模糊综合评价法
是一种基于模糊数学的综合评价方法,根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价,具有结果清晰,系统性强的特点,能较好的解决模糊,难以量化的问题,适合各种非确定性问题的解决
而课程评价是一种多评价因素,多评价方法的操作,而不能仅以好坏来区分,因此 使用模糊综合评价法来进行定量评价
课模糊综合评价模型
-
确定评价因素集
本次课程评价中,评价因素集分为两级评价指标
以及评价因素集为:
U={课程内容,课程方式,课程设计,课程目标}={U1,U2,U3,U4}
对一级评价指标进行细分,从而可以确定二级评价因素集为:
U1={U11,U12,U13,U14}
U2={U21,U22,U23,U24}
U3={U31,U32,U33,U34}
U4={U41,U42,U43,U44} -
确定评语集
分为四个等级:优,良,中,差,具体对应分数为90-100,70-90,50-70,50以下 -
确定评价因素权重
根据“专家评估法”确定某一个评价因素在所有因素中的相对重要程度即权重
一级指标权重分别为W={0.3,0.2,0.2,0.3}
二级指标权重分别为W1={0.3,0.3,0.1,0.3},W2={0.2,0.2,0.2,0.4},W3={0.3,0.2,0.2,0.3},W4={0.2,0.1,0.5,0.2} -
确定评价因素隶属度
对于评价因素集中的每个评价因素,根据收集到的学生评价数据,可以确定它的隶属度,将所有学生的评价放到一个矩阵中,就得到了模糊矩阵
其中,Uij指评价因素Ui对评语集Uj隶属程度
-
确定模糊合成算子方法
利用的方法是M(^,v) -
确定课程评价模型
确定了权重向量,模糊矩阵之后,利用模糊矩阵运算,建立课程评价模型
因为我们设计的课程评价因素集为二级评价模型,因此评价时从二级因素开始,先给出二级因素的评价矩阵,之后叠加结果有一级因素的评价向量,对一级因素评价结果总计汇总获得评价矩阵,最终得到评价结果
分别获得在不同的因素下的模糊矩阵:
1) 课程内容因素下
假如100个人评价
优秀 良好 中等 较差
内容的全面性 70 20 10 0
知识的正确性 60 20 10 10
目的明确性 50 40 10 0
理论与实际相结合 40 30 20 10
则模糊矩阵为
[0.7 0.2 0.1 0.0]
R1= [0.6 0.2 0.1 0.1] 而W1=(0.3,0.3,0.1,0.3)
[0.5 0.4 0.1 0.0]
[0.4 0.3 0.2 0.1]
即B=W1R1 利用“M(^,v)模糊合成算子方法”先将W1中的第一个元素和R1中的第一行第一列的元素取最小值,W1中的第二个元素和R1中的第二行第一列的元素取最小值,W1中的第三个元素和R1中的第三行第一列的元素取最小值,W1中的第四个元素和R1中的第四行第一列的元素取最小值,依次类推可以得到一个
[0.3 0.2 0.1 0.0]
矩阵 [0.3 0.2 0.1 0.1]
[0.1 0.1 0.1 0.0]
[0.3 0.3 0.2 0.1]
然后再将每一列取最大元素得到数列B1即(0.3,0.3,0.2,0.1)
2)课程方式因素下
优秀 良好 中等 较差
方式的针对性 70 10 10 10
方式的灵活性 80 10 0 10
方式的多元化 90 10 0 0
注重师生交流 90 0 10 0
同样可以得到一个数列B2=W2R2=(0.4,0.1,0.1,0.1)
3)课程设计因素下
优秀 良好 中等 较差
任务的明确性 60 20 20 0
对象的复杂性 80 10 10 0
过程的详细性 90 0 0 10
评价的重要性 100 0 0 0
B3=W3*R3=(0.3,0.2,0.2,0.1)
4)课程目标因素下
优秀 良好 中等 较差
提升专业知识的认知 50 30 10 0
提升学生的兴趣 40 30 20 10
提升学生的学习能力 60 30 0 10
提升学生的专业素养 50 20 0 30
B4=W4*R4=(0.5,0.3,0.2,0.1)
所以最后得到一个矩阵 [0.3 0.3 0.2 0.1]
B,= [0.4 0.1 0.1 0.1]
[0.3 0.2 0.2 0.1]
[0.5 0.3 0.2 0.1]
所以最终得到的Z=WB,同样利用模糊算法即可得到数列Z=(0.3,0.3,0.2,0.1)
假如定义优秀为90分,良好为70分,中等为50分,较差为30分,则可定义
{90}
P= {70} 最终分数为ZP=0.390+0.370+0.250+0.130=61分
{50}
{30}