高考公平性评价

题目：高考公平性评价【摘要】每年的高考日都是一年中最令人关切的日子。与高考有关的每一次政策调整，不仅关系到广大学子的切身利益，也会触动社会最为敏感的神经。究其原因，尽管各界一再呼吁改变“一考定终身”，以平常心看待高考，但高考仍是当下促进社会阶层有序向上流动的重要途径，是寒门学子改变自身命运的最大希望，是守护教育公平及社会公平的重要底线。确保试题试卷不泄露、确保考后评分阅卷不出错、严厉打击高考舞弊，考试管理和考务组织的严谨性与科学性也在提升。不久前，《刑法修正案（九）》明确，考试舞弊将入刑，新修订的教育法也对考试舞弊的相关处罚进行了规定，教育、公安、交通、保密等多部门联合开展打击替考作弊专项行动，都是要从根本上斩断考试舞弊的利益链条，杜绝舞弊行为，保证高考公平公正。为了量化高考公平性，本文查阅相关数据，建立高考公平综合评价指标，加权平均高考制度及其政策的公平性(40%)、考试招生实施过程的公平性(40%)、招生人学结果的公平性(20%)等指标，根据高考工作综合指标的大小，对各个省份尤其时对广西的公平程度进行量化比较。高校的扩招使得录取率不断提高，这也使得不同层次的高校生源发生变化。二十年前广西的优秀考生大都以考取我校为荣，但现在广西优秀的考生大多走出广西，走向全国，这也使得我校生源和毕业生质量逐年下降。为了量化高校的扩招对广西师范大学的影响，通过生源和毕业生质量等多维度，通过MATLAB建立高校生源综合指标模型，量化评价高考录取率的提高对我校的影响，然后根据量化模型结果，判断高校的扩招对广西师范大学的主要影响因素，从而提出具体的改进建议。关键词：综合评价模型高校扩招MATLAB

问题重述1.1问题背景高考临近，各省份纷纷公布了今年高考的报名人数和招生计划，我国高考录取率逐年提高，部分省份的录取率已经达到了90%以上。今年教育部、国家发展改革委出台了《关于做好2016年普通高等教育招生计划编制和管理工作的通知》，根据《通知》要求，包括江苏、上海、浙江等12个省份2016年将调出16万个生源计划。这引发了上述部分省份家长的抗议，关于教育公平性的讨论再度被提起。1.2问题提出通过建立数学模型，量化高考评价标准，解决如下问题：1请建立指标体系，评价高考的公平性，对各个省份尤其是对广西的公平程度进行量化比较。2高校的扩招使得录取率不断提高，这也使得不同层次的高校生源发生变化。二十年前广西的优秀考生大都以考取我校为荣，但现在广西优秀的考生大多走出广西，走向全国，这也使得我校生源和毕业生质量逐年下降。请建立数学模型，评价高考录取率的提高对我校的影响，并给出相应的对策。问题分析本文的主要内容是查阅高校的扩招以来各省高考公平相关数据，以及广西师范大学生源质量等变化数据，建立相关数学模型，解决相关问题。针对问题1，在分值的权重设计上，就每项指标而言，对高考公平指数的界定和理解应更加注重社会评价;但高考的专业性极强，且许多技术性指标不为民众知晓和理解(有的仅为内部掌握)，必然需要专家做出专业性评价。因此，本研究按民意测评占60%、专家测评占40%的设定整合主、客观指标得分。对于各级指标的分数整合，根据德尔菲法以经验性判断作为权重计算的基础，鉴于高考公平的制度属性及现实中公众对高考公平问题的关切倾向，经专家论证和调查间卷，结合统一数据，建立综合评价模型，给出不同省份的高考公平指标。针对问题2，通量化高校的扩招对广西师范大学的影响，通过生源和毕业生质量等多维度，通过MATLAB建立高校生源综合指标模型，量化评价高考录取率的提高对我校的影响，然后根据量化模型结果，判断高校的扩招对广西师范大学的主要影响因素，从而提出具体的改进建议。模型假设本文查阅的数据真实可靠。高考制度及其政策的公平性、考试招生实施过程的公平性以及招生入学结果的公平性可以综合代表高考公平性。本文的权重比例设置是根据相关专家论证结果给出的，可以认为合理有效。

符号说明符号解释说明y综合评价指标分数x1高考制度及其政策的公平性分数x2考试招生实施过程的公平性分数x3招生人学结果的公平性分数p1高考制度及其政策的公平性权重比p2考试招生实施过程的公平性权重比p3招生人学结果的公平性权重比五、高考公平综合评价模型5.1施测评分办法及分值权重设计本文采取主观指标与客观指标相结合的方式，由民意测评和专家测评两部分组成。如表1所示，以三级指标为基点设计了若干个观测点，将这些核心指标进一步具体化为主观可感的子项目和客观可查的数据指标。主观性指标的施测是根据指标体系的框架，结合拟被测地区(以省级区域为单位)的实际，按照情景化要求设计若干题目，形成一套社会调查问卷(共设计24道题目，其中2,20,24题为开放性题目)，选取高考利益相关者群体(考生及其家长、教师、管理者等)进行民意测评;客观性指标则是直接搜集相关数据资料，由专家依据相关标准进行集中测评而获得。调查问卷中选择题采用利克特5点量表，即极其不满意计1分，不满意计2分，说不好计3分，比较满意计4分，非常满意计5分，分数越高表示受访对象与该题项所描述内容越一致。专家测评与民意测评同步进行，互不干扰。为了使统计评分简便易行，所有评分及等级确定只计到二级指标，多项三级指标及其每项指标所涉及的多项测量项目都取平均值。对于各级指标的分数整合，根据德尔菲法以经验性判断作为权重计算的基础，鉴于高考公平的制度属性及现实中公众对高考公平问题的关切倾向，经专家论证和调查间卷，进行如下权重设计(见表1)。表1高考公平性评价指标体系权重一览表一级指标权重二级指标权重高考制度及其政策的公平性(40%)对高考制度的总体评价(5%)对考试招生政策的评价(30%)对高考制度改革和政策制定程序的评价(5%)考试招生实施过程的公平性(40%)试卷命制(5%)考试组织实施(巧%)评卷(5%)招生录取过程(15%)招生入学结果的公平性(20%)招生录取结果的公平性(20%)5.2综合评价模型根据前面的高考公平性评价指标体系权重表，可以看到主要权重比是高考制度及其政策的公平性(40%)、考试招生实施过程的公平性(40%)、招生入学结果的公平性(20%)，每个一级指标权重由几个二级指标权重，比如高考制度及其政策的公平性由对高考制度的总体评价(5%)、对考试招生政策的评价(30%)、对高考制度改革和政策制定程序的评价(5%)组成，为了研究方便本文只是统计一级指标权重。综合评价指标分数计算公式如下：查阅相关数据得到全国34个省份的高考制度及其政策的公平性、考试招生实施过程的公平性、招生入学结果的公平性的数据如表2所示：表2全国34个省份的个参数数据图1谣言传播流程图5.2迭代编程设第i个单位时间开始时相信谣言总人数xyz(i)没听过人数mt(i)受传播人数中没听过的人数占总人数比例（共有n+1个人，出去自己就有n个人）t(i)=mt(i)/n;受传播人数如果k为定植scb(i)=k*mt(i)*xyz(i);受传播人数中没听过谣言的人数(考虑到传播的时候也会传给传播谣和听过谣言的人)sch_mt(i)=scb(i)*t(i);其中相信的有scb_mt_xx(i)=sch_mt(i)*p*a/100+sch_mt(i)*(1-p)*b/100;其中不相信的有scb_mt_bxx(i)=sch_mt(i)-scb_xx(i);第i＋1时刻单位时间开始时相信谣言总人数xyz(i+1)=xyz(i)+scb_mt_xx(i);没听过人数mt(i+1)=mt(i)-sch_mt(i);受传播人数中没听过的人数占总人数比例t(i+1)=mt(i+1)/n;受传播人数如果k为定植scb(i+1)=k*mt(i+1)*xyz(i+1);受传播人数中没听过谣言的人数(考虑到传播的时候也会传给传播谣和听过谣言的人)sch_mt(i+1)=scb(i+1)*t(i+1);其中相信的有scb_mt_xx(i+1)=sch_mt(i+1)*p*a/100+sch_mt(i+1)*(1-p)*b/100;其中不相信的有scb_mt_bxx(i+1)=sch_mt(i+1)-scb_xx(i+1);可以看到各种数构成了一个循环，这样就可以无限迭代下去根据由1单位时刻相信谣言总人数xyz(1)=1没听过人数mt(1)=n然后迭代下去。5.3建模结果为了研究方便，假设城市总人口是1000001，谣言传播速度是0.001，初中学历以上人口比例是70%，初中以上学历相信谣言的比例是20%，初中以下学历相信谣言比例是70%，相信谣言人数随谣言传播次数的变化如图2所示。图2（w=0.001）仿真结果考虑实际情况，当谣言通过网络上微博、微信、论坛、贴吧传播时，谣言传播速度回极大增加，假设谣言传播速度是0.01，仿真结果如图3所示，可以看到如果谣言传播越快，谣言马上会被更多的人相信。图3不同传播速度仿真结果当人群中初中及以上学历人数比例达到95%时，谣言传播结果如图4所示，可以看出高学历人数越多，谣言传播会越慢，人群抵御谣言危害的能力更强。图4不同学历比例仿真结果六、谣言建模综述6.1谣言传播建模中应注意的问题 在研究谣言传播模型时，由于各方面的原因，众多研究者都对谣言传播的演化过程进行了必要的简化，而正是这种简化，使得各个传播模型缺失了谣言传播特有的一些性质。因此，谣言传播建模中应该注意如下几个问题:1)重视谣言传播的复杂性。谣言传播具有3个环节:传播者(制谣者)、环境中介和接受者。事件发生后，由于社会的暂时不稳定而滋生谣言。谣言的传播者/制谣者将谣言传送给环境中介，然后通过环境中介传送给接受者。而接受者接收到谣言后，经过自身的加工、处理后，自己又变为谣言的传播者/制谣者，然后又将谣言信息传送到环境中介中，这样循环往复。环境中介包括人际网络、通信网络、互联网、传统媒体等。谣言的形成和传播过程中必然存在大量不确定因素:个体心理、个体信息认知和理解能力、政府行为、公共媒体行为等等，都体现了从细节复杂性、结构复杂性到适应复杂性的不同层次的复杂性。此外，谣言的形成和传播还存在某些不良信息制造源，为了达到某种特定的目的，借机造谣惑众，混淆视听，制造恐慌，这些因素更加剧了谣言形成和传播的复杂性。可以说，从混乱、无序局部谣言到具有明显倾向的大众谣言的形成，是一个典型的社会复杂系统的演化过程。对这一复杂系统进行分析，难以运用传统的微分方程传播模型进行研究。而复杂适应系统理论(CAS)为此提供了超越还原论思想的建模方法:将系统成员视为具有适应性的主体(Agent)，通过设计主体间不同的交互规则，以研究系统演化过程中涌现的各种性质。随着复杂系统理论与计算机技术的发展，基于多主体的建模仿真方法，成为研究复杂系统整体行为的有效手段，并已经在传染病、计算机病毒等传播研究中取得了一定成果。2)表现谣言传播的心理特征。谣言是一种社会现象，更是一种典型的社会群体心理行为。社会心理学的研究告诉我们，凡是符合或迎合人们主观愿望、主观印象或主观偏见的谣言，最容易使人相信，并乐于被人传播，而且还有可能依据传播者特定的心理倾向被随意进行加工。即无论是在传播中产生的谣言，还是某人出于某种动机而故意捏造的谣言，都具有一个连续流动的波动过程，因此谣言传播建模与仿真中要充分考虑和表现社会群体的心理特性。群体心理学研究为此提供了理论基础。但是目前群体心理行为的研究方法，仍依赖于传统的观察法、问卷调查法以及面试法。虽然很多心理学概念，如感知、情绪、注意、记忆、认知、意识、决策等早被确立，并有大量定性或定量的分析研究，但如何整合这些概念，建立一个统一有效的数学模型，进而模拟出可信的心理行为，仍然是一个巨大难题。可喜的是，目前部分研究者己在群体行为模型研究中引入了心理学因素，如ReynoldsCW，TuXD和Terzopoulos]应用了群体心理学中个体相互模仿的规律，而MusseS和ThalmannD则应用了群体心理学中的另一原则:群体中的个人会表现出明显的从众心理，也就是勒庞称为“群体精神统一性”的心理学规律。这些都为谣言传播研究提供了有益的借鉴。3)体现谣言传播的蝴蝶效应。蝴蝶效应由美国气象学家EdwardLoren，在1963年提交给纽约科学院的一篇论文中提出，是指在一个动力系统中，初始条件下微小的变化能带动整个系统的长期的巨大的连锁反应，是一种混沌现象。此效应说明，事物发展的结果，对初始条件具有极为敏感的依赖性，初始条件的极小偏差将会引起结果的极大差异。初始条件的误差是蝴蝶效应产生的基本条件，由于事物之间有相互依赖性，使得一个小小的误差有可能通过一条条相关链传送放大，最后导致不堪设想的后果。而不可预测性的非线性因素的介入，扰乱了原有线性系统内的正常秩序，事物间可确定的关系被不可确定所替代，使得由初始条件误差引起的一系列后发事件发生在混沌与秩序的边缘，从而产生不可测度的多样性后果。6.2谣言模型研究的进一步思考作为一个典型的社会现象，谣言传播模型的研究越来越引起不同领域研究者的关注:1）目前谣言传播模型的研究主要集中在3个方面:（1）用统计学及物理学的方法对谣言传播进行定量的研究;（2）基于谣言传播信道对网络谣言传播和手机谣言传播进行传播学和社会学研究;（3）利用病毒传播模型在复杂网络上建立平均场方程，研究谣言在不同网络上传播的临界概率。这些研究方法各有其侧重点，但多属于感性认识和定性分析，基本上都是停留在理论层面的探讨和分析，缺少对谣言传播机理的系统而深入的研究。2)谣言传播过程是一种群体行为，而目前群体行为建模可有自底向上和自顶向下两种方式。自底向上的建模方式通过微观的、个体的、简单的、局部的、非线性的相互作用来涌现出异常复杂的、群体的宏观行为，主要有基于经典物理学理论的建模方法、基于心理学理论的建模方法和基于社会学理论的建模方法。自顶向下的建模方式则将研究对象看成是一个系统，在系统的不同层次对系统整体进行研究。两种建模方式各有优缺点，自顶向下的方式被认为存在解聚困难的问题，自底向上的方式存在涌现行为结果的证明问题，而复杂系统理论的发展为此提供了新的思路。3)由于谣言的形成及传播是一个典型的社会复杂系统的演化过程，具有复杂系统理论所认为的一切复杂系统的特征，所以可以利用复杂网络理论新成果、复杂网络的许多性质和结论，采用人工生命方法建立谣言传播的微观Agent模型来模拟个体的行为模式以及个体之间的交互过程，通过它们的相互作用涌现出宏观谣言传播的态势。七、模型的评价与推广7.1模型评价7.1(1)考虑到了学历对谣言传播的影响；(2)分析了不同情况下谣言传播的结果，包括重型谣言和轻型谣言；(3)本文建立的谣言模型和实际情况比较接近，具有参考价值；7.(1)对学历的分类比较简单，只是简单的分为初中以下和初中及以上；(2)谣言模型没有考虑到谣言传播过程中辟谣对谣言的影响。。7.2模型推广(1)本文对谣言的建模分析，可以为政府辟谣提供参考；(2)本文使用的谣言建模方法也适用于其他类似问题。八、参考文献[1]张芳,司光亚,罗批.谣言传播模型研究综述[J].复杂系统与复杂性科学,2009,04:1-11.[2]王辉,韩江洪,邓林,程克勤.基于移动社交网络的谣言传播动力学研究[J].物理学报,2013,11:106-117.[3]王长春,陈超.基于复杂网络的谣言传播模型[J].系统工程理论与实践,2012,01:203-210.[4]兰月新.突发事件网络舆情谣言传播规律模型及对策研究[J].情报科学,2012,09:1334-1338.[5]兰月新.突发事件网络谣言传播规律模型研究[J].图书情报工作,2012,14:57-61.[6]王筱莉,赵来军.社会网络中具有怀疑机制的谣言传播模型[J].上海理工大学学报,2012,05:424-428.[7]廖列法,孟祥茂,吴晓燕,黎晨.微信社交网络上CASR谣言传播模型研究[J].小型微型计算机系统,2016,01:110-113.[8]向卓元,陈宇玲.微博谣言传播模型与影响力评估研究[J].科研管理,2016,01:39-47.[9]王筱莉,赵来军,吴忠.非均匀网络中考虑辟谣机制的谣言传播模型[J].系统工程,2015,12:139-145.[10]王筱莉,赵来军,谢婉林.无标度网络中遗忘率变化的谣言传播模型研究[J].系统工程理论与实践,2015,02:458-465.[11]张志花,夏志杰,葛涛,薛传业.基于唤醒机制的微博谣言传播模型[J].现代情报,2015,03:28-33.[12]蒙在桥,傅秀芬,陈培文,陆靖桥.基于OSN的谣言传播模型及影响力节点研究[J].复杂系统与复杂性科学,2015,03:45-52.[13]薛一波,鲍媛媛,易成岐.SPNR:社交网络中的新型谣言传播模型[J].信息网络安全,2014,01:5-9.[14]孙睿,罗万伯.具有非一致传播率的无标度网络谣言传播模型[J].复杂系统与复杂性科学,2014,03:6-11.[15]周苗苗,许成,刘晓波.社会网络上的谣言传播模型[J].青岛大学学报(自然科学版),2010,04:28-31+36.九、附录Matlab代码如下：clearclcticn=1000000;w=0.001;p=0.70;a=0.2;b=0.7;nn=30000;nout=nn/10;total=n+1;%总人数be(1)=1;%总的相信谣言人数unbe(1)=total-be(1);%总的不相信谣言人数fori=1:nn%循环get_info=unbe(i)*w;%听到谣言的人数unget_info=unbe(i)*(1-w);%没有听到谣言的人数get_info_junior=get_info*p;%听到谣言并具有初中以上文凭的人数get_info_other=get_info*(1-p);%听到谣言并还没有达到初中文凭的人数be_junior=get_info_junior*a;%相信谣言的初中以上文凭的人数be_other=get_info_other*b;%相信谣言而没有达到初中以上文凭的人数unbe_junior=get_info_junior*(1-a);%不相信谣言的初中以上文凭的人数unbe_other=get_info_other*(1-b);%不相信谣言而没有达到初中以上文凭的人数be(i+1)=floor(be(i)+be_junior+be_other);%该时间相信谣言的总人数unbe(i+1)=floor(unget_info+unbe_junior+unbe_other);%该时间不相信谣言的总人数ifmod(i,nout)==0iendendx=1:nn+1;plot(x,be);tocxlabel('谣言传播次数')ylabel('相信谣言人数')%%w=0.01holdonn=1000000;w=0.01;p=0.70;a=0.2;b=0.7;nn=30000;nout=nn/10;total=n+1;%总人数be(1)=1;%总的相信谣言人数unbe(1)=total-be(1);%总的不相信谣言人数fori=1:nn%循环get_info=unbe(i)*w;%听到谣言的人数unget_info=unbe(i)*(1-w);%没有听到谣言的人数get_info_junior=get_info*p;%听到谣言并具有初中以上文凭的人数get_info_other=get_info*(1-p);%听到谣言并还没有达到初中文凭的人数be_junior=get_info_junior*a;%相信谣言的初中以上文凭的人数be_other=get_info_other*b;%相信谣言而没有达到初中以上文凭的人数unbe_junior=get_info_junior*(1-a);%不相信谣言的初中以上文凭的人数unbe_other=get_info_other*(1-b);%不相信谣言而没有达到初中以上文凭的人数be(i+1)=floor(be(i)+be_junior+be_other);%该时间相信谣言的总人数unbe(i+1)=floor(unget_info+unbe_junior+unbe_other);%该时间不相信谣言的总人数ifmod(i,nout)==0iendendx=1:nn+1;plot(x,be);tocxlabel('谣言传播次数')ylabel('相信谣言人数')legend('w=0.001','w=0.01')%%p=0.95clearclcticn=1000000;w=0.001;p=0.70;a=0.2;b=0.7;nn=30000;nout=nn/10;total=n+1;%总人数be(1)=1;%总的相信谣言人数unbe(1)=total-be(1);%总的不相信谣言人数fori=1:nn%循环get_info=unbe(i)*w;%听到谣言的人数unget_info=unbe(i)*(1-w);%没有听到谣言的人数get_info_junior=get_info*p;%听到谣言并具有初中以上文凭的人数get_info_other=get_info*(1-p);%听到谣言并还没有达到初中文凭的人数be_junior=get_info_junior*a;%相信谣言的初中以上文凭的人数be_other=get_info_other*b;%相信谣言而没有达到初中以上文凭的人数unbe_junior=get_info_junior*(1-a);%不相信谣言的