基于模糊理论的网络学习评价

摘要：针对网络学习评价中包含有定性评价与定量评价,文章建立了网络学习评判集合，设计了网络学习评价指标体系，在此基础上应用层次分析法确定指标权重，最后基于模糊综合评价法构建了一个网络学习评价的数学模型。利用该模型能迅速地对学生进行综合客观公正的评价。

关键词：网络学习评价；评价指标体系；模糊综合评价；层次分析法

中图分类号：G642文献标识码：A文章编号：1009-3044(2011)28-6965-02

Online Learning Evaluation based on Fuzzy Theory

WANG Jian-hong1,2，FENG Ying-ling2，WU Hai-yan3

(1. College of Automation Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China; 2. School of Science, Nantong University, Nantong 226007, China; 3. Center of Modern Educational Technology, Nantong University, Nantong 226019, China)

Abstract: According to the qualitative and quantitative evaluation in the evaluation of online learning, online learning evaluation group and evaluation index system is designed. AHP is used to design the weights of evaluation index. Then, the paper uses the fuzzy comprehensive evaluation method to set up the mathematics model of the online learning evaluation. The model may objectively and fairly evaluate the effect of online learning quickly.

Key words: online learning evaluation; evaluation group; evaluation index system; fuzzy comprehensive evaluation; AHP

实施网络学习，是构筑21世纪终身学习体系的重要手段，是教育适应未来信息社会、培养高素质人才的必然选择。网络学习的出现改变了传统的教学模式，逐渐由以教师为中心转变为以学生为中心，学习者变成了主动学习的知识建构者。针对网络学习的特点及我国学生的整体特征，这就需要我们加强对学生学习过程的监控与评价，保证以“学”为主的网上教学过程的顺利进行，提高学习质量。要保证网络学习的质量必须有与之涵盖相应的评价机制，没有相应的评价机制就没有真正意义上的网络学习，从某种程度上说，网络学习评价机制是网络学习的关键和核心[1]。如何对网络环境下学生的学习进行科学、全面和准确的评价，从而提高网络学习质量，是目前我国缺乏研究但却十分重要的问题。

网络环境下学生学习综合评价，评价的标准不仅应包括传统教育评价中所要求的书面知识的掌握、技能的熟练程度，还应该包括能全面反映学生学习的行为，如学习过程中的参与度、情感、态度等。学生学习的评价结果，对于知识的掌握、技能的熟练程度可以通过标准化的测验或考试来取得量化的评价信息，然而对于学习态度、交互性、资源利用率等却很难直接用精确的数字来表示，这些数据具有一定程度的模糊性，而在近代模糊集合理论的基础上发展而来的模糊综合评价方法[2-3]与其他评价方法相比较有着明显的优势，这种方法能汇总各类评价人员的意见，较全面地反映评价对象的优劣程度，故而评价结果具有较大客观性，符合网络学习评价的要求。

1 建立评判集合

评判集是评判者对评判对象可能作出的各种总的评价结果所组成的集合。如果用大写字母L来表示，那么L=(l1,l2,…,ln)，各元素li(i=1,2,..,n)代表各种可能的总的评判结果。模糊综合评判的目的，就是在综合考虑所有影响因素的基础上，从评判集中，得出一个最科学、合理和精确的评判结果。

但是在划分评判等级时要满足评价人员能力的要求，等级过少会夸大或缩小隶属度程度，一般应大于4个等级，以保证隶属度的客观性；等级过多，则会增加评价人员区分语义的难度。本文选取5个等级作为学生网络学习评价的评价等级，相应的评价等级与分数的对应见表1。

2 学习评价指标体系构建

科学合理地构建网络学习评价指标体系，是网络学习评价顺利进行并能有效反映评价对象真实情况的关键环节。评价指标体系的构建应服务于评价目的的实现,而评价目的的确定又来自于网络学习目标的制定。因此。遵循科学性、导向性、可得性和可比性原则，依据网络学习特征，坚持两个结合，即目标考核与综合评价、定量分析与定性分析相结合是我们构建评价指标体系的出发点和落脚点。根据上述原则及思路，网络学习评价指标体系可由学习态度、交流协作、资源利用三部分组成，共设一级指标3个，二级指标17个，详见表2。

在学习评价时，指标权重的确定十分重要，它直接影响着评价结果。指标权重确定的方法较多，常见的有“德尔菲法”、“指标两两比较法”和“层次分析法”等。由于本研究是多层次、多因素的，并且有些问题难以用定量的方法进行计量，所以本研究选用层次分析法来确定指标的权重较为合适。按照层次分析法的理论与方法[4-5]，经计算，得到各指标的权重，详见表2。

3 模糊综合评价

现有学生A通过网络学习若干门课程，在网上学生A学习评价调查表，共有20位教师对该生进行综合评价，得到的学习评价调查统计表如表2所示。

根据网络学习评价调查统计表2可以得出一级评价指标学习态度、交流协作和资源利用各自二级指标的模糊评价矩阵分别为：

选择M(.,+)模糊合成运算模型

进行模糊合成运算。该模型考虑了所有因素的影响，依权重的大小对所有因素均衡兼顾，能最大地保留所有专家的评判意见，信息失真小。

学生A在“学习态度”方面的评价结果集：

同理可以算出学生A在“交流协作”以及“资源利用”方面的评价结果集：

将第二层次评价得到的3个单因素评价结果集组合成第一级评价指标的模糊评价矩阵R(1)，即R(1)=(A1(2),A2(2),A3(2))T，那么一级评价指标的模糊综合评价矩阵为：

。

再根据第一级指标的权重集W(1)，采用M(.,+)合成运算模型,计算学生A的网络学习综合评价结果集：

将A(1)进行归一化处理得：

A(1)=(0.2340.2490.2260.1700.121)，

这就是学生A的学习综合评价结果集。

对评价结果集A(1)使用加权平均法得学生A的评价结果为：

即学生A经过20位教师的评价，所得网络学习评价总分值为78.05分，对应的等级为“中”。

参考文献：

[1] 覃美珍. 网络环境下学生学习评价的研究[D].南宁:广西大学,2005.

[2] 杨伦标, 高英仪. 模糊数学原理及应用[M]. 广州：华南理工大学出版社,2002.

[3] 范周田. 模糊矩阵理论与应用[M]. 北京：科学出版社,2006.

[4] Saaty T L. A scaling method for priorities in Hierarchical structures[J]. Journal of Mathematical Psychology,1977,15(3):34-281.

[5] Saaty T L. The analytic hierarchy process[M]. McGraw-Hill Company, 1980.