基于绩效评价的课程实施评价体系构建及分析研究

常燕++王晶

摘要： 以《工程造价电算化》课程为例，基于绩效评价的机制，建立课程实

0 引言

课程是开展教学活动的主要方式，也是实现教学目的的重要手段，其实施是否有效，是否达到了培养方案的目标，直接关系到高校人才的培养质量，关系到用人单位对人才的需求，关系到学生的顺利就业与否。

建立客观、全面、系统的课程实施绩效评价机制，对于提高课程建设水平具有重要的理论与实践意义。国内外学者从不同的角度运用不同的方法对课程实施绩效这一问题进行了研究。国外关于课程绩效评价的研究较为系统，先后出现了如泰勒（Tyler）提出的目标评价模式，斯塔夫尔比姆（Stufflebeam）的 CIPP 课程全过程评价模式和斯克里文（Scriven）的消费者导向的评价模式等[1]。国内学者金艳对以往学者的课程评价模式进行了对比，指出了各个模式的优缺点，采用多样化的评价方法，对大学英语课程各个环节的开展进行了分层分类的评价[2]；孙艳歌，邵罕提出了一种基于模糊理论的综合评判的方法，利用层次分析法建立指标体系并确定权重，最后得出综合评价的结果[3]；马 卫，陈海艳，汝勇健以旅游职业教育课程为例，利用改进的层次分析法，对30个三级指标赋予权重，建立了该课程公平、合理、完整的评价指标体系[4]。

从以往的相关文献来看，学者们对于课程实施绩效的研究中基本都采用了理论与实证相结合，但是对于绩效评价存在以下两个方面的问题：①评价指标的选取确定具有传统的主观经验，缺乏较高的可信度；②评价结果不能有效筛选出影响课程实施绩效的主要影响因素。因此本文采取GRA和DEA相结合的方法评价课程实施效果，首先运用GRA模型，选取灰关联度高即最具代表性的评价指标作为绩效测评的相关指标，然后运用DEA模型对课程的实施效果进行综合评价。

1 模型

1.1 模型选择

1.1.1 GRA模型

GRA模型是由华中理工大学邓聚龙教授首次提出的。灰色关联分析的基本思想是：在灰色系统中的因素随时间及参考对象的变化分为两大类即参考序列与比较序列，对比这两个序列的变化从而确定出哪些是主要因素，哪些是不必要的次要因素。灰色关联分析方法与数理统计中的回归分析、主成分分析、相关分析等统计分析方法所具有的优点有：①不需要大量的数据；②计算量比较小；③其结果不会出现不符合实际背景及意义无法解释的情况。

1.1.2 DEA模型

数据包络分析法是由Charnes和Cooper等于1978年在“相对效率评价”基础上发展起来的一种新的系统分析方法。它使用数学规划模型评价具有多个输入和多个输出的部门或单位（DMU）的相对有效性，根据得到的DMU数据判断其是否为DEA有效。数据包络分析方法与生产函数法、层次分析法、模糊综合评判法等评判方法相比所具有的优点：①不需要一个预先已知的生产函数；②各指标的权重不用事先确定；③可以分析出各个决策单元的相对有效性，效率无效的具体原因以及影响程度，从而提出具体的建议。

1.2 模型建立

在基于GRA与DEA课程实施绩效的建模中，根据研究需要一共建立两个模型，首先是基于GRA模型建立课程绩效评价的指标体系；然后基于DEA模型对课程实施的效果进行评价。GRA模型建立的具体步骤如下：

1.2.1 原始数据的处理

假设课程实施效果的投入和产出指标共有i个，因为各个指标所组成的数据序列的计量单位不同，需要对原始数据进行无量纲处理，本文采用均值法。即：

Xi=■（其中■为数据序列的均值）（1）

1.2.2 关联系数的计算

设经过数据处理过的参考数列为：

{X0（1），X0（2），…，X0（n）} {（1），（2），…，（n）}

比较数列为：{Xi（1），Xi（2），…，Xi（n）}{（1），（2），…，（n）}，i=1，2，…，m

则关联系数为：

r0i（k）=

■

（2）

（2）式中，（k）表示第种指标在时刻与参考指标的关联性大小，表示分辨系数，一般情况下取0.5。

1.2.3 灰色关联度的计算

灰色关联度即对关联系数求平均值。

roi=■■roi（k） i=1，2，…，m （3）

式中roi表示第i种指标与参考指标的关联度值。根据计算的灰色关联度值并进行排序。根据文献，结合课程实施绩效的特点，本研究规定，ri？叟0.7表示与参考指标相关性显著，应将其确定为评价指标。

接下来建立课程实施绩效的评价模型即DEA模型。

设要评价的K所学校同一课程实施绩效，其中每所学校课程的实施绩效评价的投入指标和产出指标分别有l个和m个，则绩效评价的模型为：

min？兹s.t.■？姿■x■+S■■=？兹x■■？姿■y■+S■■=y■■？姿■=1？姿■？叟0，i≠0（4）

在上式中，？兹为综合效率指数，是决策变量；？姿■为输入输出指标相应的权重系数；xij为i个评价对象第j个输入指标值，yir为i个评价对象第r个输出指标值；S■■、S■■分别表示投入产出的松弛变量，表示投入的冗余和产出的不足。综合效率？兹（TE）可以分解为纯技术效率（PTE）和规模效率（SE），这三者之间的关系可表示为：TE=PTE *SE。

2 实证研究

2.1 基于GRA的课程实施效果的评价指标体系

2.1.1 指标选取

为了使得到的課程评价体系更全面、更客观，充分发挥评价对课程建设的促进作用，通过查阅相关文献资料，课题组对全国部分高校在《工程造价电算化》课程的评价方面进行了调查问卷，调查内容：①影响因素包括课程实施方案的投入和课程实施效果的产出；②征询各专家补充或删减影响因素；③影响因素相关阈值的确定。共发放问卷330份，收回有效问卷300份，占总数量的90.91%。确定《工程造价电算化》课程实施的投入产出的指标主要包括：课程设计、教学设计、教学手段、教学团队、主讲教师、实践教学配置等；产出指标主要包括：专业知识、职业素质、岗位技能等，本研究随机选取了15所高校的《工程造价电算化》课程作为研究样本。endprint

2.1.2 GRA模型结果分析

运用GM软件进行灰色关联分析，分析结果见表1。

从表1可以看出，投入指标教学团队（X4）与产出指标专业知识（Y1）、职业素质（Y2）、岗位技能（Y3）的关联度均值分别为0.65、0.64、0.69，尽管关联度值都大于0.6，但与其余指标相比，差距明显，将固定资产净额（X2）剔除。投入指标教学手段（X3）与产出指标专业知识（Y1）、职业素质（Y2）、岗位技能（Y3）的关联度均值除了与税收总额（Y3）的关联度大于0.6之外，与其余指标的关联度值均小于0.6，因此将主营业务成本（X3）剔除。投入指标课程设计（X1）、教学设计（X4）、主讲教师（X5）、教学配置（X5）与产出指标关联度值均大于0.7，说明相关性显著，因此确定为最终的研究指标。

2.2 基于DEA的《工程造價电算化》课程实施绩效的分析

运用DEAP2.1软件对数据进行分析，得到结果见表2。

选取的15所高校《工程造价电算化》课程，课程实施综合效率的均值为0.755，因此，课程实施的效果比较好。其中，纯技术效率为1的有6所，占到总数的40%，说明这些高校充分利用资源的能力已经达到了最优水平；纯技术效率为1，规模效率不为1的有5家，说明规模因素即投入该课程的相关资源是导致这些高校的课程实施效果不能达到最优的主因。规模效率的均值为0.788，因此，高校《工程造价电算化》课程实施的规模效率比较高，其中，规模效率为1的有2家，占到总数的13.33%，说明对这些高校对《工程造价电算化》课程投入的资源水平已经达到了最优。规模效率为1，纯技术效率不为1的有1家，说明纯技术因素是导致这些高校课程实施不能达到最优的主因。

3 结论

本文运用GRA-DEA模型对高校课程实施的绩效评价进行研究，并用实证分析证明，运用GRA-DEA模型能够对指标进行筛选，剔除掉相关性较小的指标，并在此基础上对课程实施效果评价进行研究，从而使整个研究结果客观、合理、真实。实践表明，运用GRA-DEA模型对高校课程实施效果进行评价，能够提供丰富的信息，为高校课程实施效果的提高提供依据。

参考文献：

[1]Jin J Z， Nakamori Y， Wierzbicki A P. A correlation-based approach toconsumer oriented evaluation of product recommendation[J/OL].Springer Link：Knowledge Science， Engineering and Management， 2013： 513-525.[2016-03-21].https：//link.springer.com/chapter/10.1007%2F978-3-642-39787-5_43.

[2]金艳.大学英语课程评价体系的构建[J].山东外语教学，2013（5）：56-62.

[3]孙艳歌，邵罕.基于模糊综合评判的分层课程评价体系研究[J].电脑知识与技术，2014，10（19）：4607-4609.

[4]马卫，陈海艳，汝勇健.基于绩效评价的旅游职业教育课程评价体系构建[J].高等职业教育探索，2017，16（1）：58-64.endprint