模糊评价在网络教育精品课程作业中的应用

【前言】模糊评价在网络教育精品课程作业中的应用由文秘帮小编整理而成，但愿对你的学习工作带来帮助。自教育部启动了2007年度国家网络教育精品课程建设与申报工作以来,网络教育精品课程经过两年的建设与发展,已逐渐规模。纵观目前已建成的99门网络教育精品课程,虽然所有课程都设置了在线作业或模拟测试等栏目,但其设计与实现却有很大的差别――有的课程仅以思考题形式提...

【摘要】针对目前网络教育精品课程的特点及其作业系统建设的现状,指出现有的网络教育精品课程作业缺乏相应的评价和激励机制。针对以上问题,提出了模糊综合评价法,探讨了该方法的基本思想、数学模型和核心程序,并以某学生的具体作业情况来进行实证研究。

【关键词】网络教育精品课程;作业;模糊综合评价

精品课程是具有一流教师队伍、一流教学内容、一流教学方法、一流教材、一流教学管理等特点的示范性课程。2007年教育部颁发了《教育部财政部关于实施高等学校本科教学质量与教学改革工程的意见》(教高[2007]1号),把课程、教材建设与资源共享作为“质量工程”的六个方面规划建设项目之一,决定继续推进国家精品课程建设,遴选3000门左右课程,进行重点改革和建设。并计划2007年评审产生650门国家精品课程,其中普通高等学校本科和高职高专课程600门,网络教育课程50门[1]。自此,网络教育精品课程的建设在我国开始蓬勃发展。

一 网络教育精品课程作业系统的建设

1 教育精品课程作业系统建设现状

自教育部启动了2007年度国家网络教育精品课程建设与申报工作以来,网络教育精品课程经过两年的建设与发展,已逐渐规模。纵观目前已建成的99门网络教育精品课程,虽然所有课程都设置了在线作业或模拟测试等栏目,但其设计与实现却有很大的差别――有的课程仅以思考题形式提出,没有提供答案;有的课程只是将书上练习变成网页形式,并附上简短的答案;有的自带题库,可以自动生成作业题目。

表1 网络教育精品课程作业题建设情况分布表

从上表可以看到,网络教育精品课程的作业正在不断完善,74门网络教育精品课程(占课程总数量的74.8%)已经具备了自己的题库系统,可供学习者在线测试自己的学习效果。但是目前的网络教育精品课程作业主要以一种资源的形式呈现,很少对学习者的学习效果给予一定的反馈。这种作业的呈现方式很难使学习者的才能得到充分发挥。因此,难以给学习者公平、公正的学习测试评价结果,从而不利于学习者素质的全面提高。

2 网络教育精品课程作业系统建设中存在的问题

由于网络学院远程教育的生源分布在全国各地,各校外学习中心又不能像全日制那样组织各种形式的活动来辅导教学,就学习模式而言即学习者在家中自主上网。因此,作业既是学习者接受远程教育所必须完成的学习环节,又是对学习者的学习过程进行监控的主要手段。所以,网络教育精品课程的作业不应只是资源的陈列、累积。如果仅将精品课程的作业试题当作几套模拟试题的集合,这远不能达到网络教育精品课程建设的目的。目前作业环节存在的问题主要体现在以下几个方面:

(1) 学习者也无法记录和了解自己的学习情况,整个学习活动呈现无序状态,很难实现真正的网上自主学习,更难进行自适应学习。

(2) 作业系统不仅需要优质的作业系统与信度较高的作业题,更重要的是要有相应的激励和评价机制。

(3) 情感交流是教学活动中不可或缺的重要因素,在作业练习中需要适当的作业评语集弥补网络教育师生之间情感交流的空白。

基于以上对现行的网络教育精品课程作业系统的认识,如何科学有效的对学习者的作业情况给予一定的反馈,构建新型学习效果评价反馈模型,将数量化的作业分数用模糊性的语言加以描述,利用模糊综合评价的数学方法进行分析处理,提高网络教育质量、促进网络教育的发展成为了亟待解决的问题。

二 利用模糊综合评价推动网络教育精品课程作业系统的建设

1 模糊综合评价的简介

模糊综合评价理论是普遍集理论的推广,1965年,美国控制论专家、数学家Zadeh发表了论文《模糊集合》,提出了模糊集理论,标志着模糊数学这门学科的诞生。它描述一类没有明确界限和概念的外延模糊的现象,并把这些不确定现象与隶属度函数建立一一对应关系,从而可以使用有利的数学工具来分析自然界中许多不精确的模糊现象。

模糊综合评判是把模糊数学应用于教育评价而形成的一种方法。运用模糊评判可以汇总多方面的评价意见,将不易直接定量测量的评价问题实现定量化,从而比较全面地反映学习效果的优劣。它借助模糊变换原理和最大隶属原则,考虑与被评判事物相关的各个因素的影响,对事物做出总的评价[2]。

2 模糊综合评价在网络教育精品作业反馈系统建设中应用的意义

首先,在远程学习模式下,知识的巩固程度是学习者掌握知识的重要标志之一。一般来说判断学习者是否牢固地掌握知识,就是指学习者在理解的基础上,将所学的知识和技能持久地保持在记忆中,当需要的时候,能准确无误地再现出来并加以运用。学习者在短时间内学习了某个知识点的内容,是否已经很好的掌握,对于与教师分处两地的学习者难以得到很好的把握。

其次,在目前制作完成的网络教育精品课程中,学习者学习情况的数据,一般是以数字精确地表示出来,而非用自然语言加以描述。事实上,学习者的学习过程是存在很大的模糊性,仅用简单的分数很难真正反应学习者的学习状况。然而,在自然语言中,大量的评价语句虽然存在模糊性,如学习兴趣浓厚,学习能力很强,学习动机差,不能很好地与他人协作等,但是这些评价却是明白的、具体的。

最后,对学习效果的评价是一个模糊评价的问题。除了需要对学习者某一次学习效果进行评价外,还需要对学习者在不同阶段的学习效果做综合的评价。因此,网络教育更需要根据学习者目前学习情况和现有的数据对学习者的学习能力、效果、综合素质等进行评估,以便学习者及时调整学习,同时也可以有效地把握教学效果,对自身的学习情况做出总的评价。从而让学习者在学习过程中产生成功感、自信感,焕发学习的热情。

三 模糊评价理论在网络教育教学评价中的运用思路

1 模糊综合评价指标体系的构建

(1) 认知程度集的建立

由于人的认知目标是从识记相对简单的知识到非常抽象的思维这样一个渐进过程,美国心理学家和教育家布卢姆把教育的认知目标分成六大主类――知道、理解、应用、分析、综合及评价。而评价指标体系是指评价对象所涉及的各种影响因素的集合,在此用知识点的认知属性集合来刻画学习者的认知程度,设评价指标权重集为A,因为其有6个一级评价指标(即6个维度),因此,认知程度等级由高至低依次是:U={评价u1,综合u2,分析u3,应用u4,理解u5,知道u6}。

(2) 评语结论集的建立

评语集是评价者对评价对象可能做出的各种评价结果组成的集合,可根据实际情况的不同而决定。根据人的思维的特点,确立一个从低到高的评价集V={很弱v1,较弱v2,中等v3,较强v4,很强v5}。

(3) 模糊评判矩阵的建立

假设某知识点应达到熟练的等级,通过向多位专家、教师请教,建立以认知程度集U={评价u1,综合u2,分析u3,应用u4,理解u5,知道u6}为行向量,评价集V={很弱v1,较弱v2,中等v3,较强v4,很强v5}为列向量建立模糊评判矩阵R。

2 模糊成绩与模糊等级的判定

难度系数指通过人数的比例,难度系数越小表明试题越难,系数越大则表明试题越易,试题的难度系数常用[0,1]上的数表示。本文将作业题库中的作业题按认知程度集分为知道、理解、应用、分析、综合及评价5个等级,不同的认知程度等级对应不同的难度区间。

假设一套作业题在不同认知维度的分值分布C={0,12,2,0,10,8},某学习者对该知识点进行了测试后,各维度答对的分数S={0,2,2,0,8,4},由于该作业的总分是32分,模糊化的得分权值A={0/32,12/32,2/32,0/32,10/32,8/32}= {0,0.0625,0.0625,0,0.25,0.125}。

本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文

可将该学习者对本知识点的掌握程度进行模糊综合评判,B=AR。即:

式中B的分量b1计算如下:

b1=(0∧0.5)∨(0.0625∧0.3)∨(0.0625∧0)∨(0∧0)∨(0.25∧0)∨(0.125∧0)= 0,同理可计算b2,b3,b4,b5。

可见,该学习者对本知识点的掌握上,很弱0,较弱0,中等0.02,较强0.25,很强0.25,根据模糊数学的最大隶属度原则可知该学习者已较好掌握了本知识点。

最后设置参考成绩分数等级分界点为:55,65,75,85,95。即:

通过对模糊综合评判结果进行归一化处理,可得B ={0,0.125,0.25,0.3125,0.3125}。因此,反馈给学习者的参考成绩D=B R=83.125 [3]。下面列出模糊综合评价的核心代码:

//进行模糊变换B=AR

for (int i = 0; i < MatrixCols; i++)

{

for (int j = 0; j < MatrixRows; j++)

{

//取成绩权重数组与模糊评判矩阵i列的交集(∧),将最小值存放在临时数组temp中

temp[j] = GetMin(scoreweights[j], indexweight[i, j]);

}

//对temp数组中的各元素取并集(∨),将最大值保存在数组eresult中,数组eresult即模糊变换结果B

eresult[i] = FuzzyEvalution(temp, MatrixRows);

}

public double FuzzyEvalution(double[] temp, int length)

{

double max = 0;

for (int i = 0; i < length - 1; i++)

{

if (temp[i]

{

max = temp[i + 1];

}

}

return max;

}

3 评价反馈

教育测量与评价中应当注重定量计算与定性判断相结合。在给予学习者学习效果反馈时,其主要内容为:

(1) 用曲线图直观的呈现学习者得分情况变化。学习者看到自己学习成绩的起落,可以避免因一时或一次学习情况对学习者进行片面、不合理评价,有利于对学习者相当长一段时间学习情况的整体评价。

(2) 根据模糊综合评价法反馈参考成绩。根据成绩分数等级分界点给出最后评价参考分数,使学习者有一个数字层面的依据。

(3) 动态直观的给出评语及建议。按照本次测试成绩并参考前期知识点的学习成绩对学习者的学习效果作出评估,然后按照评估成绩对学习者的下一步学习做出推荐。如评估成绩达不到预定的目标,可建议学习者重新学习该知识点或推荐某些较易的扩充知识或继续加强前期的知识点学习;而如果评估成绩很好,则可扩充一些较难的知识点以供该学习者学习。

图1 学习效果反馈图

四 结语

在网络教育精品课程中,采用模糊综合评判法评价学习者的学习成果,质性描述语言给出科学、客观和具有说服力的评定等级,更有利于帮助远程学习者把握自己的成绩等级。但是,在评价指标体系建立中,因素权重的确定是困难问题,这需要不断分析、思考及验证,以提高信度和效度。本文设定的指标体系的普遍性和各项目权重的准确性还有待于进一步探讨。

如何设计出更有效、更客观的学习成绩评价算法,并且充分发挥网络技术的优越性,以人为本,充分调动学习者的学习积极性,培养学习兴趣,变被动学习为主动学习,全面提高教学质量,使网络远程教育得以持续健康地发展,仍是今后需不断探讨和研究的课题之一。

参考文献

[1] 教育部.教育部财政部关于实施高等学校本科教学质量与教学改革工程的意见[Z].北京,2007.

[2] 吴士力.通俗模糊数学与程序设计[M].北京:水力水电出版社,2008:1-4.

[3] 李克东.教育技术学研究方法[M].北京:北京师范大学出版社,2003:396-400.

Implementation of Theory of Fuzzy Evaluation in Online Education Excellent Courses FAN Tai-hua1 FENG ri2

(1. School of Distance Learning ,Center South University, Changsha,Hunan, 410083,China; 2. Educational Technology Center, Center South University, Changsha,Hunan, 410083,China)

Abstract: Quality education for the current network characteristics of the course and its operating system the status of the building, pointing out that the existing quality of online education coursework assessment and the corresponding lack of incentives. In view of the above problem, a fuzzy comprehensive evaluation method, discussed the basic idea of this method, the core of mathematical models and procedures, and to a specific operation of the students to carry out empirical research.

Keywords: Online Education Excellent Courses; Homework Quality; Fuzzy Comprehensive Evaluation

本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文