莊倩倩
(吉林農(nóng)業(yè)科技學院 農(nóng)學院,吉林 吉林 132101)
2020年新冠肺炎疫情暴發(fā),抗擊疫情期間,高校教學工作多數(shù)采用線上教學方式,這種新興的授課方式與以往的線下課堂授課有著巨大的區(qū)別,如何評價線上教學效果成為一個待解決的新問題。 線上教學效果受到多個方面多個層次的因素影響,加之線上授課方式引入更多的影響因素,使得其評價更加難于量化。
層次分析法(Analytical Hierarchy Process,AHP),是20 世紀70年代美國運籌學家薩蒂(T.L.Saaty)教授提出的一種層次權(quán)重決策分析方法[1]。 這種方法將一個項目的總目標分解成為多個子目標或子標準,再進階分解成為多準則、多指標的若干層次,最終得到一個遞階層次結(jié)構(gòu),即層次結(jié)構(gòu)模型。 其通過將定性的指標進行模糊量化的方法來計算各個層次的單排序(權(quán)重數(shù))和總排序,從而對一些多目標、多準則類型的方案進行優(yōu)化決策[2]。 應用層次分析法對線上教學效果進行評價,其核心是將評價對象屬性分解成多個層次,對于各個層次的組成因素按照其隸屬關(guān)系不同進行組合,從而形成一個多層次、多因子的樹狀分析結(jié)構(gòu)模型,然后確定每一層次各個因素所占的權(quán)重。 最后在此基礎之上按照一定的數(shù)學模型進行量化處理,從而得到評價對象的總量化評價[3]。 因此,研究組將層次分析法用于網(wǎng)絡教學策略對教學效果的影響研究中,以期改善教學過程,為學生知識體系的構(gòu)建進行更合理的教學、課堂改革。
高校學生群體來自不同的省份,入學成績千差萬別,同一個專業(yè)又有文理科生,在生源不同的大背景下,教師的網(wǎng)絡教學方法能否滿足絕大部分學生的網(wǎng)絡學習要求? 在網(wǎng)絡教學方法多而繁雜的情況下,究竟哪種網(wǎng)絡教學方法適應哪種知識體系? 這些問題困擾著許多一線的授課教師,因為在網(wǎng)絡教學反饋當中總是缺少很多客觀數(shù)據(jù)的支撐。
在以往的科研過程中,研究組經(jīng)常采用層次分析法進行科研目標的選擇工作。 課題組在探討層次劃分時,緊緊圍繞4個核心問題展開:①不同網(wǎng)絡教學策略下學習者的認知有何差異? ②教學者的行為對學習者究竟有多少影響? ③相同的網(wǎng)絡教學方法對具有不同教育背景的學習者是否有不同的教學效果?④教師今后實施網(wǎng)絡教學策略時應注意哪些事項?因此,本研究組建了系主任、專業(yè)教師和學生的三級評價研討小組,課題組教師全部具有豐富的一線教學和科研經(jīng)驗。
以2019、2020 級園林專業(yè)學生及10名專業(yè)授課教師作為數(shù)據(jù)采集來源。 針對其專業(yè)課教學、授課方式、網(wǎng)絡平臺等內(nèi)容向?qū)W生及教師發(fā)放調(diào)查問卷,調(diào)查問卷設計為“多選+填空”模式,即每題列出若干個選項后,題尾附帶空格,如果受訪者認為有其他內(nèi)容,可填寫在空格處。 共發(fā)放150 份調(diào)查問卷,收回有效問卷146 份。 對每題的各選項出現(xiàn)次數(shù)進行統(tǒng)計,并按照從高到低的順序排列統(tǒng)計;針對教學方法、學生特性等內(nèi)容進行課堂學習效果測試,按照不同的學習方法及不同的學生特性指標對成績進行分類及平均分的計算,然后按照從高到低的順序進行排序。
利用層次分析法確認網(wǎng)絡教學效果影響評價體系的總目標(A 層),并依據(jù)總目標依次劃分構(gòu)建出準則層(B 層)和指標層(C 層)。 準則層包括教學內(nèi)容、教學方法、授課方式、學生特性、網(wǎng)絡平臺、教師特性6 項,指標層包括教學內(nèi)容專業(yè)性等共計29個指標。
然后利用建立兩兩指標比較的判斷矩陣且對層次單進行排序,計算出指標層C 中各個元素相對于目標層A 的合成權(quán)重數(shù)值(見圖1)。
圖1 教學質(zhì)量評價層次結(jié)構(gòu)體系
利用收集的數(shù)據(jù)構(gòu)建目標層A 至準則層B 的判斷矩陣,得到B 層各個元素相對于A 層的權(quán)重。 通過課上調(diào)查問卷收集到的數(shù)據(jù),構(gòu)建準則層B 至指標層C 的判斷矩陣,得到C 層各個元素相對于B 層的權(quán)重。 對于每一個成對比較陣計算最大特征根及對應特征向量,利用一致性指標、隨機一致性指標和一致性比率做一致性檢驗。 若檢驗通過,特征向量(歸一化后)即為權(quán)向量;若不通過,需重新構(gòu)造成對比較陣。 應用每一個判斷矩陣各因素針對目標層(最上層)的相對權(quán)重,計算最下層對目標的組合權(quán)向量,并根據(jù)公式做組合一致性檢驗,若檢驗通過,則可按照組合權(quán)向量表示的結(jié)果進行決策,否則需要重新考慮模型或重新構(gòu)造一致性比率較大的成對比較陣。
根據(jù)指標體系,選取本領域多位專家,分別對指標的重要程度進行打分,然后對打分結(jié)果進行內(nèi)部的討論和歸納,得到兩兩判別矩陣[4-5]。
用MATLAB 軟件計算判斷矩陣S的最大特征根得λmax=6.044 0。 為進行判斷矩陣的一致性檢驗,需計算一致性指標:
平均隨機一致性指標IRI=1.26。 隨機一致性比率:
因此認為層次分析的結(jié)果有滿意的一致性,即權(quán)系數(shù)的分配是非常合理的。 運用MATLAB 軟件計算出指標的權(quán)重(見表1)。
表1 一級指標層對目標層的判斷矩陣對應準則與權(quán)重
按照上述方法將各個B 階層內(nèi)的指標進行矩陣構(gòu)建及權(quán)重求解后,一級指標權(quán)重×二級指標權(quán)重,算出綜合權(quán)重而得到各個指標的綜合權(quán)重(見表2)。
表2 各級指標層權(quán)重及綜合權(quán)重
從表2 綜合評價權(quán)值可以看出,一級指標中對教學效果影響順序為:B4>B2,B6>B1>B3>B5, 其中B4(學生特性)排在第一位,在該指標下的4 項二級指標排名中,班級成績排名C22 影響最大,這表明學習效果與學生自身學習能力有較大關(guān)系,這證實學習是一項主觀能動性活動,學習主觀性直接決定了學習效果,成績較好的學生,多數(shù)是因為其學習能力、學習內(nèi)驅(qū)力較強;其次是C20(文理科),這是由于園林專業(yè)學生生源為文理兼招,而本次列入調(diào)查的專業(yè)課程偏向理科內(nèi)容較多,文科生源學生在學習該門課程中無明顯優(yōu)勢。
二級指標中B2(教學方法)、B6(教師特性)對教學效果的影響并列位于第二名。 其中,教學方法指標層中C11(探究自學)效果最佳,其次為C7(對比)、C8(列舉)、C9(案例分析),但在實際教學中發(fā)現(xiàn),這些教學方法的授課效果會受到具體知識類型的影響。一些客觀告知、無須推理分析類的知識,學生自學、翻轉(zhuǎn)課堂等效果很好,而一些需要深度解讀、教師引領等深層次知識則在教師的對比、列舉等教學方法授課后會取得較好的教學效果,所以不能拋開教學內(nèi)容而絕對地評價某種教學方法的優(yōu)劣。 從權(quán)重值發(fā)現(xiàn),在教師特性指標中,教師表達能力的影響大于學歷和性別的影響。 授課效果確實直接受到教師表達能力的影響,但在實際課堂走訪和評估中發(fā)現(xiàn),有些教師的表達能力很好,但授課效果依然不理想,如課程思路混亂、重點不突出、學生上課走神等,分析其原因,是教師對課堂的把控能力、對整堂課程的設計能力欠缺造成的。 由此可知,在教師特性中僅設置表達能力指標是不全面的,而且該指標效果的發(fā)揮受到其他因素的限制,其中教師的性別、學歷因素對授課的影響較小,在今后該領域的研究中應豐富教師特性指標的數(shù)量。
二級指標中B3(授課方式)對授課效果的影響評價系數(shù)較低,但在某些特殊情況下,其影響力也會提升,如遇到某些學生所在地區(qū)網(wǎng)絡不佳的情況,錄播課由于其課后可反復觀看,受時效性影響較小,其教學效果就明顯優(yōu)于直播課,此時授課方式的影響力將會大于其他指標。
B1(教學內(nèi)容)對整體教學效果的影響不大,但其中相比其他指標內(nèi)容較明確、邏輯性較強的指標,對教學效果的影響更大,究其原因,邏輯性、明確性較強的內(nèi)容便于學生接受理解,故可以得到較好的教學效果。 B5(網(wǎng)絡平臺)對教學效果的影響最小,指標中幾個網(wǎng)絡平臺均為目前使用較流行、應用較多的平臺,學生使用反饋各個網(wǎng)絡平臺的功能、使用感相差不大。
綜上所述,AHP 法對于評價園林專業(yè)線上課程的教學效果有很大的參考價值,但其評價體系的建立至關(guān)重要。 評價體系中各級指標的豐富度對實際教學效果的影響較大,研究中也發(fā)現(xiàn)體系中的部分指標(如教學方法等)不具備作為評價整門課程教學效果指標的通用性,今后的實踐研究中還需進一步完善。