项目教学中小组互评成绩算法研究.docVIP

项目教学中小组互评成绩算法研究 　　摘要： 在项目教学中小组互评成绩的教学活动中，暴露出小组互评过程中的成绩偏差问题，并最终导致总结性评价失去公正性。为此，对这一现象展开讨论，分析产生这一现象的原因，并提出解决策略的三种算法，分别为偏差评价法、模糊综合评判法和排序接近评价法，并以《Java程序设计》小组项目实训的成绩为例进行探讨。 　　关键词： 模糊综合评判；小组评价；项目实训；排序接近评价；成绩偏差 　　中图分类号：O159文献标识码：A文章编号：1671―7597（2011）0110075－02 　　 　　0 引言 　　项目开发综合实训作为高职高专项目课程教学中的一个重要环节，在贯通学期课程知识和使学生学会如何应用所学知识解决实际问题方面起到很大的作用。项目教学的考核与评价是检验学生是否到达课程整体预设能力目标的必要手段，考核与评价方案应根据课程整体预设能力目标，并制定相应的考核评价标准。教学中通过小组成果演示汇报，学生参与评价是一种成熟的评价方式。项目教学中小组互评成绩如果单纯以小组得分的平均值作为小组的互评得分不能准确地反应出小组互评的真正分值。作为主持项目教学的教师，为保证评价的公正性，必须采取一定的策略修正这一偏差。本文探讨都是针对下面情境：《Java程序设计》小组项目实训成绩的指标体系包括：① 实训报告的完成情况极其规范程度（30分）；② 团队合作（10分），包括平时小组之间的交流，组内成员的合作情况和演示汇报中各小组成员之间的密切配合等；③ 通过系统演示所展现的开发系统的技术难度（40分）；④ 系统的界面艺术及其创新特色（20分）。下面探讨三种方法：偏差评价法、模糊综合评判法和排序接近评价法。 　　1 利用修正因子修正各组的给分来解决个别小组的给分偏差 　　1.1 实施步骤 　　利用修正因子修正各组的给分来解决个别小组的给分偏差的实施步骤如下：① 计算所有分值的算术平均值作为本次协作学习活动的总基准分值。记为：X。② 计算每个小组给出的分值的算术平均值，计为：Yl，Y2，……。③ 计算小组给分平均值与总基准分的差，作为小组修正因子。即Zl=Yl-X，Z2=Y2-X，……，其中修正因子可为正数或负数都可。④ 以修正因子修改每个小组的每次给分，形成小组给分修正值。⑤ 根据修正值重新计算每个小组的算术平均分，作为小组的互评得分。对这一方法，本文不作具体探讨。 　　1.2 偏差法的算法评价与小结 　　通过引入修正因子，本算法较好地解决了在小组互评过程中产生的成绩偏差问题。假设将全班划分为N各组，由于每个小组都对其他N-1个小组进行了评估，具备了一定的数据量。因此以该小组N-1次给分的平均值与总基准分的差值作为修正因子，可以修正各小组给分中的偏差，较好地解决了小组互评中的公正性问题。然而需要注意的是，对于每个小组只有一个数据的单次测评，则不宜使用这一算法。否则可能导致单次测评中的数据聚集问题，最终使数据失去其应该代表的含义。 　　2 模糊综合评判法在项目教学中小组互评成绩的应用 　　2.1 模糊综合评价模型 　　客观世界中有许多问题由于评定事物的标准或事物本身的定义没有明确的边界，从而构成不确定性，即模糊性。模糊综合评判是根据模糊变换原理和最大隶属度原则，综合考虑与被评判事物相关的各个因素的影响，进而对事物做出总的评价。这种评价方法能权衡各级因素，使信息不丢失，真正使评价过程中参与的每个人的评价信息起到相应的作用，从而实现全面的、公正的评价。比如对学生项目实训成绩的评价好与不好的明确界线有时很难划定。而采用模糊综合评判法对不确定性问题进行评判则是较为科学的评价方法。模糊综合评判评价模型如下：设论域评价分为n级，则有评价集合：U={U1，U2，…Un}（n取有限值）。影响论域的因素有m个，则有因素集合：V={V1，V2，…Vm}（m取有限值）。单个因素的评判为Ri={Ri1，Ri2，…Rin}，可以看作是上的一个模糊子集，其中rik表示第i个因素的评判对于评价集合中第k个等级的隶属度。则m个因素的评判矩阵如下式(1)所示： 　　在进行综合评判时，考虑各个因素对论域评定等级所起作用的大小，也就是说，不同的因素有着不同的权，权的分配是因素集合上的一个模糊子集A：A=(P1，P2，#8943;Pm)P为对A的隶属度，是单独考虑因素对评判等级所起作用大小的度量，它代表了根据单因素评判等级的能力。若给定A和R，即可进行综合评判。其综合评判的结果为B=A?R。对于A?R的运算类型，可根据不同的情况采用不同的算子，如：(“?”，“+”)等。 　　2.2 模糊综合评价模型实施步骤 　　图1第一组小组互评项目实训的成绩 　　模糊综合评价模型实施步骤如下：① 建立评价因素集：因素集是影响评判对象的各种因素