2 網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)指標(biāo)體系
考慮影響學(xué)習(xí)的主要因素,將指標(biāo)體系的對(duì)象和目標(biāo)劃分成若干個(gè)不同組成部分(子系統(tǒng)),并逐步細(xì)分(即形成各級(jí)子系統(tǒng)及功能模塊),直到每一部分可用具體的統(tǒng)計(jì)指標(biāo)描述、實(shí)現(xiàn)。得到具有層次型結(jié)構(gòu)的指標(biāo)集合一網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)指標(biāo)體系。該體系共含5個(gè)一級(jí)指標(biāo)、10個(gè)二級(jí)指標(biāo)、21個(gè)評(píng)價(jià)參數(shù)。涵蓋了學(xué)生的心理特征因素的定位分析;學(xué)習(xí)過(guò)程的關(guān)鍵因素一交互與協(xié)作和資源的利用。其中交互與協(xié)作主要觀測(cè)點(diǎn)集中在跟蹤學(xué)習(xí)歷程、記錄參與交互與協(xié)作程度的數(shù)據(jù)。而資源的利用從再學(xué)習(xí)的角度,利用評(píng)價(jià)激勵(lì)其合理分配學(xué)習(xí)時(shí)間:學(xué)習(xí)效果主要從階段性和綜合性給出準(zhǔn)確、科學(xué)的說(shuō)明。網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)如表1所示。
3 基于NTFAHP-FCE網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)的實(shí)施
3.1 NTFAHP法的權(quán)重確定
(1)判斷矩陣的建立 文獻(xiàn)給出TFAHP法采用三角模糊數(shù)評(píng)判方法確定權(quán)重值。這種方式給出的結(jié)果仍然是定性判斷而不是定量準(zhǔn)確值。
在此提出一種NTFAHP法,具體實(shí)施步驟:①利用不同專家給出各自的傳統(tǒng)判斷矩陣建立兩個(gè)矩陣:模糊比較判斷矩陣N,N=(nij)nn,其中元素wij=[lij,mij,uij]是一個(gè)以mij為中值的閉區(qū)間,(lij和uij是某專家對(duì)某因素給出的最低標(biāo)度值)和利用mij構(gòu)造模糊數(shù)中值矩陣M,M=(mij)nn。②構(gòu)建模糊評(píng)判調(diào)整因子S。
式中:為標(biāo)準(zhǔn)偏離率,其值越小表示專家的判斷越一致,偏差越小,因此可利用S調(diào)整模糊數(shù)中值矩陣M,使之更加準(zhǔn)確。③計(jì)算調(diào)整矩陣M’。利用模糊評(píng)判調(diào)整因子S對(duì)M做運(yùn)算:M’=MxS。④得到最終判斷矩陣A,將M’按列轉(zhuǎn)化成對(duì)角線為1的矩陣A。
(2)計(jì)算判斷矩陣A的特征值和特征向量λmax為A的最大特征根;W為對(duì)應(yīng)于λmax的正規(guī)化特征向量;W的分量Wi即是相應(yīng)因素的權(quán)值。
(3)一致性檢驗(yàn)可根據(jù)λmax是否等于n來(lái)檢驗(yàn)判斷矩陣A是否為一致矩陣。當(dāng)CR<O.10時(shí),判斷矩陣的一致性可以接受,否則應(yīng)對(duì)判斷矩陣作適當(dāng)修正。根據(jù)上述算法得到網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)指標(biāo)的權(quán)重分布如表2所示。
3.2 改進(jìn)的FCE(模糊綜合評(píng)價(jià)法)的評(píng)定
①確定評(píng)語(yǔ)集合論域Vn,V={v1,v2,……,vn};②用隸屬度函數(shù)確定各子因素相對(duì)于評(píng)語(yǔ)集的隸屬度,得到了單因素的模糊評(píng)價(jià)矩陣M1;③改進(jìn)的一級(jí)模糊綜合評(píng)價(jià),確定進(jìn)行二級(jí)模糊綜合評(píng)價(jià)模糊矩陣R=[R1,R2,……,RI,……,RK]T(k為一級(jí)指標(biāo)項(xiàng)的數(shù)目)。利用上面的M1和相對(duì)于一級(jí)指標(biāo)i的二級(jí)指標(biāo)權(quán)重Ai={a1,a2,…,am}(利用NTFAHP法求得)為模糊向量(m為相對(duì)于某一級(jí)指標(biāo)的二級(jí)指標(biāo)項(xiàng)目數(shù)),計(jì)算一級(jí)隸屬度。改進(jìn)傳統(tǒng)的計(jì)算R1方法,利用取權(quán)與單因素隸屬度的乘積代替模糊變換中的取大取小算法。此改進(jìn)的目的在于:在“標(biāo)準(zhǔn)”的模糊綜合評(píng)價(jià)算法中,R1計(jì)算方法為把r’ij作為樣本X就m個(gè)指標(biāo)對(duì)第j類Cj的綜合隸屬度。事實(shí)上,這樣計(jì)算的r’ij不能綜合反映X對(duì)Cj的綜合隸屬情況,因?yàn)樵谶M(jìn)行ai∧mlij運(yùn)算時(shí),只選取了部分信息,丟掉了某些更重要的信息。而取權(quán)與單因素隸屬度的乘積aimlij,綜合反映了樣本就因素對(duì)類Cj的隸屬情況,綜合考慮各單因素的影響后,樣本對(duì)Cj綜合隸屬度R1為:
④二級(jí)模糊綜合評(píng)價(jià):利用一級(jí)指標(biāo)的權(quán)重w={w1,w2,…wk}及其模糊矩陣R進(jìn)行二級(jí)模糊綜合評(píng)價(jià),其具體形式為:B=W·R;⑤評(píng)價(jià)結(jié)果的確定:在傳統(tǒng)的模糊綜合評(píng)價(jià)方法中對(duì)歸一化后B利用最大隸屬度法得到評(píng)價(jià)對(duì)象的評(píng)定結(jié)果。
4 評(píng)價(jià)結(jié)果的反饋推理規(guī)則
評(píng)價(jià)結(jié)果的反饋分兩種方式:其一將評(píng)價(jià)結(jié)果直接交給學(xué)習(xí)者,讓其了解該階段學(xué)習(xí)狀況;其二將評(píng)價(jià)結(jié)果和課程表示的相關(guān)屬性結(jié)合,利用評(píng)價(jià)反饋機(jī)制自動(dòng)生成下一階段學(xué)習(xí)的導(dǎo)航信息,引導(dǎo)選擇合適的學(xué)習(xí)路徑。
基于NFAHP—FCM的網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)算法實(shí)施后,以用戶界面的形式呈現(xiàn)評(píng)價(jià)結(jié)果。通過(guò)該界面可直觀的了解到自己當(dāng)前的學(xué)習(xí)狀況。通過(guò)對(duì)學(xué)生的學(xué)習(xí)評(píng)價(jià)結(jié)果調(diào)查、跟蹤和數(shù)據(jù)挖掘得到了如圖1所示反饋推理規(guī)則。評(píng)價(jià)反饋結(jié)果的獲得利用向前匹配法,即從前向后匹配,一條匹配成功后不再檢查后面的,前一條不相等再檢查后面的子規(guī)則。
5 網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
作為ITS中的重要組成的學(xué)習(xí)評(píng)價(jià)系統(tǒng),考慮遠(yuǎn)程教育的特點(diǎn)和評(píng)價(jià)要求,應(yīng)具備如下功能:評(píng)價(jià)系統(tǒng)必須能通過(guò)參數(shù)化的手段做到通用化,不僅支持指標(biāo)體系的建立還要支持其更新和維護(hù)。學(xué)生學(xué)習(xí)數(shù)據(jù)是評(píng)價(jià)實(shí)施的基礎(chǔ),如何采集有效的數(shù)據(jù)是系統(tǒng)必須提供的功能。學(xué)習(xí)評(píng)價(jià)的數(shù)據(jù)來(lái)源于3個(gè)方面:通過(guò)調(diào)查問(wèn)卷、手工輸入、對(duì)學(xué)習(xí)的動(dòng)態(tài)跟蹤。通過(guò)和其他系統(tǒng)的接口獲得學(xué)習(xí)日志數(shù)據(jù)。通過(guò)對(duì)學(xué)生學(xué)習(xí)評(píng)價(jià)結(jié)果的調(diào)查、跟蹤和數(shù)據(jù)挖掘,得到個(gè)性特征、學(xué)習(xí)過(guò)程和學(xué)習(xí)效果之間的關(guān)系。
通過(guò)反饋策略指導(dǎo)學(xué)生正確的認(rèn)識(shí)自己的個(gè)性特征.改進(jìn)學(xué)習(xí)過(guò)程,促進(jìn)學(xué)生取得良好的學(xué)習(xí)效果。網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)系統(tǒng)的結(jié)構(gòu)圖如圖2所示。
6 網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)實(shí)例驗(yàn)證
現(xiàn)以220名學(xué)生的學(xué)習(xí)參數(shù)為樣本點(diǎn),驗(yàn)證系統(tǒng)運(yùn)行過(guò)程。對(duì)220名學(xué)生的學(xué)習(xí)狀況動(dòng)態(tài)跟蹤采集,分析后得到學(xué)習(xí)數(shù)據(jù)。使用調(diào)查問(wèn)卷收集學(xué)生的反饋意見,87%的學(xué)生認(rèn)為數(shù)據(jù)較準(zhǔn)確的反映自己的學(xué)習(xí)狀況。9%學(xué)生認(rèn)為數(shù)據(jù)有部分項(xiàng)沒(méi)有準(zhǔn)確反映自己的學(xué)習(xí)狀況,4%學(xué)生認(rèn)為數(shù)據(jù)完全沒(méi)有準(zhǔn)確反映自己的學(xué)習(xí)狀況。調(diào)查數(shù)據(jù)表明:評(píng)價(jià)指標(biāo)體系設(shè)置合理,能較好的表示學(xué)生的學(xué)習(xí)狀況:通過(guò)系統(tǒng)的處理機(jī)制得到的數(shù)據(jù)能較準(zhǔn)確的反映學(xué)生學(xué)習(xí)狀況。
7 結(jié)語(yǔ)
實(shí)驗(yàn)以某學(xué)院2005級(jí)計(jì)算機(jī)教育專業(yè)學(xué)生2007~2008年第一學(xué)期課程的數(shù)據(jù)為依據(jù),對(duì)該年級(jí)90名學(xué)生進(jìn)行評(píng)價(jià).其正確率一錯(cuò)誤率曲線如圖3所示。正確率高達(dá)92.8%月。
實(shí)驗(yàn)表明:評(píng)價(jià)模型中選用的NTFAHP—FCE網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)算法能夠較好的應(yīng)用到學(xué)習(xí)評(píng)價(jià)中。經(jīng)驗(yàn)證表明:給出的評(píng)價(jià)模型有很好的實(shí)用指導(dǎo)作用,網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)指標(biāo)體系的結(jié)構(gòu)比較合理,經(jīng)系統(tǒng)得到的評(píng)價(jià)結(jié)果和理論結(jié)果一致性較好,學(xué)生對(duì)于使用該系統(tǒng)給出的評(píng)價(jià)結(jié)果和指導(dǎo)學(xué)習(xí)的信息認(rèn)可度在中等偏上。因此,提出的評(píng)價(jià)方案總體可行??梢钥紤]在更大的范圍使用。
李寧官方微博19日發(fā)布聲明稱,近日,網(wǎng)絡(luò)上出現(xiàn)對(duì)于“逐夢(mèng)行”秀款部分產(chǎn)品的討論,李寧公司對(duì)此高度關(guān)注。此次相關(guān)產(chǎn)品的設(shè)計(jì)及造型給大家?guī)?lái)了困惑和疑慮,我們表示誠(chéng)摯的歉意。本次“逐夢(mèng)行”秀款產(chǎn)品的設(shè)計(jì)以“飛行”為主題,從飛...
關(guān)鍵字: 防護(hù) 網(wǎng)絡(luò)北京2022年10月18日 /美通社/ -- 10月14日,國(guó)際數(shù)據(jù)公司(IDC)發(fā)布《2022Q2中國(guó)軟件定義存儲(chǔ)及超融合市場(chǎng)研究報(bào)告》,報(bào)告顯示:2022年上半年浪潮超融合銷售額同比增長(zhǎng)59.4%,近5倍于...
關(guān)鍵字: IDC BSP 數(shù)字化 數(shù)據(jù)中心東京2022年10月18日 /美通社/ -- NIPPON EXPRESS HOLDINGS株式會(huì)社(NIPPON EXPRESS HOLDINGS, INC.)旗下集團(tuán)公司上海通運(yùn)國(guó)際物流有限公司(Nipp...
關(guān)鍵字: 溫控 精密儀器 半導(dǎo)體制造 BSP據(jù)CNMO了解,有韓媒報(bào)道稱,韓國(guó)將在下個(gè)月公布下一代網(wǎng)絡(luò)戰(zhàn)略,為6G移動(dòng)通信的商業(yè)化做準(zhǔn)備。據(jù)悉,戰(zhàn)略中除了6G網(wǎng)絡(luò)的智能化、融合和空間擴(kuò)展的技術(shù)戰(zhàn)略外,還將提出公私合營(yíng)的合作方式。
關(guān)鍵字: 6G 網(wǎng)絡(luò) 戰(zhàn)略