基于云模型的教學質量評價方法的有效性研究

郭惠勇

摘要：

為了解決高校教學質量評價方法的主觀性和有效性問題，提出了基于云模型的教學質量評價方法，并探討了避免主觀性影響的教學評價有效策略。首先描述了高校教師教學質量評價的主要內容，從六個方面給出了教學質量評價體系的主要構成。然后分析了教學質量評價體系的主觀性問題，并探討了評價結果的有效性。最后利用云模型在處理統計問題中的模糊性和隨機性方面的優勢，提出了基于云模型隸屬度組合策略的教學質量評價方法，以提高教學質量評價的可靠性并降低主觀性的干擾。以工程力學課程的評價數據為例，分別采用傳統的主觀觀察排除法和統計標準差偏移排除法，以及所建議的云模型隸屬度排除法和云模型隸屬度組合法進行教學質量評價計算和分析。結果表明，所建議的云模型隸屬度組合法可以較為準確地進行教學質量評價，不僅降低了個人主觀性判斷的干擾，而且改善了教學質量評價結果的有效性。

關鍵詞：教學質量評價;云模型;隸屬度;主觀性;有效性

中圖分類號：G642.0? ?文獻標志碼：A? ?文章編號：1005-2909（2021）04-0007-09

高等教育屬于高層次的教育范疇，不僅可以反映國家教育水平和發展規模，而且可以體現出國家科技發展和綜合國力水平[1-3];因此，有必要擴大國家的高等教育發展規模和提高教育質量水平。但是，對于高等教育而言，發展規模和教育質量往往是矛盾的統一體，教育發展規模過大或招生擴容過快，可能會造成教育教學質量下降等問題，而要保證教育教學質量，則可能影響高等教育的發展規模。故國家高等教育發展，不僅是一個發展規模和數量增長的問題，也是一個教育質量提升的問題。要有效地提升國家高等教育水平的發展，需要有恰當的教育質量評估體系和評價方法，故有必要對高等教育教學質量評價方法進行研究。

目前，高校對教師不僅提出了最低課時要求，也提出了教學質量評價要求。最低課時要求的數量明確且易于實施，但教學質量評價體系和方法往往具有主觀性，現有部分高校仍存在過于重視科研而輕視教學問題，以及教學質量評價體系和方法不完善性等問題，因此，有必要改良和完善教學質量評價體系和方法。許多學者已經對教學質量評價體系和方法進行了研究[4-6]，歐科良[7]以公安院校教學質量評價為例，分析了影響公安院校教學質量評價的主要因素，包括評價的主體、客體、指標體系和方法手段等。趙馨蕊等[8]采用模糊綜合評價模型對三所高校大學物理慕課的教學質量進行了評價分析。陳翔等[9]提出定量和定性相結合的教學質量評價方法，從學生、督導、同行三方面進行了教學質量評價分析。劉玉靜等[10]則以學生學習的投入與收獲為切入點，構建了相應的教學質量評價模型，并進行了實證性研究。從上述研究可以發現，教學質量評價中評價的主觀性和有效性問題一直是教學質量評價的主要問題，如何改善評價的主觀性，提高評價的有效性是教學質量評價體系亟待解決的問題。為此，筆者提出了基于云模型的教學質量評價方法，并對評價方法的主觀性和有效性進行了探討。

一、高校教師教學質量評價的主要內容和有效性

（一）教學質量評價的主要內容

1.教學設計和內容

高校教師的教學工作不僅僅包括基本的課堂教學，還應包括課前基本教學設計以及課后教學效果評估等，具體的教學設計和內容應包含課程目標、教學進度、教學要求及考核辦法等。

2.教師的教學態度和品質

作為一名高校教師，其課堂的講授不僅要清楚、生動，還需要與學生互動以激發其學習熱情。要達到這些品質要求高校教師要有良好的教學態度，在課堂上應注重儀表且保持課堂教學的專注度，深入淺出地傳授知識，注重案例教學，并留意學生對所學內容的反饋;需要教師認真進行課前準備，包含最新資料的收集和課件更新，如例題準備、最新案例的更新和收集、圖片和實物模型準備，等等。

3.課程管理

高校教師不僅是課堂教學的傳授者，也是課堂教學的直接管理者。教師有必要對學生的學習進行有效管理，包括提出學習要求、管理課堂紀律、處理學生在學習和作業中遇到的問題，并給予學生足夠的鼓勵和激勵，培養和保持良好的學習態度。

4.課程考核

恰當的課程考核方式是學生保持良好學習態度和激情所不可缺少的條件之一。課程考核包含作業、報告、課程論文，以及開卷或閉卷考試等多種形式。教師需要根據課程的具體特點，恰當地選擇一種或多種考核形式對學生的學習效果進行考核，保證考核的公平公正性，促進學生學習態度的養成，始終保持學習的激情。

5.教學效果與收獲

教師對于教學內容的講解要通俗易懂，盡量將復雜問題簡單化。而學生要通過課程的學習，較好地掌握基本知識結構，理解基本知識概念，能夠利用所學的專業知識分析和解決相關問題，

學有所獲。

6.教學方式與特色

每個教師的教學方式及特色往往來源于多年的教學經驗積累和個人本身特點，故每位教師的教學方式與特色往往具有鮮明的個人特征，對此進行教學評價既要求具有靈活的思路和動態的評價，也要求滿足具有良好的教學效果這一基本點。教師也需要在教學的過程中，不斷總結歸納出自己的教學方式并努力提高其教學效果。

（二）教學質量評價的有效性探討

教學質量評價體系一般應包含以上六個方面的主要內容，無論是學生、督導，還是同行都應該圍繞著這六個方面綜合評價教師的教學質量。督導或同行僅僅通過一兩次聽課來判斷教師的教學質量往往具有偶然性和片面性，具有采樣不充分等問題。而學生才是課程學習的主體，學生的教學評價是最重要的環節，故許多高校將學生的教學質量評價作為對教師教學質量考核的主要依據。但是，在現實中由于聽課學生較多，學生的學業基礎、學習興趣、自我要求、個人性格等往往不同，在教師教學質量差別不大的情況下，個別學生的不合理評價可能對教師教學質量評價排名產生一定影響。因此，如何避免不合理評價是教學質量評價體系的關鍵環節。采用統計相關理論可以削弱或去除不合理評價的影響，使教師教學質量評價體系更有效、更可靠。為此，筆者將云模型理論引入教學質量評價體系，以期提高教學質量評價結果的有效性。

二、基于云模型的教學質量評價方法

（一）云模型和教學質量評價的有效性

不合理評價問題是影響教學質量評價公正性的關鍵，一般采用

主觀觀察排除法和統計標準差偏移排除法

來剔除不合理評價結果。主觀觀察排除法由于需要教務人員或教師依次觀察每個學生的評分，從中剔除不合理的評分，具有工作量較大且主觀意識較強的缺點。統計標準差偏移排除法相對較好，但需要主觀地確定幾倍的標準差偏移，故也存在一定的主觀性，而且數據排除后會出現采樣數據不完整等問題。故為了提高教學質量評價的有效性，避免傳統的統計平均數等評價方法的不完善性，引入了云模型理論，提出了基于云模型的隸屬度排除法和隸屬度組合法進行教學質量評價的策略。

云模型是一種新的擴展統計模型，該模型可以有效地處理統計問題的隨機性和模糊性，從而為教學質量評價中的有效統計問題提供了一個高效的解決手段[11-14]。云模型采用了三種數字特征來描述統計問題的隨機性和模糊性，包括期望Ex（Expectation）、熵En（Entropy）和超熵He（Hyper-entropy），相應的含義如下[14]。

期望Ex：在統計空間中可以有效地表示統計問題的定性概念的點，也是云模型的重心位置，與統計理論的均值含義相似。

熵En：該項反映了定性概念不確定性，也是定性概念云離散程度的度量，該數字特征既體現了云在定性概念上的隨機性，也體現了定性概念在定量論域上的模糊性。

超熵He：該項反映了熵的不確定性，即定量論域上對定性概念不確定性度量有貢獻云的聚集程度。

考慮教學質量評價問題，例如，某門課共有n個學生進行了教學質量評價，評價的分數為{ x1，…，xi…，xn}，其中xi表示第i個學生的評價成績，則可以確定學生的教學質量評價采樣數據的統計值如下：

就此建立教學質量評價統計樣本云模型，并可通過教學質量評價的隸屬度函數來提高教學質量評價結果的有效性。

（二）基于云模型的教學質量評價方法

為了進行對比，分別列出主觀觀察排除法、統計標準差偏移排除法、云模型隸屬度排除法和云模型隸屬度組合法四種方法的原理和計算公式。

1.主觀觀察排除法

主觀觀察排除法主要由教務人員通過主觀觀察來排除學生評價中的異常分數。由于其工作量較大且主觀意識較強，常常限制了該方法的推廣應用。例如，某門課共有n個學生進行了教學質量評價，評價的成績依次為{ x1，…，xi…，xn}，其中xi表示第i個學生的評價分數。如果教務人員通過主觀觀察發現有一個學生的評價異常，即第j個學生的評價分數xj為異常分數，則主觀觀察排除法可以表示如下。

2.統計標準差偏移排除法

統計標準差偏移排除法主要通過統計理論計算出學生評價的均值和標準差，給出異常標準差的倍數限值，當學生的評價分數超過該限值時，則認為分數異常，予以排除。該方法需要主觀設定標準差倍數的限值，例如中南民族大學的教學質量評價辦法[15]給出了3倍標準差的限值，其“異常高分”和“異常低分”為均值±3倍標準差以外的分數。同樣，當某門課共有n個學生進行了教學質量評價，評價的成績為{ x1，…，xi…，xn}，如果通過統計標準差偏移排除法發現一個學生分數異常，即第m個學生的評價分數xm不合理，則統計標準差偏移排除法可表示如下。

3.云模型隸屬度排除法

云模型隸屬度排除法主要通過云模型計算出學生評價的期望、熵、超熵和隸屬度，給出隸屬度的限值，當學生的評價分數對應的隸屬度值低于該隸屬度限值時，則認為分數異常，予以排除。該方法也需要主觀設定隸屬度限值，一般憑經驗可選取隸屬度限值為0.3或0.4。同樣，當某門課共有n個學生進行了教學質量評價，評價的成績為{ x1，…，xi…，xn}，通過云模型隸屬度排除法發現有一個學生分數異常，即第k個學生的評價分數xk不合理，則云模型隸屬度排除法可表示如下。

4.云模型隸屬度組合法

云模型隸屬度組合法將所有評價數據作為有用數據，并不主觀地排除任何一個異常數據，故該方法具有一定的客觀性和完整性。該方法通過云模型計算出學生評價的期望、熵、超熵和隸屬度，然后將學生評價分數與相應的隸屬度進行組合，并考慮了隸屬度的權值效應，最終給出了相應的總體評價分數。例如，當某門課共有n個學生進行了教學質量評價，評價的成績為{ x1，…，xi…，xn}，可按式（11）計算出相應的云模型隸屬度組合值，云模型隸屬度組合法可表示如下。

云模型隸屬度組合法不需要主觀排除任何一個評價數據，有效保留了每一個學生的評價分數，并且采用隸屬度函數分析處理計算結果，從而減少

了不合理評價的不利影響。該計算過程簡單且易實現，采樣完整，避免了設定標準差限值或隸屬度限值等主觀因素的影響。

在這四種教學質量評價方法中，主觀觀察排除法和統計標準差偏移排除法屬于經典的統計方法，云模型隸屬度排除法和云模型隸屬度組合法屬于云模型方法。

三、工程力學教學質量評價案例研究

以某次工程力學課程教學質量評價數據為例進行質量評價的有效性研究。教學班級采樣數據共有38份，學生主要從教學的設計和內容、教學態度和品質、課程管理、課程考核方式、教學效果與收獲、教學方式與特色六個方面進行了總體評價和打分，詳見表1。表1是從六個方面得到的分項評價結果和學生的總體教學質量評價結果，該結果一般會作為教師教學質量評價的重要依據。表1主要通過所有學生的平均得分來反映教師的教學質量，但是，該評價結果是否具有有效性，是否能真實反映教師的教學質量仍值得探討。故偶爾會出現評價結果公布后，部分教師會反映評價結果可能不可靠，甚至要求重新評價，從而給相關部門工作造成了影響，因此，需要對每個學生評價結果的有效性進行分析。

要具體分析教學質量評價結果的有效性，需要檢查每個學生評價分數的合理性，故表2列出了該課程每位學生的具體評分。

由表2可以發現，學生評分中有異常低分存在，即學生11打出了極低分20分，該分數與大多數學生的分數差異過大。故通過直觀判別認定為異常分數，對教學質量評價影響較大?？紤]到教學質量評價得分對于教師個人的教學質量排名影響較大，因此有必要采取必要的措施提高教學質量評價結果的有效性。

本文分別采取主觀觀察排除法、統計標準差偏移排除法、云模型隸屬度排除法和云模型隸屬度組合法四種方法進行計算和分析，并對各種方法的優缺點進行對比，以期為高校教學質量評價的有效性提供有益的方法或建議。四種方法和傳統平均法的計算結果對比分析如表3。

由表3可知，傳統平均法雖然保留了所有的學生評價數據，但是明顯的不合理評價較為嚴重地影響了教師質量評價結果，特別是當大多數教師教學質量差別不大的情況下，該評價結果可能對教師教學質量排名產生較大的影響。主觀觀察排除法通過工作人員的主觀觀察，可以排除較為明顯的不合理評價，從而取得較好的評價結果，但該方法在人數較多的現實情況下，工作人員需要花大量的時間憑主觀經驗剔除不合理數據，其效率較低且容易出錯，具有過強的人為主觀性。統計標準差偏移排除法可以通過主觀設定標準差倍數排除不合理數據，如本文選擇3倍標準差，但該方法的倍數選擇具有主觀性，缺乏選擇3倍標準差的客觀依據，往往憑經驗選擇，當學生評價分數在均值的3倍標準差附近時，可能因加1分或減1分導致教學質量評價結果發生很大的變化。云模型隸屬度排除法可以通過主觀設定隸屬度限值排除不合理數據，如本文選擇隸屬度限值為0.3，該方法選擇的隸屬度限值也具有主觀性，往往也是憑經驗選擇，當學生評價分數對應的隸屬度在相應限值附近時，同樣可能因加1分或減1分導致教學質量評價結果改變。云模型隸屬度組合法保留了所有的學生評價數據，其總體教學質量評價分數與統計標準差偏移排除法和云模型隸屬度排除法的評分差別小于0.06%，故總體評價結果可以認為是準確的，不會因為少數不合理評價影響教學質量評價結果，且具有完備的采樣數據。

總體而言，主觀觀察排除法因效率較低且人為主觀性過重難于推廣。統計標準差偏移排除法、云模型隸屬度排除法和云模型隸屬度組合法均具有較好的教學質量評價效果，且計算簡單易行，但是統計標準差偏移排除法和云模型隸屬度排除法均可能面臨評價不連續問題，即當個別學生的評價分數在標準差限值或隸屬度限值附近時，學生的評價分數可能多一分或少一分，就會因該分數的排除

引起總體評價分數的突變，從而影響總體教學質量評價，這樣的突變不連續性可能會影響教學質量評價的公正性，故應避免。而云模型隸屬度組合法則完全規避了該類問題的發生，不僅具有較好的教學質量評價效果，而且因考慮了所有學生的評價分數從而保證了評價結果的完全連續性。

四、結語

文章主要提出了基于云模型的教學質量有效性評價方法。首先描述了高校教師教學質量評價的主要內容，分別從教學的設計和內容、教學態度和品質、課程管理、課程考核方式、教學效果與收獲、教學方式與特色六方面進行了闡述和分析，討論了教學評價的主觀性和有效性問題。然后，為了提高教學質量評價結果的有效性，提出了基于云模型的兩種教學質量評價方法，即云模型隸屬度排除法和云模型隸屬度組合法，并與傳統平均法、主觀觀察排除法和統計標準差偏移排除法進行了分析與比較。最后以某工程力學課程的教學質量評價數據為案例進行了計算和研究，得出了以下結論：（1）傳統平均法無法排除不合理評價的影響;（2）主觀觀察排除法雖可以排除不合理評價的影響，但是存在效率較低且人為判斷主觀性過強等問題;（3）統計標準差偏移排除法和云模型隸屬度排除法需要確定排除界限值排除不合理評價，具有一定的可操作性，但兩種方法均需要主觀確定相應的界限值，且界限值臨界處的分數變化會造成總體質量評價分數的不連續性問題;（4）云模型隸屬度組合法不僅保留了所有的教學評價采樣數據，而且可以準確和有效地進行教學質量評價，規避了總體質量評價分數不連續性問題。故采用云模型隸屬度組合法可以較好地進行教學質量評價，并滿足有效性要求。參考文獻：

[1]

沈廣斌. 論發展性高等教育觀[J]. 高等教育研究， 2019， 40（3）： 9-13，106.

[2]馬源. 中國高等教育“雙一流”建設的演化、探索與展望[J]. 四川理工學院學報（社會科學版）， 2019， 34（4）： 70-87.

[3]高書國， 李捷， 石特. 新時代中國高等教育結構調整的戰略研究[J]. 高校教育管理， 2019， 13（3）： 1-9.

[4]倪自銀， 曹玉娟， 劉振海. “以本為本”視角下地方本科高校課程教學質量現狀透視[J]. 揚州大學學報（高教研究版）， 2019， 23（5）： 56-61.

[5]劉金富， 尹紀娜， 王訓令. 大學體育教學質量保障體系研究[J]. 浙江體育科學， 2020， 42（1）： 42-47.

[6] 嚴太山， 文怡婷， 黃紅霞， 等. 實踐類課程教學質量評價指標體系設計及評價方法研究[J]. 湖南理工學院學報（自然科學版）， 2018， 31（2）： 18-22.

[7] 歐科良. 試論公安院校教學質量評價的有效性[J]. 云南警官學院學報， 2009（1）： 1-4.

[8]趙馨蕊， 周雨青. 基于模糊綜合評價法的大學物理MOOC教學質量評價[J]. 高等工程教育研究， 2019（1）： 190-195.

[9]陳翔， 韓響玲， 王洋， 等. 課程教學質量評價體系重構與“金課”建設[J]. 中國大學教學， 2019（5）： 43-48.

[10]劉玉靜， 楊洋. 基于學習投入的高校課程教學質量評價——基于華東地區17所本科高校的實證研究[J]. 教育發展研究， 2019， 38（9）： 27-33.

[11] Li D Y， Liu C Y， Gan W Y. A new cognitive model： Cloud model[J]. International Journal of Intelligent Systems， 2009， 24（3）： 357-375.

[12]Li D Y. Uncertainty in Knowledge Representation[J]. Engineeringence， 2000， 2 （10） ： 73–79.

[13] Bott A. A new method for the solution of the stochastic collection equation in cloud models with spectral aerosol and cloud drop microphysics[J]. Journal of Aerosol Science 2001（2）： 361– 372.

[14] Wang D， Zeng D B， Singh V P， et al. A multidimension cloud model-based approach for water quality assessment[J]. Environmental Research， 2016（149）： 113-121.

[15]? 中南民族大學. 中南民族大學課堂教學質量評價辦法（試行）[S]. 武漢，中南民族大學，2019（41）：1-9.

Research on the effectiveness of teaching quality evaluation method based on cloud model： Taking engineering mechanics course as an example

GUO Huiyonga，b

（a.School of Civil Engineering; b.Key Laboratory of New Technology for Construction of Cities in Mountain

Area， Ministry of Education， Chongqing University， Chongqing 400045， P. R. China）

Abstract：

In order to solve the subjectivity and effectiveness problem of university teaching quality evaluation method， a teaching quality evaluation method based on cloud model is presented and the effective strategy of teaching evaluation to avoid the influence of subjectivity is discussed. First， the main content of university teaching quality evaluation is described， which consists of six parts. Then， the subjectivity problem of teaching quality evaluation system is analyzed， and the effectiveness problem of evaluation result is discussed. Finally， using the advantage of cloud model in dealing with fuzziness and randomness of statistics problem， a teaching quality evaluation method based on cloud model membership is proposed， which can improve the reliability and reduce the subjective disturbance. Taking the evaluation data of an engineering mechanics course as an example， the traditional subjective observation exclusion method and statistical standard deviation exclusion method， and the proposed cloud model membership exclusion method and cloud model membership combination method are utilized to evaluate the teaching quality， respectively. The results show that the cloud model membership combination method can precisely evaluate the teaching quality. The method not only reduces the disturbance of subjective factors， but also improves the effectiveness of teaching quality evaluation results.

Key words：

teaching quality evaluation; cloud model; membership; subjectivity; effectiveness

（責任編輯 梁遠華）