络化学习模糊综合评模型的构建.docVIP

网络化学习模糊综合评价模型的构建 The Construction of E-learning Synthetical Evaluation Model Based on Fuzzy Theory 黄越岭 张小真** 廖 剑* *西南师范大学网络教育学院Tel:023E-mail:huangyl@swnu.edu.cn **西南师范大学计算机与信息科学学院 Tel:023E-mail:zhangxz@swnu.edu.cn 随着网络化学习（E-learning）的不断发展，对其进行科学而客观的综合评价日益重要。但目前对网络化学习方案的评价方法甚少。本文提出一种基于模糊综合的网络化学习评价模型，设计了完整的指标体系和评价方案，以期为教育决策者在衡量不同网络化学习方案的优劣和制定改进方案时提供更有价值的参考依据。 关键词：网络化学习 评价模型 模糊理论 指标体系 1 引言 近年来网络化学习（E-learning）通过对网络化学习效果研究的分析，我们认为，应当从教与学的全过程来看待网络化学习的效果, 充分考虑到网络化学习全过程中各个环节的作用, 考虑到各种因素的影响及其相互作用。因此，对网络化学习效果进行综合性的研究应是最符合当前网络化学习评价领域发展现状的研究方向。 评的核心是建立评价模型。最为人们熟知的评价模型是线性的，即评价指标加权平均综合模型。这种模型计算简单，建模方便。运用起来往往不能令人满意结果网络化学习2 模糊综合评价思想的提出 模糊综合评价是基于评价过程的非线性特点而提出的，它是利用模糊数学中的模糊运算法则，对非线性的评价论域进行量化综合，从而得到可比的量化评价结果的过程。 当评价对象选定以后，首先要对评价目标进行分析；对评价对象所涉及到的影响因素进行科学合理地分类和分层，建立可测性、完备性和可行性由于各个单因素在总评定因素中所起作用不相同，因此要设定各 图1 模糊综合评价过程示意图 3 确定评价指标体系 评价指标体系是指评价对象所涉及到的各种影响因素的集合。 建立评价指标体系时，要符合指标与评价目标的一致性、同体系内指标的相容性、各评价指标的相对独立性的原则，并可测性、完备性和可行性的原则。评价指标体系的变量不宜过多，否则就使评价与计算的工作量变大，同时对 评价对象的选定 评价对象是被评价的客体，在这里也就是被评价的网络化学习方案。 3.2 网络化学习的评价因素 影响网络化学习的因素主要包括以下四个方面：一是环境因素，涉及网络化学习的网络硬件设施、上网环境以及社会与网校环境等；二是网络教学平台及教学资源因素； 三是学生因素，涉及学生的积极性、计算机素养水平、学业基础和能力、学习动机、学习方式以及对教学模式的适应性等；四是教师因素，涉及教师的计算机素养水平、积极性及教学思想和方法等。 本文采取了两层的模糊综合评价模型。（具体评价因素见表1）表1 网络化学习效果的评价因素 社会校环境因合为U： （3-1） 式中ui为各评价因素。 3.3 确定评价因素的权重 评价因素权重的确定一般采用三种方法：一是专家会议法，二是特尔裴法，第三是层次分析法[1]，层次分析法是运用多因素分级处理来确定因素权重的方法。这种方法可以比较科学地确定权重，因此我们采用层次分析法作为网络化学习的权重确定方法。下面简述层次分析法确定权重的方法：首先，对同一层次的指标两两比较其重要度，并根据表2赋值，可以得到比较值，如表3所示。相对重要度如果取值为偶数，则表示两个评价指标的相对重要性介于两个奇数取值之间。表2 指标相对重要度比较法则 值 相对重要性 说明 1 同等重要 两者对目标的贡献相等 3 略微重要 根据经验，前者比后者稍有利 5 重要 根据经验，前者比后者更有利 7 重要得多 前者比后者有利，且优势明显 9 极端重要 前者比后者的重要程度可以断言为最高 3 比较值表 A1 A2 A3 … An A1 1 A12 a13 … a1n A2 a21 1 a23 … a2n A3 a31 A12 1 … a3n … … … … … … An an1 an2 an3 … 1 该比较值表有如下重要特点： 1.任意指标与自身相比同等重要，因此该表对角线上的值均为1； 2.对角线两边互为倒数，比如有,则一定有， 即存在 （3-2）； 3.矩阵具有一致性。比如，，那么应有 一般说来如果有如下关系存在： （3-3） 则这个矩阵就称为具有完全一致性，它的最大特征根所对应的特征向量就能给出各指标的相对重要次序，将其正则化后就是所求的权重向量。 设因素集合权因子为： （-4） 式中ai为评价因素ui在总评定因素中所起作用大小和所占地位轻重的量