基于層次分析法的思政教師績(jī)效多指標(biāo)評(píng)價(jià)模型

曾明芳

(西北大學(xué)現(xiàn)代學(xué)院,思政教學(xué)部， 陜西 西安 710130)

0 引言

由于人工統(tǒng)計(jì)無(wú)法處理較大的高校課程和教師評(píng)價(jià)樣本數(shù)據(jù)，因此有相關(guān)研究者提出了課程和教師評(píng)價(jià)模型，在高校教師科學(xué)合理的評(píng)價(jià)方面發(fā)揮了顯著作用。

惠小強(qiáng)等[1]借助微信Web開(kāi)發(fā)者工具設(shè)計(jì)了基于微信小程序的課程教學(xué)評(píng)價(jià)系統(tǒng)，通過(guò)模型—視圖—控制器調(diào)用后臺(tái)數(shù)據(jù)，利用超文本處理器語(yǔ)言構(gòu)建教學(xué)評(píng)價(jià)模型。包永強(qiáng)等[2]設(shè)計(jì)了基于模擬專(zhuān)家評(píng)價(jià)的模型，通過(guò)支持向量機(jī)模擬專(zhuān)家評(píng)價(jià)，利用混合高斯核函數(shù)優(yōu)化模型。以上2種評(píng)價(jià)模型目前已經(jīng)取得了較為滿(mǎn)意的研究成果，但是在實(shí)際應(yīng)用的過(guò)程中未能優(yōu)化模型的數(shù)據(jù)存儲(chǔ)量，導(dǎo)致多指標(biāo)共同運(yùn)算時(shí)，執(zhí)行效率不足。

為此，本文提出一種基于層次分析法的思政教師績(jī)效多指標(biāo)評(píng)價(jià)模型。仿真實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)系統(tǒng)能夠有效提升評(píng)價(jià)模型的執(zhí)行效率，同時(shí)增加了權(quán)重的可靠性。

1 多指標(biāo)提取

評(píng)價(jià)指標(biāo)是評(píng)價(jià)模型中的基礎(chǔ)部分[3]，對(duì)評(píng)價(jià)結(jié)果的準(zhǔn)確性有直接影響[4]。通過(guò)優(yōu)先關(guān)系[5]計(jì)算每層指標(biāo)間的重要性，以提取出內(nèi)部一致性較高的指標(biāo)體系。

隨機(jī)抽取1個(gè)一級(jí)指標(biāo)ai、1個(gè)二級(jí)指標(biāo)aj和1個(gè)三級(jí)指標(biāo)ak，計(jì)算一級(jí)指標(biāo)與其他指標(biāo)間去除其他層級(jí)指標(biāo)冗余影響后的指標(biāo)關(guān)聯(lián)度，計(jì)算式為

(1)

指標(biāo)關(guān)聯(lián)度指選取指標(biāo)與評(píng)價(jià)目標(biāo)直接的關(guān)聯(lián)程度。評(píng)價(jià)目的不同，關(guān)聯(lián)度也不同，一般通過(guò)人工設(shè)定完成，也可通過(guò)聚類(lèi)過(guò)程中的類(lèi)間差異化程度判斷。式(1)中：ai為一級(jí)指標(biāo)關(guān)聯(lián)度；aj為二級(jí)指標(biāo)關(guān)聯(lián)度；ak為三級(jí)指標(biāo)關(guān)聯(lián)度；?為數(shù)據(jù)的離散值，通過(guò)計(jì)算數(shù)據(jù)空間分布中的類(lèi)間差異求出；η為指標(biāo)層級(jí)數(shù)，為設(shè)定值，本文為3。其他層級(jí)指標(biāo)λi和λk也可按該方法求出。

在去除指標(biāo)之間的冗余關(guān)系后，以相關(guān)指標(biāo)為基礎(chǔ)，計(jì)算指標(biāo)間的優(yōu)先關(guān)系[6]，首先確定一級(jí)指標(biāo)與二級(jí)指標(biāo)間的優(yōu)先關(guān)系閾值。關(guān)系式閾值A(chǔ)通過(guò)式(2)的形式得出：

(2)

式中，?為數(shù)據(jù)的離散值。以此確定模型中的一級(jí)指標(biāo)與二級(jí)指標(biāo)誰(shuí)是優(yōu)先級(jí)。

以此為基礎(chǔ)計(jì)算三級(jí)指標(biāo)與一、二級(jí)指標(biāo)的優(yōu)先關(guān)系。得到的優(yōu)先關(guān)系閾值B如式(2)：

(3)

式中，n為干擾系數(shù)，一般為1。

基于各指標(biāo)間的模糊關(guān)系[7]，除了閾值外，還需要計(jì)算其內(nèi)部一致性指數(shù)，這也是一個(gè)非常重要的指標(biāo)選取因素：

(4)

選取出與評(píng)估目標(biāo)一致性較高的指標(biāo)，至此完成評(píng)價(jià)體系中多指標(biāo)的提取，根據(jù)指標(biāo)數(shù)據(jù)計(jì)算指標(biāo)間的權(quán)重。

2 評(píng)價(jià)指標(biāo)權(quán)重優(yōu)化

通過(guò)熵權(quán)法[8-9]推導(dǎo)出評(píng)價(jià)指標(biāo)間的差異，即各個(gè)指標(biāo)的權(quán)重：

(5)

設(shè)有α個(gè)未評(píng)價(jià)對(duì)象的指標(biāo)，有m條評(píng)語(yǔ)。將各個(gè)評(píng)價(jià)指標(biāo)進(jìn)行單獨(dú)的評(píng)價(jià)f(u)：

(6)

式中，θ為各指標(biāo)出現(xiàn)的頻數(shù)。對(duì)f(u)進(jìn)行加權(quán)處理，即：

(7)

式中，τ為各指標(biāo)權(quán)重差值。

通過(guò)上述相關(guān)公式計(jì)算出模糊矩陣中各因素的權(quán)值，各個(gè)因素對(duì)應(yīng)的權(quán)重取值如式(8)：

(8)

對(duì)指標(biāo)權(quán)重We∈{W1,W2,W3}進(jìn)行相關(guān)性檢驗(yàn)[10]，以?xún)?yōu)化評(píng)價(jià)指標(biāo)權(quán)重的可靠性：

(9)

式中，F(xiàn)為相關(guān)性檢驗(yàn)自由度，φ為相關(guān)性的顯著閾值。以此優(yōu)化指標(biāo)權(quán)重的可靠性，構(gòu)建精準(zhǔn)的評(píng)價(jià)模型。

3 教師績(jī)效評(píng)價(jià)的層次結(jié)構(gòu)模型構(gòu)建

在層次結(jié)構(gòu)模型的構(gòu)建過(guò)程中,首先考慮在多指標(biāo)影響下數(shù)據(jù)存儲(chǔ)量問(wèn)題[11]。在數(shù)據(jù)庫(kù)信息管理層對(duì)待評(píng)價(jià)數(shù)據(jù)進(jìn)行壓縮處理，去除冗余數(shù)據(jù)，具體過(guò)程如式(10):

(10)

式中，T為待評(píng)價(jià)目標(biāo)的數(shù)據(jù)位，Y為冗余數(shù)據(jù)字節(jié)。

將信息管理層數(shù)據(jù)輸入評(píng)價(jià)指標(biāo)調(diào)整管理層對(duì)各個(gè)評(píng)價(jià)層的評(píng)價(jià)結(jié)果數(shù)據(jù)進(jìn)行匯總分析對(duì)比，具體過(guò)程如式(11):

(11)

式中，t為決策目標(biāo)階數(shù)。將分析后的數(shù)據(jù)傳至評(píng)價(jià)結(jié)果匯總層，進(jìn)行數(shù)據(jù)的總結(jié)性分析，具體式如式(12)：

(12)

將匯總后的信息輸入評(píng)價(jià)結(jié)果數(shù)據(jù)挖掘?qū)?，通過(guò)關(guān)聯(lián)規(guī)則[12]挖掘算法完成對(duì)評(píng)價(jià)結(jié)果的數(shù)據(jù)挖掘,如式(13):

(13)

式中，x為條件概率。以收集的授課評(píng)價(jià)數(shù)據(jù)、教研評(píng)價(jià)數(shù)據(jù)與師德評(píng)價(jià)數(shù)據(jù)為基礎(chǔ)，通過(guò)多層融合法[13]構(gòu)建層次結(jié)構(gòu)評(píng)價(jià)模型為

(14)

評(píng)價(jià)模型的具體結(jié)構(gòu)如圖1所示。

圖1 思政教師績(jī)效的多指標(biāo)評(píng)價(jià)模型結(jié)構(gòu)圖

至此,基于層次分析法構(gòu)建了思政教師績(jī)效的多指標(biāo)評(píng)價(jià)模型，實(shí)現(xiàn)了多指標(biāo)情況下的思政教師績(jī)效評(píng)價(jià)。

4 仿真實(shí)驗(yàn)

為了驗(yàn)證本文所提基于層次分析法的思政教師績(jī)效多指標(biāo)評(píng)價(jià)模型的綜合有效性，進(jìn)行仿真實(shí)驗(yàn)測(cè)試。其中,硬件環(huán)境為Inter(R)Core(TM) 2Duo CPU、1.58 GHz、125 G硬盤(pán)，軟件環(huán)境為Microsoft Windows XP Professional IE瀏覽器、ASP。

4.1 執(zhí)行效率測(cè)試

利用表1給出3種不同評(píng)價(jià)系統(tǒng)的執(zhí)行效率對(duì)比結(jié)果。

綜合分析表1中的實(shí)驗(yàn)數(shù)據(jù)可知，不同系統(tǒng)的執(zhí)行效率會(huì)隨著評(píng)價(jià)指標(biāo)數(shù)量的變化而變化。測(cè)試結(jié)果顯示,同等指標(biāo)數(shù)量下，所設(shè)計(jì)系統(tǒng)的執(zhí)行效率更高一些。最主要的原因是：所設(shè)計(jì)系統(tǒng)在設(shè)計(jì)的過(guò)程中壓縮了數(shù)據(jù)量，全面加強(qiáng)系統(tǒng)的管理功能，簡(jiǎn)化操作流程，促使整個(gè)系統(tǒng)的高校思政課教師績(jī)效多指標(biāo)評(píng)價(jià)速度得到明顯提升。

表1 不同評(píng)價(jià)系統(tǒng)的執(zhí)行效率對(duì)比結(jié)果

4.2 多指標(biāo)評(píng)價(jià)權(quán)重值可靠性測(cè)試

通過(guò)權(quán)重值相關(guān)系數(shù)判定評(píng)價(jià)指標(biāo)權(quán)重可靠性，在3個(gè)評(píng)價(jià)模型中隨機(jī)抽取5條評(píng)價(jià)指標(biāo)，對(duì)其權(quán)重值進(jìn)行對(duì)比分析。具體對(duì)比結(jié)果如圖2所示。

(a) 所設(shè)計(jì)系統(tǒng)的教師績(jī)效多指標(biāo)權(quán)重值可靠性

由圖2中的實(shí)驗(yàn)數(shù)據(jù)可知，所設(shè)計(jì)系統(tǒng)的權(quán)重值相關(guān)系數(shù)r值最接近1，另外2個(gè)模型的權(quán)重值相關(guān)系數(shù)r值相對(duì)較低。所設(shè)計(jì)模型在進(jìn)行設(shè)計(jì)的過(guò)程中，加入了指標(biāo)權(quán)重值的相關(guān)性檢驗(yàn)，加強(qiáng)了對(duì)評(píng)價(jià)指標(biāo)權(quán)重值的統(tǒng)計(jì)分析，促使最終獲取的評(píng)價(jià)指標(biāo)權(quán)重值的可靠性更高，全面驗(yàn)證了所設(shè)計(jì)系統(tǒng)的優(yōu)越性。

5 總結(jié)

針對(duì)現(xiàn)有評(píng)價(jià)模型中存在的一系列問(wèn)題，本文設(shè)計(jì)并提出一種基于層次分析法的思政教師績(jī)效多指標(biāo)評(píng)價(jià)模型。仿真實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)模型能夠達(dá)到理想的執(zhí)行效率，同時(shí)提升了評(píng)價(jià)指標(biāo)權(quán)重的可靠性。但是受到時(shí)間和環(huán)境的限制，所設(shè)計(jì)系統(tǒng)仍然存在一定的不足，后續(xù)將對(duì)其進(jìn)行全面完善。