基于模糊层次分析法的计算机教学与创新实践能力培养评价

王永雄+张孙杰

摘要：随着机器人、人工智能等跨多学科的新工科快速发展，创新实践能力培养的重要性更加突出。为了准确评价创新实践能力培养与教学成效，为创新实践培养提供帮助与指导，构建了一套与实际紧密结合的创新实践能力培养评价指标体系，提出了采用模糊聚类与层次分析法相结合的机器学习方法，自动确定指标权重，运用提出的模糊层次分析方法对创新实践能力培养进行评价。结果表明，评价系统客观、简单、可操作性强，并能够根据评价体系得分给出相关教学改进建议。

关键词：教学评价；创新实践；模糊聚类；层次分析法

DOIDOI：10.11907/rjdk.172622

中图分类号：G434

文献标识码：A 文章编号：1672-7800（2017）012-0225-04

Abstract：With the rapid development of multi-subject majors such as robotics and artificial intelligence， it is more important for training of capacity of practice and innovation. In this paper， to accurately evaluate the cultivation of innovative practice ability and the teaching effect， and to provide the help and guidance for the innovation practice training， we present a novel method for teaching performance evaluation of practice and innovation based on the combination of fuzzy Analytic Hierarchy Process （AHP） and fuzzy clustering evaluation method. The factor and sub-factor weights are acquired by fuzzy clustering method. The evaluation system based on the combination of AHP and fuzzy clustering is objective and simply. It has very strong operability. In addition， the teaching suggestion is proposed by the system.

Key Words：teaching performance evaluation； practice and innovation； fuzzy clustering； analytic hierarchy process

0 引言

创新实践能力培养是当今大学理工科教育的重要目标，现阶段我国高校创新能力培养仍存在诸多问题，对现有高校教学与培养模式提出了更高的要求，因此产生了各种各样的教学模式，比如分组教学、分层教学，还有针对性很强的各种机器人比赛、创新大赛甚至考研和出国等各种培训班。另外，传统教育方法很少考虑学生的个体差异，这在很大程度上限制了学生的自主思维意识和独立创新精神。特别是新兴工科专业急需大量人才，如人工智能、智能制造、机器人、云计算等，这些方向涉及多个专业知识，知识更新换代快，要求学生具备较高的创新实践与学习能力，这些人才的培养都需要新理念的指引和新培养模式的支撑[1，2]。

在创新实践能力培养过程中，一个重要环节是准确的教学质量与学生知识水平评价。对教师教学素养与学生学习效果等因素进行评价，有利于引导教学行为，提高教学质量。然而教学评价是一个非线性过程，具有多变量多因素，传统的教学评价仅仅是根据学生考试总成绩评价教师的教学效果，无法获得造成该教学状况的原因，只是总结教学效果、教学工作状况的最终型评价，对教学无法起到积极的引导和反馈作用。特别是针对创新实践能力培养，很少有针对性强的系统培养方案和体系，因此更加难以给出及时、客观和准确的评价。

（1）教学评价系统的依据指标多数是学生成绩、学生的反馈或者专家、课题组的主观判断，不同类型的评价人员对教学质量的关注点不同，导致这些评价方法往往不能全面、系统、科学地对教师的工作作出分析判断。常规的评教一般在学期末进行，学生通过登录教务管理系统，针对其中各项指标进行打分并计算。实际中还有部分学生打分不够理性，因此评价结果存在不及时与偏差不小等问题，而一个良好的教学评价不仅可以帮助教师弄清当前课程教学工作的不足之处，而且能激励教师投入到教学中。

（2）教学质量评价指标权重往往是由少数专家根据经验直接拟定的，缺少数量分析作为依据，与实际情况可能会有较大偏差，直接影响评价结果。针对创新实践能力培养缺乏统一标准，部分专家对此也没有充足的经验。

（3）现有教学評价系统所涉及内容定性的多、定量的少，只能给出定的标准并且标准弹性较大，加之评价者对标准把握存在偏差等主观原因，无形中降低了评价结果的准确度和真实性。

（4）现有评估系统不考虑学生基础知识、知识结构等个体差异，难以评价学生创新实践能力提高水平；很少同时考虑绩效目标（通过绩效评价获得对能力的良好评价或避免对能力的不良评价）与学习目标，因此这样的评估结果难以应用到相应的创新实践能力培养设计和改进中。

本文试图采用模糊聚类方法与层次分析法相结合、多指标权值自适应方法解决上述问题。基于模糊聚类对重要指标数据进行聚类划分，并针对聚类内存在的教师差距不明显问题，参考层次分析模型进行定量与定性分析相结合的方法，使分类内的各教师划分更加合理，尽可能地去除主观成分，合理确定评价指标权重。另外，将学生实践水平指标引入评价指标，客观反映创新实践能力培养学生知识技能的变化水平，用于衡量教学和培养效果。endprint

1 基于创新实践能力培养的评价指标确定

从本质上讲，创新实践能力培养就是要“因材施教”，通过评估手段确定学生知识结构和能力大小。因此，评估实践创新能力教学的主要目标是培养学生的理论联系实际能力和综合创新能力。本文拟制定包含创新实践教学质量评价指标、能够覆盖学生能力评估的合理、有效评价指标体系。参考相关评估方法和前人研究成果[3-5]，构建了两大部分的教学质量评价指标体系（见表1）。第一部分是传统评估指标（占70%），第二部分是创新实践能力培养中特有的指标（占30%）。其中第一层的权值由专家经验设定：WTB=（0.10，0.115，0.10，0.11，0.13，0.145，0.10，0.10，0.10），第二层的权值通过模糊聚类自动获得。

2 改进的模糊聚类与层次分析模型及应用

参考模糊聚类与层次分析法等人工智能方法在教育评价体系的应用[6]，利用模糊聚类自动获得等级和聚类中心，计算数据到聚类中心的距离函数作为二级指标的权值，再利用层次分析法进行总体教学评价。

2.1 利用模糊聚类获得二层指标权值

模糊聚类分析一般是指根据研究对象本身的属性构造模糊矩阵，并在此基础上根据一定的隶属度确定聚类关系。聚类就是将数据集分成多个类或簇，使得各个类之间的数据差别尽可能大，类内之间的数据差别尽可能小，即为“最小化类间相似性，最大化类内相似性”原則。在教学评价中，利用模糊聚类客观地得到4个等级，替代人为划定等级，同时获得4个聚类中心。另外，将每个样本到聚类中心的距离函数作为二级指标的权值。

2.2 利用层次分析法作为教学总体指标

层次分析法是由运筹学家T·L·Saaty提出的一种数学分析方法，是针对多层次、多目标规划决策问题的有效决策方法，能够定性与定量相结合，具有高度的逻辑性、系统性、简洁性和实用性。

参照文献[3，4，8，9]的方法，模糊层次分析法的基本步骤如下：①建立模糊判断矩阵。若模糊矩阵不是模糊一致矩阵，则需将模糊矩阵调整为模糊一致矩阵；②从评价数据中，通过模糊聚类方法自动聚类为4个等级{优，良，中，差}，同时获得评价等级与分数的对应表；③根据式（4）得到类别隶属度值，根据式（5）计算获得权值大小；④最终利用第一层的权向量WTB=（0.10，0.115，0.10，0.11，0.13，0.145，0.10，0.10，0.10）和模糊矩阵，得到总目标的综合评判向量；⑤利用聚类中的评价等级与分数对应表得到等级。

在数据获取中，利用原来教学管理系统的学生基本情况库、课程库、平时测试成绩、教师情况库、教师任课信息等，增加在线调查子系统进行学生评教、教师互评、专家评教和有针对性的创新能力培养测试分析，并完成数据清理、转换和归约等数据预处理工作。

3 实例分析

3.1 实例

针对上述设计的评价指标，对学生、教师和专家进行问卷调查，并结合创新实践培养中的测验环节，对上海理工大学多位实践设计类课程教师进行9项B级指标和23项C级指标的测评，在进行教学质量评判时选择百分制，其中二级指标（C指标）的测评是根据模糊聚类方法自动聚类为4个等级{优90（>85），良75（75-84），中60（60-74），差50（<50）}。经过统计之后，采用聚类算法运算，获得评判矩阵，最终得到某位教师B层和C层的各指标得分情况以及综合评价得分。

3.2 评价结果分析

从上面的结果可以看出，在创新实践课程教师的教学质量评价体系中，教学态度、教学内容难易适中等方面，得到了学生和教师的认可，评价较好，并具有一定的普遍性。而综合创新实践、基础综合知识技能和教学方法得分较低，这部分采用了学生知识水平测试等客观评价方法，在基础知识与创新实践结合方面，教学模式偏传统化，多数学生知识掌握得不够理想，评价得分相对偏低，说明教学方法和实践部分的内容需要根据其特点作相应改革。为了及时反馈和调整教学效果，需及时分阶段分目标对学习与实践情况进行测试和评估。

随着信息技术的发展，尤其是移动互联网技术、智能手机的大量使用，获取大量数据变得方便简单，教师可更方便地获得学生学习情况数据，了解学习进展和效果，从大量数据中快速实现教学评价和问题的精准定位，让教学和指导更简便、更精准、更聚焦。例如微信订阅号、微信小程序，都能够为日常教育提供一个便捷的学习、数据收集与评价平台[10-11]。

4 结语

本文提出了模糊聚类和层次分析方法相结合用于创新实践培养的评价体系，通过评价学习效果，发现个体和总体教学问题，为后续教学提供更精准的目标与手段，为学生提供精准的指导与服务。有效的评价方法不仅可以及时和准确地评价教师授课情况，而且可以找出学生知识体系缺陷等，为实现创新实践能力培养提供了一套有章可循、行之有效的评价模式。

参考文献：

[1] 祝智庭，彭红超.信息技术支持的高效知识教学：激发精准教学的活力[J].中国电化教育，2016（1）：17-25.

[2] 冯艳飞，童晓玲.基于模糊层次分析法的高校创新创业教育评价研究[J].华北电力大学学报：社会科学版，2013（2）：137-140.

[3] CHEN J F， HSIEH H N， DO Q H. Evaluating teaching performance based on fuzzy AHP and comprehensive evaluation approach[J]. Applied Soft Computing Journal， 2015，28（C）：100-108.

[4] 吴海燕，王建宏.基于模糊层次分析法的教师课堂教学质量评价[J].电脑与电信，2011（10）：32-34.

[5] 姜彤彤.基于平衡计分卡的教学研究型大学绩效评价研究[J].高教发展与评估，2012，28（3）：43-50.

[6] 钟琦，胡水星.人工智能在教育中的整合应用研究[J].赣南师范学院学报，2011，32（6）：66-69.

[7] Ruspini E H. A new approach to clustering[J]. Information & Control，1969，15（1）：22-32.

[8] 黄煜栋，陈兰生.模糊层次分析法在课堂教学质量评价中的应用[J].中国教育信息化，2015（14）：82-86.

[9] 羊英.基于多元智能和模糊层次分析法的课程学习绩效评价[J].上海第二工业大学学报，2014（3）：228-232.

[10] 谢雷，韩骏，刘菁，等.基于微信公众平台环境支持的教学评价系统研究[J].中国教育技术装备，2016（22）：14-19.

[11] 孔杏.微信公众平台支持下的混合式教学在远程开放教育中的实现——以统计学课程学习为例[J].河北经贸大学学报：综合版，2015，15（4）：113-119.

（责任编辑：何 丽）endprint