夏麗也

(金華職業(yè)技術(shù)學院 經(jīng)濟管理學院,金華 321000)

不同主體綜合評價不同客體改進算法

夏麗也

(金華職業(yè)技術(shù)學院 經(jīng)濟管理學院,金華 321000)

針對現(xiàn)有不同主體評價不同客體的權(quán)重設(shè)計方法的不足，提出一種改進計算權(quán)重的算法。建立不同主體、不同客體的教學評價模型的數(shù)學模型，計算不同主體評價方案，計算每個主體的評價方案和其他方案之間的等級相關(guān)系數(shù)，把每個方案得到的等級相關(guān)系數(shù)加總，選出等級相關(guān)系數(shù)做大的一個方案作為比較方案，通過計算歐氏距離找到和比較方案兼容程度做大的組合方案作為最優(yōu)組合方案。通過一個實際應用驗證本算法有效性。

綜合評價； 無量綱； 不同主體; 不同客體

0 引言

高校教師教學質(zhì)量綜合評價已經(jīng)突破了以定性為主、以學生為主的傳統(tǒng)模式[1,2]，建立了以學生、教學督導、同行評價、管理人員為評價主體的多角度、多視野教師教學質(zhì)量全面評價體系。但實際執(zhí)行中不同評價主體對不同客體進行評價，卻要在同一平臺下進行排序，會造成很大的評價偏差，不能客觀公正地體現(xiàn)教師的教學質(zhì)量[1-4]。同時，不同評價主體對不同客體進行評價，不同主體所采用的權(quán)重將嚴重影響教師教學質(zhì)量評價的排序。若選擇不恰當，會造成評價偏差很大，不能客觀公正體現(xiàn)教師的教學質(zhì)量。因此，研究不同主體評價不同客體的智能化綜合教學評價方法，有利于教學質(zhì)量評價主體的科學選擇, 有利于教學質(zhì)量評價指標的科學設(shè)置，使整個教學質(zhì)量評價變得更加科學、合理、易于實施。同時，給教學評價不同主體相應的地位和權(quán)利, 可以激發(fā)他們的熱情, 調(diào)動他們參與的積極性。

文獻[5]提出了教師績效評價工作是一項很重要的工作，要從不同主體的角度進行綜合考慮才合理。文獻[6]提出了一種將政府、社會、學校、學生、教師、職員參與評價的模糊綜合評價方法。文獻[7]采用層次分析發(fā)研究了政府績效評價不同主體的權(quán)重研究，并對不同主體的權(quán)重排序進行科學排序分析，在此基礎(chǔ)上提出相關(guān)的政策建議。文獻[8]分析了政府、民眾、企業(yè)作為評價政府績效主體所包含的不同價值取向及其各自的優(yōu)勢和缺失，設(shè)計了不同主體權(quán)重的取值方法。文獻[9]從民眾、警察組織、政府機關(guān)、社會新聞媒介和學者等不同主體角度研究了警民關(guān)系評價指標體系構(gòu)建，從每一主體角度設(shè)計了評價指標體系，并從共性的角度探討了指標的采集與標準化方法、權(quán)重確定與綜合評價模型。文獻[5-9]論述了在多個領(lǐng)域不同主體評價方法研究。

在不同主體的教學評價方面，也有相關(guān)文獻報道，文獻[10]采用灰色關(guān)聯(lián)分析算法確定各項評價指標體系(教學態(tài)度、教學水平等指標)的權(quán)重，但沒有對各不同評價主體的權(quán)重進行討論。文獻[11，12]根據(jù)經(jīng)驗首先對各類評價主體采用主觀方法將4類評價主體(學生、同行教師評價、教務督導教師、專業(yè)主任)權(quán)重設(shè)置為6∶1∶2∶1，等二級管理已經(jīng)相對成熟，權(quán)重就可進行適當調(diào)整，比如可設(shè)為6∶1∶1∶2。文獻[13]通過分群聚類的方法研究的多主體評價計算方法，但也沒有考慮多主體權(quán)重的計算方法。文獻[14]考慮不同類主體(學生、同事，教管部門，教學督導、領(lǐng)導)參與的定量評價的情形，系統(tǒng)的提出了一種多主體參與下的高校教師績效評價信息集結(jié)方法。該文獻首先給出了一種新的信息集結(jié)方法—TDW算子集結(jié)方法; 然后利用 TOP-SIS方法作為主體類的評價結(jié)果的處理方式，以規(guī)避偏好信息集結(jié)的難點; 其次依據(jù)信息關(guān)聯(lián)程度的大小給出了密度權(quán)向量的確定方法,給出了各評價客體評價結(jié)果。但算法要求不同的評價主體都需要對所有的評價客體進行評價，現(xiàn)實的情況無法滿足，因此該算法實際應用還是受限。文獻[15]提出了基于遺傳算法的雙方協(xié)商效用最大化確定各主體權(quán)重系數(shù)的多主體群組綜合評價方法和基于專家群體決策與專家個人決策之間的相似程度的主客觀權(quán)重協(xié)調(diào)方法，最終結(jié)果是使得評價主體能夠經(jīng)過協(xié)商后，評價結(jié)論能夠較快的盡可能保持一致。但由于教學評價過程是要求各評價主體獨立完成，不能進行協(xié)商討論的，因此上述文獻中的提出的群組智能化綜合評價算法都無法應用到不同主體評價不同客體的教學評價中去。

綜上所述可知，不同主體(多主體)評價不同客體的教學評價算法還有如下的關(guān)鍵問題沒有解決：

1) 各個評價指標的量綱和量級不相同,這就為合成和加權(quán)帶來困難,如何在最大保留原始信息的前提下,對指標進行無量綱化處理。

2) 如何處理同一類主體的原始數(shù)據(jù)，采用何種算法確定各個體的權(quán)重，計算出合理的每一類評價主體的評價分數(shù)。

3) 如何從不同主體評價分數(shù)的空間、時間和關(guān)系的角度挖掘主觀和客觀信息，確定各類評價主體之間的權(quán)重。

因此，針對現(xiàn)有不同主體評價不同客體的權(quán)重設(shè)計方法的不足，提出一種改進計算權(quán)重的算法。第1節(jié)首先建立不同主體、不同客體的教學評價模型的數(shù)學模型，計算不同主體評價方案，計算每個主體的評價方案和其他方案之間的等級相關(guān)系數(shù)，把每個方案得到的等級相關(guān)系數(shù)加總，選出等級相關(guān)系數(shù)做大的一個方案作為比較方案，通過計算歐氏距離找到和比較方案兼容程度做大的組合方案作為最優(yōu)組合方案。第2節(jié)，根據(jù)學生的評價分數(shù)進行仿真計算，驗證本算法的有效性。

1 綜合評價算法

Step 1 不同主體不同客體的教師教學評價數(shù)學模型描述,如圖1所示。

圖1 綜合評價算法流程圖

Step 2 原始數(shù)據(jù)無量綱化處理

對評價客體的原始分數(shù)和參考評價分數(shù)進行無量綱處理，具體無量綱化處理算法描述如下：

2) 對任何大于0的評價分數(shù)ai,j，根據(jù)以下式(1)進行無量綱化。

(1)

將班級bi的評教分數(shù)線性變換到分數(shù)區(qū)間[m1,m2]。同時，將參考數(shù)據(jù)分數(shù)也按上式進行無量綱化處理。

3) 為保證數(shù)據(jù)的平滑性和公平性，對不確定的評價值，用這個客體接受這一類主體評價分數(shù)的平均值取代。

Step 3 確定權(quán)值

建立模糊c平均值分群法的目標函數(shù)，計算評價分數(shù)樣本到群集中心的距離、定義評價分數(shù)樣本隸屬與群的模糊程度，即模糊隸屬度函數(shù)，設(shè)計模糊分群算法，將學生的評價分數(shù)分成不同群體，根據(jù)群聚集程度確定評價個體的權(quán)重[13]。

Setp 4 不同主體的計算

1) 用m類評價主體對n個評價對象進行評價,得到每類評價主體的評價結(jié)果序關(guān)系,

根據(jù)序關(guān)系建立n×m階評價方案矩陣。

2) 計算每個排序關(guān)系和其他主體的排序關(guān)系的等級相關(guān)系數(shù),把每類主體計算等級相關(guān)系數(shù)求和，選出等級相關(guān)系數(shù)最大的一個排序結(jié)果作為比較參考排序結(jié)果。

3) 組合評價方案與原評價方案的兼容度越大,則組合評價方案的代表性就越好,可靠性就越強。因此可通過求解兼容度極大化的方式確定組合評價方案的權(quán)重，從而確定各類評價主體的權(quán)重，找到和比較參考排序結(jié)果兼容程度做大的組合方案。這組合方案的不同類主體的權(quán)重就是的所求的不同類主體的權(quán)重。

Setp 5 評價

從上述過程中將會得出一系列的分析結(jié)果、模式或模型。若能得出一個好的結(jié)論則整體算法結(jié)束，若結(jié)果不理想，可根據(jù)偏差進行評價、反饋、調(diào)整。

2 算法驗證

表1給出一個例子來說明算法的應用。

表1 4類10個不同評價主體的原始評價分

現(xiàn)考慮某職業(yè)技術(shù)學院10(m=10)個評價主體組成的4(p=4)類評價主體，分別來自4(r1=4)個學生班級、3(r2=3)個同行教師、2(r3=2)個督導教師和1(r4=)個教學領(lǐng)導的4類評價主體，對以上6(n=6) 個待評教師進行評價的情形，假設(shè)10個評價主體體對 6 個待評教師的意見不一致，其評價信息如表1所示(以評分的形式表示，滿分為100分)，下面通過本文提出的評價方法計算各類評價主體的權(quán)重。

1) 通過Step2，將表1的數(shù)據(jù)進行無量綱化處理到[70,90]的無量綱區(qū)間,如表2所示。

表2 4類10個不同評價主體班和參考數(shù)據(jù)的預處理無量綱分數(shù)

3) 通過Step4計算四類主體的權(quán)重系數(shù)η1=0.175,η2=0.463,η3=0.219,η4=143。

3 數(shù)據(jù)分析和討論

由主體關(guān)聯(lián)度計算可知，學生的評價分數(shù)關(guān)聯(lián)度比較高。從各評價主體的權(quán)重系數(shù)計算看出來，同行教師評價的系數(shù)最高，一定程度上認可同行評價具有更高的權(quán)威性，因此該算法能夠公平的評價教師的教學質(zhì)量。

4 總結(jié)

本文所提算法在一定程度上能夠公平地評價教師的教學質(zhì)量。但還有很多工作值得我們進一步探討。例如針對現(xiàn)有不同主體評價不同客體存在評價的不公平性現(xiàn)象，及該評價模型因素較多、相互之間的關(guān)系呈現(xiàn)出一定復雜性,評價結(jié)果具有一定的主觀性和局限性等問題,采用信息熵、模糊分群、遺傳算法等智能方法確定同類主體不同個體權(quán)重取值和不同類主體的權(quán)重選取，客觀公正評價教師的教學質(zhì)量，使得整個教學質(zhì)量評價變得更加科學、合理、易于實施。

[1] 王春楊，熬敏. 高校課堂教學評價指標體系研究[J]. 重慶高教研究，2015,3(2)：015-017.

[2] 汪富泉. 教師教學質(zhì)量綜合評價探討[J]. 大學教育，2014，8(4)：42-44.

[3] 汪旭暉. 高校教師教學質(zhì)量評價與監(jiān)控保障機制優(yōu)化[J]. 高等教育研究，2009，26(1)：44-47.

[4] 潘文濤. 高校教師績效評價體制研究[J]. 長沙鐵道學院學報(社會科學版)，2014，15(2)：270-272.

[5] 李亞東.績效評價工作是一項事業(yè)，要從不同主體的角度進行綜合考慮[J].大學(學術(shù)版),2011,12(5):25-28.

[6] 柯欣杭. 高校教師教學質(zhì)量測評體系優(yōu)化研究[D].成都:西南財經(jīng)大學，2013,5.

[7] 彭國莆. 基于層次分析法的政府績效評價不同主體的權(quán)重研究[J].湘潭大學學報(自然科學版)2008，30(3)：150-156.

[8] 包國憲. 政府績效評價中不同主體的價值取向[J].甘肅社會科學,2007,12(1): 103-105.

[9] 邵祖峰.基于不同主體的警民關(guān)系評價指標體系構(gòu)建研究[J].上海公安高等?？茖W校學報，2013(5)：35-40.

[10] 冉燕飛. 基于灰關(guān)聯(lián)分析的教師教學質(zhì)量評價研究[D].重慶:重慶師范大學，2014.4.

[11] 柯欣杭. 高校教師教學質(zhì)量測評體系優(yōu)化研究[D].成都:西南財經(jīng)大學，2013,5.

[12] 李霞. 教師授課質(zhì)量評價與監(jiān)控系統(tǒng)的構(gòu)建[M].浙江師范大學,2009.7.

[13] 夏麗也. 基于分群的多主體教學評價改進算法[J].微型電腦應用，2015.04.41-42.

[14] 張發(fā)明. 多主體參與下的高校教師績效評價信息集結(jié)方法[J]. 中國管理科學，2011，19(10)：59-63.

[15] 楊勇.智能化綜合評價理論與方法研究[D].杭州:浙江工商大學，2014,12.

An Improved Algorithm for Diverse Subjects Comprehensive Evaluating Diverse Objects

Xia Liye

Jinhua Polytechnic College of Economics and Management, Jinhua 321000, China

Aiming at the defect about the algorithm for calculating weight, of diverse objects evaluated by diverse subjects, an improved algorithm for calculating weight, is proposed. Firstly, the mathematical model of teaching evaluation model about diverse objects evaluated by diverse subjects is set up, and the evalution scheme of different subject is calculated. The rank correlation coefficient between evaluation scheme of each subject and the other schemes is calculated, and all of the rank correlation coefficients are summed up and the evalution scheme of the maximum rank correlation coefficient is choosed as the scheme for reference. The optimal combination scheme which is the minimal distance to the reference scheme is calculated by Euclidean distance. Finally, an example is given to illustrate the effectiveness.

Compreshensive evaluating； Dimensionless; Diverse subjects; Diverse objects

浙江省教育廳資助項目(Y201534492)

夏麗也(1975-),女，漢，浙江金華，本科，學士,助理研究員，研究方向:教學評價與管理。

1007-757X(2017)05-0015-03

TP274

A

2017.02.12)