网络学习系统中学习评价的隶属度函数和模糊子集的创建

【摘 要】本文从新的角度展开学习评价，通过建立学习评价模型，为评价的实施提供指导。按照模糊方法、以梯形等形式建立隶属函数，确定模糊子集，为基于AHP的模糊综合评价方法实现提供了基础数据，较好的做到了定性描述定量化。同时为网络学习系统提供了模糊分析的工具。

【关键词】网络学习系统；学习评价；AHP；隶属度函数；梯形模糊函数；正态分布

0 概述

在学习评价实施的过程中是以模糊综合评价方法为核心，通过它的实施将得到对学生学习的评定结果。而该方法在实现的过程中依赖于两个重要因素：模糊子集和各级指标权重。通过隶属度函数可以得到在某项子指标下动态学习数据归属于不同等级的程度―模糊子集，而由各项子指标的模糊子集将形成评判模糊矩阵。而各级指标权重则通过AHP[1]法来获得。

据此我们得到基于AHP的动态模糊综合评价方法的实施模型如图1所示：

图1 基于AHP的动态模糊综合评价方法的实施模型

1 确定注册登陆到退出课程系统时间隶属度函数创建模糊子集

在自主学习时对课程系统的停留时间将直接学习的结果，通常该时间遵循正态分布即多数学生的时间都分布典型的学习时间T[2]附近，对于学生的学习时间应该越接近该时间越理想，过多或过少都不恰当。在此引入模糊数学的方法来讨论它对学习的反映[3][4]。

2 确定进行与该课程有关的上网时间隶属度函数创建模糊子集

在个性化的网络学习中因为缺少真实学习环境中的各种学习资源的提供，所以在网络这个虚拟世界中获取各种资料来促进学习成为网络学习不可缺少的学习活动。

3 提出问题的模糊子集确定[5][6]

4 数据的采集与分析与模糊综合评价的验证

我们对220名学生的学习进行了动态跟踪采集和分析后得到的学习数据，后来又使用了调查问卷收集了学生对数据的采集与分析学习数据的准确程度反馈意见，有87%的学生认为学习数据较准确的反映了自己的学习状况，9%学生认为学习数据有部分项没有准确反映自己的学习状况，4%学生认为学习数据完全没有准确反映自己的学习状况。通过调查数据表明：①利用评价模型反映的评价项目设置合理，能够较好的表示学生的学习；②通过本系统的处理机制得到的学习数据能较准确的反映学生学习状况。

同样利用调查问卷收集了学生对模糊综合评价分数及评价等级准确程度反馈意见。有82%的学生认为评模糊综合价分数及评价等级较准确的反映了自己的学习状况，12%学生认为评模糊综合价分数及评价等级没有很准确反映自己的学习状况，和他们感觉自己的学习状况不相符，6%学生认为评模糊综合价分数及评价等级没有很准确反映自己的学习状况。通过调查数据表明：①评价模型中选用的模糊评价方法能够较好的适用到学习评价中；②评价模型中制定的隶属度函数较准确的对学习状态进行了界定；③本系统利用Matlab工具较准确的进行了矩阵运算，使评价模型中的模糊综合评价法得到了较好的实施。

【参考文献】

[1]Saaty T L.The Analytic Hierarchy Process[J].New York.Mcgraw-Hill Inc.1980：1-15.

[2]Woods W A.What’s important about knowledge representation[J].IEEE Computer.1983，16：22.

[3]孟宪明.现代远程教育中学生自主学习动态模糊评价系统的研究与设计[D].同济大学，2004，2，18：38-40.

[4]冯保成.模糊数学实用集粹[M].北京：中国建筑工业出版社，1991.

[5]刘普寅，吴孟达.模糊理论及其应用[M].长沙：国防科技大学出版社，1998.

[6]方述诚，汪定伟.模糊数学与模糊优化[M].北京：北京科学出版社，1997.

[7]王浩，庄钊文.模糊可靠性分析中的隶属函数确定[J].电子产品可靠性与环境实验，2000，4：2-7.