基于AHP的《计算机应用基础》智慧学习教学质量评价体系研究

毕孝儒，谢从晋，胡洪林

（四川外国语大学重庆南方翻译学院管理学院，重庆 401120）

0 引言

智慧学习是一种学习者自我指导的、以学习者为中心、具有完整学习体验的新学习范式，是在智慧的学习环境（云计算、互联网、大数据智能分析支持的环境）中灵活自如地开展学习活动，方便地获取需要的、适合的教学资源，并支持学生之间或者师生之间有效交互，能全面发展个人潜能的新的学习方式。由于其具有互动性、开放性、互操作性、自主性等优势，许多学者将其用于高校计算机类课程教学改革中，并取得很好的教学效果。例如，胡正红[1]在智慧学习理论指导下，探索了《Web应用程序开发》课程教学改革；訾玲玲[2]以《计算机虚拟现实》课程为例，研究了智慧学习教学模式设计和实践；王雪梅[3]探索了《C语言程序设计》课程在智慧学习平台下的教学模式。以上研究主要集中于计算机类课程的智慧学习教学模式和方法研究，而对于其智慧学习教学质量评价体系的研究相对较少。

本文以《计算机应用基础》课程为例，在设定智慧学习教学质量评价指标基础上，建立了基于层次分析法（Analytic Hierarchy Process，AHP）[4]的智慧学习教学质量评价体系模型，为客观评价智慧学习教学质量提供参考依据。

1 智慧学习教学质量评价原则

（1）过程与结果并重。教学结果是教学质量的最终体现，但对教学质量的影响因素出现在教学过程的各个环节，有什么样的过程就会产生什么样的结果。在智慧学习教学中，教师对智慧学习教学方法应用、对智慧学习设备的熟练操作、对智慧学习环境的布置等均可影响学生的最终学习效果。因此，在教学质量评价中既要有结果评价，更要有过程性评价。

（2）知识与发展兼顾。智慧学习多样化的学习方式（例如，学生个体自主学习、教师与学生互动、学生与学生互动的辩论学习等）必然会产生丰富的学习结果。因而，要全面地评价智慧学习教学质量，不仅要评价学生对知识的掌握情况，而且要考察学生综合素质的提升。

（3）评价主体多元化。智慧教学模式的有效实施离不开学生、教师、教学小组等多元主体的共同参与，单一的教师评价难以科学地考察教学的所有环节，因此智慧学习教学质量评价的主体必然是多元的。

2 基于层次分析法的智慧学习教学质量评价指标设定

根据智慧学习教学质量评价以上原则，通过调研、查阅文献，依照层次分析法的层次结构，选择智慧学习教学质量评价指标，确定三级目标层级结构评价体系。一级目标层为智慧学习教学质量评价体系，二级准则层包括微课资源、教学过程、教学效果3个部分。其中，微视频紧扣教学教学大纲C11、微视频设计包含心动元素C12、微视频能够突出教学重点C13、微视频声音、画质清晰C14等四个方面组成了“课前教学微视颇教学资源B1”的三级指标层；智慧学习教学方法的灵活应用C21、课堂教学互动方式有效、充分C22、引导学生主动学习、积极思考C23、启发式解决学生问题C24组成了“课中教学过程B2”的三级指标层；自主学习能力提高C31、授课要点充分掌握、C32知识应用能力提升C33、学习兴趣及自信增强C34组成了“课后教学效果B3”的三级指标层。

表1 基于层次分析法的智慧学习教学质量评价模型

3 基于层次分析法的智慧学习教学质量评价指标权重确定

3.1 层次分析法简介

层次分析法是由美国匹兹堡大学运筹学家Thom⁃as L.Saaty最早在1977年提出的一种定性问题定量化的决策分析方法，该方法将将一个复杂的多目标决策优化问题作为一个系统，将评价目标分解成目标层（A）、准则层（B）、指标层（C）等层次，通过定性指标的量化方法计算出各层次指标或因素的权重，作为多目标优化问题解决方案的决策依据。其具体步骤如下：

步骤1：建立层次结构模型。一般层次可以分为三类：目标层（A）、准则层（B）、指标层（C），每一层次中各元素所支配的元素一般不要超过9个。

步骤2：构造各层次中所有判断矩阵。引用数字1-9及其倒数作为标度来定义判断矩阵A=(aij)n×n，如表2所示。

表2 判断矩阵标度定义

步骤3：计算一致性比例CR（Consistency Ratio）：

当CR<0.10时，认为判断矩阵的一致性是可以接受的，否则应对判断矩阵作适当修正。

步骤4：层次总排序。

3.2 指标权重计算

（1）教育领域专家对指标评分。本文通过对教育专家实际访谈、调查方式，完成实现对表1模型中3类准则及所属的12个评价指标之间的重要性比较。相对重要性比较评分。评分采取1-9标度法，如表2所示。

（2）构造比较判断矩阵及归一化特征向量W。各层次判断矩阵特征向量W计算结果如表3、表4、表5、表6所示。

表3 A-B比较判断矩阵及特征向量

表4 B1-C比较判断矩阵及特征向量

表5 B2-C比较判断矩阵及特征向量

表6 B3-C比较判断矩阵及特征向量

（3）一致性检验。由于各教育专家对智慧学习教学质量评价指标评分可能存在一定的主观性，需要进行一致性检验，只有当判断矩阵通过一致性检验时，获得的各指标权重才有效。依据公式（1）计算的各判断矩阵的CR值如表7所示。由该表可知，以上四个判断矩阵的CR均小于0.1，因而判断矩阵一致性检验通过。

表7 判断矩阵一致性检验

由表8可知，在3个准则层指标中课堂教学过程权重最大，其次是教学结果，两者所占权重为78%。这与走访调查结果一致，这是因为教学过程是教学效果的决定性因素。通过总的权重排序可知，智慧学习教学方法的灵活应用、课堂教学互动方式有效、充分、授课要点充分掌握、教师启发式解决课堂问题等4个评价指标权重排序为第一、第二、第三、第四。因而，在智慧学习教学中，教师对教学过程的设计与实施、对教学重点的讲解是提高教学质量的关键因素。

表8 各指标权重表

4 结语

本文以《计算机应用基础》课程为例，运用层次分析法，将定性分析和定量分析相结合，建立了微课资源、教学过程、教学效果3个方面11个指标组成的智慧学习教学质量评价体系模型。这对于如何提高智慧学习教学质量提供了客观依据。