高校学生评教系统改进的研究.DOC

1、高校学生评教系统改进的研究摘要本文是研究关于高等学校学生评价教师的评价系统问题，用层次分析法确定了十项指标的权值,并给出了一个新的评教分数的计分模型-模糊综合评价模型。本文亮点在于采用基于层次分析法的模糊数学模型。首先，建立层次分析模型，充分考虑每个指标对综合评价的贡献，并把贡献按权值进行分配；通过层次分析法中的归一化处理，得到两两指标间的相对重要性的定量描述，从而解决不同指标间的差异。其次建立模糊综合评教模型，输入一组专家（同学）的模糊评价，通过最大隶属度原则把模糊评价输出为综合评价。最后本文在难易程度不同的课程下（在专业必修课，专业选修课，公共选修课下进行评价），得出同一教师的综合评价，发

2、现其在不同课程下的综合评价均相同。于是得出结论，该模型的确能解决不同课程难易程度带来的对总体评教的影响。因为一个教师的综合教学质量并不应该在不同的课程下得到变化较大的评教。因此本文建立的模型能够有效地解决不同课程难易程度带来的差异。 关键词： 层次分析法 归一化 模糊综合评价模型 实例分析一 问题重述随着我国高等教育改革的深入发展,教育质量越来越受到人们的重视,学生评教作为一个重要的教学管理手段,也逐步被采用,并且取得了一定的效果。学生评教是学生结合自己的感受对教师课堂教学效果进行客观评价，其目的是凸显学生在高校教学中的地位,也是学生行使自己的权利，维护个人权益的途径之一；同时让教师能及时了解

3、自己教学的优点、弱点及不足,进行自我完善，是不断改进教学方法、提高教学质量的动力来源。目前绝大多数高效都采用了网络评教系统，其具体评教方法是学生对其任课教师按每个固定指标评分，分值为110分。不( % q. m( + R! N9 区分具体课程，将该教师的所有学生在每项内容上的评分作简单的算术平均即得到单项分值，将十个单项分值直接求和即得到最终的评教总评分。但是此计分方式都或多或少存在以下几个问题:1 不同指标的差异带来的评价不实。2 不同课程的难易程度带来的评价不公。本文根据背景资料，建立了数学模型并研究了以下问题：设计一种更加合理的评教分数的计算方法，能够有效改变指标间的差异和课程带来的差异

4、对总评分数的影响。二 问题分析问题要求我们建立新的评教分数的计分方法来解决不同指标的差异以及不同课程难易程度对总体评教的影响。2.1原模型的缺陷题目所给的评教模型之所以会出现弊端一，是因为其模型是基于其计分方式是对10个指标进行加权平均所得的平均值作为评价的量化指标，并默认这10个指标对总体分数的贡献是一样的，即权重都是0.1.这种模型并没有考虑的指标间的差异使得有些指标的加权均值并不能反映实际状况，比如对于指标E（教学方法得当，能够激发学生的学习兴趣；）、I（关爱学生、师生关系融洽）此类受主观感受影响较大的指标，加权平均的思想并不是一种合理的定量方式。并且在现实中，不同专业背景的同学对10个

5、指标的重视程度不一样，也就是10个指标的权重是不一样的。同理，弊端二产生的原因也是因为其原来的计分方式带来的，因为不同的课程难易程度不同，如果只是简单地以1-10为等级进行打分，然后求其平均值，必然会使得同学在评价难的课程时普遍打低分，使得其总体平均分也较低。而对易的课程普遍打高分，使得总体平均分也较高。比如一个本来很优秀的老师在较难的课程中得到一个较差的综合评价。这样的计分方式使得不同难易程度课程的评价结果不实，使得教评产生不公平。2.2问题解决思路对于教师的评价不应该绝对化，不应该用孤立的标准去量化计算，而应该用一定的对比与参照，否则单纯的一个数值结果很难为评估其教学质量提供直接的帮助。鉴

6、于此，本文摒弃原来的计算分数的方法，尝试建立一个新的量化评教模型-基于层次分析法的模糊综合评价模型。为了解决不同指标间的差异，本文尝试建立层次分析模型，用层次分析法把每个指标进行分类，然后两两比较求出指标间的相对关系建立的模糊综合评价模型，利用了隶属度函数量化十个指标的模糊关系，使得对十个指标的评价能做出定量化表达，从而解决不同指标间的差异带来对总体评教的影响。 对于弊端二，在模糊综合评教模型的基础上建立层次分析法，对指标进行分类，然后在不同课程下确定不同的正互反矩阵从而确定各大类的权重，通过归一化处理，从而解决弊端二不同课程难易程度带来的对总体评教的影响。三 模型假设1、所有学生对教师的评价

7、过程不带任何感情色彩，均能做出实际客观的判断。2、每个学生的评价能力没有差异。3、学生均来自同一专业背景4、假设不存在不参加测评的学生，所有学生均参加测评，且填完所有的项目。四 符号说明 第i个因素。 ，分别表示教学态度，教学方式，教学效果，教学内容和对上层目标的影响比 正互反矩阵的最大特征值CI矩阵的一致性指标；RI矩阵的平均随机一致指标CR一致性比率；CR=CI/RIR准则层的单因素评价矩阵；正互反矩阵（i=1,2,3,4）U教学评价的评价指标集合；教学评价的评价指标集合内的一级单因素指标；V 教学评价的评价等级集合评价评语集合内的单评价等级因素 准则层评价矩阵 模糊关系子矩阵（i=1，2

8、, 3, 4）R模糊关系总矩阵表示第i个评价因素对第 j个评价等级的隶属度S专业必修课下的模糊评判集W 专业必修课下的权向量 专业选修课下的权向量 公共选修课下的权向量 专业选修课下的模糊关系子矩阵（i=1,2,3,4）公共选修课下的模糊关系子矩阵（i=1,2,3,4）专业选修课下的模糊评判集公共选修课下的模糊评判集 表一五 模型的建立与求解5.1 通过层次分析结构模型建立评教综合体系指标5.1.1建立评教系统的递阶层次结构首先对10个指标进行分层，将决策问题分为3个层次：目标层O，准则层C，方案层P；每层有若干元素。如图（一）所示。 图一其中，目标层为：学生评教； 准则层：教学态度、教师方式

9、、教学效果、教学内容方案层：指标ABCDEFGHIJ5.1.2构造判断矩阵首先分析准则层对目标层的影响，本文把10个指标分成4类，所以设有n个因素(,)（分别构成教学态度、教学方式、教学效果、教学内容），用 表示和对上层目标的影响比。相对重要： 定义 1若 xi 等价于xj: 赋值 1 3若 xi 比xj 重要 : 赋值 3 5若 xi 比xj 重要得多: 赋值 5 7若xi 是强烈重要的 9若xi 是最重要的 2,4,6,8重要程度等级介于 xi 和 xj 之间1/2,1/3,1/9对应于以上等级的xi 和xj 之间的关系 表(二) 相对重要程度 取值情况 首先我们把课程锁定在专业必修课上。

10、经过我们对专家（全体同学）对比教育态度、教学方式、教学效果、教学内容的咨询，可近似得到以下系数： = 1:3 = 1:4 = 1:3 = 1:2 = 1:1 =2:1从而得到正互反矩阵： A= 1 1/3 1/4 1/3 3 1 1/2 1 4 2 1 2 3 1 1/2 15.1.3层次单排序及其一致性检验 利用MATLAB语言求矩阵A的最大特征值得： = 4.0206 ； 对正互反矩阵进行一致性检验，采用T .L . Saaty 一致性指标： CI = (-n)/(n-1) 根据Saaty的随机一致性指标表格n1234567891011RI000.580.901.121.241.321.4

11、11.451.491.51得RI=0.90 一致性比例 CR= CI/RI =0.0069/0.90=0.00760.1 ,即通过了一致性检验。5.1.3.1通过归一化消除指标间差异，得到权向量对于阶数较高的矩阵特征向量，如果矩阵正互反阵，可以由下面三种简便的近似方法计算其特征根和特征向量。幂法： Step1任取维归一化初始向量.Step2计算.Step3归一化，即令.Step4对于预先给定的精度，当时，即为所求的特征向量；否则返回Step2.Step5计算最大特征根.和法： Step1将的每一列向量归一化得.Step2对按行求和得.Step3将归一化.Step4计算，作为最大特征根的近似值.

12、这个方法实际上是将的列向量归一化后取平均值，作为的特征向量。因为当为一致阵时，它的每一列向量都是特征向量，所以若的不一致性不严重，则取的列向量（归一化后）的平均值作为近似特征向量是合理的。根法： Step1将的每一列向量归一化得.Step2对按行求积并开次方，即.Step3将归一化.Step4 计算，作为最大特征根的近似值.经过MATLAB进行归一化处理，得到标准化特征向量（权向量）： W =（ 0.0886，0.2389，0.4337，0.2389 ）即当前同学们在专业课必修上，对教育态度、教育方式、教育效果、教育内容重视情况为 （0.0886，0.2389，0.4337，0.2389）。5

13、.1.4计算组合权向量 下面开始构造方案层对准则层的每个准则的正互反矩阵1）AHI对E1的正互反矩阵 2）CD对E2的正互反矩阵 3) GEF对E3的正互反矩阵 4）J B对E4的正互反矩阵 同理对以上矩阵做一致性比例处理，发现 CR均专业选修课公共选修课），分析同一位教师在不同课程下是否得到相同的评价。5.3.1 同一位教师在专业选修课下，层次分析法的构建5.3.1.1 我们在专业选修课下，得出近似系数： = 1/3 = 1/2 = 1/3 = 2 = 1 = 1/2从而得到正互反矩阵： 1 1/3 1/2 1/3 = 3 1 2 1 2 1/2 1 1/2 3 1 2 1 层次单排序及其一

14、致性检验：利用MATLAB语言求矩阵A的最大特征值得： = 4.0104 ；根据Saaty的随机一致性指标表格n1234567891011RI000.580.901.121.241.321.411.451.491.51得RI=0.90 一致性比例：CR= CI/RI =0.0035/0.90=0.00390.1 ,即通过了一致性检验。得到标准化特征向量（权向量） =（ 0.1091，0.3509，0.1891，0.3509 ）。即当前同学们在专业课选修上对教育态度、教育方式、教育效果、教育内容重视情况分别为 （0.1091，0.3509，0.1891，0.3509）5.3.1.2.因为评价主体

15、-全体学生不变，所以模糊关系总矩阵是不变的。模糊关系总矩阵： 0.039316 0.2119 0.35933 0.24283 0.14662= 0.03 0.225 0.405 0.245 0.095 0.059186 0.12118 0.30379 0.34832 0.16438 0.05 0.17 0.315 0.33 0.135.3.1.3 做出综合评价分析 =R = （0.043553 0.18464 0.3493 0.29413 0.12779）以最大隶属度原则，容易看出，第三个指标最大，所以该教师的综合评价也为“中”。5.3.2 同一位教师在公共选修课下，层次分析法的构建5.3.2

16、.1 我们在公共选修课下，得出近似系数： = 1/2 = 1 = 1/2 = 2 = 1 = 1从而得到正互反矩阵： 1 1/2 1 1/2 = 2 1 2 1 1 1 1 1/2 2 1 2 1 层次单排序及其一致性检验利用MATLAB语言求矩阵A的最大特征值得： = 4.2361 ；根据Saaty的随机一致性指标表格n1234567891011RI000.580.901.121.241.321.411.451.491.51得RI=0.90 一致性比例 CR= CI/RI =0.0787/0.90=0.0.08790.1 ,即通过了一致性检验。得到标准化特征向量（权重） W =（0.1604

17、 0.3207 0.1982 0.3207）即当前同学们在专业课必修上，对教育态度、教育方式、教育效果、教育内容重视情况为 （0.1604 0.3207 0.1982 0.3207）5.3.2.2因为评价主体-全体学生不变，所以模糊关系总矩阵是不变的模糊关系总矩阵： 0.039316 0.2119 0.35933 0.24283 0.14662= 0.03 0.225 0.405 0.245 0.095 0.059186 0.12118 0.30379 0.34832 0.16438 0.05 0.17 0.315 0.33 0.135.3.2.3 做出综合评价分析 =R = （ 0.0436

18、93 0.18468 0.34875 0.29239 0.12986）以最大隶属度原则，容易看出，第三个指标最大，所以该教师的综合评价也为:“中” 。5.4综合评价 综上所述，通过实例分析，同一位教师在不同课程下的评价均为中，即其教学综合评价并不因为不同课程的难易程度而发生改变，说明本文构建的模糊综合评价模型能够既能够解决指标间的差异带来的对总体评价的影响，又能够解决不同课程难易程度不同带来的对总体评教的影响。六 模型优化与评价 该模型充分结合了评价教师的十个指标之间的模糊关系、指标影响力的模糊性以及指标等级的模糊性等特点，运用模糊数学知识合理地采用模糊综合分析对教师评价的指标进行乐比较精确的

19、分析。 优点：本模型不同于传统的模糊综合评价模型。为了弥补传统模糊分析的权重定义由人为评定，导致权重的赋值偏于主观性这一不足之处，将模糊综合分析的基本模型结合层次分析法来进行指标的分类与确定权重。尽管层次分析法判断矩阵的定义也有一定的主观性，但是其基于的数学知识具有很高的理论基础，而且逻辑缜密，用此方法能够客观的算出各个指标的权重从而消除不同指标间的差异。此外，在最后的评价中，本模型采取简单易行的最大隶属度的原则来得到综合评价。 缺点：虽然最大隶属度的方法简单易行，但是由于数据的有限性以及在缺少相应的大样本下，最大隶属度的方法很难发挥其原有的优势。优化：在缺少样本数据的情况下，可以采用等级分值

20、化的方法，构造基于正态分布的隶属度函数来求出综合评价的具体分值，虽然隶属度函数计算较复杂麻烦，但是在缺少样本数据的情况下，未必不失为一个好方法。总之，应用模糊综合评判法对教学评价质量进行评判，可以避免许多主观因素的干扰，一方面能将定性分析问题转化为定量分析，并且可利用计算机编程计算；另一方面使评价结果更科学、公正，为提高教学评价质量提供了可信的依据。教师评价是教学环节中一项重要的工作，在评价过程中不可避免地存在大量的模糊性等不确定性因素，为了更客观、公正、恰当地给出相应的评价，以便促进课堂教学质量的提高。本文给出了一种模糊综合评判方法，并以具体的实例验证和说明了该方法的有效性和可行性。 八 参

21、考文献1. 朱元昌 模糊综合评判法在课堂授课质量评价中的应用 第20卷第一期，南京理工大学学报（社会科学版） 20072. 林盛，谭亦鹦 层次分析法和模糊评价在选择房地产代理商中的应用 第36卷， 河北工业大学学报，20073. 何亚光 课堂教学质量的模糊综合评价4. 不详 评价模型5. 胡明甫 AHP层次分析法及MATLAB的应用研究 第二期， 钢铁技术，20046.朱丛书 高校教师教学质量学生评估模型的实证研究 第32卷，第4期，长江大学学报 2009年8月7.史琪立 张俊淞 付敏 吕丹 基于层次分析法和熵值法的学生评教模型 第13期， SCIENCE&TECHNOLOGY INFORMATION 2013 九 附录1.用MATLAB求正互反矩阵a的特征值和特征向量：b c=eig(a);%取a最大特征值对应的特征向量a1，并对a1进行归一化2.归一化求权重的matlab程序：d=a1;n,m=size(d);B=zeros(n,m); for i=1:m B(:,i)=d(:,i)/sum(d(:,i);endB15