Moodle平臺下學生自主學習評價的TOPSIS分析法探討

高 鷹，張 為，湯茂斌，丘凱倫，樊志平

廣州大學計算機科學與教育軟件學院，廣東廣州 510006

Moodle平臺下學生自主學習評價的TOPSIS分析法探討

高 鷹，張 為，湯茂斌，丘凱倫，樊志平

廣州大學計算機科學與教育軟件學院，廣東廣州 510006

論文簡述了TOPSIS 分析法的原理與步驟，在給出了一個簡單的Moodle平臺下學生自主學習評價二級指標體系及各指標層權值的基礎上，以某大學Moodle平臺下某門課程89名學生的評價為例，給出了采用TOPSIS 分析法進行評價的詳細過程與步驟。

Moodle平臺；學習評價；TOPSIS分析法

1 Moodle平臺

Moodle[1]是模塊化面向對象的動態學習環境（Modular Object-Oriented Dynamic Learning Environment）的縮寫，由澳大利亞教師 Martin Dougiamas 基于建構主義教育理論而開發的課程管理平臺，目前在全世界已得到了廣泛應用。Moodle 平臺依據社會建構主義的教學思想，即教育者（老師）和學習者（學生）都是平等的主體，在教學活動中，他們相互協作，并根據自己已有的經驗共同建構知識。Moodle具有網站管理、學習管理、課程管理等主要功能。其中課程管理中有測驗、投票、問卷調查等功能，是專門為學生設計的。學生使用該功能可以完成作業，實現與教師和其他同學的交流、對所學知識進行測驗，并且可以將自己的意見和建議以投票、問卷調查和blog的形式反饋給教師。學習管理功能基本由教師使用，教師通過該功能可以記錄學生完整的學習歷程，并為學生制定一套完整的、有針對性教學計劃。此外，教師可以通過設置投票，問卷等欄目獲知學生的想法，并且做出相應的改進。moodle可以整合優秀教師資源，代替教師在課外教學中發揮重要作用，實現因材施教，及時反饋，解決課外教學的問題。Moodle為學習者提供了一個自主學習的環境，在這種環境下學習者的學習與傳統課堂教學相比有很大的不同，教與學活動時空分離、學習活動以自主學習為主。因此，對學習者的評價亦不同于傳統課堂學習的評價，強調對自主學習過程的實時監控和對學習者主動性、自控性的測試，注重評價的過程性。本文擬將對Moodle平臺下學習者自主學習評價指標體系與方法進行初步的探討。

2 TOPSIS 分析法

TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）[2]是一種逼近于理想解的評價分析方法，其思想是定義評價問題的理想解、負理想解，然后計算評價對象對于理想解的相對接近度，以此作為評價優劣的依據。設評價問題有m個評價指標ai(i =1,...,m)，n個評價對象zi=(zi,1,zi,2,...,zi,m),(i=1,...,n)，wi(i=1,...,m)為評價指標對應的權值；并設該問題的規范化加權目標的理想解是，負理想解是；評價對象zi到理想解z+和負理想解z?的加權歐氏距離分別為：；評價對象Zi對于理想解的相對接近度為：ci,(i=1,...,n)。TOPSIS分析法的評價步驟如下。

步驟1：原始數據同趨勢化、歸一化處理

原始數據用矩陣D=(di,j),(i=1,...n;j=1,...m)存放，矩陣D的行表示評價對象、而列對應于評價因素，歸一化處理形成評價矩陣Z=(zi,j),。

步驟2：確定理想解和負理想解

設評價矩陣中元素值越大表示對應的評價因素越好，則：

理想解

負理想解

步驟3：計算每個評價對象到理想解和到負理想解的加權歐氏距離

步驟4：計算每個評價對象的相對接近度并按大小排序

計算

評價對象Zi愈靠近理想解，ci愈接近于1；反之，Zi愈接近負理想解，ci愈接近于0，排序ci可對評價對象做出評價。

3 Moodle平臺下自主學習評價的TOPSIS分析法

3.1 Moodle平臺下自主學習評價指標體系

Moodle平臺下的自主學習不同于通常的課堂學習，其環境、學習者心理和行為等方面都發生了很大變化，對學習者的學習態度、學習過程的評價顯得更加重要，其評價指標應考慮學生參加網絡學習的自主能力、情感和態度、交互與協作學習能力、網絡資源利用能力、測試成績等情況。建立比較全面、客觀、準確的Moodle平臺下自主學習評價指標體系并不是一件容易的工作，本文通過問卷調查、學習者和教師訪談、專家研討等方式以及參考其它網絡學習評價指標內容，以Moodle平臺下課程學習為基礎，初步建立了一個簡單的評價指標體系，并采用AHP(Analytic Hierarchy Process)方法[3]給出了各指標層的權值，如表1所示。

表1 Moodle平臺下自主學習評價指標體系及其權值。

其中，自主學習的二級評價指標對應的權向量w1=(0.386,0.312,0.118,0.184)，協作學習的二級評價指標對應的權向量w2=(0.351,0.133,0.367,0.149)，資源利用的二級評價指標對應的權向量w3=(0.282,0.307,0.0.411)，學習成果的二級評價指標對應的權向量w4=(0.174,0.322,0.136,0.368)，一級評價指標對應的權向量w=(0.302,0.208,0.227,0.263)。

3.2 數據來源與處理

我們采集了某大學Moodle平臺下某門課程89名學生的對應于表1二級評價指標數據（數據量大，本文略），分別用矩陣，，和存放對應于自主學習、協作學習、資源利用和學習成果的數據，矩陣的行表示某個學生、而列對應于二級評價因素。分別歸一化處理形成評價矩陣，，，。

3.3 一級評價指標的評價

同理，可分別計算出對應于協作學習、資源利用和學習成果的每個評價對象的相對接近度、和。

3.4 目標評價

4 結論

對學習者在Moodle平臺下自主學習的評價目前還缺少科學的評價指標體系與方法，我們嘗試性地給出了一個Moodle平臺下學生自主學習評價的TOPSIS分析法的詳細過程與步驟，可作為參考。

[1]魔燈(Moodle).百度百科[EB/OL].[2014-3-6].http:// baike.baidu.com/view/1365722.htm? fromTaglist.

[2]HWANG C L，YOON K． Multiple attribute decision making: Methodsand applications [M].Berlin: Springer，1981.

[3]Saaty T L. The Analytic Hierarchy Process [J]. New York．Mcgraw-Hill Inc.1980：1-15．

TP3

A

1674-6708（2015）142-0050-02

廣東省高等學校教學質量與教學改革工程建設項目（粵教高函[2015]33號“計算機類學科競賽實踐教學團隊”）、廣州市教育科學“十二·五”規劃課題（No.2013A006）、廣州大學本科教學質量工程建設項目（ZLGC201419）資助