基于云模型的网络教育教师授课质量评价研究

【摘 要】

本研究针对网络教育教师授课质量评价存在的问题，研究了基于云模型的网络教育教师授课质量评价方法。研究首先采用德尔菲法构建了评价指标体系并确定了评价标准云模型，然后为了克服评价中的模糊性和随机性采用了云权重进行评价，接着阐述了基于欧式距离的评价等级确定方法，最后进行了实例说明。本方法在部分程度上能够解决网络教育授课质量评价不足的问题，评价结果可以为授课教师、学习者以及网络教育机构提供一定的参考。

【关键词】 网络教育；教学质量评价；云模型；云权重

【中图分类号】 G420 【文献标识码】 A 【文章编号】 1009—458x（2013）10—0022—08

随着多媒体技术和网络技术的普及与发展，网络教育得到了迅速发展，成为远程教育的新形式。目前，除了教育部确定的现代远程教育试点院校外，基础教育领域和一些企业单位也开办了面向不同层次学生的网上学习与培训[1]。教师授课作为网络教育的重要环节，其质量评价是网络教育教学管理的重要组成，如何进行网络教育教师授课质量评价是一项值得研究的重要课题。

一、文献回顾

相关学者也认识到了网络教育教师授课质量评价工作的重要性，并做了研究，主要研究成果总结如下。

蔡怡[2]分析了远程高等教育教学质量评价准则设计，并提出改进评价方法的五条思路；李葆萍[3]探讨了网络教育评价系统的实现，并介绍了这个系统的主要结构、功能；陶勇等[4]尝试性地提出一种网络教学评价模型和实现策略；柳琼华等[5]结合西南交通大学网络教育学院的实践经验，提出网络教育教学质量评价系统的设计，论述了该教学质量评价系统的建设目标和结构。上述研究对网络教育教学质量评价准则、实现途径等做了有益的分析和总结，但都属于探讨与尝试性质且没有提出具体的评价指标和评价方法。

从评价指标上来看，有文献[6]就中外现代远程教育教师教学质量评价指标进行比较，为建立行之有效的教学质量评价标准提供了理论依据。童小平等[7]采用文献调研与专家访谈相结合的方法，从学生评价维度建立了一套网络教师教学质量评价指标。任颖[8]在总结我国远程高等教学经验的基础上，并参考国外某些远程高校的教学质量评价指标和方法，制定了现代远程教育教师教学质量评价指标体系。有文献[9]通过国内外比较分析和实践调研，从网络教学准备、实施、学习支持服务、教学改革和研究四个方面，构建了一套科学有效、切实可行的网络教育教师教学质量评价指标体系。以上文献是有关网络教育教师授课质量评价指标体系研究的代表性文献，其研究成果对本文指标体系的构建极具参考价值并提供理论基础。

从评价方法来看，代表性研究成果有：黄宇[10]确立了远程高等教育教学质量评价三级指标体系，并采用加权平均法计算综合评分，然而加权平均法的问题在于难以证明各个评价因素之间是否具有线性可加性。董莉[11]构建了网络教育评价指标体系，并采用模糊评价方法进行评价。张宁蓉等[1]建立了网络课程质量评价指标体系层次分析模型，用层次分析法进行了指标权重的测定，最后同样采用模糊理论进行了网络课程质量的综合评价。模糊综合评价方法需要用先验知识确定隶属度函数，这是评价过程中的难点。郭协潮[12]参照其他学者网络教学质量评价指标体系，基于BP神经网络算法，建立了一套网络教学质量的评价模型，但该方法存在诸如网络中隐藏节点个数的确定以及学习训练过程中容易陷入局部最优等难点问题。

综上所述，虽然我国网络教育发展迅猛，但却没有制定出如何保证网络教育质量的相关政策的评价标准[13]，相关学者虽然对网络教育教师授课质量评价进行了有益的尝试，但尚未形成统一的、系统的评价指标体系以及较为科学合理的评价方法[5，9，15]。因此对网络教育教师授课质量评价研究力度还不够[14]，亟须开展相关研究。

网络教育教师授课质量评价分为两个层次[15]：第一，任课教师个人教学授课评价体系；第二，包括学校教学管理在内的整体教学工作质量评价体系。本研究只包括前者。

由于在主、客观世界普遍存在的不确定性中，随机性和模糊性是最重要的两种形式[16，17]，因而在评价中也存在随机性和模糊性，评价工作中随机性和模糊性产生的原因有[18]：① 外界环境影响的不确定性；② 评价工作的复杂性；③ 人类认识的模糊性。具体到网络教育评价中的随机性和模糊性也是普遍存在的，例如，学习者由于知识水平不同，对同一知识点的掌握情况就可能不同，这在评价中就出现了模糊性；再如，有的教师通常能及时回答学生提问，但若遇突发情况，回答速度就可能会受影响，这使评价出现了随机因素等。为了使网络教育授课质量评价更接近实际情况，就必须考虑这些随机的、模糊的因素，而云模型可以有效解决评价中的模糊性和随机性[19，20]，因而可采用云模型来研究网络教育教师授课质量评价问题。

二、云模型概述

云模型是由李德毅院士[21]提出的，是用于描述定性概念与其数值表示之间不确定性的转化模型。云模型可以通过三个数字特征（期望Ex，熵En，超熵He）来反映定性概念整体上的定量特征，能够将模糊性和随机性关联到一起，构成定性和定量的相互映射关系。其中，期望Ex在数域空间中代表定性概念的点，反映这个概念的云滴群的重心位置；熵En被用来衡量定性概念的模糊度与概率，反映定性概念的不确定性；超熵He是熵的不确定性度量，即熵的熵，反映了数域空间中代表该语言值所有点的不确定度的凝聚性，即云滴的凝聚度。由于研究中所用到的云模型理论知识主要涉及逆向云发生器和运算法则，限于篇幅原因，着重介绍这两部分的理论知识。李德毅 等[22]论证了正态云的普适性，因而采用正态云来进行教师授课质量的评价，且介绍的云模型理论仅针对正态云。

（一）逆向云发生器

以下介绍的逆向云发生器属于无确定度信息的逆向云发生器，其输入是给定的一组样本x = （x1， x2， …， xi， …， xn），输出是云模型的三个数字特征（Ex， En， He），具体算法如下[21]：

推荐访问:授课 网络教育 模型 评价 质量