基于层次分析法的线上教学评价研究

2022-08-03庄倩倩

江苏科技信息 2022年18期

庄倩倩

（吉林农业科技学院农学院，吉林吉林 132101）

0 引言

2020年新冠肺炎疫情暴发，抗击疫情期间，高校教学工作多数采用线上教学方式，这种新兴的授课方式与以往的线下课堂授课有着巨大的区别，如何评价线上教学效果成为一个待解决的新问题。线上教学效果受到多个方面多个层次的因素影响，加之线上授课方式引入更多的影响因素，使得其评价更加难于量化。

层次分析法(Analytical Hierarchy Process，AHP），是20 世纪70年代美国运筹学家萨蒂(T.L.Saaty）教授提出的一种层次权重决策分析方法［1］。这种方法将一个项目的总目标分解成为多个子目标或子标准，再进阶分解成为多准则、多指标的若干层次，最终得到一个递阶层次结构，即层次结构模型。其通过将定性的指标进行模糊量化的方法来计算各个层次的单排序(权重数）和总排序，从而对一些多目标、多准则类型的方案进行优化决策［2］。应用层次分析法对线上教学效果进行评价，其核心是将评价对象属性分解成多个层次，对于各个层次的组成因素按照其隶属关系不同进行组合，从而形成一个多层次、多因子的树状分析结构模型，然后确定每一层次各个因素所占的权重。最后在此基础之上按照一定的数学模型进行量化处理，从而得到评价对象的总量化评价［3］。因此，研究组将层次分析法用于网络教学策略对教学效果的影响研究中，以期改善教学过程，为学生知识体系的构建进行更合理的教学、课堂改革。

1 课程评价体系构建

1.1 核心问题的提出

高校学生群体来自不同的省份，入学成绩千差万别，同一个专业又有文理科生，在生源不同的大背景下，教师的网络教学方法能否满足绝大部分学生的网络学习要求？在网络教学方法多而繁杂的情况下，究竟哪种网络教学方法适应哪种知识体系？这些问题困扰着许多一线的授课教师，因为在网络教学反馈当中总是缺少很多客观数据的支撑。

在以往的科研过程中，研究组经常采用层次分析法进行科研目标的选择工作。课题组在探讨层次划分时，紧紧围绕4个核心问题展开：①不同网络教学策略下学习者的认知有何差异？ ②教学者的行为对学习者究竟有多少影响？ ③相同的网络教学方法对具有不同教育背景的学习者是否有不同的教学效果？④教师今后实施网络教学策略时应注意哪些事项？因此，本研究组建了系主任、专业教师和学生的三级评价研讨小组，课题组教师全部具有丰富的一线教学和科研经验。

1.2 数据收集

以2019、2020 级园林专业学生及10名专业授课教师作为数据采集来源。针对其专业课教学、授课方式、网络平台等内容向学生及教师发放调查问卷，调查问卷设计为“多选＋填空”模式，即每题列出若干个选项后，题尾附带空格，如果受访者认为有其他内容，可填写在空格处。共发放150 份调查问卷，收回有效问卷146 份。对每题的各选项出现次数进行统计，并按照从高到低的顺序排列统计；针对教学方法、学生特性等内容进行课堂学习效果测试，按照不同的学习方法及不同的学生特性指标对成绩进行分类及平均分的计算，然后按照从高到低的顺序进行排序。

1.3 层次分析法各层指标的构建

利用层次分析法确认网络教学效果影响评价体系的总目标(A 层），并依据总目标依次划分构建出准则层(B 层）和指标层(C 层）。准则层包括教学内容、教学方法、授课方式、学生特性、网络平台、教师特性6 项，指标层包括教学内容专业性等共计29个指标。

然后利用建立两两指标比较的判断矩阵且对层次单进行排序，计算出指标层C 中各个元素相对于目标层A 的合成权重数值(见图1）。

图1 教学质量评价层次结构体系

1.4 权重值计算和一致性检验

利用收集的数据构建目标层A 至准则层B 的判断矩阵，得到B 层各个元素相对于A 层的权重。通过课上调查问卷收集到的数据，构建准则层B 至指标层C 的判断矩阵，得到C 层各个元素相对于B 层的权重。对于每一个成对比较阵计算最大特征根及对应特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过，特征向量(归一化后）即为权向量；若不通过，需重新构造成对比较阵。应用每一个判断矩阵各因素针对目标层(最上层）的相对权重，计算最下层对目标的组合权向量，并根据公式做组合一致性检验，若检验通过，则可按照组合权向量表示的结果进行决策，否则需要重新考虑模型或重新构造一致性比率较大的成对比较阵。

1.5 判别矩阵构建及权重的求解

根据指标体系，选取本领域多位专家，分别对指标的重要程度进行打分，然后对打分结果进行内部的讨论和归纳，得到两两判别矩阵［4-5］。

用MATLAB 软件计算判断矩阵S的最大特征根得λmax＝6.044 0。为进行判断矩阵的一致性检验，需计算一致性指标：

平均随机一致性指标IRI＝1.26。随机一致性比率：

因此认为层次分析的结果有满意的一致性，即权系数的分配是非常合理的。运用MATLAB 软件计算出指标的权重(见表1）。

表1 一级指标层对目标层的判断矩阵对应准则与权重

按照上述方法将各个B 阶层内的指标进行矩阵构建及权重求解后，一级指标权重×二级指标权重，算出综合权重而得到各个指标的综合权重(见表2）。

表2 各级指标层权重及综合权重

2 评价结果分析

从表2 综合评价权值可以看出，一级指标中对教学效果影响顺序为：B4＞B2，B6＞B1＞B3＞B5，其中B4(学生特性）排在第一位，在该指标下的4 项二级指标排名中，班级成绩排名C22 影响最大，这表明学习效果与学生自身学习能力有较大关系，这证实学习是一项主观能动性活动，学习主观性直接决定了学习效果，成绩较好的学生，多数是因为其学习能力、学习内驱力较强；其次是C20(文理科），这是由于园林专业学生生源为文理兼招，而本次列入调查的专业课程偏向理科内容较多，文科生源学生在学习该门课程中无明显优势。

二级指标中B2(教学方法）、B6(教师特性）对教学效果的影响并列位于第二名。其中，教学方法指标层中C11(探究自学）效果最佳，其次为C7(对比）、C8(列举）、C9(案例分析），但在实际教学中发现，这些教学方法的授课效果会受到具体知识类型的影响。一些客观告知、无须推理分析类的知识，学生自学、翻转课堂等效果很好，而一些需要深度解读、教师引领等深层次知识则在教师的对比、列举等教学方法授课后会取得较好的教学效果，所以不能抛开教学内容而绝对地评价某种教学方法的优劣。从权重值发现，在教师特性指标中，教师表达能力的影响大于学历和性别的影响。授课效果确实直接受到教师表达能力的影响，但在实际课堂走访和评估中发现，有些教师的表达能力很好，但授课效果依然不理想，如课程思路混乱、重点不突出、学生上课走神等，分析其原因，是教师对课堂的把控能力、对整堂课程的设计能力欠缺造成的。由此可知，在教师特性中仅设置表达能力指标是不全面的，而且该指标效果的发挥受到其他因素的限制，其中教师的性别、学历因素对授课的影响较小，在今后该领域的研究中应丰富教师特性指标的数量。

二级指标中B3(授课方式）对授课效果的影响评价系数较低，但在某些特殊情况下，其影响力也会提升，如遇到某些学生所在地区网络不佳的情况，录播课由于其课后可反复观看，受时效性影响较小，其教学效果就明显优于直播课，此时授课方式的影响力将会大于其他指标。

B1(教学内容）对整体教学效果的影响不大，但其中相比其他指标内容较明确、逻辑性较强的指标，对教学效果的影响更大，究其原因，逻辑性、明确性较强的内容便于学生接受理解，故可以得到较好的教学效果。 B5(网络平台）对教学效果的影响最小，指标中几个网络平台均为目前使用较流行、应用较多的平台，学生使用反馈各个网络平台的功能、使用感相差不大。