基于馬爾科夫預(yù)測(cè)的課程教學(xué)模糊綜合質(zhì)量評(píng)價(jià)

張笑青++蔣銳

摘要：通過(guò)調(diào)查問(wèn)卷，以自我評(píng)價(jià)、學(xué)生評(píng)價(jià)、同事評(píng)價(jià)等多方位評(píng)價(jià)角度，收集教師各教學(xué)項(xiàng)目指標(biāo)的評(píng)價(jià)數(shù)據(jù)，并加以標(biāo)準(zhǔn)化統(tǒng)一處理，通過(guò)建立馬爾科夫鏈模型，對(duì)教師各教學(xué)評(píng)價(jià)指標(biāo)預(yù)測(cè)，運(yùn)用熵值法對(duì)教師進(jìn)行教學(xué)評(píng)估。客觀(guān)公正地反映教師各教學(xué)指標(biāo)狀況，使教師獲取及時(shí)獲取學(xué)生的對(duì)教學(xué)的信息反饋，便于了解自身狀況，合理反思和調(diào)整自身教學(xué)態(tài)度、教學(xué)方法等，促進(jìn)教師教育教學(xué)水平的提高。

關(guān)鍵詞：馬爾科夫預(yù)測(cè)；熵權(quán)模糊綜合評(píng)價(jià)；教學(xué)評(píng)價(jià)

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）26-0178-03

Based on Markov Integrated Teaching Quality Assessment Fuzzy

ZHANG Xiao-qing， JIANG Rui

（Computer Information Management， Hanlin College of Nanjing University of Chinese Medicine， Taizhou 225300， China）

Abstract： Through questionnaires， self-evaluation， student evaluation， colleagues evaluation of multi-faceted evaluation angle， each teacher teaching evaluation data collection project indicators and standardize centrally， through the establishment of Markov chain model， forecast evaluation of teachers teaching each using entropy method for teachers teaching evaluation. Objectively and fairly reflect the performance indicator of teaching teachers so that teachers get timely access to student teaching information feedback， easy to understand their own situation， rational reflection and adjust their teaching attitude and teaching methods to promote the improvement of teacher education teaching level.

Key words： Markov； Entropy Fuzzy Comprehensive Evaluation； teaching evaluation

教學(xué)評(píng)價(jià)是教學(xué)活動(dòng)中不可缺少的一個(gè)基本環(huán)節(jié)，是研究教師的教學(xué)素養(yǎng)和學(xué)生的學(xué)習(xí)效果的價(jià)值過(guò)程，有利于引導(dǎo)教學(xué)行為，提高教學(xué)質(zhì)量。然而教學(xué)評(píng)價(jià)是一個(gè)非線(xiàn)性過(guò)程，具有多變量多因素，傳統(tǒng)的教學(xué)評(píng)價(jià)僅僅是根據(jù)學(xué)生考試成績(jī)來(lái)評(píng)價(jià)教師的教學(xué)效果，無(wú)法獲得造成該教學(xué)狀況的因素，只是以總結(jié)教學(xué)效果，教學(xué)工作狀況的最終型評(píng)價(jià)。對(duì)教學(xué)無(wú)法起到積極的引導(dǎo)和反饋。

本文從馬爾科夫理論出發(fā)，從教師教學(xué)素養(yǎng)角度出發(fā)對(duì)教師各教學(xué)項(xiàng)目指標(biāo)評(píng)價(jià)預(yù)測(cè)，再運(yùn)用熵值法對(duì)教師教學(xué)狀況進(jìn)行模糊綜合測(cè)度，不僅可以讓教師了解自身教學(xué)水平狀況，還可以指導(dǎo)教師明白造成該狀況的原因，并通過(guò)該反饋信息及時(shí)調(diào)整，修訂教學(xué)計(jì)劃，調(diào)整教學(xué)行為，從而有效的工作以達(dá)到所規(guī)定的目標(biāo)。

1 馬爾科夫預(yù)測(cè)與建立馬爾科夫模型

1.1 馬爾科夫預(yù)測(cè)定義

馬爾柯夫預(yù)測(cè)是將某一事物在某一時(shí)間點(diǎn)的狀況作為初始狀態(tài)，并通過(guò)將來(lái)時(shí)刻的狀態(tài)建立狀態(tài)之間轉(zhuǎn)移概率矩陣，在此基礎(chǔ)上預(yù)測(cè)該時(shí)間點(diǎn)以后的狀態(tài)變化趨勢(shì)，是一種與當(dāng)前時(shí)間點(diǎn)無(wú)關(guān)的非線(xiàn)性時(shí)間序列分析法。它基于馬爾柯夫鏈，根據(jù)事件的目前狀況預(yù)測(cè)其將來(lái)各個(gè)時(shí)刻的變動(dòng)狀況，它的預(yù)測(cè)具有未來(lái)獨(dú)立性，與現(xiàn)在和過(guò)去的狀態(tài)無(wú)關(guān)。

1.2 建立馬爾科夫預(yù)測(cè)評(píng)估模型

對(duì)研究事物建立科學(xué)的評(píng)價(jià)指標(biāo)體系，并進(jìn)行調(diào)查問(wèn)卷以收集數(shù)據(jù)，基于每個(gè)評(píng)價(jià)指標(biāo)進(jìn)行馬爾科夫預(yù)測(cè)了解各指標(biāo)當(dāng)前評(píng)價(jià)狀況：

1）將評(píng)價(jià)得分劃分為 s 個(gè)等級(jí)，即 s 個(gè)狀態(tài)。設(shè)被調(diào)查者總數(shù)為 n ，第 i 等級(jí)的被調(diào)查者有 [ni]個(gè)（ i =0，1，…，s） ， 則第一次問(wèn)卷調(diào)查后可得初始評(píng)價(jià)分布。

2）在該時(shí)間點(diǎn)基礎(chǔ)上的下一時(shí)間點(diǎn)再次進(jìn)行調(diào)查問(wèn)卷，可分別得到第 i 個(gè)等級(jí)的被調(diào)查者轉(zhuǎn)移到第 j 個(gè)等級(jí)的數(shù)目 [nij]（ i，j =0，1，…，s） ，進(jìn)而可得一步轉(zhuǎn)移概率矩陣 P。

通過(guò)轉(zhuǎn)移矩陣P?？梢栽撌挛锏脑撝笜?biāo)得分將出現(xiàn)“變大”和變小“兩種不同狀況。假設(shè)某指標(biāo)評(píng)價(jià)為j等級(jí)，j等級(jí)向i（i>j）等級(jí)轉(zhuǎn)移就是變大，反之則是變小，E是指標(biāo)得分變大還是變小程度的累加（E=[nij/ni-nji/ni]（i>j）），E>0時(shí)表示該指標(biāo)傾向變大，反之變??；E越大，表明屬于變大轉(zhuǎn)化的越多，則該項(xiàng)目指標(biāo)越好。

3）將 P分別代入線(xiàn)性方程組[π=πP，j=1sπj=1，πj≥0]，分別求解線(xiàn)性方程組，解得極限概率分布π，給每個(gè)等級(jí)賦予一個(gè)分?jǐn)?shù) [sj]，依據(jù)多屬性綜合評(píng)價(jià)模式中的線(xiàn)性加權(quán)綜合法，令[ Mi = j =1s ?1πijSj]為第 i 個(gè)被評(píng)價(jià)班級(jí)的綜合評(píng)價(jià)值，通過(guò)比較 Mi 的大小，可以給該事物當(dāng)前指標(biāo)狀況評(píng)價(jià)。