王永雄+張孫杰

摘要：隨著機器人、人工智能等跨多學(xué)科的新工科快速發(fā)展，創(chuàng)新實踐能力培養(yǎng)的重要性更加突出。為了準(zhǔn)確評價創(chuàng)新實踐能力培養(yǎng)與教學(xué)成效，為創(chuàng)新實踐培養(yǎng)提供幫助與指導(dǎo)，構(gòu)建了一套與實際緊密結(jié)合的創(chuàng)新實踐能力培養(yǎng)評價指標(biāo)體系，提出了采用模糊聚類與層次分析法相結(jié)合的機器學(xué)習(xí)方法，自動確定指標(biāo)權(quán)重，運用提出的模糊層次分析方法對創(chuàng)新實踐能力培養(yǎng)進行評價。結(jié)果表明，評價系統(tǒng)客觀、簡單、可操作性強，并能夠根據(jù)評價體系得分給出相關(guān)教學(xué)改進建議。

關(guān)鍵詞：教學(xué)評價；創(chuàng)新實踐；模糊聚類；層次分析法

DOIDOI：10.11907/rjdk.172622

中圖分類號：G434

文獻標(biāo)識碼：A 文章編號：1672-7800（2017）012-0225-04

Abstract：With the rapid development of multi-subject majors such as robotics and artificial intelligence， it is more important for training of capacity of practice and innovation. In this paper， to accurately evaluate the cultivation of innovative practice ability and the teaching effect， and to provide the help and guidance for the innovation practice training， we present a novel method for teaching performance evaluation of practice and innovation based on the combination of fuzzy Analytic Hierarchy Process （AHP） and fuzzy clustering evaluation method. The factor and sub-factor weights are acquired by fuzzy clustering method. The evaluation system based on the combination of AHP and fuzzy clustering is objective and simply. It has very strong operability. In addition， the teaching suggestion is proposed by the system.

Key Words：teaching performance evaluation； practice and innovation； fuzzy clustering； analytic hierarchy process

0 引言

創(chuàng)新實踐能力培養(yǎng)是當(dāng)今大學(xué)理工科教育的重要目標(biāo)，現(xiàn)階段我國高校創(chuàng)新能力培養(yǎng)仍存在諸多問題，對現(xiàn)有高校教學(xué)與培養(yǎng)模式提出了更高的要求，因此產(chǎn)生了各種各樣的教學(xué)模式，比如分組教學(xué)、分層教學(xué)，還有針對性很強的各種機器人比賽、創(chuàng)新大賽甚至考研和出國等各種培訓(xùn)班。另外，傳統(tǒng)教育方法很少考慮學(xué)生的個體差異，這在很大程度上限制了學(xué)生的自主思維意識和獨立創(chuàng)新精神。特別是新興工科專業(yè)急需大量人才，如人工智能、智能制造、機器人、云計算等，這些方向涉及多個專業(yè)知識，知識更新?lián)Q代快，要求學(xué)生具備較高的創(chuàng)新實踐與學(xué)習(xí)能力，這些人才的培養(yǎng)都需要新理念的指引和新培養(yǎng)模式的支撐[1，2]。

在創(chuàng)新實踐能力培養(yǎng)過程中，一個重要環(huán)節(jié)是準(zhǔn)確的教學(xué)質(zhì)量與學(xué)生知識水平評價。對教師教學(xué)素養(yǎng)與學(xué)生學(xué)習(xí)效果等因素進行評價，有利于引導(dǎo)教學(xué)行為，提高教學(xué)質(zhì)量。然而教學(xué)評價是一個非線性過程，具有多變量多因素，傳統(tǒng)的教學(xué)評價僅僅是根據(jù)學(xué)生考試總成績評價教師的教學(xué)效果，無法獲得造成該教學(xué)狀況的原因，只是總結(jié)教學(xué)效果、教學(xué)工作狀況的最終型評價，對教學(xué)無法起到積極的引導(dǎo)和反饋作用。特別是針對創(chuàng)新實踐能力培養(yǎng)，很少有針對性強的系統(tǒng)培養(yǎng)方案和體系，因此更加難以給出及時、客觀和準(zhǔn)確的評價。

（1）教學(xué)評價系統(tǒng)的依據(jù)指標(biāo)多數(shù)是學(xué)生成績、學(xué)生的反饋或者專家、課題組的主觀判斷，不同類型的評價人員對教學(xué)質(zhì)量的關(guān)注點不同，導(dǎo)致這些評價方法往往不能全面、系統(tǒng)、科學(xué)地對教師的工作作出分析判斷。常規(guī)的評教一般在學(xué)期末進行，學(xué)生通過登錄教務(wù)管理系統(tǒng)，針對其中各項指標(biāo)進行打分并計算。實際中還有部分學(xué)生打分不夠理性，因此評價結(jié)果存在不及時與偏差不小等問題，而一個良好的教學(xué)評價不僅可以幫助教師弄清當(dāng)前課程教學(xué)工作的不足之處，而且能激勵教師投入到教學(xué)中。

（2）教學(xué)質(zhì)量評價指標(biāo)權(quán)重往往是由少數(shù)專家根據(jù)經(jīng)驗直接擬定的，缺少數(shù)量分析作為依據(jù)，與實際情況可能會有較大偏差，直接影響評價結(jié)果。針對創(chuàng)新實踐能力培養(yǎng)缺乏統(tǒng)一標(biāo)準(zhǔn)，部分專家對此也沒有充足的經(jīng)驗。

（3）現(xiàn)有教學(xué)評價系統(tǒng)所涉及內(nèi)容定性的多、定量的少，只能給出定的標(biāo)準(zhǔn)并且標(biāo)準(zhǔn)彈性較大，加之評價者對標(biāo)準(zhǔn)把握存在偏差等主觀原因，無形中降低了評價結(jié)果的準(zhǔn)確度和真實性。

（4）現(xiàn)有評估系統(tǒng)不考慮學(xué)生基礎(chǔ)知識、知識結(jié)構(gòu)等個體差異，難以評價學(xué)生創(chuàng)新實踐能力提高水平；很少同時考慮績效目標(biāo)（通過績效評價獲得對能力的良好評價或避免對能力的不良評價）與學(xué)習(xí)目標(biāo)，因此這樣的評估結(jié)果難以應(yīng)用到相應(yīng)的創(chuàng)新實踐能力培養(yǎng)設(shè)計和改進中。

本文試圖采用模糊聚類方法與層次分析法相結(jié)合、多指標(biāo)權(quán)值自適應(yīng)方法解決上述問題?；谀：垲悓χ匾笜?biāo)數(shù)據(jù)進行聚類劃分，并針對聚類內(nèi)存在的教師差距不明顯問題，參考層次分析模型進行定量與定性分析相結(jié)合的方法，使分類內(nèi)的各教師劃分更加合理，盡可能地去除主觀成分，合理確定評價指標(biāo)權(quán)重。另外，將學(xué)生實踐水平指標(biāo)引入評價指標(biāo)，客觀反映創(chuàng)新實踐能力培養(yǎng)學(xué)生知識技能的變化水平，用于衡量教學(xué)和培養(yǎng)效果。endprint

1 基于創(chuàng)新實踐能力培養(yǎng)的評價指標(biāo)確定

從本質(zhì)上講，創(chuàng)新實踐能力培養(yǎng)就是要“因材施教”，通過評估手段確定學(xué)生知識結(jié)構(gòu)和能力大小。因此，評估實踐創(chuàng)新能力教學(xué)的主要目標(biāo)是培養(yǎng)學(xué)生的理論聯(lián)系實際能力和綜合創(chuàng)新能力。本文擬制定包含創(chuàng)新實踐教學(xué)質(zhì)量評價指標(biāo)、能夠覆蓋學(xué)生能力評估的合理、有效評價指標(biāo)體系。參考相關(guān)評估方法和前人研究成果[3-5]，構(gòu)建了兩大部分的教學(xué)質(zhì)量評價指標(biāo)體系（見表1）。第一部分是傳統(tǒng)評估指標(biāo)（占70%），第二部分是創(chuàng)新實踐能力培養(yǎng)中特有的指標(biāo)（占30%）。其中第一層的權(quán)值由專家經(jīng)驗設(shè)定：WTB=（0.10，0.115，0.10，0.11，0.13，0.145，0.10，0.10，0.10），第二層的權(quán)值通過模糊聚類自動獲得。

2 改進的模糊聚類與層次分析模型及應(yīng)用

參考模糊聚類與層次分析法等人工智能方法在教育評價體系的應(yīng)用[6]，利用模糊聚類自動獲得等級和聚類中心，計算數(shù)據(jù)到聚類中心的距離函數(shù)作為二級指標(biāo)的權(quán)值，再利用層次分析法進行總體教學(xué)評價。

2.1 利用模糊聚類獲得二層指標(biāo)權(quán)值

模糊聚類分析一般是指根據(jù)研究對象本身的屬性構(gòu)造模糊矩陣，并在此基礎(chǔ)上根據(jù)一定的隸屬度確定聚類關(guān)系。聚類就是將數(shù)據(jù)集分成多個類或簇，使得各個類之間的數(shù)據(jù)差別盡可能大，類內(nèi)之間的數(shù)據(jù)差別盡可能小，即為“最小化類間相似性，最大化類內(nèi)相似性”原則。在教學(xué)評價中，利用模糊聚類客觀地得到4個等級，替代人為劃定等級，同時獲得4個聚類中心。另外，將每個樣本到聚類中心的距離函數(shù)作為二級指標(biāo)的權(quán)值。

2.2 利用層次分析法作為教學(xué)總體指標(biāo)

層次分析法是由運籌學(xué)家T·L·Saaty提出的一種數(shù)學(xué)分析方法，是針對多層次、多目標(biāo)規(guī)劃決策問題的有效決策方法，能夠定性與定量相結(jié)合，具有高度的邏輯性、系統(tǒng)性、簡潔性和實用性。

參照文獻[3，4，8，9]的方法，模糊層次分析法的基本步驟如下：①建立模糊判斷矩陣。若模糊矩陣不是模糊一致矩陣，則需將模糊矩陣調(diào)整為模糊一致矩陣；②從評價數(shù)據(jù)中，通過模糊聚類方法自動聚類為4個等級{優(yōu)，良，中，差}，同時獲得評價等級與分?jǐn)?shù)的對應(yīng)表；③根據(jù)式（4）得到類別隸屬度值，根據(jù)式（5）計算獲得權(quán)值大小；④最終利用第一層的權(quán)向量WTB=（0.10，0.115，0.10，0.11，0.13，0.145，0.10，0.10，0.10）和模糊矩陣，得到總目標(biāo)的綜合評判向量；⑤利用聚類中的評價等級與分?jǐn)?shù)對應(yīng)表得到等級。

在數(shù)據(jù)獲取中，利用原來教學(xué)管理系統(tǒng)的學(xué)生基本情況庫、課程庫、平時測試成績、教師情況庫、教師任課信息等，增加在線調(diào)查子系統(tǒng)進行學(xué)生評教、教師互評、專家評教和有針對性的創(chuàng)新能力培養(yǎng)測試分析，并完成數(shù)據(jù)清理、轉(zhuǎn)換和歸約等數(shù)據(jù)預(yù)處理工作。

3 實例分析

3.1 實例

針對上述設(shè)計的評價指標(biāo)，對學(xué)生、教師和專家進行問卷調(diào)查，并結(jié)合創(chuàng)新實踐培養(yǎng)中的測驗環(huán)節(jié)，對上海理工大學(xué)多位實踐設(shè)計類課程教師進行9項B級指標(biāo)和23項C級指標(biāo)的測評，在進行教學(xué)質(zhì)量評判時選擇百分制，其中二級指標(biāo)（C指標(biāo)）的測評是根據(jù)模糊聚類方法自動聚類為4個等級{優(yōu)90（>85），良75（75-84），中60（60-74），差50（<50）}。經(jīng)過統(tǒng)計之后，采用聚類算法運算，獲得評判矩陣，最終得到某位教師B層和C層的各指標(biāo)得分情況以及綜合評價得分。

3.2 評價結(jié)果分析

從上面的結(jié)果可以看出，在創(chuàng)新實踐課程教師的教學(xué)質(zhì)量評價體系中，教學(xué)態(tài)度、教學(xué)內(nèi)容難易適中等方面，得到了學(xué)生和教師的認可，評價較好，并具有一定的普遍性。而綜合創(chuàng)新實踐、基礎(chǔ)綜合知識技能和教學(xué)方法得分較低，這部分采用了學(xué)生知識水平測試等客觀評價方法，在基礎(chǔ)知識與創(chuàng)新實踐結(jié)合方面，教學(xué)模式偏傳統(tǒng)化，多數(shù)學(xué)生知識掌握得不夠理想，評價得分相對偏低，說明教學(xué)方法和實踐部分的內(nèi)容需要根據(jù)其特點作相應(yīng)改革。為了及時反饋和調(diào)整教學(xué)效果，需及時分階段分目標(biāo)對學(xué)習(xí)與實踐情況進行測試和評估。

隨著信息技術(shù)的發(fā)展，尤其是移動互聯(lián)網(wǎng)技術(shù)、智能手機的大量使用，獲取大量數(shù)據(jù)變得方便簡單，教師可更方便地獲得學(xué)生學(xué)習(xí)情況數(shù)據(jù)，了解學(xué)習(xí)進展和效果，從大量數(shù)據(jù)中快速實現(xiàn)教學(xué)評價和問題的精準(zhǔn)定位，讓教學(xué)和指導(dǎo)更簡便、更精準(zhǔn)、更聚焦。例如微信訂閱號、微信小程序，都能夠為日常教育提供一個便捷的學(xué)習(xí)、數(shù)據(jù)收集與評價平臺[10-11]。

4 結(jié)語

本文提出了模糊聚類和層次分析方法相結(jié)合用于創(chuàng)新實踐培養(yǎng)的評價體系，通過評價學(xué)習(xí)效果，發(fā)現(xiàn)個體和總體教學(xué)問題，為后續(xù)教學(xué)提供更精準(zhǔn)的目標(biāo)與手段，為學(xué)生提供精準(zhǔn)的指導(dǎo)與服務(wù)。有效的評價方法不僅可以及時和準(zhǔn)確地評價教師授課情況，而且可以找出學(xué)生知識體系缺陷等，為實現(xiàn)創(chuàng)新實踐能力培養(yǎng)提供了一套有章可循、行之有效的評價模式。

參考文獻：

[1] 祝智庭，彭紅超.信息技術(shù)支持的高效知識教學(xué)：激發(fā)精準(zhǔn)教學(xué)的活力[J].中國電化教育，2016（1）：17-25.

[2] 馮艷飛，童曉玲.基于模糊層次分析法的高校創(chuàng)新創(chuàng)業(yè)教育評價研究[J].華北電力大學(xué)學(xué)報：社會科學(xué)版，2013（2）：137-140.

[3] CHEN J F， HSIEH H N， DO Q H. Evaluating teaching performance based on fuzzy AHP and comprehensive evaluation approach[J]. Applied Soft Computing Journal， 2015，28（C）：100-108.

[4] 吳海燕，王建宏.基于模糊層次分析法的教師課堂教學(xué)質(zhì)量評價[J].電腦與電信，2011（10）：32-34.

[5] 姜彤彤.基于平衡計分卡的教學(xué)研究型大學(xué)績效評價研究[J].高教發(fā)展與評估，2012，28（3）：43-50.

[6] 鐘琦，胡水星.人工智能在教育中的整合應(yīng)用研究[J].贛南師范學(xué)院學(xué)報，2011，32（6）：66-69.

[7] Ruspini E H. A new approach to clustering[J]. Information & Control，1969，15（1）：22-32.

[8] 黃煜棟，陳蘭生.模糊層次分析法在課堂教學(xué)質(zhì)量評價中的應(yīng)用[J].中國教育信息化，2015（14）：82-86.

[9] 羊英.基于多元智能和模糊層次分析法的課程學(xué)習(xí)績效評價[J].上海第二工業(yè)大學(xué)學(xué)報，2014（3）：228-232.

[10] 謝雷，韓駿，劉菁，等.基于微信公眾平臺環(huán)境支持的教學(xué)評價系統(tǒng)研究[J].中國教育技術(shù)裝備，2016（22）：14-19.

[11] 孔杏.微信公眾平臺支持下的混合式教學(xué)在遠程開放教育中的實現(xiàn)——以統(tǒng)計學(xué)課程學(xué)習(xí)為例[J].河北經(jīng)貿(mào)大學(xué)學(xué)報：綜合版，2015，15（4）：113-119.

（責(zé)任編輯：何 麗）endprint