基于云模型的网络教育教师授课质量评价研究.doc

基于云模型的网络教育教师授课质量评价研究【摘 要】本研究针对网络教育教师授课质量评价存在的问题， 研究了基于云模型的网络教育教师授课质量评价方法。 研究首先采用德尔菲法构建了评价指标体系并确定了评价标准云模型， 然后为了克服评价中的模糊性和随机性采用了 云权重进行评价， 接着阐述了 基于欧式距离的评价等级确定方法， 最后进行了 实例说明。 本方法在部分程度上能够解决网络教育授课质量评价不足的问题， 评价结果可以为授课教师、 学习者以及网络教育机构提供一定的参考。【关键词】 网络教育； 教学质量评价； 云模型； 云权重 【中图分类号】 G420 【文献标识码】 A 【文章编号】 1009—458x（2013） 10—0022—08 随着多媒体技术和网络技术的普及与发展， 网络教育得到了 迅速发展， 成为远程教育的新形式。 目前， 除了 教育部确定的现代远程教育试点院校外， 基础教育领域和一些企业单位也开办了面向不同层次学生的网上学习与培训[1] 。 教师授课作为网络教育的重要环节， 其质量评价是网络教育教学管理的重要组成， 如何进行网络教育教师授课质量评价是一项值得研究的重要课题。

一、 文献回顾 相关学者也认识到了网络教育教师授课质量评价工作的重要性， 并做了研究， 主要研究成果总结如下。蔡怡[2] 分析了 远程高等教育教学质量评价准则设计， 并提出改进评价方法的五条思路； 李葆萍[3] 探讨了 网络教育评价系统的实现， 并介绍了 这个系统的主要结构、 功能； 陶勇等[4] 尝试性地提出一种网络教学评价模型和实现策略； 柳琼华等[5] 结合西南交通大学网络教育学院的实践经验， 提出网络教育教学质量评价系统的设计， 论述了该教学质量评价系统的建设目标和结构。 上述研究对网络教育教学质量评价准则、 实现途径等做了有益的分析和总结， 但都属于探讨与尝试性质且没有提出具体的评价指标和评价方法。从评价指标上来看， 有文献[6] 就中外现代远程教育教师教学质量评价指标进行比较， 为建立行之有效的教学质量评价标准提供了 理论依据。童小平等[7] 采用文献调研与专家访谈相结合的方法， 从学生评价维度建立了 一套网络教师教学质量评价指标。 任颖[8] 在总结我国远程高等教学经验的基础上， 并参考国外某些远程高校的教学质量评价指标和方法， 制定了 现代远程教育教师教学质量评价指标体系。

有文献[9] 通过国内外比较分析和实践调研， 从网络教学准备、 实施、 学习支持服务、 教学改革和研究四个方面， 构建了一套科学有效、 切实可行的网络教育教师教学质量评价指标体系。 以上文献是有关网络教育教师授课质量评价指标体系研究的代表性文献， 其研究成果对本文指标体系的构建极具参考价值并提供理论基础。从评价方法来看， 代表性研究成果有： 黄宇[10]确立了远程高等教育教学质量评价三级指标体系， 并采用加权平均法计算综合评分， 然而加权平均法的问题在于难以证明各个评价因素之间是否具有线性可加性。 董莉[11]构建了网络教育评价指标体系， 并采用模糊评价方法进行评价。 张宁蓉等[1] 建立了 网络课程质量评价指标体系层次分析模型， 用层次分析法进行了指标权重的测定， 最后同样采用模糊理论进行了网络课程质量的综合评价。 模糊综合评价方法需要用先验知识确定隶属度函数， 这是评价过程中的难点。 郭协潮[12]参照其他学者网络教学质量评价指标体系， 基于BP 神经网络算法， 建立了一套网络教学质量的评价模型， 但该方法存在诸如网络中隐藏节点个数的确定以及学习训练过程中容易陷入局部最优等难点问题。

综上所述， 虽然我国网络教育发展迅猛， 但却没有制定出如何保证网络教育质量的相关政策的评价标准[13]， 相关学者虽然对网络教育教师授课质量评价进行了有益的尝试， 但尚未形成统一的、 系统的评价指标体系以及较为科学合理的评价方法[5， 9， 15] 。 因此对网络教育教师授课质量评价研究力度还不够[14]， 亟须开展相关研究。网络教育教师授课质量评价分为两个层次[15] ： 第一， 任课教师个人教学授课评价体系； 第二， 包括学校教学管理在内的整体教学工作质量评价体系。 本研究只包括前者。由于在主、 客观世界普遍存在的不确定性中， 随机性和模糊性是最重要的两种形式[16， 17]， 因而在评价中也存在随机性和模糊性， 评价工作中随机性和模糊性产生的原因有[18] ： ① 外界环境影响的不确定性； ② 评价工作的复杂性； ③ 人类认识的模糊性。 具体到网络教育评价中的随机性和模糊性也是普遍存在的， 例如， 学习者由于知识水平不同， 对同一知识点的掌握情况就可能不同， 这在评价中就出现了模糊性； 再如， 有的教师通常能及时回答学生提问， 但若遇突发情况， 回答速度就可能会受影响， 这使评价出现了 随机因素等。

为了使网络教育授课质量评价更接近实际情况， 就必须考虑这些随机的、 模糊的因素， 而云模型可以有效解决评价中的模糊性和随机性[19， 20]， 因而可采用云模型来研究网络教育教师授课质量评价问题。二、 云模型概述 云模型是由李德毅院士[21]提出的， 是用于描述定性概念与其数值表示之间不确定性的转化模型。 云模型可以通过三个数字特征（期望 Ex， 熵En， 超熵 He） 来反映定性概念整体上的定量特征， 能够将模糊性和随机性关联到一起， 构成定性和定量的相互映射关系。 其中， 期望 Ex 在数域空间中代表定性概念的点， 反映这个概念的云滴群的重心位置； 熵 En 被用来衡量定性概念的模糊度与概率， 反映定性概念的不确定性； 超熵 He 是熵的不确定性度量， 即熵的熵， 反映了数域空间中代表该语言值所有点的不确定度的凝聚性， 即云滴的凝聚度。 由于研究中所用到的云模型理论知识主要涉及逆向云发生器和运算法则， 限于篇幅原因， 着重介绍这两部分的理论知识。 李德毅 等[22] 论证了 正态云的普适性， 因而采用正态云来进行教师授课质量的评价， 且介绍的云模型理论仅针对正态云。（一） 逆向云发生器 以下介绍的逆向云发生器属于无确定度信息的逆向云发生器， 其输入是给定的一组样本 x = （x1， x2， …， xi， …， xn）， 输出是云模型的三个数字特征（Ex， En， He）， 具体算法如下[21]：1. 计算样本均值[X]=[1n] [i=1nxi] 一阶样本绝对中心矩[d]=[1n][i=1nxi-X] 样本方差[S2=1n-1][i=1n（xi-X） 2]2. 计算期望： [Ex=X]；3. 计算熵： [En=dπ 2] 4. 计算超熵： [He=S2-En2] （二） 云的运算规则 设有 2 个云 Cloud1（Ex1， En1， He1） 和 Cloud2（Ex2， En2， He2），新云 Cloud（Ex， En， He） 由 Cloud1 和 Cloud2 通过加减乘除运算规则得到， 对应的运算规则如表 1 所示。

表 1 云的运算规则 [运算符＼ &期望 Ex＼ &熵 En＼ &超熵 He＼ &+＼ &Ex1+Ex2＼ &＼ &＼ &-＼&Ex1-Ex2＼ &＼ &＼ &×＼ &Ex1×Ex2＼ &＼ &＼ &/＼ &Ex1/Ex2＼ &＼ &＼ &] 三、 评价步骤 （一） 评价指标体系的构建 现有的指标体系构建方法有两类[23] ： 专家主观评定和比较判定法以及数据统计分析法。 通常来说， 第一类适用于资料有限， 主要依据专家经验知识来确定指标的被评价对象， 第二类适用于具有定量指标的被评价对象。 由于网络教育授课质量评价中的众多指标属于定性指标， 因此适宜采用第一类方法。 德尔菲法是第一类中的典型方法， 具有能充分发挥各位专家作用、 避免权威人士影响他人意见等诸多优点[24]， 所以采用德尔菲法构建评价指标体系。 德尔菲法的关键步骤如图 1 所示。图 1 德尔菲法关键步骤流程 1. 成立领导协调小组 领导协调小组负责整个项目计划的制订， 监督项目的实施进度， 协调成立专家小组， 保障咨询活动顺利开展等方面的工作。

2. 构建原始指标 原始指标的构建主要有两个途径： 一是通过查阅相关文献， 总结梳理；二是分析总结实践经验。3. 开发指标确定系统 为了 提高咨询工作效率， 降低咨询成本， 开发了一套基于 Web 的动态交互在线指标确定系统， 该系统实现了德尔菲法的关键步骤， 主要功能有：统计专家基本信息， 批量增加新指标， 在线咨询， 咨询结果数据统计显示以及自动筛选指标等。4. 组成专家小组 咨询工作共邀请了 25 名专家， 专家包括网络教育机构有关领导、 教育管理学研究者、 网络教育教师和学习者， 其中网络教育教师的筛选条件是： 具有 8 年以上一线授课经历且近 3 年考评为优秀或相当等级。 学习者的筛选条件为： 课程累计学时大于 300 小时且有 3/4 课程达到优秀或同等水平。 邀请学习者可以保证指标体系的全面性， 主要原因有两条： 一是学习者是网络教育授课质量评价的主要评价人， 二是评价的主要目的是通过学习者的评价提高授课质量， 让学习者满意。 此外， 可以通过控制专家小组学习者的人数和权重来保证指标体系的权威性和导向性。 在专家组成员人数的确定中首先应用头脑风暴法[25] 确定了 各类专家对指标体系的贡献因素以及各因素的计量方法， 然后构建了目标函数和约束条件， 最后通过分支限界法[26]确定专家组成员人数。

① 指标体系贡献因素的确定 经预先召开专家小组会议， 采用头脑风暴法确定的各类专家对指标体系的贡献因素主要有专家对指标体系的权威性、 导向性的贡献， 专家对该领域的熟悉程度， 以及指标体系的易用性四项，由于这四项因素在专家组成员人数选取中的重要性不同云模型计算， 因而采用层次分析法确定了四项因素的权重（λ 1， λ 2， λ 3， λ 4） = （0. 3， 0. 27， 0. 26， 0. 17）。② 各类专家对指标体系贡献因素的计量方法 专家通过在会议上各抒己见、 会后总结分析达成了一种高效且简便、可行的四项因素计量方法。 专家对指标体系的权威性、 导向性的贡献和指标体系的易用性三项因素可以将各类专家依据贡献度排序， 然后对各类专家赋值的方法进行计量， 例如经头脑风暴法确定教育机构管理者对指标体系的导向性贡献最大， 学者次之， 然后是教师， 最后是学习者， 并分别赋值（1， 0. 75， 0. 5， 0. 25）。 专家对该领域的熟悉程度的计量方法可以分别计算各专家进入该领域的时间长度， 然后按照各类专家求取平均数，最后归一化到（0， 1） 区间。 虽然以各专家进入该领域的时间长度来衡量专家对该领域的熟悉程度可能不够全面， 但是能够在一定程度上高效简便地反映专家对该领域熟悉程度。

③目标函数及约束条件的构建 设 n 为专家组成员总人数， 教育机构领导、 学者、 教师、 学习者的人数分别为 n1， n2， n3， n4， 第 i 类专家对第 j 项因素的贡献度为 xji，则目标函数为 [maxF=j=14λ ji=14nixji] 依据条件， 可得约束条件 [s. t. n1+n2+n3+n4=n0n1n0n2n0n3n0n4n] ④目标函数的求解及计算结果 很显然上述问题是一个在约束条件下求目标函数最优整数解问题， 分支限界法[26]可以有效求解本例问题， 求解结果如表 2。表 2 专家组成员统计情况 [＼ &教育机构领导＼ &研究学者＼ &网络教育教师＼ &学员 ＼ &人数（人） ＼ &7＼ &8＼ &7＼ &3＼ &比例（%） ＼ &28＼ &32＼ &28＼ &12＼ &] 5. 咨询工作 在第一轮咨询工作前， 专家通过指标确定系统添加新的指标， 加上原始指标形成初始指标。 本文的咨询工作是各专家通过指标确定系统在网上完成的， 第一轮咨询工作界面如图 2 所示。

图 2 第一轮咨询工作界面举例 6. 数据统计 根据专家对各指标判定情况， 进行数据统计， 统计的主要指标包括专家积极系数、 满分比、 等级和、 加权平均数、 变异系数和协调系数等。 由于篇幅关系只介绍与本文相关的满分比、 等级和和协调系数。①满分比 [Ki=ain×100%]式中 n 为专家人数， α i 在第一轮等于认为指标 i 一般或重要（第一轮按指标重要性分为： 不需即 0、 一般即 1 和重要即 2） 的专家人数， 在以后几轮等于认为指标 i 一般重要、 比较重要和非常重要（后边几轮按指标重要性分为： 不重要即 1、 不太重要即 2、 一般重要即 3、 比较重要即 4和非常重要即 5） 的人数。②等级和 [Si=j=1nRij] 式中 Rij 表示 j 专家对 i 指标的评价等级。③协调系数 [W=12n（m3-m） -ni=1nTij=1md2j] 式中 n 为专家总数， m 为指标数， dj 为个指标等级和的离均差， Ti 为相同等级指标。7. 指标筛选判断条件[27] 指标筛选判断条件有两条：① 在各轮咨询中如果指标 i 的满分比 Ki≤50%时， 删除该指标；②在第一轮咨询中如果指标 i 等级和 Si≤n/2 时， 删除该指标， 在第二轮及以后咨询中如果指标等级和 Si≤2n， 删除该指标。

8. 咨询结束判断条件[23] 进行协调系数显著性检验 [X2=j=1md2jnm（m+1） -1m-1i=1nTi] 自由度=m-1， 计算[Z=2x2-2m-1] ， 按标准正态分布规律判定统计意义界限。 如果 P≤0. 05 说明协调性较好， 结果可取， 咨询结束； 如果 P>0. 05说明结果不可取。9. 指标体系的最终确定 按照上述步骤， 在第二轮咨询结束后， 经过数据统计后各指标满分比都大于 86%， 等级和均大于 88， 说明各指标不可再删除， 是体系不可或缺的。 协调系数 0. 167， 显著性检验 P≤0. 05， 可以结束咨询过程， 确定的网络教育教师授课质量评价指标体系如表 3 所示。（二） 评价标准云模型的确定 标准云模型的确定也就是在论域中如何划分定性概念的问题。 目 前主要有两种基于云模型的评价集生成方法： ...

（编辑：财气旺网 - 财气网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!