張哲

（肇慶醫(yī)學(xué)高等?？茖W(xué)校 思政部，廣東 肇慶 526020）

1 引言

當(dāng)前，現(xiàn)有的教學(xué)課程評估方法的內(nèi)存量不足，導(dǎo)致其在面對巨大的任務(wù)量時無法進(jìn)行實效性量化分析[1]，因此，在大數(shù)據(jù)分析及信息處理等技術(shù)的完善下，各類自動化評估模型被廣泛應(yīng)用到教學(xué)以及其他資源評估領(lǐng)域中[2]，在一定程度上提高了各類評估的效率[3]。針對教學(xué)課程評估方面已有相關(guān)研究。

徐青等人結(jié)合MOOC 課程特點，運用網(wǎng)絡(luò)分析法和矩陣實驗室法設(shè)計了MOOC 課程自動化評估模型，評價指標(biāo)有：教學(xué)設(shè)計，課程內(nèi)容，教學(xué)服務(wù)，視頻質(zhì)量，學(xué)習(xí)效果與教學(xué)考評。最后通過實例分析驗證了模型的有效性與可行性[4]。周凱等人提出了基于多元化的課程自動化評估模型。根據(jù)課程的創(chuàng)新度，實踐度等指標(biāo)構(gòu)建課程評估模型，獲取每位學(xué)生從各個方面進(jìn)行評估的原始數(shù)據(jù)，對其進(jìn)行預(yù)處理后，建立修正理想點數(shù)學(xué)模型，獲得課程的綜合評估數(shù)據(jù)。實例分析了該方法構(gòu)建的可行性與合理性[5]。Kelley等人通過Kotter變更模型實現(xiàn)了對教學(xué)系統(tǒng)的自動化評估，描述了大學(xué)學(xué)生的教學(xué)自動化評估系統(tǒng)中如何使用Kotter模型作為指導(dǎo)。該模型涉及了儀器和技術(shù)的轉(zhuǎn)變，并且在復(fù)雜且不斷變化的環(huán)境中可涉及數(shù)十個指標(biāo)變量[6]。案例實驗說明了Kotter 模型有助于在高等教育機構(gòu)中對各種計劃進(jìn)行變革。但以上模型針對分類類型數(shù)據(jù)的自動化評估效果不佳，導(dǎo)致其實用性不足。

為此，提出了基于聚類分析法的思政課程自動評估模型，通過聚類分析中的直接法標(biāo)準(zhǔn)化處理評價指標(biāo)，將標(biāo)準(zhǔn)化評價指標(biāo)數(shù)據(jù)進(jìn)行聚類融合分析，通過公因子分析方法，得出最優(yōu)自動化評估模型，從而提高思政課程自動化模型的評估能力。

2 思政課程自動化評估模型

2.1 指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化處理

在約束性指標(biāo)體系中，主要一級指標(biāo)有五個，二級指標(biāo)在三級指標(biāo)項目中進(jìn)一步得到改進(jìn)和完善。思政課程自動化評估約束指標(biāo)的詳細(xì)構(gòu)成如表1所示。

表1 思政課程自動化評估約束性指標(biāo)

為構(gòu)建課程自動評估模型，實現(xiàn)課程自動化評估，將表1中所得的評價指標(biāo)進(jìn)行分類并量化為約束指標(biāo)數(shù)據(jù)，進(jìn)行約束指標(biāo)數(shù)據(jù)分析。指標(biāo)量化的過程為：設(shè)第一級的約束指標(biāo)數(shù)據(jù)設(shè)定為思政課程的時效性I，該級別約束指標(biāo)數(shù)據(jù)共有i個，即Ii，由該i個指標(biāo)分別生成n個二級約束指標(biāo)數(shù)據(jù)。表示為：

對約束性指標(biāo)數(shù)據(jù)進(jìn)行相關(guān)性檢驗分析，得出指標(biāo)數(shù)據(jù)間相關(guān)系數(shù)表示為：

式(2)中，cov(i，n)代表兩個指標(biāo)數(shù)據(jù)間的協(xié)方差。若r大于顯著性水平(r＞p)，則對其進(jìn)行偏方差檢驗，考慮指標(biāo)中是否存在其他干擾因素，對兩個數(shù)據(jù)間的凈相關(guān)性進(jìn)行檢驗。偏方差系數(shù)表示為：

系數(shù)的正負(fù)號可反映指標(biāo)值與目標(biāo)值之間方向的變化，表明其變化趨勢是否呈一致性。相關(guān)系數(shù)的絕對性則反映了相關(guān)性的強度。符合兩項標(biāo)準(zhǔn)化檢驗的指標(biāo)數(shù)據(jù)被用于聚類算法中，進(jìn)行預(yù)處理。

2.2 課程評估指標(biāo)的實效性聚類融合處理

由于評估問題的觀點不同，不同類別的人在確定指標(biāo)權(quán)重時會有不同的想法。給定的索引權(quán)重通常差別較大[8]。因此，采用模糊C均值聚類法算法[7]，對量化后的指標(biāo)數(shù)據(jù)進(jìn)行動態(tài)聚類融合預(yù)處理，以構(gòu)建具有實效性的課程自動化評價模型。

在決策過程中，聚類分析算法具有操作方便，簡單直觀，易于理解的優(yōu)點，被廣泛應(yīng)用于不確定性多屬性策略和類別型指標(biāo)評估領(lǐng)域的模型構(gòu)建中[8]。因此，根據(jù)動態(tài)聚類分析，對思政課自動評價指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，具體表達(dá)式：

式(4)中，Ki，n為自動評價指標(biāo)聚核數(shù)目，c為自動評價指標(biāo)初始凝聚點。根據(jù)組重心分析法得出思政課自動評價目標(biāo)模糊動態(tài)方程，具體的表達(dá)式為：

式(5)中，k為聚類中心值。通過計算評估數(shù)據(jù)與聚類中心之間的距離確定目標(biāo)函數(shù)：

式(6)中，η為課程自動化模糊綜合評值。對所得數(shù)據(jù)信息進(jìn)行聚類和整合后，得到自動化評估數(shù)據(jù)融合聚類表達(dá)式為：

式(7)中，φi為第i個最優(yōu)方案模糊綜合評判值。根據(jù)自動化評估數(shù)據(jù)融合方法，輸出融合數(shù)據(jù)信息表達(dá)為：

至此，完成了指標(biāo)數(shù)據(jù)聚類和整合，在此基礎(chǔ)上進(jìn)行課程自動評估模型構(gòu)建，從而實現(xiàn)思政課程自動化評估模型的優(yōu)化，提高評估的準(zhǔn)確性和效率。

2.3 課程自動化評估模型構(gòu)建

為實現(xiàn)思政課程的自動評估，基于最優(yōu)方案模糊綜合評判值得到的聚類分析結(jié)果構(gòu)建思政課程時效性的自動評估模型[14]。該評估模型可有助于教學(xué)自動化評估過程中定量數(shù)據(jù)管理和規(guī)劃能力的提高，由于思政課自動化評估過程中，對其產(chǎn)生影響的指標(biāo)較多，需將課程自動化評價指標(biāo)轉(zhuǎn)化為約束指標(biāo)估計式，在此基礎(chǔ)上可完成約束課程水平的參量模型的構(gòu)建，進(jìn)而獲得課程自動化分析模型。課程自動化評估的估計式轉(zhuǎn)化為求最小二乘解如式(9)。

由f(t)表示評估大數(shù)據(jù)分布時間點。利用公式(10)計算思政課程自動化評估的綜合模糊幅度：

其中，w為自動化評估動態(tài)模糊權(quán)重值。評價指標(biāo)分布的相似度的求解則通過使用模糊貼近度填充方法，具體表達(dá)式如式(11)：

式(12)中，為評估的先驗分布概率，通過線性特征融合方法實現(xiàn)對思政課評估指標(biāo)分布概率均值的融合，獲取具體表達(dá)式如式(13)：

式(13)中，為思政課自動化評估的決策閾值，bi為第i個評估指標(biāo)的自適應(yīng)初始步長，t為評估時刻，m為特征分布的關(guān)聯(lián)系數(shù)。根據(jù)公因子分析方法，得出最優(yōu)自動化評估模型為：

綜上所述，基于思政課自動化評估數(shù)據(jù)，通過聚合思政課程自動化評估數(shù)值，實現(xiàn)了思政課程自動評估數(shù)據(jù)融合聚類，通過公因子分析法計算子序列的因子得分系數(shù)，得出最優(yōu)模型，完成了思政課程自動化評估數(shù)據(jù)模型的構(gòu)建，實現(xiàn)了思政課自動化評估。

3 仿真實驗及結(jié)果

為了驗證基于聚類分析算法的思政課程實效性量化評估建模分析的有效性，以某一個高校的思政課程為例，在學(xué)校各個專業(yè)和年級的所有學(xué)生中，隨機選取200 名學(xué)生，利用思政課程自動化評估模型，評估該學(xué)校思政課程時效性，并與基于DEMATEL-ANP方法、多元化方法的評估結(jié)果進(jìn)行對比，從而驗證基于聚類分析算法的思政課程實效性量化評估建模分析是否有效，經(jīng)過統(tǒng)計分析處理之后，得到思政課程自動化評估模型準(zhǔn)確度測試結(jié)果，如圖1所示。

圖1 思政課程自動化評估準(zhǔn)確度測試結(jié)果

圖1 中的數(shù)據(jù)顯示，三種方法中，所提方法的誤差率最低，控制在30%以下，其次是基于DEMATEL-ANP方法，誤差率在60%以下，準(zhǔn)確度最差的為多元化方法，其誤差率在60%以上。

通過比較所提方法與基于DEMATEL-ANP方法、多元化方法的評估結(jié)果得到思政課程自動化評估效率測試結(jié)果如圖2所示。

圖2 思政課程自動化評估耗時測試結(jié)果

圖2中的數(shù)據(jù)顯示，在三種方法中，與基于DEMATELANP、多元化方法相比，所提方法進(jìn)行課程的自動化評估時所消耗的時間最低，根據(jù)以上結(jié)果可以看出，基于聚類分析算法的思政課程自動化評估模型中進(jìn)行課程評估時準(zhǔn)確度較高，耗時較低，因此在思政課程的日常教學(xué)評估過程中，應(yīng)注重使用該方法。

4 結(jié)束語

本文提出了基于聚類分析算法的思政課程實效性量化評估建模分析，基于思政課程時效性量化評估理論內(nèi)涵，構(gòu)建了思政課程時效性評估指標(biāo)體系，并將評估指標(biāo)體系進(jìn)行標(biāo)準(zhǔn)化處理，通過聚類分析方法對數(shù)據(jù)進(jìn)行融合分析，確定了思政課程自動化評估指標(biāo)的融合信息，最后結(jié)合思政課程自動化評估模型設(shè)計，實現(xiàn)了思政課程時效性的量化評估。實例分析顯示，提出的量化評估方法具有一定的科學(xué)性，與學(xué)生給出的語言評估相一致。但該研究中還存在一定不足，后續(xù)研究可以通過對指標(biāo)體系量化方法進(jìn)行創(chuàng)新研究，提高數(shù)據(jù)的準(zhǔn)確性。