基于AHP—GA方法的“人”字型課程結構關聯度評價信息挖掘研究

[摘 要]本文對“人”字型課程結構的應用品質及具體特點進行了述評，對該課程結構的關聯度評價信息進行了挖掘研究，并構建了該課程結構評價指標體系。在 AHP層次分析法基礎上綜合運用改進的遺傳算法建立數據挖掘模型，并對該課程結構各項指標之間的關聯度做出了科學的定量分析，為“人”字型課程結構評價指標量化工作提供了一個廣闊的前景。

[關鍵詞]“人”字型課程結構 AHP層次分析法 遺傳算法 量化分析與挖掘

[中圖分類號] G642.3 [文獻標識碼] A [文章編號] 2095-3437（2013）24-0001-04

一、“人”字型課程結構設計的品質

以人為本，差異化教學是該課程結構設計的指導思想，模塊化課程設置是“人”字型課程結構的組成元素。該結構的主要特點是主導學生自主選課、實現學生個性發展、彰顯技能特色、重視立德樹人、促進創業就業或學識再提高。

二、“人”字型課程結構的建立

它以地方高校應用型本科教育培養目標為中心，將課程設置分為三大模塊，每個大模塊中又分為若干子模塊，每個子模塊由若干課程組成，見“人”字型課程結構圖1。

■

圖1 模塊化“人”字型課程結構

我們認為基礎理論素質模塊好比人的左腿，人文修養素質模塊好比人的右腿，專業素質模塊好比人的身部，三大模塊組成一個完整的“人”字型。基礎理論模塊是實現培養目標的基礎，人文修養模塊是立德樹人的保障，專業素質模塊是培養目標中心。

該課程結構特點具體表現在：第一，課程設置多維性。既要滿足高等教育的學科體系，又包含職業教育元素，側重技術、技能及知識的應用性。第二，課程開發多元性。培養目標、市場需求、學生特點、個性化教育、差異化教學等構成課程開發多元性。第三，課程目標定向性。遵循“鳥型不離卵”原理，無論外界環境如何變化，課程目標的應用性始終不變。第四，課程形態的自組織性。在知識體系中，基礎理論處于穩定層，專業理論處于亞穩定層，技術知識處于不穩定層。因此，具有職業性、技術性特征的應用型本科教育要實現持續、協調發展，其課程形態須具有較強的自組織性。第五，課程內容的實踐性。由模仿性實踐向開發型、智力型、創新型實踐轉換。第六，課程體系模塊化。主要解決人才培養周期長和市場需求變化快之間的矛盾；解決知識適應性與職業崗位針對性矛盾；解決學生個性與課程計劃如何相適應矛盾。第七，課程設置的靈活性。應用型本科教育在于體現人的自我實現，課程設置多類型便于學生自主選擇課程進行學習。

三、對“人”字型課程結構關聯度評價要求

關聯度評價是對課程結構實施教學過程的實際水平通過預定課程結構目標的程度進行的度量和判斷。在評價過程中，要通過信息反饋，多征求校、企專家意見，第一線教師意見，找出評價結果和預定目標之間的差距，對課程結構中某些課程設置進行改進和調整，使之逐步完善。課程結構關聯度評價應作為課程結構研究的一部分，也就是說，在構建課程結構的同時，就要把預期達到的目的和培養學生綜合素質達到的水平規定明確，作為課程結構評價設定權重指標的依據。“人”字型課程結構雖然經過幾年的教學驗證，一定的理論探索和比較，但最終證明其課程結構是否科學可行，不能僅靠定性分析、定量分析和邏輯判斷，最終結果應是教學質量的提高，這主要體現在學生的德、智、體、美全面發展，專業素質的整體優化和個性的健康發展。因此，課程結構關聯度評價不僅是對課程結構本身，而且是對教學全過程、學生綜合素質的全面評價。

課程結構關聯度評價是一項復雜的系統工程，必須有詳細的方案、合格的評價人員、組織機構、嚴格的程序，才能使評價收到預期的效果和充分發揮評價的導向、診斷、激勵、調節、反饋的功能。

四、模塊化“人”字型課程結構評價體系的建立

課程結構評價是根據一定的標準和所收集的信息對課程結構價值做出判斷的過程。在實際課程設置中，影響該課程結構的相關因素很多，其主要屬性有基礎理論課深度的差異化，立德樹人、提高綜合素質、加強人文修養課的廣泛性，拓寬專業知識口徑、強化實踐技能的專業知識課的應用性，各屬性又有若干方面的具體要求，這就構成了子因素層評價指標。如表1所示。

五、模塊化“人”字型課程結構評價方法

本文在AHP層次分析法的基礎上，綜合運用改進的遺傳算法，得出課程結構各層次要素的定量分析（目標權重），確定評價指標體系各要素優先排序，最后對幾種方案進行優化，從而制定出一套科學合理的課程結構相互關聯度評價指標。本文構建的AHP-GA方法，為課程結構評價以及教育評價等量化工作提供了一個廣闊的前景，為提高教育教學質量提供科學決策。

（一）挖掘模型及方法的建立

1. 建立模塊化“人”字型課程層次結構一般模型

設“人”字型課程層次結構模型由主因素層A、子因素層① B、子因素層② C、具體要求層D組成。A層為課程結構總目標， B層為評價課程結構總目標的n個一級指標即B1，B2，...，Bn，C層為評價課程結構總目標的m個二級指標即C1，C2，...，Cm，D層為各二級指標的具體要求（觀測點）D1，D2，...，Dk.由此所構的模塊化“人”字型課程層次結構一般模型如圖2所示：

■

圖 2 課程結構關聯度評價層次結構圖

2. “人”字型課程結構層次要素判斷矩陣的建立

對于各層要素， 分別以各自上一層級的要素為準則進行兩兩比較，根據AHP要求采用1～9級及倒數的判斷尺度描述專家對各因素相對的重要性進行打分，并得到B層判斷矩陣：PB={PBij|i，j=1，2，…，n}，元素PBij表示從主因素層A角度考慮要素Bi對要素Bj的相對重要性。對應于 B層要素Bn的 C層判斷矩陣為PCn ={pcij|i，j=1，2，…cn}， cn表示對應于要素Bn的 層要素的數量。同理，對應于C層要素Cm的 D層的判斷矩陣為PDm={pdij|i，j=1，2，…，cm}。由于判斷各要素相對的重要性是有s個專家進行的， 因此各層要素就有s個判斷矩陣。

3.“人”字型課程結構數據挖掘模型的建立

要確定同一層次各要素對于上一層某要素的相對重要性的排序權值并檢驗各判斷矩陣的一致性，需應用AHP法做出評價與判斷。現以判斷矩陣PB為例進行論述：設 B層各要素的排序權值為wt ，

t= 1， 2，…，n且滿足 wt>0 （1） ■wt=1 （2）

根據判斷矩陣 PB 的定義， 理論上有pbij=wi /wj （3）

若判斷矩陣 PB 滿足 （ 3） 式，專家們能準確判斷，則 PB有完全一致性。 由于課程內容的復雜性、專家在判斷上的片面性、不穩定性、差異性， 課程要素的重要性又沒有統一和確切的度量標尺， 專家們不可能精確判斷 wi /wj的值，只能對權值估計判斷。判斷矩陣 PB 的一致性程度，主要取決于專家們對課程要素的掌握程度，對課程各要素重要度分析得越清楚， PB 的一致性程度就越高。應用 AHP法做評價，彌補了專家們對課程結構要素重要程度的分析差異，否則就沒有必要應用 AHP 法。在這里AHP法只要求判斷矩陣 PB 具有滿意的一致性，以適應“人”字型課程結構中各種復雜因素。由 （3）式還可以得到

||PB·W-nW||=0|∞=0 W=（w1，w2，…，wn）T （4）

顯然，（4）式左端的值越小，則判斷矩陣 PB 的一致性程度就越高，當式（4）成立時則判斷矩陣 PB具有完全的一致性。基于此，B層各要素權值的排序及其一致性檢驗問題可以歸結為如下非線性優化問題。

minCIF=||PB·W-nW||∞ W=（w1，w2，…，wn）T （5）

s·t wt>0 t=1，2，…，n ■wt=1

（5） 式中，CIF為一致性指標函數，權值wt，t=1， 2，…， n為優化變量，其余符號同前。當判斷矩陣 PB具有完全的一致性時，（4）式成立， 從而（5）式取全局最小值CIF=0，又根據（5）式的約束條件，可知該全局最小值是唯一的。

4. 應用 GA算法進行數據挖掘

由于（5）式中每個判斷矩陣是由多個專家打分組成的， 即該優化問題有多個初始解， 若用常規方法較難處理多個初始解。我們用一種通用的全局優化方法來求解該問題實用有效，即模擬生物優勝劣汰規則與群體內部染色體信息交換機制的改進遺傳算法。

（1） 采用二進制編碼的方法對評價判斷矩陣PB進行編碼。由于該矩陣是一個對稱矩陣，只需要把矩陣的一半元素進行編碼即可完成，對每一個矩陣元素組成4位二進制編碼，同時由5個專家提出的評價判斷矩陣都完成編碼后，則就獲得了遺傳算法中的一個初始種群X={xi|i=1，…，5}，該種群也就形成了5個初始個體。

（2） 對該種群X所有CIF值求總和處理。F=ΣCIFi （6）

計算每個個體的相對適應度的大小值m=fi/f，m為每一個個體被遺傳下一代群體中的概率，每一個概率值可以組成一個小區域，這樣就產生一個0到1之間的隨機數，根據該隨機數可能出現在上述哪個小區域內金星確定每個個體被選中的次數。對未能交叉的種群以0.7的概率完成單點交叉得到未變異種群，再對未能變異種群完成變異。

（3）對變異后的種群進行重插入， 獲得最終的新種群。反復上面的步驟，直到CIF<0.1時停止運算。這時，對種群中最優個體進行逆向編碼，重構矩陣，計算最大特征值，即可獲得具體評價指標之間的權值。同理，對于 C， D層各判斷矩陣都可以確定相應的一致性指標函數。以相應的一致性指標函數為優化目標就可以得到相應的權值， 各層的權值一經確定，即評價指標體系各目標之間的關系（即權重）已確定， 則重新構建評價指標體系。

（二）實證檢驗

以模塊化“人”字型課程結構各因素層具體內容為實例來說明其挖掘模型的建立以及實施過程。根據圖2的層次模型請5位專家分別對該模型中指標體系（見表1所示）中主因素層下的各子因素層以及子因素層②的各個觀測點為依據進行兩兩比較可分別得到10個判斷矩陣：

PB1= 1 3 7 4 61/3 1 4 3 31/7 1/4 1 1/3 1/21/4 1/3 3 1 21/6 1/3 2 1/2 1

PB2= 1 2 6 5 51/2 1 3 3 41/6 1/3 1 1/4 1/21/5 1/3 4 1 21/5 1/4 2 1/2 1

…PB5= 1 4 7 3 61/4 1 4 4 21/7 1/4 1 1/3 31/3 1/4 3 1 21/6 1/2 1/3 1/2 1 CB1=1 1/44 1 CB2=1 1/33 1…CB5=1 1/33 1

依據前面計算模型，以上述矩陣為初始種群，按照最優化目標，通過遺傳算法進行全局搜索得到表1中所述的專業知識素質因素中子因素層①的具體權值如w1：

w1=0.50130.24060.5180.12620.0801

基礎理論素質因素中子因素②的具體權值如w2：

w2=0.24690.7531

第 1層的最優化目標CIF=0.0021，第 2層的最優化目標CIF=0.0009。當CIF<0.1時， 矩陣有滿意的一致性， 可以確定上述權值是合理的。

現對權值w1、權值w2結果進行說明， 權值w1表明在專業知識素質下的各個二級指標中專業理論課是最主要的評價準則，專業課其次。權值w2表明在二級指標基礎理論課下的三級指標中應用性是最主要的評價準則，完整性次之。

最后， 通過上述課程結構關聯度模型對整個課程結構關聯度評價指標體系進行計算， 可以得到所有指標的具體權值， 如表2所示。

表2 課程結構關聯度評價指標權值

■

■

六、結論

綜上所述，運用AHP-GA算法建立的“人”字型課程結構關聯度評價指標體系更加注重了高校與企業的具體實施措施、師資結構、企業參與等指標，這些指標權重較高，這符合應用型本科教學要求。用該方法建立的課程結構關聯度權重指標對加強地方應用型本科教育內涵建設，培養應用型高技能人才提供了較嚴謹、科學的評價數據。

[ 參 考 文 獻 ]

[1] Pang-Ning Tan， Michael Steinbach， Vipin Kumar. Introduc？鄄

tion to Data Mining[M].北京：人民郵電出版社，2007.

[2] 高治軍，杜嘉. 基于層次分析法與模糊評價的學科水平評估[J]. 重慶交通學院學報，2006，（3）.

[3] 黃光球，曹宇.基于粗 GA—AHP 的大學生技能提升策略研究[J].學理論，2009，（25）.

[4] 郭英，李文博.論高校管理信息系統課程教學中存在的問題及對策[J].吉林師范大學學報：自然科學版，2005，（1）.

[5] 高相銘，郭季.師范院校學生信息素養評價體系的構建研究[J].大學教育，2013，（2）.

[責任編輯：左 蕓]