一种改进的多方权重指数算法在基于CIPP的混合式教学评价体系中的应用*

樊玲++胡来++李柏君++覃柳婷

DOI：10.16644/j.cnki.cn33-1094/tp.2016.07.001

摘 要： 随着混合式教学的发展，教学和学习方法都将基于大量教学数据的分析和处理。针对教学与学习方法的变化，设计一种基于CIPP教学评价体系的多方权重指数算法，将层次分析法、熵权法与关联算法结合，根据不同的学习行为的变化得到不同的评价结果。实验结果表明，评价结果避免了主观性与不稳定性，充分利用大数据优势，优化了教学方法和教学系统。

关键词： CIPP； 熵权法； 层次分析法； 关联算法

中图分类号：G434 文献标志码：A 文章编号：1006-8228（2016）07-01-04

An improved multi-party weight index algorithm in CIPP evaluation system

Fan Ling， Hu Lai， Li Baijun， Qin Liuting

（School of Ethnic education， Beijing University of Posts and Telecommunications， Beijing 100876， China）

Abstract： Aiming at the change of teaching and learning methods， design an improved multi-party weight index algorithm in CIPP evaluation system. In this algorithm， the analytic hierarchy process， entropy weight method and association rules are combined to get the different results from the different learning behaviors. The experimental results show that the evaluation results can avoid the subjectivity and instability， make full use of the advantage of big data， and optimize the teaching methods and teaching system.

Key words： CIPP； entropy weight method； analytic hierarchy process； association rules

0 引言

云计算和大数据技术推动了教育技术革新。目前提倡的混合式教学将传统课堂与网络教学结合，灵活地利用课堂上下的时间，充分利用网络技术和学习平台，从而帮助师生取得最优化的教学效果。

任一种优秀的教学方式，都必须根据教学的实际情况进行调整，如果只凭借教师的主观判断进行教学调整，显然有失偏颇。教学评价体系是教学系统自我了解、自我修正的一个重要环节，目前应用最广泛和成熟的一种教学评价模型是CIPP模式[1]，CIPP包括背景评价、输入评价、过程评价和成果评价四种评价。

1 基于CIPP评价模型的多层次指标体系

基于混合式教学的CIPP评价模型，根据学生背景（包括前期成绩、专业方向等）不同，借助现有计算机技术，采集学生与教师在教学过程中的客观数据（包括学习时间、学习计划完成情况等）和成果数据（包括考试成绩、合格率、优秀率等），对指标的重要性进行比较和量化，避免权重的主观性和不稳定性。

首先根据CIPP评价体系的对象、过程和内容，对具体指标进行排序和分级，建立指标矩阵。将评价体系按照①背景评价、②输入评价、③过程评价和④成果评价四个子目标，每个目标又按照教师和学生两个主体分别考虑。在评价指标体系中，4个一级指标代表CIPP的4个过程，每个一级指标包含2个二级指标代表教师和学生两个主体，每个二级指标又包含2～4个三级指标，我院计算机课程为例，其指标体系见表1。然后根据不同层次结构的不同对象特点，采用不同算法，求得每一层次的各元素对上一层次某元素的优先权重，最后用再加权和的方法递归求得对评价体系的最终权重[3]。

2 各层多方权重指数算法

根据基于CIPP评价模型的多层次指标体系的讨论，将系统分成三个层次（见表1），考查对象有三个方面：学生成绩、教师评价与系统评价。其中学生评价权重由熵权法计算得到，教师评价与学生成绩相关联，系统评价都与学生成绩及教师评价相关联，因此，教师评价与系统评价的权重均由关联算法得到。

2.1 熵权法计算学生成绩权重与二级指标

根据信息熵的定义，熵表示系统无序的程度，因此如果指标的信息熵越小，那么该指标在我们的综合评价中起到的作用越大，具体到算法中即对应的权重值越大[3]。在学生成绩评价体系中，学习成绩不再是单独的期末成绩一项，而是兼顾背景、输入、过程和结果四个方面，学生成绩和入学成绩、平时学习时间、平时成绩和期末成绩都相关。根据这四部分指标的变异程度，计算出各指标的熵值，即信息量越大在学生成绩评价体系中所占比例越高，这也符合混合式教学评价体系的最终目标。熵权法虽然避免了人为因素和主观因素的影响，但最终结果可能不能完全反应出指标的实际重要程度，对此我们可以根据历史资料、经验，或者由学科带头人、专业教师组成的专家组讨论，得出定性权重，进而对定量权重进行修正，最终得到综合权重系数。

需注意，在实际的教学评价体系中，由于评价指标的单位和数量级可能各不相同，因此在进行评价之前，必须对每项指标进行标准量化，使得数据都在[0，1]的区间内，使得每部分的数据具有统一的标准，消除原始指标数据中量纲对指标值的影响[4]。