应用型高校教学质量的灰色聚类分析方法

马守明 郑武 程晨 周祎

摘  要：教学质量是驱动高校可持续发展的不竭动力，也是衡量其整体教育水平的核心要素。为使教学质量评价更具客观性和科学性，将灰色系统理论应用于应用型本科高校的教学质量评价之中。定义了教学质量评价指标的三角白化权函数，给出了灰色聚类评价模型，并讨论了教学质量灰色聚类分析实例，为促进高校教学质量工程建设提供了有益参考。

关键词：灰色聚类;白化权函数;应用型高校;教学质量

中图分类号：G642        文献标志码：A         文章编号：2096-000X（2020）13-0077-04

Abstract： Teaching quality is an inexhaustible driving force for the sustainable development of universities， and it is also the core element to measure the overall level of education. In order to make the teaching quality evaluation more objective and scientific， the Grey System Theory is applied to the teaching quality evaluation in application-oriented undergraduate colleges. The triangle definite weighted functions of teaching quality evaluation index is defined， the Grey Cluster Evaluation Model is given， and an example of Grey Cluster analysis of teaching quality is discussed， which provides a useful reference for promoting the construction of teaching quality engineering in all universities.

Keywords： Grey Cluster; definite weighted functions; applied university; teaching quality

一、概述

目前，我国高等教育发展迅速，不断涌现举世瞩目的教学与科研成果。然而我国高等教育的发展速度和发展质量并没有实现同步，两者之间的矛盾在高等教育发展的新时期日益突出。这要求我们的高等教育发展战略必须由注重速度提升、规模扩张向融合发展转变，坚持把提高教育质量作为改革发展的核心任务。

一般认为，对高校教学质量进行评价分析是对其全部教学行为进行价值判断的复杂系统工程，需要有一套全面、科学、公正的评价分析体系、标准和方法。虽然该领域日益引起人们关注，但是对高校教学质量评价分析的研究还不够系统和深入。文献[1]针对课堂教学质量评价的模糊性，采用层次分析法模型建立判断矩阵和影响矩阵进行教学质量的考评。文献[2]提出一种基于PCA的教学质量综合评价方法，克服了评价指标因素之间的相关性对评价结果的影响。文献[3]采用层次分析法确定各评价指标的权重，通过模糊方法进行综合评价。文献[4]提出一种基于后验信息的教学质量评价方法，作为现行教学质量评价方法的补充。文献[5]应用FCM聚类分析提出了高校教学质量评价系统的数学模型，并利用粗糙集理论给出了不同评价主体的权重挖掘算法。此外，BP神经网络[6]、模糊神经网络[7]、PSO神经网络[8]等也逐渐在高校教学质量评价中得到应用。

由于高等教育活动的内在结构、各因素之间的作用机理是灰色的，这决定了高等教育系统的信息不完全性和机制灰色性，导致简单地用一些统计数据来描述和评价教育系统的特征不可避免地具有缺陷。本文利用研究少数据、贫信息不确定性问题的灰色系统理论[9-10]，进行高校教学质量评价，为高校加强教学质量管理提供新的有效途径。

二、灰色聚类分析原理

（一）灰色系统简介

本质上，灰色系统可以看作是一种“贫信息”的不确定性系统，其研究对象是普遍存在的信息不完整的小样本。在灰色系统研究中，主要是通过对部分已知的信息进行综合的深度挖掘，从而从中提取出有价值的潜在未知信息，并在此基础上最终实现对系统自身运行、内外交互及生命演化的深刻认知和有效利用。

特殊地，当在进行教学质量灰色聚类分析时，由于分析对象数量较多，不可避免地会出现多个对象同属于灰类k*的情况。此时，可以根据综合聚类分析系数的大小，对同属于灰类k*的各个对象进行进一步的优劣判定。

三、实例分析

依据全日制应用型本科院校金陵科技学院制定的《课堂教学质量评价标准》，在其中八个一级教学质量指标，即教学准备I1、课堂教授I2、辅导与作业I3、课程考试I4、教学效果I5、课程评价I6、课程总结I7和课程改革I8的基础上，建立了教学质量分析指标体系，如图2所示。

利用上述各灰类三角白化权函数，根据教学质量具体指标的取值，可以计算出各教学质量分析指标的聚类系数和综合聚类系数，结果如表3所示：

出，该教师的教学质量总体属于“中”灰类，说明其教学质量属于一般水平。进一步考察具体指标，可以看出该教师教学准备I1和课程总结I7水平偏低，课堂教授I2良好，辅导与作业I3属于较高水平，课程考试I4水平中下，教学效果I5中等，课程评价I6水平较好，课程改革I8表现优良。

四、结束语

高等教育系统是多层次、多目标和多因素的灰色系统，用灰色聚类分析方法进行教学质量的分析，灰类的数目、标准及白化函数都是预先确定的，方法简单、合理，模型清晰、實用，减少了人为因素的影响，使得分析结果更接近评价对象的本质属性。在实践上，该方法对提升高等教育教学质量、促进高等教育的持续健康发展具有一定的现实意义。

参考文献：

[1]孔令明，王云峰.基于AHP的高校课程教学质量评价方法[J].中国经济与管理科学，2009（1）：43-44.

[2]赵蔷，李红，郭新明.基于PCA的高校教学质量评价方法[J].电子设计工程，2016，24（8）：20-22.

[3]杨林，余半坡.基于Fuzzy和AHP的高校教育教学质量评价方法研究[J].中国校外教育旬刊，2014（9）：61-62.

[4]张宝玲.基于后验信息的高校教学质量评价方法初探[J].中国教育技术装备，2015（12）：15-17.

[5]付海艳，符谋松，张诚一.粗糙集理论在高校教学质量评价分析中的应用[J].计算机工程与应用，2007，43（36）：214-216.

[6]吴希.基于BP神经网络的高校教学质量评价方法[J].福建电脑，2009，25（10）：99-100.

[7]朱家荣.基于模糊神经网络的高校课堂教学质量评价方法研究[J].当代教育实践与教学研究，2015（10）：85-87.

[8]刘忠宝，马巧梅，杨秋翔.基于PSO神经网络的高校教学质量评价方法[J].计算机与网络，2015，41（5）：52-54.

[9]邓聚龙.灰色系统理论教程[M].华中理工大学出版社，1990.

[10]刘思峰.灰色系统理论的产生与发展[J].南京航空航天大学学报，2004，36（2）：267-272.