改进的AHP-模糊综合评价法在本科生学习力评价中的应用<br/>——以成都师范学院为例

改进的AHP-模糊综合评价法在本科生学习力评价中的应用
——以成都师范学院为例

2021-05-06成都师范学院数学学院舒孝珍朱珍妮陈云端

内江科技 2021年4期

◇成都师范学院数学学院谢娟舒孝珍朱珍妮陈云端

本文以成都师范学院的本科生为研究对象，利用多级模糊综合评判法和改进的层次分析法，结合本科学生学习力的影响因素，建立了多级模糊综合评判模型，分析评价了成都师范学院本科学生的学习力。

“学习力”一词最早出自20世纪60年代美国系统动力学教授福瑞斯特提出的学习型组织思想[1]，学习力主要包括学习动力、学习毅力、学习能力、学习创新力[2-4]。对本科生学习力的评价研究，常见的方法有神经网络分析法[5]、灰色聚类评价法[6]、层次分析法和模糊综合评价法[4,7-10]。基于层次分析法和模糊综合评价法的学习力研究中[4,7-10]，采用的是传统的1～9标度的层次分析法，该标度法需要对判断矩阵进行一致性检验，将给实际应用带来不必要的麻烦，本文采用改进的0.1～0.9标度的层次分析法，并结合模糊综合评价法对本科生学习力进行探究，可以避免判断矩阵的一致性检验，同时也得到合理的评判结果，并且使得AHP-模糊综合法在实际生活中得到更广泛的应用。

1 本科生学习力评价指标体系构建

表1 本科生学习力评价指标体系

在构建本科生学习力评价指标体系过程中，通过查阅借鉴相关文献资料研究成果，遵循科学性、系统性、适用性等原则，咨询专家和对调查问卷数据的整理分析，最终确立了4个一级指标和24个二级指标的本科生学习力评价指标体系，见表1所示。

2 改进的AHP-模糊综合评价法的相关理论

2.1 改进的AHP

与传统的1～9标度的层次分析法不同的是，改进的层次分析法利用的是0.1～0.9标度，新的标度更能符合判断矩阵的一致性与人们的思维一致性的协调。应用改进的AHP的主要步骤如下[11]：

（1）建立层次结构模型。根据评价指标体系，至上而下建立层次结构模型的目标层、准则层、方案层。

（4）利用“和法”计算权重。该计算过程可借助MATLAB数学软件实现。

2.2 多级模糊综合评判

模糊综合评判可分为一级模糊综合评判和多级模糊综合评判，由于现实问题往往错综复杂，因而常用多级模糊综合评判对问题进行分析。多级模糊综合评判的一般步骤如下[12]：

（1）将因素分层。

（2）建立权重集。对每级评判中的因素，根据其重要性赋予相应的权重。

（4）一级模糊综合评判。在因素分层中，先对最后一层因素进行模糊综合评判，因而，把对最后一层元素进行的模糊综合评判称为一级模糊综合评判。

（5）多级模糊综合评判。在因素分层中，对倒数第二层的因素进行评判，把一级模糊综合评判的结果作为二级模糊综合评判时的单因素评判，计算得到二级模糊综合评判结果，再把二级模糊综合评判结果作为倒数第三层因素的三级模糊综合评判时的单因素评判，依次类推，得到多级模糊综合评判结果。

2.3 改进的AHP-模糊综合评判模型

改进的AHP-模糊综合评价法是指将0.1～0.9标度下的层次分析法融入到模糊综合评价法中来确定指标的权重，其一般步骤如下：

3 本科生学习力评价分析

根据表1中的本科生学习力评价指标体系，应用改进的AHP-模糊综合评价法，以成都师范学院大一至大四的本科生为研究对象，通过调查问卷搜集数据，进行成都师范学院本科学生的学习力评价。

3.1 权重计算

对于总的目标层，利用0.1～0.9标度的层次分析法构造准则层中学习动力、学习毅力、学习能力、创新能力的判断矩阵A如下：

借助MATLAB数学软件计算4个一级指标的权重，编写M文件程序qz.m如下所示：

运行结果：

利用上述相同的方法作数学变换和权重计算，得到24个二级指标的权重为，其中

3.2 综合评判

利用问卷星网络调查问卷，随机向成都师范学院各个学院，各个专业的大一至大四的学生进行了抽样调查，共收回有效问卷364份。通过在线spss对调查问卷进行分析，信度系数值为0.893，大于0.8，因而说明研究数据信度质量高。

对表1中的24个指标设立了备择集V={好，较好，一般，较差，差}，分别对应区间，通过咨询专家和结合调查问卷数据分析结果，得到各个指标对应等级的隶属度，如表1所示。表1中一级指标“学习动力”下的5个二级指标对应的模糊评价矩阵为：

类似可得一级指标“学习毅力”、“学习能力”、“创新能力”的综合评价向量：

因此，表1中4个一级指标的模糊评价矩阵为：

3.3 结果分析

通过上述对成都师范学院本科生学习力的评价分析，可以得到如下学习力隶属度比例图（见图1），从图1中可以看到，该校本科学生学习力隶属于“好”的学生大约占全体同学的15.38%，“较好”的约30.21%，“一般”的约45.25%，“较差”的约7.01%，“差”的约2.12%。这一分析结果与教学部门的反馈结果相符，说明此模型对本科生学习力评价行之有效。