許昌林,尤鵬翔

（北方民族大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院,寧夏銀川750021）

二階正態(tài)云在教風(fēng)/學(xué)風(fēng)評(píng)價(jià)中的應(yīng)用

許昌林,尤鵬翔

（北方民族大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院,寧夏銀川750021）

教風(fēng)/學(xué)風(fēng)的建設(shè)對(duì)高校發(fā)展至關(guān)重要,因此有一套科學(xué)有效的教風(fēng)/學(xué)風(fēng)評(píng)價(jià)系統(tǒng)必不可少。將正態(tài)云模型運(yùn)用到高校教風(fēng)/學(xué)風(fēng)評(píng)價(jià)中,并在考慮低層評(píng)價(jià)指標(biāo)加權(quán)合成高層評(píng)價(jià)指標(biāo)的基礎(chǔ)上,對(duì)已有云概念合成方法進(jìn)行修正，最后利用云模型參數(shù)和云圖對(duì)教風(fēng)/學(xué)風(fēng)進(jìn)行評(píng)價(jià)。實(shí)驗(yàn)表明該方法得到的評(píng)價(jià)結(jié)果更加直觀,同時(shí)還具有一定的實(shí)踐意義和指導(dǎo)作用。

教風(fēng)/學(xué)風(fēng)評(píng)價(jià);二階正態(tài)云;正向云變換;逆向云變換;云概念合成

課堂教學(xué)評(píng)價(jià)是高等學(xué)校教質(zhì)量監(jiān)控的重要環(huán)節(jié),對(duì)課堂教學(xué)進(jìn)行客觀、公正的評(píng)價(jià),對(duì)教師教學(xué)水平、學(xué)生學(xué)習(xí)效果以及教學(xué)管理質(zhì)量具有重要的意義[1-3]。課堂教學(xué)的參與者是教師和學(xué)生,教師的教學(xué)水平以及學(xué)生的學(xué)習(xí)水平參差不齊不言而喻,更重要的是課堂教學(xué)不是靜態(tài)的過程,而是一個(gè)活生生的、變化不拘的動(dòng)態(tài)過程。因此,若要監(jiān)控教師的教學(xué)質(zhì)量以及學(xué)生的學(xué)習(xí)狀況,以確保人才培養(yǎng)的質(zhì)量,對(duì)教師教學(xué)水平以及學(xué)生的學(xué)習(xí)水平進(jìn)行定性評(píng)價(jià)是一個(gè)很好的切入點(diǎn),即教風(fēng)/學(xué)風(fēng)的定性評(píng)價(jià)。因此,客觀分析、評(píng)價(jià)當(dāng)前高校教風(fēng)/學(xué)風(fēng)現(xiàn)狀,加強(qiáng)和改進(jìn)高校教風(fēng)/學(xué)風(fēng)建設(shè),對(duì)高校教學(xué)管理、教師教學(xué)質(zhì)量和水平以及學(xué)生學(xué)習(xí)效率的提高都有積極意義和重要作用。[4-5]

云模型是從模糊性和隨機(jī)性出發(fā)來研究自然語言的不確定性,并利用數(shù)字特征來整體表示概念的內(nèi)涵,通過云變換實(shí)現(xiàn)概念內(nèi)涵與外延之間的相互認(rèn)知轉(zhuǎn)換[6-8]。用云模型來統(tǒng)一刻畫語言原子和數(shù)值之間的隨機(jī)性和模糊性[9]。使用云模型進(jìn)行定性評(píng)價(jià)的優(yōu)勢(shì)在于不僅可以通過期望Ex、熵En和超熵He這三個(gè)數(shù)字特征表示一個(gè)定性的概念,即評(píng)價(jià)的結(jié)果,而且還可以通過這三個(gè)數(shù)字特征分析出更深層次的信息,所以在本文中我們選用云模型來對(duì)教風(fēng)/學(xué)風(fēng)教學(xué)評(píng)價(jià)。

針對(duì)目前教風(fēng)/學(xué)風(fēng)評(píng)價(jià)體系中的不足,我們?cè)趶埇揫3]、王金芝[4]等人運(yùn)用的云概念合成方法進(jìn)行修正,給出一種考慮權(quán)重的云概念合成新方法,利用逆向云變換得到評(píng)價(jià)指標(biāo)的云參數(shù),并根據(jù)云參數(shù)的云圖對(duì)我校教師的教學(xué)水平和學(xué)生的學(xué)習(xí)狀態(tài)進(jìn)行綜合評(píng)價(jià)。充分實(shí)現(xiàn)教風(fēng)/學(xué)風(fēng)評(píng)價(jià)系統(tǒng)對(duì)學(xué)校教風(fēng)/學(xué)風(fēng)的改良,使教師的教學(xué)水平以及學(xué)生的學(xué)習(xí)效果能夠得到公平、客觀的評(píng)價(jià),這不僅提高了工作效率,更節(jié)約了教育資源,真正做到以評(píng)促教、以評(píng)促學(xué)的目的。

1 云模型相關(guān)理論

1.1 云模型的定義及其數(shù)字特征

云模型是不確定性人工智能中研究不確定性概念內(nèi)涵與外延之間相互轉(zhuǎn)換的一種模型,主要反映人類認(rèn)知中概念的模糊性和隨機(jī)性,為研究不確定性人工智能提供了新方法。云模型的定義如下:

定義1[9]設(shè)U是一個(gè)用精確數(shù)值表示的定量論域,C是U上的定性概念(用數(shù)字特征表示),若定量值x∈U,且x是定性概念C的一次隨機(jī)實(shí)現(xiàn),x對(duì)C的確定度μ(x)∈[0,1]是有穩(wěn)定傾向的隨機(jī)數(shù)

則x在論域U上的分布稱為云(Cloud),每一個(gè)x稱為一個(gè)云滴。[10]

云模型用期望Ex(Expected value)、熵En(En-tropy)和超熵He(Hyper entropy)三個(gè)數(shù)字特征來整體表征一個(gè)概念的內(nèi)涵[9-10]。其中,Ex是云滴在論域空間中分布的期望,是最能夠代表定性概念的點(diǎn), 100%地隸屬于這個(gè)定性概念。En是概念不確定性程度的“一階”度量,反映了在論域中可被這個(gè)概念所接受的外延(云滴)范圍,由概念的隨機(jī)性和模糊性共同決定。He是熵En的熵,是概念不確定性的“二階”度量,He越大,概念的外延離散度越大,每個(gè)外延隸屬于概念確定度的隨機(jī)性也越大,即外延“厚”度也越大。所以對(duì)每一個(gè)用數(shù)字特征表示的定性概念而言,其外延我們都可以想象成一朵云,其中三個(gè)參數(shù)Ex、En和He可以用于反映這朵云的整體特性。

從一般意義上講,概念的不確定性可用多個(gè)數(shù)字特征表示?？梢哉J(rèn)為,概率理論中的期望、方差和高階矩是反映隨機(jī)性的多個(gè)數(shù)字特征,但沒有觸及模糊性;隸屬度是模糊性的精確度量方法,但是沒有考慮隨機(jī)性;粗糙集是用精確知識(shí)背景下的兩個(gè)精確集合來度量邊界域的模糊性,卻忽略了數(shù)據(jù)樣本的隨機(jī)性。在云模型中,除了期望、熵、超熵這3個(gè)數(shù)字特征外,理論上還可以用更高階的熵去刻畫概念的不確定性[9-13]。

1.2 正態(tài)云變換

正態(tài)云變換主要包括正向云變換和逆向云變換[9-15]。其中正向云變換是根據(jù)表征定性概念內(nèi)涵的數(shù)字特征,通過正態(tài)隨機(jī)數(shù)產(chǎn)生器自動(dòng)生成稱之為云滴的數(shù)據(jù)樣本,從而實(shí)現(xiàn)從概念內(nèi)涵到概念外延的轉(zhuǎn)換過程。對(duì)由三個(gè)數(shù)字特征(Ex,En,He)表示二階正態(tài)云而言,根據(jù)定義2,二階正向正態(tài)云變換(The 2nd-order Forward Normal Cloud Transformation,2nd-FNCT)算法如下[16-17]。

算法1二階正向正態(tài)云變換算法—2nd-FNCT。

輸入:表征概念內(nèi)涵的三個(gè)數(shù)字特征(Ex,En, He)和云滴個(gè)數(shù)n。

輸出:n個(gè)表征概念外延的樣本(云滴)xi及其確定度μ(xi),i=1,2,…,n。

本文中采用基于樣本一階絕對(duì)中心矩的逆向云變換算法(Backward Cloud Transformation Algorithm Based on the 1st-order Absolutely Center Moment, BCT-1stM),該算法具體表述如下。

算法2[11]BCT-1stM。

輸入:來自總體X的樣本X1,X2,…,Xn。

算法步驟:

Step1:分別計(jì)算樣本X1,X2,…,Xn的樣本均值、樣本方差和一階樣本絕對(duì)中心矩,即

Step 2:利用二階正態(tài)云X的數(shù)學(xué)性質(zhì),即

利用矩估計(jì)思想,可得方程組

從式(2)中分別解出參數(shù)Ex,En,He的估計(jì)量為

對(duì)給定具體樣本值x1,x2,…,xn,根據(jù)式(3)計(jì)算出相應(yīng)參數(shù)的估計(jì)值E?x,E?n,H?e。

圖1 云模型的“3En規(guī)則”及“跨度”

2 云概念合成方法的修正

云概念合成是將符合合并準(zhǔn)則的兩個(gè)云概念進(jìn)行合并的一種方法[12],2013年王金芝等人根據(jù)二階正態(tài)云模型的“3En”規(guī)則以及二階正態(tài)云期望曲線、外側(cè)曲線和內(nèi)側(cè)曲線的“跨度”得到一種新的“軟或”云合成方法并給出具體算法[14]。

于是,對(duì)論域U上的兩個(gè)二階正態(tài)云概念C1(Ex1,En1,He1)和 C2(Ex2,En2,He2),云圖如圖2所示。如果Ex1≤Ex2,那么C1和C2進(jìn)行“軟或”運(yùn)算合成得到新的云概念記為C3(Ex3,En3,He3)=C1⊕C2。文獻(xiàn)[16]根據(jù)二階正態(tài)云的“3En”規(guī)則以及“跨度”得到合成后云概念C3的期望，Ex3為區(qū)間[Ex1-3En1,Ex2+3En2]的中點(diǎn),即

合成后云概念C3的“跨度”6En3就為[Ex1-3En1, Ex2+3En2]的長度,從而得到熵En3為

合成后云概念C3的外側(cè)“跨度”6(En3+3He3)就為[Ex1-3(En1+3He1),Ex2+3(En2+3He2)]的長度,從而得到超熵He3為

圖2 二階正態(tài)云概念C1和C2的合成

然而,在上述計(jì)算兩個(gè)二階正態(tài)云概念合成新的云概念方法中,沒有考慮兩個(gè)子云概念C1和C2對(duì)合成后云概念C3各自的貢獻(xiàn)程度,或者說子概念C1和C2對(duì)合成后云概念C3的貢獻(xiàn)度都為100%，

但在實(shí)際問題中,子概念對(duì)合成后概念的貢獻(xiàn)程度不一定都是100%。因此,在子概念合成新概念時(shí),就需要考慮子概念對(duì)合成后新概念的權(quán)重問題。為此,我們對(duì)公式(7)進(jìn)行修正。如果要考慮某個(gè)定性概念C(Ex,En,He)對(duì)合成后概念的貢獻(xiàn)程度ω時(shí),應(yīng)該考慮區(qū)間[Ex-3ω?En,Ex+3ω?En]上云滴對(duì)合成后概念的主要貢獻(xiàn),忽略該區(qū)間之外的云滴。 因此,若考慮兩個(gè)二階正態(tài)云概念C1(Ex1, En1,He1)和 C2(Ex2,En2,He2)對(duì)合成后新概念的權(quán)重時(shí),這里假設(shè)二階正態(tài)云概念C1(Ex1,En1,He1)和C2(Ex2,En2,He2)對(duì)合成后云概念的貢獻(xiàn)度分別為 ω1和 ω2(0≤ω1,ω2≤1且ω1+ω2=1),于是可以得到:

當(dāng)Ex1≤Ex2時(shí),根據(jù)文獻(xiàn)[16]的思想,得到合成后云概念C3的期望為區(qū)間 [Ex1-3ω1?En1,Ex2+3ω2?En2]的中點(diǎn),即

合成后云概念C3的“跨度”就為 [Ex1-3 ω1?En1,Ex2-3ω2?En2]的長度,從而得到熵為

合成后云概念C3的外側(cè)“跨度”為 [Ex1-3ω1?(En1+3He1),Ex2+3ω2?(En2+3He2)]的長度,從而得到超熵為

3 基于二階正態(tài)云的教風(fēng)/學(xué)風(fēng)評(píng)價(jià)

基于二階正態(tài)云的教風(fēng)/學(xué)風(fēng)評(píng)價(jià)過程,首先,確定指標(biāo)模型及其權(quán)重;第二,根據(jù)問卷調(diào)查獲得教風(fēng)/學(xué)風(fēng)評(píng)價(jià)中各個(gè)二級(jí)指標(biāo)的評(píng)價(jià)數(shù)據(jù),利用逆向云變換算法得到各個(gè)二級(jí)指標(biāo)的二階正態(tài)云概念數(shù)字特征值,然后利用修正的云概念合成方法(公式(9),(10),(11))逐個(gè)對(duì)各個(gè)二級(jí)指標(biāo)的云概念進(jìn)行合成,得到相應(yīng)一級(jí)指標(biāo)下的二階正態(tài)云概念數(shù)字特征值;最后,再利用修正的云概念合成方法對(duì)各個(gè)一級(jí)指標(biāo)的云概念進(jìn)行合成,形成最終進(jìn)行教風(fēng)學(xué)風(fēng)評(píng)價(jià)的二階正態(tài)云概念,從而對(duì)教風(fēng)學(xué)風(fēng)進(jìn)行定性評(píng)價(jià)。具體流程見圖3所示。

圖3 基于二階正態(tài)云的教風(fēng)/學(xué)風(fēng)定性評(píng)價(jià)流程

3.1 教風(fēng)/學(xué)風(fēng)評(píng)價(jià)指標(biāo)體系及評(píng)語表的確定

本文主要基于《北方民族大學(xué)2015～2016學(xué)年秋季學(xué)期教務(wù)處面向全校師生開展的教風(fēng)/學(xué)風(fēng)問卷調(diào)查報(bào)告》(以下簡稱《報(bào)告》)為例進(jìn)行分析和研究,最終形成對(duì)本校教師教學(xué)和學(xué)生學(xué)習(xí)情況的評(píng)價(jià),以反映我校目前教師教學(xué)水平和學(xué)生學(xué)習(xí)狀態(tài)。因此,教風(fēng)/學(xué)風(fēng)評(píng)價(jià)指標(biāo)的確定,一方面是參照《報(bào)告》中給出各個(gè)評(píng)價(jià)指標(biāo),另一方面是參考文獻(xiàn)[1-5]給出的在教風(fēng)/學(xué)風(fēng)評(píng)價(jià)中各個(gè)評(píng)價(jià)指標(biāo)以及相應(yīng)評(píng)價(jià)指標(biāo)的權(quán)重比例設(shè)置。從而得到關(guān)于教風(fēng)/學(xué)風(fēng)評(píng)價(jià)的一級(jí)指標(biāo)、二級(jí)指標(biāo)及其權(quán)重,分別見表1和表2所示。

表1 教風(fēng)評(píng)價(jià)指標(biāo)及其權(quán)重

表2 學(xué)風(fēng)評(píng)價(jià)指標(biāo)及其權(quán)重

根據(jù)《報(bào)告》在設(shè)計(jì)問卷調(diào)查時(shí)教風(fēng)/學(xué)風(fēng)評(píng)價(jià)指標(biāo)的評(píng)語集分為四個(gè)等級(jí),即{滿意,比較滿意,一般,不滿意},采用五分制得到評(píng)價(jià)等級(jí)劃分以及所屬分值區(qū)間(見表3)。最后根據(jù)評(píng)語等級(jí)對(duì)教風(fēng)/學(xué)風(fēng)的各項(xiàng)指標(biāo)以及最終結(jié)果做出定性評(píng)價(jià)。

表3 評(píng)價(jià)等級(jí)及其分值區(qū)間

3.2 評(píng)價(jià)指標(biāo)的云概念數(shù)字特征值

首先對(duì)教風(fēng)/學(xué)風(fēng)調(diào)查報(bào)告中采集到的數(shù)據(jù)進(jìn)行預(yù)處理,然后利用逆向云變換算法得到表1和表2中各個(gè)二級(jí)指標(biāo)的二階正態(tài)云概念數(shù)字特征值(見表4、表5所示)。可以通過這些數(shù)值來分析被評(píng)價(jià)教師和學(xué)生在各項(xiàng)二級(jí)指標(biāo)中的具體表現(xiàn)。

表4 教風(fēng)二級(jí)評(píng)價(jià)指標(biāo)的二階正態(tài)云參數(shù)

表5 學(xué)風(fēng)二級(jí)評(píng)價(jià)指標(biāo)的二階正態(tài)云參數(shù)

其次,利用修正云概念合成公式(9)、(10)和(11)分別將教風(fēng)和學(xué)風(fēng)評(píng)價(jià)中各個(gè)一級(jí)評(píng)價(jià)指標(biāo)下二級(jí)指標(biāo)項(xiàng)的二階正態(tài)云概念綜合起來,得到所有一級(jí)評(píng)價(jià)指標(biāo)的二階正態(tài)云概念數(shù)字特征值,分別見表6、表7所示。

最后,利用修正的云概念合成方法,分別將教風(fēng)和學(xué)風(fēng)一級(jí)評(píng)價(jià)指標(biāo)的二階正態(tài)云概念進(jìn)行合成,得到被評(píng)價(jià)教師和學(xué)生最終的整體評(píng)價(jià)云參數(shù)。將教風(fēng)評(píng)價(jià)中五個(gè)一級(jí)評(píng)價(jià)指標(biāo)的二階正態(tài)云概念合成得到教風(fēng)最終的評(píng)價(jià)云概念為(Ex= 4.312,En=0.300,He=0.398),云圖見圖5所示。同樣,將學(xué)風(fēng)評(píng)價(jià)中三個(gè)一級(jí)評(píng)價(jià)指標(biāo)的二階正態(tài)云概念進(jìn)行合成得到學(xué)風(fēng)評(píng)價(jià)最終的評(píng)價(jià)云概念為(Ex=3.961,En=0.191,He=0.393),云圖見圖4所示。

表6 教風(fēng)一級(jí)評(píng)價(jià)指標(biāo)的二階正態(tài)云參數(shù)

表7 學(xué)風(fēng)一級(jí)評(píng)價(jià)指標(biāo)的二階正態(tài)云參數(shù)

3.3 評(píng)價(jià)結(jié)果分析

圖4 教風(fēng)綜合評(píng)價(jià)云圖

關(guān)于教風(fēng)評(píng)價(jià)結(jié)果,從圖4中可看出,云滴主要落在(4,4.5)這個(gè)區(qū)域內(nèi),期望值為Ex=4.312。根據(jù)表3中的評(píng)價(jià)等級(jí)及其分值區(qū)間說明學(xué)生對(duì)教風(fēng)評(píng)價(jià)結(jié)果為“滿意”。從教風(fēng)評(píng)價(jià)一級(jí)指標(biāo)的云模型參數(shù)進(jìn)行分析,其中教學(xué)內(nèi)容方面的Ex最高,說明大多數(shù)學(xué)生對(duì)教師課堂上講授內(nèi)容較為滿意,但 En卻是指標(biāo)中最大的,說明不同學(xué)院學(xué)生對(duì)教師教學(xué)內(nèi)容的看法差異較大;這就要求各學(xué)院今后合理安排教學(xué)內(nèi)容,提高教學(xué)質(zhì)量;教學(xué)方法的Ex最低,說明教師在課堂上教學(xué)方法呆板單一,這也反映了目前大多數(shù)高校的問題所在:教師上課形式單一,學(xué)生缺乏聽課興趣。這就為教師在課堂教學(xué)中提出了新要求:要與學(xué)生進(jìn)行溝通,了解學(xué)生興趣所在,并與課堂內(nèi)容結(jié)合,讓更多同學(xué)對(duì)課堂教學(xué)感興趣。

關(guān)于學(xué)風(fēng)評(píng)價(jià)結(jié)果,從圖5中可看出,落在(3.5, 4)區(qū)域中的云滴最多且最密集,這與期望Ex=3.601相吻合。在滿分為5分的情況下可以得到學(xué)風(fēng)評(píng)價(jià)結(jié)果為“比較滿意”。從學(xué)風(fēng)評(píng)價(jià)一級(jí)指標(biāo)的云模型參數(shù)進(jìn)行分析,學(xué)生學(xué)習(xí)態(tài)度的Ex最高,說明我校學(xué)生學(xué)習(xí)態(tài)度較為端正,而En最小,說明教師對(duì)學(xué)生學(xué)習(xí)態(tài)度的看法相對(duì)一致,但是He最大,則說明教師在評(píng)價(jià)該項(xiàng)指標(biāo)時(shí)差異化較大,從而不確定程度較高。同時(shí)學(xué)生的學(xué)習(xí)行為得分最低,具體到二級(jí)指標(biāo)可以看出,學(xué)生很少有課前通讀教材、課下閱讀與課程相關(guān)書籍的習(xí)慣,而且在課堂上積極提問、回答老師問題方面得分相對(duì)來說都較低,所以學(xué)生在這些方面的學(xué)習(xí)習(xí)慣有待進(jìn)一步提高。

圖5 學(xué)風(fēng)綜合評(píng)價(jià)云圖

綜合對(duì)比來看,教風(fēng)的Ex值要高于學(xué)風(fēng)的Ex值。究其原因,一方面我校近年來加大招收專任教師的力度,很多教師都是來自重點(diǎn)高校的優(yōu)秀博士以及有幾年工作經(jīng)驗(yàn)的老師,使我校教師整理教學(xué)質(zhì)量有所提高。而且從2014年開始我校實(shí)行新版學(xué)生培養(yǎng)方案后,學(xué)生上課多為小班教學(xué),這樣不僅幫助學(xué)生有一個(gè)更加良好的學(xué)習(xí)環(huán)境,同時(shí)也使教師更加方便掌握每位學(xué)生的學(xué)習(xí)情況；另一方面,我校是普通二本民族院校,招收學(xué)生大部分來源于少數(shù)民族地區(qū),生源質(zhì)量相對(duì)較差,很多學(xué)生進(jìn)入學(xué)校后,學(xué)習(xí)態(tài)度不夠端正,上課不認(rèn)真聽講,從而導(dǎo)致我校學(xué)風(fēng)建設(shè)效果較差。

通過云模型所得云參數(shù)從各個(gè)角度對(duì)教師教風(fēng)和學(xué)生學(xué)風(fēng)情況有所了解,而不只是一個(gè)不精確數(shù)字或一個(gè)籠統(tǒng)概念來概括教風(fēng)/學(xué)風(fēng)的好壞。這體現(xiàn)了利用云模型對(duì)教風(fēng)/學(xué)風(fēng)評(píng)價(jià)的優(yōu)點(diǎn)。同時(shí)也能發(fā)現(xiàn)我校教風(fēng)/學(xué)風(fēng)存在的問題,為學(xué)校今后的教育教學(xué)改革指明了方向：重點(diǎn)要改良學(xué)風(fēng),加大對(duì)學(xué)生學(xué)習(xí)的督促力度和對(duì)課堂上課的管理力度,杜絕學(xué)生上課遲到、早退以及曠課等現(xiàn)象,要不斷改進(jìn)教學(xué)方法并豐富教學(xué)內(nèi)容,提高學(xué)生課堂參與的積極性,培養(yǎng)出具有核心競爭力的大學(xué)生。

4 結(jié)語

教風(fēng)/學(xué)風(fēng)評(píng)價(jià)的目的是為教師改進(jìn)課堂教學(xué)、學(xué)生完善學(xué)習(xí)方式進(jìn)行反饋信息,這些信息越準(zhǔn)確、越有深度,對(duì)教師和學(xué)生的幫助就越大。而把各評(píng)價(jià)指標(biāo)的結(jié)果用云模型參數(shù)來表示,可以更真實(shí)、有效的反映各評(píng)價(jià)指標(biāo)的評(píng)價(jià)結(jié)果,與傳統(tǒng)評(píng)價(jià)方法相比更直接地反映了學(xué)校教風(fēng)/學(xué)風(fēng)的真實(shí)情況。另外,將最終評(píng)價(jià)結(jié)果用云圖來表示,可更加直觀地看出評(píng)價(jià)結(jié)果所處的范圍,客觀地描述了教風(fēng)/學(xué)風(fēng)得分情況,同時(shí)通過云模型參數(shù)的具體含義進(jìn)一步了解參數(shù)所包含的意義,這對(duì)教師課堂教學(xué)和學(xué)生課堂學(xué)習(xí)有更清楚的認(rèn)識(shí),也可以更好的改進(jìn)教學(xué)、促進(jìn)學(xué)習(xí)。

本文方法還可以挖掘出更多有價(jià)值的信息,使評(píng)價(jià)結(jié)果更加細(xì)化和具體。學(xué)校也可以根據(jù)評(píng)價(jià)的結(jié)果有針對(duì)性地改進(jìn)教師教學(xué)方法以及培養(yǎng)學(xué)生獨(dú)立自主的學(xué)習(xí)方法。因此該評(píng)價(jià)方法具有一定的實(shí)踐意義。此外,對(duì)于多屬性綜合評(píng)價(jià)問題,特別是涉及到各評(píng)價(jià)指標(biāo)權(quán)重的云概念合成問題具有一定的推廣價(jià)值。

[1]王春楊,敖敏.高校課堂教學(xué)評(píng)價(jià)指標(biāo)體系研究:以學(xué)論教視角[J].重慶高教研究,2015,3(2):80-85.

[2]鄭延福.本科高校教師教學(xué)質(zhì)量評(píng)價(jià)研究[D].江蘇:中國礦業(yè)大學(xué),2012.

[3]張瑩,代勁,安世全.基于云模型的定性評(píng)價(jià)及在學(xué)評(píng)教中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2013,48(31):210-215.

[4]代永建.高校學(xué)風(fēng)建設(shè)綜合評(píng)價(jià)體系研究[D].安徽:合肥工業(yè)大學(xué),2013.

[5]王力.高校學(xué)風(fēng)建設(shè)及其績效評(píng)價(jià)體系構(gòu)建研究[D].上海:復(fù)旦大學(xué),2008.

[6]胡石元,姜昕,丁家玲.教師課堂教學(xué)質(zhì)量的云模型評(píng)價(jià)方法[J].武漢大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2007,60(3):455-460.

[7]李德毅,杜鹢.不確定性人工智能(第2版)[M].北京:國防工業(yè)出版社,2014.

[8]許昌林.基于云模型的雙向認(rèn)知計(jì)算方法研究[D].四川:西南交通大學(xué),2014.

[9]李德毅.知識(shí)表示中的不確定性[J].中國工程科學(xué),2000,2(10):73-79.

[10]陳貴林.一種定性定量信息轉(zhuǎn)換的不確定性模型[J].計(jì)算機(jī)應(yīng)用研究,2010,27(6):2006-2010.

[11]劉常昱,李德毅,杜鹢，等.正態(tài)云模型的統(tǒng)計(jì)分析[J].信息與控制,2005,34(2):236-248.

[12]蔣嶸,李德毅,范建華.數(shù)值型數(shù)據(jù)的泛概念樹的自動(dòng)生成方法[J].計(jì)算機(jī)學(xué)報(bào),2000,23(5):470-476.

[13]劉玉超.基于云模型的粒計(jì)算方法研究[D].北京:清華大學(xué),2012.

[14]王金芝,王國胤,許昌林.一種新的云綜合方法在彩色圖像分割中的應(yīng)用[J].智能系統(tǒng)學(xué)報(bào),2013,8(6):517-525.

[15]LI Deyi,LIU Changyu,GAN Wenyan.A new cognit-ive model:cloud model[J].International Journal of Intelligent Systems,2009, 24(3):357-375.

[16]劉常昱,馮芒,戴曉軍，等.基于云X信息的逆向云新算法[J].系統(tǒng)仿真學(xué)報(bào),2004,16(11):2417-2420.

[17]XU Changlin,WANG Guoyin,ZHANG Qinghua.A new multi-step backward cloud transformation algorithm based on normal cloud model[J].Fundamenta Informaticae,2014（133）:55-85.

Applications of the 2nd-order Normal Cloud in Teaching Atmosphere and Learning Atmosphere Evaluation

XU Chang-lin,YOU Peng-xiang
（School of Mathematics and Information Science,Beifang University of Nationalities,Yinchuan Ningxia,750021)

The construction of the teaching atmosphere and learning atmosphere is very important for the development of colleges.Therefore,it is necessary to construct a scientific and effective evaluation system.The normal cloud model is applied into the teaching atmosphere and learning atmosphere evaluation of college in the paper.Meanwhile,the existed cloud concept synthesis method is modified on the basis of the consideration which the low level evaluation index is synthesized the high level evaluation index by weighting.Finally,the teaching atmosphere and learning atmosphere are evaluated by cloud parameters and cloud images.The experiments show that the evaluation results are more intuitive.At the same time,it also has a certain practical significance and guidance function.

teaching atmosphere/learning atmosphere evaluation;the 2nd-order normal cloud;forward cloud transformation; backward cloud transformation;cloud concept synthesis

TP39

A

〔責(zé)任編輯 高?！?/p>

1674-0874(2017)04-0004-06

2017-05-20

國家自然科學(xué)基金項(xiàng)目[61562001][11601012];寧夏高等學(xué)校科學(xué)技術(shù)項(xiàng)目[NGY2016143];北方民族大學(xué)校級(jí)項(xiàng)目[2016XKY05];北方民族大學(xué)校級(jí)大學(xué)生創(chuàng)新訓(xùn)練計(jì)劃項(xiàng)目[2016XJSX011]

許昌林(1983－),男,寧夏吳忠人,博士,講師,研究方向：智能信息處理與智能計(jì)算。