网络课程评价方法探讨及思考.docVIP

网络课程评价方法探讨及思考 　　摘 要： 网络课程的质量是制约整个网络教育质量的一个关键环节。网络课程的质量评价方法却相对滞后，文章在对比了当前广泛使用的多种评价方法的基础上，提出网络课程应充分重视网络教学与课堂教学的结合，重视对学习方案效果和以学生为主体的评价。 　　关键词： 网络课程 评价模型 评价方法 　　网络课程是基于Web的、以超媒体形式表现的、以异步学习为主的课程，它是基于Web传输的为达到某学科或领域的教学目标而设计、组织的相对完整的学习经验体系，它包括围绕特定学习目标而设计组织的学习内容、为实施课程而设计的交互性学习活动、为评价课程效果而进行的测评等，是学习内容与学习活动的复合体[1]。网络课程作为一种重要的数字化学习资源，是当前高等学校开展远程教育、进行信息技术与课程整合的关键。网络课程的质量是制约整个网络教育质量的一个关???环节。 　　国内外对网络课程的评价十分关注，产生了很多有价值的评价标准。我国教育信息化技术标准委员会有专门的课题组进行网络课程评价标准的研制，最新公布的《网络课程评价规范》从课程内容、教学设计、界面设计和技术四个维度构建了评价网络课程的基本框架。而当前网络课程评价研究的重点之一是网络课程评价方法研究。 　　一、网络课程典型评价模型 　　1.总分法及加权平均法 　　总分法是对评价对象按每一个影响因素给出一个评定分数，然后用所有分数的总和作为评价标准的一种综合评价方法。总分法将每个因素都看成是同等重要的，但是，在许多需要进行综合评价的场合，不仅应该考虑因素的性质和多少，而且应该考虑各因素的重要程度。加权平均法对不同因素的重要程度赋予一定的权重，在对各个因素进行评分的基础上进行加权平均，再用加权平均值作为评价标准的一种综合评价方法。显然比总分法能给出更加合理的评价结果。因此，很多网络课程评价时，经常采用这种方法。 　　总分法和加权平均法简单易行，但评价方法没有考虑到网络课程评价中许多非量化的因素，很多评语集的语义都含有一定的模糊性，评价者在给某一指标打分时，会有一定的随机性。如果简单地将这些量化值合并，就必然会损失一些信息，导致不准确的评价结果。 　　2.模糊综合评价法 　　模糊综合评价法为非量化评价与量化评价的结合提供新的思路。对于网络课程系统来说，其评价指标大多面临“模糊”或“不确定性”，模糊综合评价法正是研究不确定性问题的有效处理方法；评价指标具有多层次、相关性，所以通常将模糊评判法和层次分析法相结合。通过对各评价指标权重及模糊评判矩阵各元素值的分析，可对被评价网络课程存在的问题提出改进的建议，评估模型实用性强、可靠性高。 　　很多模糊评价模型中常见最大隶属原则，因此会损失部分有用的信息；在网络学习的评价过程中，如使用模糊综合评判方法，对服务器的要求很高；模糊综合评判指标体系必须满足矩阵式，它不能按网络课程与评价指标的具体情况分级。 　　3.基于云模型的综合评价法 　　云模型可以统一描述语言值中大量存在的随机性、模糊性，以及两者之间的关联性。云模型利用语言值描述的定性概念与其数值表示之间的不确定性转化模型。教育相关的研究领域中，基于云模型综合评判方法目前被一些学者引入，利用云发生器可以实现评价指标评语的定性定量转换，还可使用云模型的方法处理评价数据。 　　该评价系统对于评价人数较少时，使用逆向云算法会存在不可信的结论，比如专家评价网络课程时人数肯定不会很多。另外，在相似云的算法中可能会由于权重选择不当而导致相似比较值出现偏差，导致最终的评价结果的准确性不高。[2] 　　4.基于灰色系统理论的网络课程综合评价方法 　　网络课程评价是一个多属性的、多层次指标体系构成的综合的评价过程，注重于对内容、资源和寓于内容之中的教学策略和学习策略的评价。在具体评价过程中，评价指标显然决定了评价的内容，是网络课程评价的基础。灰色系统评价方法可以使具有小样本性、不确定性及模糊性的评价结果更加合理，为网络课程的多元化评价提供参考和借鉴。 　　5.物元评价模型方法 　　物元分析是系统科学、思维科学和数学科学的交叉边缘学科。利用物元理论可以建立一套识别“既是又非”和可变性事物的方法。该模型为网络课程的评价提供了一个新的视角，不仅能够从定性与定量两个维度使评价结果更准确、更全面，而且能体现出对评价结果的反馈，更好地优化网络课程。该方法是对网络课程评价研究的有益探索，但有待在实践中继续完善。[3] 　　6.神经网络方法 　　BP人工神经网是一种多层前馈型神经网络。基于BP神经网络模型能较为精确地模拟专家进网络课程的内容质量评价，并能较好地反映专家结论。这样可以避免专家重复劳动，并减少人为因素导致的错误。可以借助神经网络方法进一步对网络课程其他指标进行评价，也可以将其他指标进