大数据时代的基础教育质量动态模糊综合评价体系建设研究

曾召霞 刘道华 王蒙恩 崔艺婧

摘   要：教育质量综合评价是基础教育中的一项重要任务，文章借助大数据在分析教育质量综合评价现状和现有教育评价体系的基础上，提出动态模糊理论来对基础教育质量进行综合指标评价。

关键词：大数据;教育质量;动态模糊理论;综合评价

1    大数据时代下基础教育质量动态模糊综合评价体系分析

基础教育质量综合评价体系，旨在对基础教育所涉及的多个层面和每个层面下的多个指标，运用动态模糊集理论进行综合评价。本课题对现实教育具有多重意义，主要可以从指标分类中来体现：（1）从学生层面来看，可以很好地改变以往只重视学生学业考试成绩和学校升学率而忽视学生综合素质和个性发展的现象。（2）学校方面，通过评价不仅可以做到对学校的细化考量，并且对学校可以起到一个规范、监督的作用。（3）对社会和家长来说，通过一个综合评价系统测试所显示出来的数据，家长们可以更加直观地看到一个学校的综合实力，对教育公平化也具有很大的贡献[1]。

2    大数据时代的基础教育质量动态模糊综合评价体系

动态模糊综合评价方法就是在评价过程中结合变换原理、最大隶属度原则，通过全面的分析，对与评价事物相关的各种因素进行科学、规范的评价方法[2]。

大数据时代的基础教育质量动态模糊综合评价体系的模型总得来说包括3个级别的指标，分别是一级指标：学生（A1）、教师发展（A2）、学校管理（A3）、学校管理（A3）、社会认可（A4）;一级指标学生（A1）下的二级指标：综合素质（B11）、学业水平（B12）、升學成绩（B13）;一级指标教师发展（A2）下的二级指标：教师数量（B21）、专业水平（B22）、教学能力（B23）;一级指标学校管理（A3）下的二级指标：教学管理（B31）、学籍管理（B32）、后勤管理（B33）;一级指标社会认可（A4）下的二级指标：学生满意度（B41）、家长满意度（B42）、社会满意度（B43）;在12个二级指标下又分别设置细化的3级指标。

对综合评价因素进行层次划分，通过实地调查法以及专家打分法进行定量化分析，从而得到各项因素的指标特征值，各分值区域对应的权重采用分层次分析法（Analytic Hierarchy Process，AHP），得到不同层级的判断调查表，并以此来构建判断矩阵。为了提高准确性，减少各种因素因具有不同性质相互比较时的困难程度，考虑采用1～9标度法，即相对尺度。相对重要性：1，2，5，7，9分别表示相对程度：（同等，稍微，明显，强烈，极端）重要;2，4，6，8这4个数值表示两个相邻判断的中间值，在折中时需要用到。由1～9标度法建立一级指标的判断矩阵，首先，根据一级指标判断调查表建立一级指标判断矩阵：

可以看出例子中的教育质量综合指标评价结果值为，这说明举例学校的教育质量整体为一般偏下，接近较低，但是从其发展趋势来看却是在向好的趋势发展。

3    结语

基础教育改革是一件很迫切的事情，借助于大数据工具，希望该理论能够切实地应用到具体的基础教育综合测评中去。这种评价模式不同于传统的模糊评价，而是把事物的动态性也考虑了进去，更加贴近现实生活。

[参考文献]

[1]吴宁乐.学生综合素质测评的调查与分析[J].无锡职业技术学院报，2016（3）：1-3.

[2]陈水利.模糊集理论及其应用[M].北京：北京科学出版社，2005.

Abstract： Comprehensive evaluation of educational quality is an important task in basic education. Based on the analysis of the present situation of comprehensive evaluation of educational quality and the existing educational evaluation system， this paper puts forward dynamic fuzzy theory to evaluate the quality of basic education.

Key words：big data; quality of education; dynamic fuzzy theory; comprehensive evaluation