77。根據上述結果可得出，研究提出的課程評價模型的評價性能更優。在結合CBE理念和POCIB平臺結合的深度學習模式課程中，需要繼續保持實際操作方面的內容，并對重難點突出和課前準備方面的不足之處進行改善，以提高整體的教學質量，增強學生的綜合能力。

為分析深度學習課程評價模型對該課程的實際影響，筆者持續三周對學生改進前后的學習效率、滿意度及考試分數進行對比。最后得出：深度學習課程評價模型下，學生的學習效率、滿意度及考試分數均得到較大提升。從上述結果可知，該評價模型對CBE理念和POCIB平臺相結合的深度學習有巨大的促進作用。

結  論

針對當下職業院校跨境電商人才培養能力較弱的問題，研究將深度學習理論、CBE理念及POCIB平臺技術融合，提出了一種新的跨境電商深度學習課程模式，并以GA算法優化后的BP算法為基礎構建深度學習課程評價模型。經測試及實證顯示，深度學習評價模型優于傳統評價模型，可有效提高跨境電商深度學習課程的質量。需要指出的是，雖然GA-BP算法的準確率較高，但并未達到預期目標，如何建立更適合深度學習評價指標的網絡模型是后續的研究方向。

參考文獻：

[1]汪建新.國際多邊開發銀行與全球貿易增長：以加入亞投行為例[J].世界經濟，2022，45（12）：3-28.

[2]馬述忠，郭繼文.制度創新如何影響我國跨境電商出口？——來自綜試區設立的經驗證據[J].管理世界，2022，38（8）：83-102.

[3]張錫寶，石以濤，徐保昌.貿易便利化與我國跨境電商發展——基于雙重差分法的實證分析[J].華東經濟管理，2020，34（2）：94-103.

[4]朱永明，張羽.跨境電商對制造業出口技術復雜度的影響及貿易壁壘的中介效應[J].工業技術經濟，2022，41（5）：130-134.

[5]王文敏.遠程教育背景下的著作權限制與例外規則：挑戰與回應[J].圖書館論壇，2021，41（11）：28-37.

[6]李小平，孫清亮.基于第五代移動通信技術的網絡教育應用研究[J].電化教育研究，2019，40（1）：52-58.

[7]雷有光.基于DELC深度學習模式的職業院校思政課程教學設計研究[J].教育研究，2020，3（10）：4-6.

[8]程文聰，史小康，等.基于深度學習的數值模式降水產品降尺度方法[J].熱帶氣象學報，2020，36（3）：307-316.

（余露露：西安明德理工學院）