多元化教学评价指标及评价方法探析-

《多元化教学评价指标及评价方法探析-》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、多元化教学评价指标及评价方法探析-多元化教学评价指标及评价方法探析*摘耍：文章探讨了德尔菲法、模糊综合评价法、神经网络评价法、因子分析法等不同的评价方法，通过对不同评价方法的利弊进行比较，最终选用德尔菲法来确定教学评价的不同指标。经过反复的实践与改进，归纳出学生评价、教学督导和教研组使用的三种维度的评价指标。关键词：多元化；教学评价方法；教学评价指标中图分类号：G712文献标识码：A文章编号:1671-0568(2014)05-0117-04基金项目：本文系苏州市“十二五”规划课题“五年制高职公共英语多元化教学评价的实践探索”

2、(编号：110702668)的科研成果。教学评价是为了更好地引导教师进行教学内容和教学方法的改革，提高教学质量，推动教育发展。多元意指事物的发展到了一个很丰富的境界，有多种分类。具体到教学评价而言，多元的概念包含了评价主体的多元、评价原则的多元、评价指标的多元及评价方法的多元。本文探讨的是教学评价指标和评价方法的多元化。一、多元化教学评价方法目前，应用较为广泛的评价方法有德尔菲法、模糊综合评价法、神经网络评价法、因子分析法、主成分分析法、层次分析法、灰色关联度分析法、理想点法、加权平均法，以及将各种方法进行综合评价的方法。本文

3、介绍前六种方法。1•德尔菲法。德尔菲法(DelphiMethod)又称为专家咨询法，采用专家匿名的形式，将其经验和建议进行汇总，并将汇总结果不断反馈给专家，反复分析与修改，最终得到满意的结果。［1］这是20世纪40年代由0•赫尔姆和N•达尔克首创，经过T•J•戈登和兰德公司进一步发展而成的。德尔菲法依据系统的程序，专家间不互相讨论，不发生横向联系，经由调查人员，通过多轮次调查专家对问卷所提问题的看法，反复征询、归纳、修改，最后汇总成专家基本一致的看法，作为预测的结果。具体实施步骤如下：①组成专家小组。根据课题需要，确定专家组成

4、员。选定的专家要在本领域或专业较为权威，且有丰富的经验，确保专家质量；②向专家提出所要预测的问题及有关要求，并附上相关问题的所有背景材料；③各个专家根据自己所收到的材料提出预测意见，并说明自己是怎样利用这些材料提出预测值的；④将各位专家第一轮意见汇总，列成图表，进行对比，重新分发给各位专家；⑤从笫二轮开始，专家需要对分类的每个指标做出具体评价，并标注其重要性程度。一般情况下，经过三四轮的反复，专家意见就能基木趋于一致，达到系统的要求。2.模糊综合评价法。模糊综合评价法是基于模糊数学的多指标综合评价方法，实际上就是将影响一个事物

5、的多个属性或因素进行量化,根据评价冃标选择合适的模糊算了，利用模糊数学的相关运算法则，对属性进行综合评判。其评价过程可归纳为四步：①将影响评价目标的若干因素逐级分解，并将每一级因素构成一个模糊集合，即因素集；②确定用于评价各因素集中因素模糊概念的评审等级，如优秀、良好、一般、较差、非常差；③通过模糊统计法、对比排序法等方法建立隶属函数，并计算出每一个因素相对某一评审等级的归属程度，即隶属度，最终构建模糊综合评价关系矩阵，每-级指标各因素的隶属度构成一个独立的模糊关系矩阵；④根据每一个因素集中各因素的权重分配情况，将模糊权重向量

6、与模糊矩阵进行合成，求出最终的评价值。[2]3.神经网络评价法。神经网络评价法是一种模拟自然界生物大脑神经系统的经验模型。它首先分析已经输入的规则，然后对不断输入的数据进行学习，充分利用积累的经验建立相应的初始权重矩阵，并进入迭代过程，不断学习、修正，使最后的输出结果与期望值越来越接近。[3]BP网络能学习和存贮大量的输入输出模式映射关系，无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。4•因子分析法。因子分析法(FactorAnalysis

7、Method)于1904年由心理学家ClialosSpeanman首次提出，是从研究指标相关矩阵内部的依赖关系出发，把一些信息重叠、具有错综复杂关系的变量归结为少数儿个不和关的综合因子的一种多元统计分析方法。其基本思想是根据相关性大小把变量分组，使得同组内的变量之间相关性较高,但不同组的变量不相关或相关性较低，每组变量代表一个基本结构一一即公共因了。5•主成分分析法。主成分分析法(PrincipalComponentAnalysis,简称PCA)是…种降维的统计方法。其思路就是变量的降维简化，即在保证尽可能减少数据丢失的情况下

8、,通过数学变换，将高维变量(原变量)系统向低维变量系统进行映射，利用生成的低维数据的每个主要因素的贡献率作为权重，构成高维数据各因素的指数形式线性组合。[4]主要成分就是原高维变量的综合，对主成分进行解释能够很好地分析出构成评价系统的主要影响因素和系统特征。[5]通过变量的降