基于灰色聚类的大学生课程学习效果评价模型

1、基于灰色聚类的大学生课程学习效果评价模型摘要：采用灰色定权聚类方法构建大学生课程学习效果评价模型.以某一门课程的学习成绩和线上轨迹 数据为参照，构建评价学生学习效果的二级评价指标体系，并在层次分析下对各指标进行权重计 算.实证分析表明，评价结果较为合理，可以用于大学生课程学习效果评价.关键词：评价模型；层次分析法；灰色聚类；白化权函数；聚类系数Construction of Evaluation Model of College StudentsCurriculum Learning Effect Based on Grey ClusteringAbstract：The evaluation

2、model of College Students curriculum learning effect is construct ted by using the method of grey weight clustering. Based on the learning ach i evement and on i ine track data of a certain course, a secondary evaluation index system is constructed to evaluate the learning effect of students, and th

3、e weight of each index is calculated under the AHP. Empirical analyss shows that the evaluation results are reasonable and can be used to eva-uate the -earning effect of co-ege students.Key words： evaluation model ; analytic hierarchy process ; grey cluster； wh i ten weight funcr tion; clustering co

4、efficient学生学习评价的目的是全面考察学生的学 较少，评价学生主要依赖于考试.卷面成绩固然习情况，激发学生的学习兴趣，提高学生的学习 能反映学生的学习情况，但不够客观和全面.传质量.传统教学中，教师对学生的学习状态了解 统课堂教学环境创造性地搬移到互联网是现代信息技术给高校教育教学带来的革命性影响 “互联网+教育”的评价方式将会是智慧教育时 代的必然选择.MOOC的迅速发展给高校的教 学改革带来了巨大的改变.中国大学MOOC是完 全开放性的教学，对学生和大学而言，无任何条 件限制，这既是优势又是劣势完全开放的 MOOC教学评价机制和评价标准存在明显不足， 存在无法避免的“替学”“替考”

5、现象.以线下学习 为主的翻转课堂教学模式要求学生主动的去学 习，但对自控力差、习惯于被动学习的学生提出 了挑战，再加上庞大的学生数量，MOOC的教学 效果并不理想.因此，通过MOOC统计的数据评 价学生的学习效果不够准确.SPOC ( small private online course)是“小 规模限制性在线课程”模式，是与MOOC相对应 的一种教学方式，它可以理解为MOOC的一种补 充.由SPOC模式通过筛选，要求达到标准的学生 才有资格参加课程学习，并且严格控制班级人 数.这种教学方式的优点是教师不需要花费大量 时间用于课堂教学，而是更多地关注学生的个性 化发展.目前普遍流行的混合式教

6、学方式，结合 了“线上线下”的教学优势，能使传统教学和信息 化教学达到有效的融合，这种教学模式具有 SPOC的特征.混合式教学模式让学生的学习突 破了时空限制，学习方法更加灵活，学习资源无 限丰富，碎片化的学习时间让学习更加方便，激 发了学生主动学习的热情.灰色聚类是灰色系统 理论中非常重要的一个应用体系.灰色聚类是根据关联矩阵或灰色白化权函 数将一些指标和观测对象划分成若干个可定义 类别的方法.一个聚类可以看做是属于同一类的 观测对象的集合.早在20世纪0年代，邓聚龙教 授提出了一种基于三角模型的灰色加权聚类评 价方法!之后刘思峰教授又提出了灰色固定权 重聚类评价模型!并在文7,8中对于三角

7、白 化的灰色聚类评价模型端点的权重函数进行了 研究，在文9,10中利用中心点的三角化白化权 函数进行了灰色聚类评估模型的构建.为了使聚 类结果更加合理，肖新平等提出了灰色最优聚类 理论模型.11由于灰色聚类评价方法易于理解和 编程，已成为学者们研究的热点，广泛应用于经 济、环境质量评估、再制造评价、计算和运输等方 面.12例如在文13中，王雯应用灰色聚类方法 进行多指标数据的权重计算和白化处理，实现了 多评价指标的科学赋权和图书馆的分类排名.王 正新等提出了基于相对隶属度的灰色聚类评估 方法，并结合劳动力素质评估问题进行了研 究.1E本研究基于混合式教学模式，以云班课为 学习平台，通过学习平台

8、记录学生的学习轨迹, 并结合某一门课程的学习情况，采用灰色定权聚 类方法构建大学生课程学习效果评价模型，客观 地对学生的课程学习效果进行评价.1指标体系构建学生评价是指根据一定的标准，通过使用一 定的技术和方法，以学生为评价对象所进行的价 值判断1A,全面分析影响学习质量的各因素.笔 者给出大学生课程学习评价体系，见图1.影响大学生课程学习评价的一级指标是学 习成绩、讨论答疑、作业提交、出勤、课堂表现和 资源学习6个指标，分别记为&,& .影响一 级指标的各二级指标主要结合学习平台统计的 数据类型给出，共计24个二级指标.二级指标的 取值除学习成绩外，均来自平台.平台的数据记 录线上线下的所有

9、活动.最后一层是决策层，对 应于班级具体每个学生，为方便起见，以编码形 式给出.2利用层次分析法(AHP法)确定 各指标的权重对于准则层的6个指标和指标层的24个指总经验值膈出勤率易观看视频资源个数视频资源观看时长0?非视频资源查看数晾非视频资源经验值昵总经验值琦扣除经验值奖励经验值暖参与次数实到次数阮总经验值0?被评分经验值瑶参与经验值阮参与次数总经验值划被老师点赞经验值皎被老师点赞数电发言总数昵参与次数实恕成绩昵平时成绩职期末成绩职图1大学生课程学习评价体系标，采用层次分析法确定各指标的权重.为了减 少主观因素的影响，先利用灰色关联分析法对各T. L. Satty氏1=9标度法比较各指标相

10、对重要性最后设计判断矩阵.各层判断矩阵及计算指标重要性进行排序，然后结合专家意见，利用结果见表1=表7.表1准则层判断矩阵及一致性检验ABiB2B#B4B5B权重计算结果Bi1238140. 30$ 6.180&!1/21151/330. 15C. I.$ 0.036B#1/3115120.16Be1/81/51/511/91/30.03$ 1. 24C.R.=0. 029 0 0. 1B51319150.29通过一致性检验B1/41/31/231/510. 07表2二级指标层B1 -Biii = 1,2,3）判断 矩阵及一致性检验B1BnB12B13权重计算结果Bn1380. 66#4x $

11、 3.044C. I.$ 0.022B121/3150. 27 R. I.$ 0. 58C.R.=0. 038 0 0. 1B131/81/510.07通过一致性检验表4二级指标层B# -BNli = 1,$,4）判断矩阵及一致性检验B3B31B32B33B34权重计算结果B311361/20.33# max=4.O82B321/3111/50.09C. I.$ 0.027R. I.=0. 9B331/6111/50.08C.R.=0. 030 0 0. 1B3425510.50通过一致性检验表3二级指标层B! -Biii = 1,$,5）判断矩阵及一致性检验B2B21B22B23B24B25

12、权重计算结果B2115461/20.34#max=5.322B221/51331/40.14C. I.$ 0.08B231/41/3111/40.07R. I.$ 1. 12B241/61/3111/40.06C.R.$ 0.07200.1B25244410.39通过一致性检验表5二级指标层Be Biii = 1,$,3）判断矩阵及一致性检验B4B41B42B43权重计算结果B41121/20.31#max$ 3. 054C. I.$ 0.027B421/211/20.20R. I.$ 0. 580C.R.$ 0.046 0 0. 1B432210.49通过一致性检验表6二级指标层&5一 &5

13、z 5 = 1 #,4）判断表7二级指标层&6一&6z 5=1,#,5）判断矩阵及一致性检验矩阵及一致性检验&5&51&52&53&54权重计算结果&6&61 &62&63&64 &65权重计算结果&5111510. 32#4ax=4.087&61123210 30#max= 54013C I=0. 029&621/21211/20. 16C. I.= 04003&521121/50. 22&631/3 1/21/2 1/3R. I.=0. 910 08R4I4=1. 12&531/51/211/5008C.R.= 04032 0 041&641/21211/20 16C4R4= 040030

14、041&541251038通过一致性检验&65123210 30通过一致性检验各指标均通过了一致性检验:C. I. = 0. 30. 022 + 0.15 0. 08 + 0. 16 0. 027 + 0. 03 0. 027 + 0. 29 0. 029 + 0. 07 0. 003 = 0. 032. ?. I. = 0. 30. 58 + 0. 15 1. 12 + 0. 16 0. 9 + 0. 03 0. 58 +0. 29 0. 9 + 0. 07 1. 12 = 0.842 8.CC. R. = 0. 038 0 0. 1.在表1中评价学生课程学习效果的主要指标是答疑昌(权重为0

15、.15),最后是资源学习3 (权重学习成绩B1 (权重为0.3)和课堂表现3 (权重为为0.07)和出勤&4 (权重为0.03).0.29),其次是提交作业(权重为0.16)和讨论表8学生认定课程学习效果指标体系参考值指标代码权重不及格 ki，2）及格k2 ka)中等k3 k4)良好k4 k5)优秀&k5 ,女）0 20&3060)&6070)&7080)&80,90)&90,100)&120 08&3060)&6070)&7080)&80,90)&90,100)0 02&3060)&6070)&7080)&80,90)&90,100)&210 05&5,8)&8,12)&12,16)&16,

16、18)&1820)&220 02&5,8)&8,11)&11,14)&14,17)&17,20)&230 01&1,2)&2,3)&3,4)&4,5)&5,6)&240 01&1,2)&2,3)&3,4)&4,5)&5,6)&250 06&1525)&25,35)&3545)&45,50)&50,55)&310 05&1,2)&2,3)&3,4)&4,5)&5,6)&320 01&10,12)&12,14)&14,16)&16,18)&18,20)&330 01&5,15)&15,20)&20,25)&25,30)&30,35)&340 08&1025)&25,35)&3545)&45,50)

17、&50,55)&410 01&2,5)&5,7)&7,9)&9,11)&11,13)&420 01&0. 3,0. 5)&0. 5,0. 6)&0. 6,0. 7)&0. 7,0. 8)&0. 8,0. 9)&430 02&10,14)&14,17)&17,20)&20,23)&23,26)&510 09&1,2)&2,4)&4,6)&5,7)&7,8)&520 07&1520)&2025)&25,30)&30,35)&3540 )&530 02& 5,4)& 4, 3)& 3, 2)& 2, 1)& 1,0)&540 11& = 5,5)&5,10)&1020)&20,30)&3040)&6

18、10 02&5,8)&8,11)&11,14)&14,17)&17,20)&620 01&1520)&2025)&25,30)&30,35)&3540)&630 01&3570)&70120)&120,170)&170220)&220270)&640 01&1012)&12,14)&14,16)&16,18)&1820 )&650 02&3035)&3540)&40,45)&45,50)&50,55)3课程学习效果评价模型灰类确定不及格.评价灰类有5个，即灰类6 = 1,2,3,4,5为了确定评价类的个数，笔者把课程学习效为具体的学习效果评价聚类指标.5个灰类的灰果评价等级分为五级：优秀、良好、中等、及格和数见表8.表9评价指标延拓值一览表指标&11&12&13&21&22&23&24&25&31&32&33&34000000=1=15050010510510522237?65?224060指标&41&42&43&51&52&53&54&61&62&63&64&6530005=1=5=6=10510