張芳芳

(陜西國際商貿(mào)學(xué)院 體育部， 陜西 西安 712000)

0 引言

隨著教育事業(yè)的快速發(fā)展，體育教學(xué)質(zhì)量成為各大高校的重點教學(xué)內(nèi)容之一，因此提升體育教學(xué)質(zhì)量對教師的素質(zhì)和能力提出了更高的要求[1]。目前，體育教學(xué)質(zhì)量綜合評估對當(dāng)下體育教育的發(fā)展十分重要，其評估方法包括：專家評分法和問卷調(diào)查法等[2]。無論是哪種評估方法都存在自身的缺陷，而綜合評估方法能彌補(bǔ)這些單項評估方法的不足，綜合評估方法是一種定性和定量結(jié)合分析的綜合方法，已經(jīng)被大量的使用在工程技術(shù)和經(jīng)濟(jì)管理等技術(shù)領(lǐng)域[3-5]。目前影響綜合評估結(jié)果的精確度和可靠性的是權(quán)重因素的適當(dāng)分配和評估模型的合理選取。因此怎樣將評估模型中多個指標(biāo)轉(zhuǎn)換成單個指標(biāo)的權(quán)重，是當(dāng)下研究的核心方向[6-7]。

賦值法運算過程指給定關(guān)于一些變量的普通關(guān)系式，賦予適當(dāng)?shù)臄?shù)值或代數(shù)式后，采用運算推理，最終獲得結(jié)論的一種解題方式。目前賦值法多應(yīng)用于綜合質(zhì)量評估方法的分析過程中。

本文設(shè)計基于賦值法的體育教育質(zhì)量綜合評估模型，準(zhǔn)確地評估體育教學(xué)質(zhì)量。

1 體育教學(xué)質(zhì)量綜合評估模型設(shè)計

1.1 層次分析法

層次分析法(Analytic Hierarchy Process，AHP)是以不同層次為前提，完成定性和定量分析的決策方法。其主要分為目標(biāo)、準(zhǔn)則和方案等層次。層次分析法主要工作流程為：(1)將決策問題拆分成不同層次的層次構(gòu)造，依據(jù)總目標(biāo)、子目標(biāo)、準(zhǔn)則層和方案層的順序進(jìn)行分析；(2)求解各層元素對上層元素優(yōu)先權(quán)重，且該求解過程采用求解分析矩陣特征向量方法完成;(3)采用加權(quán)求和措施，遞階歸并優(yōu)先權(quán)重得到各個方案對總目標(biāo)的最終權(quán)重，最終權(quán)重最大的決策方案是最后方案，體育教學(xué)質(zhì)量評估因素的層次結(jié)構(gòu)模型,如圖1所示。

圖1 體育教學(xué)質(zhì)量評估因素層次結(jié)構(gòu)模型

依據(jù)層次分析法將體育教學(xué)質(zhì)量的評估因素分為三個目標(biāo)層。首先是總的目標(biāo)層I體育教學(xué)質(zhì)量評估層，其次依據(jù)總的目標(biāo)層分解成4個目標(biāo)層II，包括教學(xué)內(nèi)容、教學(xué)方法、教學(xué)態(tài)度和教學(xué)效果，最后目標(biāo)層II分解成目標(biāo)層III，包括教學(xué)目的、考慮個性差異和敬業(yè)程度等。從這些分級結(jié)構(gòu)可以看出，每一層的實現(xiàn)都會對下一層的評估產(chǎn)生影響[8]。

層次分析法利用1-9標(biāo)度法算出各層評估因素相較評估目標(biāo)的權(quán)重，即明確評估因素的權(quán)重。層次分析法明確權(quán)重的過程是：(1)分析比較每層因素的重要性，利用1-9標(biāo)度法創(chuàng)建標(biāo)度判斷矩陣；(2)實行一致性檢驗，如果不通過，便要從頭創(chuàng)建標(biāo)度判斷矩陣；如果檢驗通過，則權(quán)向量就是最大值特征值相應(yīng)的特征向量。如下是層次分析法具體實施過程。

1.1.1 創(chuàng)建判斷矩陣

設(shè)定該層的評估因素集有m個評估因素v1，v2，…，vm，通過領(lǐng)域?qū)＜覂蓛杀容^每個因素間的相對重要性。

設(shè)定dij是vi相對于vj的重要程度值，如式(1)。

(1)

如果比較vi和vj是各級之間，則使用重度值標(biāo)度2、4、6、8。

通過式(1)，得出一個權(quán)重判斷矩陣，如式(2)。

D=(dij)n×ndij=1/dij

(2)

1.1.2 一致性檢驗

算出D的最大特征值,如式(3)。

(3)

式中，αmax最大特征值，m是評估因素；DI=0，絕對一致；DI相近于0，存在相對一致性；DI越大，越?jīng)]有一致性[9]。

因此再次定義一致性比率，如式(4)。

(4)

式中，KI的取值參考值為(0，0，0.58，0.9，1.12，1.24，1.32，1.41，1.45，1.48，1.51)。

求出相應(yīng)的特征向量(q1,q2,…,qm)，歸一化處理特征向量元素，獲得權(quán)重集(b1,b2,…bn)，如式(5)。

(5)

特征向量的求解也能采用乘冪法近似算出，如式(6)。

(6)

1.2 改進(jìn)拉開檔次法

由于層次分析法易受到主觀因素的干擾，因此不能防止評估人員的主觀局部性，造成層次分析法不能完成高精度評估[10-11]。各個評估因素在全部指標(biāo)中的總體變異程度和對其他評估因素的干擾程度，通過改進(jìn)拉開檔次法(Improved Scatter Degree，ISD)求解的權(quán)重系數(shù)表示，依據(jù)信息客觀起源，將評估目標(biāo)拉開檔次，ISD算法過程如下。

(1)讀取原始數(shù)據(jù)Am×n，數(shù)據(jù)來自m行和n列；

(3)設(shè)置R=A*TA*，算出R的特征值C和特征向量U后，求出最大特征值Cmax相應(yīng)的特征向量Umax；

(4)計算權(quán)重bj,如式(7)。

(7)

式中，描述評估因素個數(shù)是j=1,2,3,…,m。

1.3 綜合集成賦值法

利用AHP和ISD加權(quán)法的方法計算評估因素綜合權(quán)重，提升體育教學(xué)質(zhì)量評估因素權(quán)重的正確率，綜合集成賦值法的權(quán)重，如式(8)。

b=e1bi+e2bj

s.t.e1+e2=1,e1>0,e2>0

(8)

式中，bi和bj表示AHP和ISD的權(quán)重。

4) 浮盤邊緣式泡沫滅火系統(tǒng)的研發(fā)方向應(yīng)致力于加強(qiáng)研發(fā)高可靠性的泡沫柔性軟管等特殊管件，降低建設(shè)費用。

1.4 構(gòu)建基于AHP-ISD的教學(xué)質(zhì)量評估模型

首先通過對每個評估因素做歸一化處理計算出AHP的權(quán)重bi，采用改進(jìn)拉開檔次法計算出ISD的權(quán)重bj，再次，采用利用AHP和ISD加權(quán)法的方法計算評估因素綜合權(quán)重b，實現(xiàn)對權(quán)重的綜合集成賦值，提升體育教學(xué)質(zhì)量評估因素權(quán)重的正確率。在結(jié)合以上幾種方法的基礎(chǔ)上，構(gòu)建基于AHP-ISD的體育教學(xué)質(zhì)量評估模型，如式(9)。

(9)

式中，b表示評估因素綜合權(quán)重,Km表示評估因素的評估值，通過上式即可得到體育教學(xué)質(zhì)量評估等級。

1.5 基于貝葉斯分類器的教學(xué)質(zhì)量評估測試

將評估因素數(shù)據(jù)分成訓(xùn)練集和樣本集，通過訓(xùn)練集數(shù)據(jù)創(chuàng)建貝葉斯分類器，依據(jù)測試集數(shù)據(jù)，測試AHP-ISD教學(xué)質(zhì)量評估模型的評估準(zhǔn)確率。

貝葉斯分類器利用貝葉斯公式，如式(10)。

(10)

式中,F(G|X)條件X下G的后驗概率；F(G)：G的先驗概率；F(G|X)：條件G下X的后驗概率；F(X)的先驗概率。

樸素貝葉斯分類器(Na?ve Bayes Classifier，簡稱NBClassifier)將訓(xùn)練實例I拆分成特征向量q和決策類別變量G。

樸素貝葉斯模型假設(shè)每個分量獨立作用在決策變量上，假設(shè)該種想法在某種程度上限制了使用區(qū)間，在實際使用中，減少貝葉斯網(wǎng)絡(luò)創(chuàng)建的繁瑣性通過減少指數(shù)級完成，且在很多領(lǐng)域違反該種假設(shè)的條件下，樸素貝葉斯仍然展現(xiàn)出一定的高效性和強(qiáng)大性[12-13]。

為了方便描述，H和Z分別表示類別變量和屬性變量，假設(shè)共有n個屬性變量Z=〈Z1,Z2,…,Zn〉，類別變量和屬性變量的值域分別用Val(H)={h1,h2,…,hI}，Val(Zi)={zi1,zi2,…,zik}表示，zi表示Zi的某個取值；X表示待分樣本集，用x=〈z1,z2,…,zn〉表示待分樣本，Y表示訓(xùn)練樣本集，yi=〈z1,z2,…,zn,hi〉表示訓(xùn)練實例。假設(shè)每個屬性和類別條件相互獨立，則F(hi|x)能分解為幾個分量的積：F(h1|z1)*F(hi|z2)*…*F(hi|zn)，因此得出后驗概率計算公式，如式(11)。

(11)

貝葉斯分類器預(yù)測詳細(xì)過程如下。

(1)數(shù)據(jù)預(yù)處理：將待分類樣本中的屬性Z=〈Z1,Z2,…,Zn〉實行特征約減，利用3-4-5規(guī)則離散化；

(2)判斷：若是分類任務(wù)，則轉(zhuǎn)到過程(5)，若是訓(xùn)練任務(wù)轉(zhuǎn)到過程(3)；

(3)參數(shù)學(xué)習(xí)：掃描全部樣本計算全部的先驗概率F(hik|hj)，即是類別hj中屬性zi的第k種取值的概率，和F(hj)，即取值是類別hj的概率；

(4)產(chǎn)生貝葉斯概率表，即想要的貝葉斯分類器；

(5)調(diào)用貝葉斯分類表，獲得分類結(jié)果，假如分類理想則將結(jié)果保存到訓(xùn)練樣本當(dāng)作今后訓(xùn)練樣本。

2 實驗分析

實驗為了驗證本文模型對體育教學(xué)質(zhì)量綜合評估效果，選取某大學(xué)一年級二班學(xué)生的12節(jié)籃球體育教學(xué)質(zhì)量綜合實際值，體育教學(xué)質(zhì)量評估因素，如表1所示。

表1 籃球教學(xué)質(zhì)量的評估因素

采用ANN模型、神經(jīng)網(wǎng)絡(luò)模型和本文模型對體育教學(xué)質(zhì)量綜合評估值和實際值的對比，如表2所示。

表2 三種模型的計算結(jié)果比較

分析表2可知，以某大學(xué)一年級二班學(xué)生的十二節(jié)籃球體育教學(xué)質(zhì)量綜合實際值為標(biāo)準(zhǔn)，本文模型對體育教學(xué)質(zhì)量綜合評估值非常接近實際值，誤差值范圍在[0.000 2分 -0.002 7分]之間，ANN模型對體育教學(xué)質(zhì)量綜合評估值相差稍微明顯，誤差值范圍在[0.012 1分 -0.095 1分]之間，神經(jīng)網(wǎng)絡(luò)模型對體育教學(xué)質(zhì)量綜合評估值相差較遠(yuǎn)，誤差值范圍在[0.006 3分 -0.053 2分]之間，則本文模型對體育教學(xué)質(zhì)量效果的評估值精準(zhǔn)，誤差率小，說明本文模型對體育教學(xué)質(zhì)量綜合評估精確度高。

為了更直觀體現(xiàn)本文模型對體育教學(xué)質(zhì)量綜合評估效果，將這些評估值實行定量分級，如表3所示。

表3 評估值定量分級標(biāo)準(zhǔn)

采用三種模型對7種體育教學(xué)項目籃球、足球、乒乓球、排球、羽毛球、網(wǎng)球和跳繩的1次課程質(zhì)量綜合評估值進(jìn)行定量分級對比，如表4所示。

表4 三種模型的評估結(jié)果對比

分析表3和表4可知，本文模型對體育教學(xué)質(zhì)量綜合評估值和實際值基本一致，獲得的評語和實際評語一致，而其他兩種模型對體育教學(xué)質(zhì)量綜合評估評估值和實際值相差較大，獲得的評語和實際評語相差較大，說明本文方法對不同類型體育教學(xué)質(zhì)量綜合評估效果都較好，具有較高的應(yīng)用價值。

3 總結(jié)

本文采用層次分析法以及改進(jìn)拉開檔次法，設(shè)計了綜合評估模型進(jìn)行計算，以獲取對體育教學(xué)質(zhì)量評估的權(quán)重以及綜合賦值權(quán)重，能夠使體育教學(xué)質(zhì)量評估因素權(quán)重的精確度得到提高。在該綜合賦值權(quán)重的基礎(chǔ)上使用貝葉斯分類器，構(gòu)建基于AHP-ISD的貝葉斯教學(xué)質(zhì)量評估模型，以綜合評估體育教學(xué)質(zhì)量。本文模型的不僅提高了體育教學(xué)質(zhì)量綜合評估的精度，也為其他教學(xué)質(zhì)量綜合評估提供了依據(jù)。