模糊数学模型教师讲课效果的评判.pptVIP

—模糊综合评判模型 结束 教师讲课效果的 综合评判 我们知道，对一个人某方面能力的评价往往是比较困难的。 结束 ?1? 因为能力是一项模糊指标，很难量化。 譬如要评价某教师的讲 课效果，这是一个困难的问题。 因为学生的基础各不相同，喜 好各异，接受能力各有强弱，再加上教师的讲课风格各有千秋 ，这就更增加了评价的难度。 讲课的唯一对象是学生，因此，对讲课效果的评判人只能是 学生。 为了便于评价讲课效果，我们可以规定几个等级，称为 评判集合， 记作 V={很好，好，一般，不好} 最简单的办法是让学生直接从V中选择一项对教师进行评判。 但是由于讲课效果是一个综合性指标，学生直接对其进行评判 不利于教师改进教学。 为了有利于教师改进教学，我们可以选 定体现讲课效果的若干具体指标， 譬如讲课的逻辑性，重点是 否突出，语言表达能力（包括条理性，语言是否生动，口齿是 否清楚）等三项指标。 规定对每一项指标每个学生必须从集合 V中选一项且只能选一项作为对教师的评判。 结束 ?2? 例如有若干学生对某个教师的实际评判结果是，对逻辑性， 有35%选很好，15%选好，没有人选一般，50%选不好。 则可以用 V上的模糊子集 来表示对逻辑性指标的评判结果，简记为 1= (0.35,0.15,0.00,0.50) 如果必须明确作出一个评价，则可根据最优从属原则，由于 般不必作出此评判，而是保留 1的原样， 0.5最大，得出评判结果是：该教师讲课的逻辑性不好。 但是一 这样更能反映出评判 该教师讲课逻辑性的全貌。 这种对某一项指标或因素的评判， 称为单因素评判。 假设评判人对另外两个因素“突出重点”和“语言表达能力”的 评判结果是模糊子集 2= (0.31,0.13,0.39,0.15) 和 3= (0.39,0.10,0.21,0.30) 还应将 归一化，即按比例，使a1+a2+a3 =1， 结束 ?3? 那么，我们怎样由这三个模糊子集来评判该教师的讲课效 呢？这就是模糊综合评判要解决的问题。 由于不同的人对各种因素的侧重不同，因此这三个因素在对 讲课效果的评判中所占的比重就不同。 为了反映这种情况，必 须确定一组权重。 设因素u1=逻辑性，u2=突出重点，u3=语言表达能力， 他们的 权重分别为a1 ,a2 ,a3， 则权重可以用因素集合U={u1, u2,u3}上 的模糊子集 来表示， 可简记为向量 其中ai为ui属于U的从属度. =（a1,a2,a3） 记因素 ui 归一化的单因素评判集合为向量 i=（ri1 , ri2 , ri3 , ri4） (i =1,2,3) 结束 ?4? 以所有向量 i为行构成单因素评判矩阵 则综合评判的结果是模糊子集 = o 其中 表示 与 的复合运算。 o 例如，若对上述因素u1,u2,u3的权重取为归一化向量 =（0.50 , 0.25 , 0.25） 则综合评判的结果是 = o = (0.50,0.25,0.25) o =（0.35 , 0.15 , 0.25 , 0.50） 结束 ?5? 归一化为 即综合评判的结果是：认为该教师讲课效果很好、好、一般 和不好的学生分别为28%、12%、20%和40%。 若该教师要改进教学效果，他应该着重改进三个因素中不好 的比例值与对应权重的乘积最大的那一项指标。 因为 0.5?0.5=0.25,0.25?0.15=0.0375,0.25?0.3=0.075, 其中0.25 最大， 所以该教师应该着重改进第一项指标，即讲课的逻辑性， 才能尽快提高教学效果。 一般，因素集U和评价集V的元素个数不宜相差太大，否则可 能影响综合评判的准确性。 如果取权重 =（0.33 , 0.33 , 0.33） 则 = o = (0.33, 0.15, 0.33, 0.33) 归一化为 = (0.29, 0.13, 0.29, 0.29) 作为综合评判的结果，与前面的结果显然不同。这说明各因素 ，对该教师综合评判的结果为 结束 ?6? 的权重直接影响综合评判的结果。 而权重是评判的组织者根 据经验主观确定的，很难正确反映评判人心中真实的权重。 因 此，模糊综合评判最难的往往是权重的确定。 由评判的结果反推出权重，即已知 和 ，求 的问题称为 模糊综合评判的逆问题。 例如，已知学生对某教师单因素评判的矩阵为 （同前面的 ） = (0.33, 0.13, 0.24, 0.30) 求