王雪艷+徐睿+趙冬云
摘要:使用層次分析法進(jìn)行課堂教學(xué)觀察點(diǎn)的權(quán)重分析,在構(gòu)建課堂教學(xué)各觀察點(diǎn)權(quán)重層次結(jié)構(gòu)模型的基礎(chǔ)上,設(shè)計(jì)調(diào)查問卷,建立判斷矩陣,通過數(shù)學(xué)工具與軟件轉(zhuǎn)換數(shù)據(jù),確定了課堂教學(xué)各觀察點(diǎn)的權(quán)重及排序,該結(jié)論可以作為化學(xué)課堂教學(xué)及課堂觀察的參考。
關(guān)鍵詞:層次分析法;課堂觀察點(diǎn);權(quán)重分析;評價(jià)量表
文章編號:1005–6629(2017)3–0026–04 中圖分類號:G633.8 文獻(xiàn)標(biāo)識碼:B
1 引言
課堂觀察是課堂研究廣為使用的一種研究方法,是研究者或觀察者帶著明確的目的性,憑借自身的感官(如眼、耳等)以及有關(guān)輔助工具(觀察表、錄音錄像設(shè)備)、直接或間接從課堂情境中收集資料,并依據(jù)資料作相應(yīng)研究的一種教育科學(xué)研究方法。
在使用課堂觀察工具量表[1]進(jìn)行課堂觀察研究時(shí),我們發(fā)現(xiàn)該量表從教師教學(xué)清晰、師生有效溝通、引導(dǎo)學(xué)生學(xué)習(xí)、課堂環(huán)境管理、教學(xué)目標(biāo)達(dá)成等五個(gè)領(lǐng)域?qū)處煹慕虒W(xué)行為進(jìn)行考察,以提高教學(xué)質(zhì)量。但是該份量表的觀察點(diǎn)有39個(gè),評價(jià)指標(biāo)過多,需要進(jìn)一步突出課堂觀察的重點(diǎn)。
權(quán)重是一個(gè)相對的概念,某一指標(biāo)的權(quán)重是指該指標(biāo)在整體評價(jià)中的相對重要程度。確定權(quán)重的常用方法有專家咨詢法、主觀經(jīng)驗(yàn)法、多元分析法、層次分析法等。因?yàn)樵摿勘淼挠^察點(diǎn)比較多,且各觀察點(diǎn)之間的重要性和影響力難以量化,人的主觀選擇起著相當(dāng)重要的作用,層次分析法適用解決此類問題[2]。
本文將采用層次分析法,對課堂觀察工具量表的39個(gè)觀察點(diǎn)進(jìn)行權(quán)重分析,尋找各觀察點(diǎn)的權(quán)重,用于指導(dǎo)我們的教學(xué)與聽評課,為教師的專業(yè)成長提供幫助,為專業(yè)的聽評課提供依據(jù)。
2 層次分析法概述
層次分析法(Analytic Hierarchy Process,簡稱AHP)是由美國匹茲堡大學(xué)著名運(yùn)籌學(xué)家Saaty于20世紀(jì)70年代初,在為美國國防部研究“根據(jù)各個(gè)工業(yè)部門對國家福利的貢獻(xiàn)大小而進(jìn)行電力分配”課題時(shí),提出的一種定性分析與定量分析相結(jié)合的系統(tǒng)分析方法[3],80年代初傳入我國。
2.1 建立系統(tǒng)的層次分析結(jié)構(gòu)模型
使用AHP時(shí),首先把復(fù)雜的問題分解成各個(gè)組成因素。其次,將這些因素按照不同屬性分為若干層次,如目標(biāo)層、準(zhǔn)則層及方案層,形成遞進(jìn)層次結(jié)構(gòu)(見圖1)。目標(biāo)層是系統(tǒng)需要達(dá)到的總目標(biāo);準(zhǔn)則層是為實(shí)現(xiàn)預(yù)計(jì)總目標(biāo)所需考慮的準(zhǔn)則、策略、約束等;方案層是為實(shí)現(xiàn)可供選擇的各種措施和方案。
2.2 構(gòu)造權(quán)重判斷矩陣
根據(jù)建立的層析分析結(jié)構(gòu)模型,同一層中各因素對于上一層某因素的重要性進(jìn)行兩兩比較,構(gòu)造兩兩比較判斷矩陣。假定準(zhǔn)則層因素Ck與下一層次中P1,P2……Pn有聯(lián)系,Pi與Pj對Ck的重要性進(jìn)行兩兩比較,構(gòu)造出權(quán)重判斷矩陣,如表1所示。
形成權(quán)重判斷矩陣:
其中,對于準(zhǔn)則層因素Ck而言,如果因素P1比P2明顯重要,則b12的值取5,如果因素P2比P1明顯重要,則b12的值取1/5,bij是對于準(zhǔn)則層Ck而言,Pi對Pj的相對重要性的數(shù)值表示,該值引用Saaty提出的1~9標(biāo)度法。如表2所列。
2.3 權(quán)重計(jì)算
該部分主要運(yùn)用線性代數(shù)的有關(guān)知識,首先對形成的判斷矩陣進(jìn)行一致性驗(yàn)證,避免出現(xiàn)“甲比乙極其重要,乙比丙極其重要,而丙又比甲極其重要”的情況,因?yàn)檫@種判斷是違反常識的。然后計(jì)算所得判斷矩陣的最大特征根λmax和相應(yīng)的特征向量,即BW=λmaxW,W經(jīng)歸一化后,其分量即為相應(yīng)因素單排序的權(quán)重。
2.4 層次總排序
這樣就可以得到各因素P1,P2……Pn對總目標(biāo)的貢獻(xiàn)程度了,即各因素的權(quán)重。
3 研究設(shè)計(jì)
在本研究中,方案層為各個(gè)觀察點(diǎn),準(zhǔn)則層為C1~C7的調(diào)查問卷,目標(biāo)層為尋找課堂教學(xué)各觀察點(diǎn)的權(quán)重,建立的層次結(jié)構(gòu)如圖2所示。
3.1 研究參與者
本次研究的參與者為上海市的各個(gè)區(qū)縣化學(xué)教研員,共計(jì)39人。其中教齡在10~20年的教研員12人,教齡在21~30年的教研員17人,30年教齡以上的10人,大部分是高級職稱,一線教學(xué)經(jīng)驗(yàn)豐富,經(jīng)常聽評課,課堂觀察有經(jīng)驗(yàn),是聽評課方面的專家。
3.2 研究流程
本次研究采用調(diào)查問卷的方法,為了便于進(jìn)行問卷調(diào)查,首先將方案層的39個(gè)觀察點(diǎn)設(shè)計(jì)在C1到C7的表格里,每個(gè)表格有6條左右的觀察點(diǎn),請各個(gè)區(qū)縣教研員填寫調(diào)查問卷。然后根據(jù)所填寫的問卷數(shù)據(jù),使用AHP法進(jìn)行各個(gè)觀察點(diǎn)的權(quán)重計(jì)算。
3.3 權(quán)重計(jì)算
根據(jù)各個(gè)化學(xué)教研員所填寫的兩兩因素比較所得的調(diào)查問卷,構(gòu)造權(quán)重對比矩陣并進(jìn)行計(jì)算。以C1的六個(gè)觀察點(diǎn)為例(如表4所示),六個(gè)觀察點(diǎn)之間進(jìn)行兩兩比較,表5是一位教研員所填數(shù)據(jù)示例。
運(yùn)用線性代數(shù)的有關(guān)知識,先進(jìn)行一致性驗(yàn)證,該調(diào)查問卷為有效問卷,運(yùn)用數(shù)學(xué)軟件Matlab R2015a計(jì)算該矩陣的最大特征根對應(yīng)的歸一化的非負(fù)特征向量作為排序權(quán)重。根據(jù)AHP方法計(jì)算該矩陣的權(quán)重結(jié)果如表6所示。
用同樣的方法,將39份問卷數(shù)據(jù)分別轉(zhuǎn)化為對應(yīng)的比較判斷矩陣后,進(jìn)行一致性驗(yàn)證,其中38份為有效問卷,計(jì)算該38份調(diào)查問卷的各個(gè)觀察點(diǎn)的權(quán)重并求算數(shù)平均值,最終計(jì)算結(jié)果如表7所示。
4 建議
根據(jù)表7的計(jì)算結(jié)果,將39個(gè)觀察點(diǎn)的權(quán)重,用一張金字塔圖來表示(如圖3)。
前10個(gè)觀測點(diǎn)占總權(quán)重的50.6%,超過了一半,可見這十個(gè)觀察點(diǎn)非常重要,包含了對學(xué)生學(xué)情的了解、教學(xué)內(nèi)容的要求、教學(xué)設(shè)計(jì)以及清晰準(zhǔn)確的表達(dá)等各方面,是我們需要重點(diǎn)關(guān)注的觀察點(diǎn)。如果一節(jié)課在這十個(gè)觀察點(diǎn)上做得好,可以認(rèn)為該節(jié)課是符合要求、合格的一節(jié)課。前20個(gè)觀測點(diǎn)的權(quán)重為78.4%,如果一節(jié)課在前20個(gè)觀測點(diǎn)都做得比較好,我們可以認(rèn)為該節(jié)課是一節(jié)優(yōu)秀的課。21~39的觀察點(diǎn)更多地是指向教師的一些教學(xué)基本素質(zhì),如傾聽學(xué)生表達(dá),不隨便打斷等。
在課堂觀察中,可以使用表7作為課堂觀察工具量表,做到課堂觀察的重點(diǎn)突出、高效。
參考文獻(xiàn):
[1]王雪艷,趙冬云.應(yīng)用課堂教學(xué)觀察表改進(jìn)教學(xué)實(shí)踐的研究[J].化學(xué)教學(xué),2016,(1):33~38.
[2]許悅婷.用層次分析法探求英語四級考試各題型最佳權(quán)重[J].廣東外語外貿(mào)大學(xué)學(xué)報(bào),2010,21(3):91~94.
[3] Saaty T L. The Analytic Hierarchy Process [M]. NewYork: McGraw-will, 1980.