3.2.1 模糊综合评判法实现学生互评
模糊综合评价算法是通过分析某一个对象,然后对其进行数据处理,并以此建构模糊型数学模型,运用隶属关系把一些数据元素集合成模糊集合,最终确定隶属函数。模糊综合评价原理实现的技术路线如图3-1所示。
图3-1 模糊综合评价原理实现的技术路线
在模糊算法的应用中,按照学校对实习评估的需求,将模糊算法中的各级指标设置在实习表现学生互评工作中,使得在对实习表现进行评分时,能够细化评估的各级数值,使得评估工作更为细致,能够让用户明确出实习表现过程中的具体情况。
3.2.1.1 构建学生互评评判模型
为了确定学生互评指标,通过调查相关专业的实习学生,确定了三个一级指标和6个二级指标,按照模糊综合评判法,建立第一级评判因素集:
U = { 专业 U1,日常U2,活动 U3 };
第二级评判因素集分别如下:
U1 = { 专业态度 u11,适应能力u12 };
U2 = { 互动能力 u21,处理能力u22 };
U3 = { 学习能力u31,积极性 u32 };
学生互评指标体系见表3-1所示。
表3-1 实习表现学生互评指标体系
一级指标 二级指标
专业U1 专业态度U11
适应能力U12
日常U2 互动能力U21
处理能力U22
活动U3 学习能力U31
积极性U32
3.2.1.2 建立模糊综合评判集
考虑到学生在手机端操作的方便性,将学生互评的等级设置为4个等级,分别为很好、较好、一般、不好,改写成评判集:
V = { 很好 v1,较好v2,一般v3,不好v4 }
3.2.1.3 层次分析法确定各指标权重
根据各类指标的作用程度和相对重要性不同,咨询有关专家,对指标进行两两比较,构造成对判断矩阵(根据重要性标度含义表)。如表3-2。
表3-2 一级指标两两比较值
专业 日常 活动
专业 1 5 3
日常 1/5 1 1
活动 1/3 1 1
一级指标各因素的权重向量,按层次单排序得到。这里利用方根法求权重向
量(斯彩英,2017),令 W’ = ( a1 ',a2 ',a3 ‘,a4 ‘) ,其中 ai ’ = ∜(∏_(j=1)^3▒a_ij )