樊玲++胡來++李柏君++覃柳婷

DOI：10.16644/j.cnki.cn33-1094/tp.2016.07.001

摘 要： 隨著混合式教學(xué)的發(fā)展，教學(xué)和學(xué)習(xí)方法都將基于大量教學(xué)數(shù)據(jù)的分析和處理。針對教學(xué)與學(xué)習(xí)方法的變化，設(shè)計(jì)一種基于CIPP教學(xué)評價(jià)體系的多方權(quán)重指數(shù)算法，將層次分析法、熵權(quán)法與關(guān)聯(lián)算法結(jié)合，根據(jù)不同的學(xué)習(xí)行為的變化得到不同的評價(jià)結(jié)果。實(shí)驗(yàn)結(jié)果表明，評價(jià)結(jié)果避免了主觀性與不穩(wěn)定性，充分利用大數(shù)據(jù)優(yōu)勢，優(yōu)化了教學(xué)方法和教學(xué)系統(tǒng)。

關(guān)鍵詞： CIPP； 熵權(quán)法； 層次分析法； 關(guān)聯(lián)算法

中圖分類號：G434 文獻(xiàn)標(biāo)志碼：A 文章編號：1006-8228（2016）07-01-04

An improved multi-party weight index algorithm in CIPP evaluation system

Fan Ling， Hu Lai， Li Baijun， Qin Liuting

（School of Ethnic education， Beijing University of Posts and Telecommunications， Beijing 100876， China）

Abstract： Aiming at the change of teaching and learning methods， design an improved multi-party weight index algorithm in CIPP evaluation system. In this algorithm， the analytic hierarchy process， entropy weight method and association rules are combined to get the different results from the different learning behaviors. The experimental results show that the evaluation results can avoid the subjectivity and instability， make full use of the advantage of big data， and optimize the teaching methods and teaching system.

Key words： CIPP； entropy weight method； analytic hierarchy process； association rules

0 引言

云計(jì)算和大數(shù)據(jù)技術(shù)推動了教育技術(shù)革新。目前提倡的混合式教學(xué)將傳統(tǒng)課堂與網(wǎng)絡(luò)教學(xué)結(jié)合，靈活地利用課堂上下的時(shí)間，充分利用網(wǎng)絡(luò)技術(shù)和學(xué)習(xí)平臺，從而幫助師生取得最優(yōu)化的教學(xué)效果。

任一種優(yōu)秀的教學(xué)方式，都必須根據(jù)教學(xué)的實(shí)際情況進(jìn)行調(diào)整，如果只憑借教師的主觀判斷進(jìn)行教學(xué)調(diào)整，顯然有失偏頗。教學(xué)評價(jià)體系是教學(xué)系統(tǒng)自我了解、自我修正的一個重要環(huán)節(jié)，目前應(yīng)用最廣泛和成熟的一種教學(xué)評價(jià)模型是CIPP模式[1]，CIPP包括背景評價(jià)、輸入評價(jià)、過程評價(jià)和成果評價(jià)四種評價(jià)。

1 基于CIPP評價(jià)模型的多層次指標(biāo)體系

基于混合式教學(xué)的CIPP評價(jià)模型，根據(jù)學(xué)生背景（包括前期成績、專業(yè)方向等）不同，借助現(xiàn)有計(jì)算機(jī)技術(shù)，采集學(xué)生與教師在教學(xué)過程中的客觀數(shù)據(jù)（包括學(xué)習(xí)時(shí)間、學(xué)習(xí)計(jì)劃完成情況等）和成果數(shù)據(jù)（包括考試成績、合格率、優(yōu)秀率等），對指標(biāo)的重要性進(jìn)行比較和量化，避免權(quán)重的主觀性和不穩(wěn)定性。

首先根據(jù)CIPP評價(jià)體系的對象、過程和內(nèi)容，對具體指標(biāo)進(jìn)行排序和分級，建立指標(biāo)矩陣。將評價(jià)體系按照①背景評價(jià)、②輸入評價(jià)、③過程評價(jià)和④成果評價(jià)四個子目標(biāo)，每個目標(biāo)又按照教師和學(xué)生兩個主體分別考慮。在評價(jià)指標(biāo)體系中，4個一級指標(biāo)代表CIPP的4個過程，每個一級指標(biāo)包含2個二級指標(biāo)代表教師和學(xué)生兩個主體，每個二級指標(biāo)又包含2～4個三級指標(biāo)，我院計(jì)算機(jī)課程為例，其指標(biāo)體系見表1。然后根據(jù)不同層次結(jié)構(gòu)的不同對象特點(diǎn)，采用不同算法，求得每一層次的各元素對上一層次某元素的優(yōu)先權(quán)重，最后用再加權(quán)和的方法遞歸求得對評價(jià)體系的最終權(quán)重[3]。

2 各層多方權(quán)重指數(shù)算法

根據(jù)基于CIPP評價(jià)模型的多層次指標(biāo)體系的討論，將系統(tǒng)分成三個層次（見表1），考查對象有三個方面：學(xué)生成績、教師評價(jià)與系統(tǒng)評價(jià)。其中學(xué)生評價(jià)權(quán)重由熵權(quán)法計(jì)算得到，教師評價(jià)與學(xué)生成績相關(guān)聯(lián)，系統(tǒng)評價(jià)都與學(xué)生成績及教師評價(jià)相關(guān)聯(lián)，因此，教師評價(jià)與系統(tǒng)評價(jià)的權(quán)重均由關(guān)聯(lián)算法得到。

2.1 熵權(quán)法計(jì)算學(xué)生成績權(quán)重與二級指標(biāo)

根據(jù)信息熵的定義，熵表示系統(tǒng)無序的程度，因此如果指標(biāo)的信息熵越小，那么該指標(biāo)在我們的綜合評價(jià)中起到的作用越大，具體到算法中即對應(yīng)的權(quán)重值越大[3]。在學(xué)生成績評價(jià)體系中，學(xué)習(xí)成績不再是單獨(dú)的期末成績一項(xiàng)，而是兼顧背景、輸入、過程和結(jié)果四個方面，學(xué)生成績和入學(xué)成績、平時(shí)學(xué)習(xí)時(shí)間、平時(shí)成績和期末成績都相關(guān)。根據(jù)這四部分指標(biāo)的變異程度，計(jì)算出各指標(biāo)的熵值，即信息量越大在學(xué)生成績評價(jià)體系中所占比例越高，這也符合混合式教學(xué)評價(jià)體系的最終目標(biāo)。熵權(quán)法雖然避免了人為因素和主觀因素的影響，但最終結(jié)果可能不能完全反應(yīng)出指標(biāo)的實(shí)際重要程度，對此我們可以根據(jù)歷史資料、經(jīng)驗(yàn)，或者由學(xué)科帶頭人、專業(yè)教師組成的專家組討論，得出定性權(quán)重，進(jìn)而對定量權(quán)重進(jìn)行修正，最終得到綜合權(quán)重系數(shù)。

需注意，在實(shí)際的教學(xué)評價(jià)體系中，由于評價(jià)指標(biāo)的單位和數(shù)量級可能各不相同，因此在進(jìn)行評價(jià)之前，必須對每項(xiàng)指標(biāo)進(jìn)行標(biāo)準(zhǔn)量化，使得數(shù)據(jù)都在[0，1]的區(qū)間內(nèi)，使得每部分的數(shù)據(jù)具有統(tǒng)一的標(biāo)準(zhǔn)，消除原始指標(biāo)數(shù)據(jù)中量綱對指標(biāo)值的影響[4]。