王建驊

基金項目：本文系嶺南師范學(xué)院科學(xué)研究項目“大數(shù)據(jù)驅(qū)動下的網(wǎng)購行為偏好的決策”（項目編號：ZW2034）的研究成果。

【摘? 要】 文章針對高校教師教學(xué)特點構(gòu)建了合理的教學(xué)質(zhì)量評價體系，通過問卷調(diào)查的方式來收集學(xué)生對教師教學(xué)質(zhì)量的滿意度評價，共采集了623個有效樣本，并利用遺傳算法來取得教學(xué)質(zhì)量評價體系的關(guān)鍵因素。結(jié)果發(fā)現(xiàn)“按時上下課且不隨意調(diào)（停）課”“教學(xué)內(nèi)容實用并能結(jié)合學(xué)科發(fā)展更新教學(xué)內(nèi)容”及“講授生動，不照本宣科、方法得當”為最關(guān)鍵的因素。

【關(guān)鍵詞】 教學(xué)滿意度；教學(xué)質(zhì)量；遺傳算法

在高等教育領(lǐng)域，教學(xué)質(zhì)量評價已成為一種有效的組織控制工具和管理手段。國內(nèi)外關(guān)于教學(xué)質(zhì)量評價的研究主要集中在三個方面：一是評價主體；二是評價內(nèi)容；三是評價方法。

評價主體方面，有學(xué)者根據(jù)利益相關(guān)者理論構(gòu)建了高校課堂教學(xué)質(zhì)量評價主體體系，有學(xué)者指出高校在進行教學(xué)質(zhì)量評價時應(yīng)突出學(xué)生的主體地位，重視學(xué)生對教學(xué)質(zhì)量的滿意度。

評價內(nèi)容方面，有學(xué)者基于層次分析法構(gòu)建課堂教學(xué)質(zhì)量評價指標體系，有學(xué)者結(jié)合工科院校的專業(yè)特點和教學(xué)實際，建立有效的教學(xué)質(zhì)量評價指標體系。

評價方法上，國內(nèi)外提出的評價方法有很多，如層次分析法（AHP）、熵權(quán)法等。從現(xiàn)有文獻資料和評價實踐來看，我國高校大多以學(xué)生為教學(xué)質(zhì)量評價主體。然而透過傳統(tǒng)的李克特量表來進行教學(xué)質(zhì)量的評價卻無法處理學(xué)生在評價時的不確定性與不精確的認知。因此，采用模糊理論的處理，即能呈現(xiàn)精確的數(shù)值。

本研究的目的在于以優(yōu)化的方式來決定教學(xué)質(zhì)量的各評價指標的重要程度。針對高校教師教學(xué)特點，構(gòu)建合理的教學(xué)質(zhì)量評價體系，通過問卷調(diào)查收集高校學(xué)生對教師教學(xué)質(zhì)量的滿意度評價，利用模糊理論的特性來處理問卷數(shù)據(jù)，通過遺傳算法的學(xué)習(xí)方法來決定指標的重要程度，以協(xié)助學(xué)校管理者和教師找到影響教學(xué)質(zhì)量滿意度的關(guān)鍵因素，為提升教學(xué)質(zhì)量提供決策支持。

一、遺傳算法

遺傳算法（Genetic algorithm）最早是由John Holland教授于1975年所提出的一種最優(yōu)化方法，此法是基于自然選擇過程的一種優(yōu)化搜尋機制；基本精神在于仿效生物界物競天擇、優(yōu)勝劣敗的自然進化法則。它能夠選擇物種中具有較好特性的上一父代，并隨機性的相互交換彼此的基因信息，以期望能產(chǎn)生較上一代更優(yōu)秀的子代，如此重復(fù)下去以產(chǎn)生適應(yīng)性最強的最佳物種。由于是以一組特殊字符串的編碼方式來仿真染色體（Chromosome），并計算所有染色體的適應(yīng)性（Fitness），適應(yīng)性越高的染色體其存活的概率或被挑選的概率就越高。接著再利用染色體進行復(fù)制（Reproduction）、交叉（Crossover）與變異（Mutation）來產(chǎn)生下一代子代，并計算每個染色體的適應(yīng)性，然后選擇（Selection）是否存在，通過這樣的過程來產(chǎn)生一個相對優(yōu)化的群體；迭代次數(shù)的設(shè)定或是條件的滿足才會完成最終目標達成。此法普遍被用來作為搜索函數(shù)最優(yōu)解的一種方法。

二、問題描述

（一）數(shù)據(jù)描述

在填問卷時，問卷的各個指標與整體評估的績效值是由n位受訪者所給予的。其問卷數(shù)據(jù)的形式如下所示：

在表中的xij與vi均以三角模糊數(shù)的概念來呈現(xiàn)所對應(yīng)到的語意詞；其中vi則是作為描述輸出的績效值。

（二）問題設(shè)計

令S為一組參數(shù)的集合，利用層次里的wcij和woj來找出下列的單目標優(yōu)化的問題，如下：

Minimize e（S）（1）

其中e（S）是透過S來獲得的總平方誤差。另外，假設(shè)vi為實際輸出并對應(yīng)到層次里給予的輸入向量值（xi1， xi2， …， xim）；分別令（hli，hmi）與（vli，vmi）來表示hi與vi。其中hli與hui分別表示為hi的三角模糊數(shù)的上、下限值；同樣的，vli與vui也為vi的上、下限值。而實際輸出值與所對應(yīng)到的模糊目標的差異，則通過對e（T）的計算如下：

e（S）=（（hli-vli）2+（hmi-vmi）2+（hui-vui）2）（2）

其次，透過下式的適應(yīng)函數(shù)來應(yīng)用到此問題上：

f（S）=（3）

其中，f（S）為S的適應(yīng)值。

（三）遺傳運算子

首先，令Npop與Ngen為群體大小與基因世代的總數(shù)量。而在染色體基因設(shè)計方面，采用二進制方式來進行編碼；且在初始的群體里，隨機產(chǎn)生Npop的字符串，有著0.5的概率發(fā)生。每當染色體的適應(yīng)性在現(xiàn)行族群里被獲得時，就會開始進行選擇、交叉與變異等運算符進行運算，便能生成出最新的族群Npop字符串來提供給下一代群體使用。

其次，為了能在下一代的體群里產(chǎn)生出新的字符串，采用競爭式的選擇。從現(xiàn)行的群體里隨機挑選出兩個字符串，比較后把具有最大適應(yīng)值的字符串給放入交配池（Mating pool）里進行交配。隨后再運用交叉與變異運算子來選擇父代與重制子代，并采用單點交叉方式有著交叉概率（如pc）來做交叉運算，且生成最新的字符串便可取代他們的父代。而在變異概率（如pm））方面，則是運行字符串的每個字符時由變異運算子產(chǎn)生的。故其目的是要在層次架構(gòu)里以優(yōu)化的方式找出連結(jié)權(quán)重，并透過最小均方根誤差（RMSE）來產(chǎn)生。其算法的步驟如下：

步驟1：初始化。以隨機的方式來生成Npop的二進制字符串，并設(shè)定0到t。

步驟2：計算適應(yīng)值。

步驟3：終止測試。擁有最大適應(yīng)性的染色體即為解決方案。

步驟4：產(chǎn)生新字符串。使用選擇、交叉及變異來生成Npop的新字符串。

步驟5：運行精英策略。生成出最新的Ndel字符串，然后增加到現(xiàn)在的群體里形成下個世代；并設(shè)定（t + 1）至t且回到步驟2去。

三、應(yīng)用研究

（一）構(gòu)建教學(xué)質(zhì)量評價指標體系

參照已有研究成果，匯整后構(gòu)建本文的教學(xué)質(zhì)量評價指標體系，共分成5個層面及16個指標。

分別是師德教風(fēng)，包含關(guān)愛學(xué)生、師生關(guān)系融洽（c11）；對教學(xué)工作熱情、敬業(yè)，備課充分，講課投入（c12）；按時上下課且不隨意調(diào)（停）課（c13）。教學(xué)內(nèi)容，包含教材選用適當，提供了課外參考資料并且有效（c21）；教學(xué)內(nèi)容實用并能結(jié)合學(xué)科發(fā)展更新教學(xué)內(nèi)容（c22）；講課重點突出、詳略得當、難度適宜（c23）；教學(xué)內(nèi)容能給予學(xué)生思考、聯(lián)想、創(chuàng)新的啟迪（c24）；教學(xué)技能，包含講授生動，不照本宣科，方法得當（c31）；能認真組織教學(xué)，因材施教，講課進度快慢適中（c32）；善于調(diào)動學(xué)生積極性，鼓勵學(xué)生發(fā)表自己的觀點（c33）；強化過程教學(xué)，注重培養(yǎng)學(xué)生學(xué)習(xí)方法、思維方式（c34）；對學(xué)習(xí)的評價方法公平恰當（c35）。學(xué)習(xí)任務(wù)，包含學(xué)習(xí)任務(wù)適當，作業(yè)安排合理，與課程內(nèi)容緊密相關(guān)（c41）；精心輔導(dǎo)、耐心答疑、批改作業(yè)認真（c42）。教學(xué)效果，包含學(xué)生掌握了該課程的基本知識與技能（c51）；學(xué)生提高了對該學(xué)科的興趣，拓寬了知識面（c52）。

（二）調(diào)查數(shù)據(jù)

通過發(fā)放調(diào)查問卷，收集某高校管理學(xué)院的學(xué)生對該院內(nèi)的12位教師的教學(xué)質(zhì)量評價數(shù)據(jù)。共發(fā)出并收回650份問卷，剔除無效問卷后得到623份有效問卷。

問卷里的每題問項均采用李克特的五點量表來填答問卷；為了避免受訪者的主觀認知，因而要求受訪者須填入三角模糊數(shù)的數(shù)值。其全部資料將予以歸一化至區(qū)間［0，1］，并隨后將以遺傳算法的方法來進行學(xué)習(xí)訓(xùn)練。

（三）參數(shù)設(shè)定

文章參考Osyczka與Hu的設(shè)定，參數(shù)的描述如下：

（1） Npop = 100。

（2） Ngen = 1000。

（3） Ndel = 2。

（4） 字符串長度設(shè)為10。

（5） pc = 0.90與pm = 0.01。

四、結(jié)果分析

構(gòu)重的相重對要性結(jié)果如表2所示。從中能看到學(xué)生較重視的層面分別是教學(xué)內(nèi)容、師德教育以及教學(xué)技能三項，這些象征著學(xué)生認為在教學(xué)質(zhì)量以教學(xué)內(nèi)容為最重要，這是因為教師上課的教學(xué)內(nèi)容部分，對于學(xué)生而言較能感受與實際接觸得到。其次為師德教風(fēng)，主要是從學(xué)生的觀點，認為教師關(guān)愛學(xué)生，且積極投入在教學(xué)工作并準時上下課及不隨意調(diào)課。最后為教學(xué)技能（0.226）的構(gòu)面，由于教師如何在教學(xué)技能上來設(shè)計、組織、運用、培養(yǎng)，以使得學(xué)生在課程上能真正學(xué)習(xí)到，這樣學(xué)生才不會感到枯燥無味。在整體層面，前三項就占了將近80%，對于教學(xué)質(zhì)量的提升，勢必得從前三項著手。

在各指標的整體權(quán)重中，c13指標的權(quán)重值為最大。下課時學(xué)生希望能利用短暫的時間好好休息或是活動一下，也希望課程的安排上，教師不要因有事而調(diào)（停）課，以免影響學(xué)生往后行程的安排。其次，c22指標為第二重要的指標。學(xué)生都希望在課上學(xué)習(xí)到的知識能夠是最新、最實時的信息，因此教師除了教授課本上的知識外，相關(guān)的學(xué)科知識或最新信息也得利用空余時間來獲取，然后在課堂上傳授給學(xué)生，讓學(xué)生與時俱進。第三重要的指標則是c31指標，學(xué)生都希望教師在臺上講課時，能夠把課程設(shè)計得生動活潑。若是照本宣科，課堂上的氣氛則變得很悶，學(xué)生會覺得枯燥無味。至于c21指標、c34指標及c32指標等三項指標，重要性值較低，教師應(yīng)要試著改善這些指標，以提升教學(xué)質(zhì)量。

五、結(jié)語

文章采用遺傳算法的學(xué)習(xí)方法，從采集的623份有效問卷中分析出各個指標的相對重要性。在層面方面，以“教學(xué)內(nèi)容”最為重要；其次是“師德教風(fēng)”與“教學(xué)技能”，而這三個層面也高達將近80%，這也表現(xiàn)出學(xué)生著重在教師教學(xué)的三大方面。這三個層面若能持續(xù)保持，既能獲得學(xué)生給予的高滿意度，也是肯定教師教學(xué)的辛苦。在指標中則是以“按時上下課且不隨意調(diào)（停）課”最為重要；其次是“教學(xué)內(nèi)容實用并能結(jié)合學(xué)科發(fā)展更新教學(xué)內(nèi)容”與“講授生動，不照本宣科，方法得當”。這三項指標合計也有41%，這些結(jié)果是學(xué)生最為關(guān)切的，也是提供教學(xué)質(zhì)量改善的具體方向。而較不關(guān)切的幾項指標，也點出了教師在教學(xué)質(zhì)量上需要加強的要項，這也是教師需要努力的方向。畢竟提升教師的教學(xué)質(zhì)量，能提升學(xué)生的學(xué)習(xí)動機與學(xué)習(xí)成效。

參考文獻：

［1］ 宮黎明，余承海. 利益相關(guān)者視角下大學(xué)課堂教學(xué)質(zhì)量評價主體構(gòu)建［J］. 蕪湖職業(yè)技術(shù)學(xué)院學(xué)報，2019，21（10）：72-76.

［2］ 王軍濤. 基于學(xué)生滿意度的高校教師教學(xué)質(zhì)量評價機制研究［J］. 科教導(dǎo)刊：下旬，2017（15）：43-44.

［3］ 劉堯飛，蔡華健，張相學(xué). 基于層次分析法的課堂教學(xué)質(zhì)量評價指標體系研究［J］. 江蘇師范大學(xué)學(xué)報：教學(xué)科學(xué)版，2014， 5（01）：45-47.

［4］ 吳建國，吳海燕，張經(jīng)強. 工科院校教學(xué)質(zhì)量評價指標體系的權(quán)重確定方法［J］. 中國成人教育，2017（17）：92-94.