虚拟学习社区的绩效评估模型
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ì0 x < a1 ï ï x - a1 a £ x < a 2 ï a 2 - a1 1 ï1 a £ x < a V Li ( x) = í 2 3 ï x-a 4 ï a £ x < a4 ï a3 - a 4 3 ï0 x ³ a 4 î
L 1
于文章篇幅， 不对评价因素权值的确定过程作叙述， 假定各因
对目前网络学习评价大多仅限于对在线测验成绩进行评价的不足， 充分利用综合评判带来的信息， 结合社区协作学习和自主学 习的特点， 建立了一个社区学习绩效模糊综合评价模型。为了解决模型评价结果为隶属向量， 模糊度较大和最大隶属原则有可 能导致评价结果失真的问题， 重点提出并建立隶属等级量化精确模型对评价向量作进一步量化， 进一步准确区分学生， 并与初等 量化方法作了比较分析。 关键词： 社区学习绩效； 能力评价； 隶属度向量； 等级量化 DOI： 10.3778/j.issn.1002-8331.2011.04.005 文章编号： 1002-8331 （2011） 04-0017-05 文献标识码： A 中图分类号： TP39
Aij 值如图 1 所示。 素权重 Ai、
ì ï ï网络自主学习评价u1 ( A1 = 0.3) ï ï 学习绩效评价 í ï知识水平测评u 2 ( A 2 = 0.4) ï ï ï学习能力水平评价u3 ( A3 = 0.3) î ì浏览教材时间u11 ( A11 = 0.3) ï í浏览教辅资料时间u12 ( A12 = 0.3) ï参与讨论发表情况u ( A = 0.4) 13 13 î ì平时成绩u 21 ( A 21 = 0.4) í î期终成绩u 22 ( A 22 = 0.6) ì个人学习能力u31 ( A31 = 0.5) í î合作学习能力u32 ( A32 = 0.5)
基金项目： 国家自然科学基金 （the National Natural Science Foundation of China under Grant No.70871091， No.60804042） 。 作者简介： 程艳 （1976—） ， 女， 博士， 副教授， 研究方向为人工智能、 智能计算机辅助教育和数据挖掘等； 许维胜 （1966—） ， 男， 博士， 教授， 博士生导 师， 主要研究方向为智能控制等； 何一文 （1966—） ， 男， 博士研究生， 工程师， 主要研究方向为数据挖掘等。E-mail： chyan88888@ 收稿日期： 2009-12-01 修回日期： 2010-12-09
学习绩效评价?????????????????网络自主学习评价u1a103???????浏览教材时间u11a1103浏览教辅资料时间u12a1203参与讨论发表情况u13a1304平时成绩u21a2104期终成绩u22a2206个人学习能力u31a3105合作学习能力u32a3205知识水平测评u2a204学习能力水平评价u3a303图1学习社区绩效评估体系结构图182011474maa1ifa1a2a3a4a1a32???a4a3a2a162?a22?a3a1a46otherwise4所以学习活动综合评价成绩u1abcd的反模糊化值可按下式计算
u12 u13} ， u 2 ={u 21 u 22} ， u3 ={u31 u32} 。式中 ui 为各评价因素， Ai 为对应权重； uij 为其下层评价因素，Aij 为相应权重值。限
{优， 良， 中， 及格， 不及格}的五等级评价方式[11]， 分别用等级变 量 L1, L 2, , L5 表示。把从优到不及格， 或从好到差的等级次 序称为降序， 如 { 优， 良， 中， 及格， 不及格} 和 { 好， 较好， 一般， 较差， 差}； 反之， 从差到好的等级排列称为升序。 可设定各等级的隶属度， 隶属度可以通过一个隶属函数 给出， 模糊数的计算是繁复的， 选择合适的模糊数将给后面的 讨论带来许多方便之处[12]。取 L-R 型模糊数， 首先定义基准函 数 L( x)（见图 2） 。
虚拟学习社区是一种新型的学习组织， 是当代社会需求 和科学技术及其学与教理论相结合的产物。虚拟学习社区的 功能体现在两个方面： 一是为 e-Learning 构建一个交互环境以 作为传统学习的补充； 二是为学习者提供一种良好的环境以 作为实现学习目的的平台。文献 [1] 中的 Helpdesk 系统， A.I [2-3] naba、 T.Tamura、 R.Ohkubo 等开发的 TGF 系统 ， 以及黄荣怀、 林凉在 WebCLTM 协作学习平台中利用 Agent 构建的 E-Tutor 系统[4]等， 都从不同角度对这种新型学习平台进行了研究。目 前对虚拟社区的相关研究中， 对结果评估研究还比较少， 评估 这方面的主题将会是今后研究的重点。所谓虚拟学习社区， 是指借助网络和通信技术， 由各种不同类型和个体组成， 通过 教学、 研究等活动建立一个虚拟的社会形态， 以交互学习、 协 作学习和自主学习方式为主， 使学习者获取知识、 增进理解和 提高技能， 形成以此为目的的一个交互的区域。基于此目的，
Computer Engineering and Applications 计算机工程与应用
2011， 47 （4）
17
虚拟学习社区的绩效评估模型
程 艳 1， 许维胜 2， 何一文 2 CHENG Yan1， XU Weisheng2， HE Yiwen2
1.江西师范大学 计算机信息工程学院， 南昌 330022 2.同济大学 电子与信息工程学院， 上海 201804 1.College of Computer Information Engineering， Jiangxi Normal University， Nanchang 330022， China 2.College of Electronics and Information Engineering， Tongji University， Shanghai 201804， China CHENG Yan， XU Weisheng， HE Yiwen.Effectiveness assessment model of virtual learning puter Engineering and Applications， 2011， 47 （4） ： 17-21. Abstract： According to the characteristics of the virtual learning community， this paper assesses its effectiveness combining the learners’ enthusiasm， knowledge and ability.Since current assessment models mainly deal with the results of online tests， a fuzzy integrative model is set up based on mutual， cooperative and independent learning.According to the index of online learning activities， an independent study evaluation submodel is established.In order to accurately distinguish students and narrow the fuzzy disparity and the distortion caused by the maximum member theory， a more appropriate submodel is here put forward on the basis of online learning activities.It suggests a member quantitative model to further quantify the member vector resulting from the knowledge level and ability assessment submodel， to update the former elementary parisons and analysis are also made. Key words：community learning effectiveness； ability assessment； membership vector； classification quantitative 摘 要： 基于虚拟学习社区的特点， 综合社区学习者学习积极性、 知识水平和能力水平三个方面来对学习社区绩效进行评估。针
18
2011， 47 （4）
Computer Engineering and Applications 计算机工程与应用 根据经验， 将 f ki 模糊化为 5 等， 即：L1 ： 80 ≤ f ki ≤100， 为 “优” ；L 2 ： 60≤ f ki <80， 为 “良” ；L3 ： 40≤ f ki <60 为 “中” ；L 4 ： 20≤ f ki <40， 为 “较差” ；L5 ： 0≤ f ki <20， 为 “差” 。找出与各学习 活动相对应的等级后， 根据各变量 L1 ～ L5 所对应的值 （等级 变量的数值化见 3.2 节） ， 再将先前求出的权重 Ai ， 依照加权平 均法得出下式：
1
前言
综合社区学习者学习积极性、 知识水平和能力水平这三个方 面来对学习社区绩效进行评估。 目前的网络学习评价大多仅限于对在线测验成绩进行评 价， 这种评价是不科学的， 评价不应只是学习结束后简单的总 结性判断， 而 应 贯 穿 整 个 e-Learning 学 习 过 程 中 。 由 于 e-Learning 学习评价过程要综合考虑许多因素， 既有确定性的 因素， 也有很多模糊因素， 并且各因素之间又有层次之分， 考 虑到这些问题， 采用基于等级隶属度量化的二级模糊综合评 判模型对社区学习绩效进行综合评价。另外， 由于 e-Learning 系统的学习评价过程的因素集中有的因素可以进行定量分 析， 而有的因素只能进行定性分析， 根据不同的情况， 选用不 同的方法来确定隶属度， 不同的评价模型所得评价结果的模 糊度存在差别， 怎样可使评价结果获得较小的模糊度是一个 值得研究解决的问题。如多目标模糊评价的模型[5-6]的结果是 一个与评语集相对应的隶属度向量， 而最大隶属原则有可能
（2）
则可计算出学习过程的综合评价成绩 u1 。其中各等级变量 L 值的确定是接下来要讨论的内容。
2
评价因素和多层次评价指标体系的建立
评价指标是获得科学、 客观的评价结果的根本保证 。根
[9]
3.2
等级变量的数值化
在目前的学习评价中大多采用的是 V ={V1 V 2 V 的信息越多， 这个模型就能达 到更高的精确度。依据网络教学的特点， 结合实际教学经验， 主要从社区学习者学习积极性、 知识水平和能力水平这三个 方面对社区学习绩效进行综合评价， 确定了网络社区学习绩 效评价指标体系。如图 1 所示。 设评价因素集合为定义为 U ={u1 u 2 u3} 。其中 u1 ={u11
u1 = å( Ai ´ Li)
i=1 n
导致评价结果失真。其中文献[7]所提出的确定评价等级的置 信度准则同样存在使评价结果失真的问题。为解决这一问
7-8] 题， 人们进行了大量的研究工作[5， 。其中文献[5， 8]的研究结
果仅仅是一个均值， 而非一个模糊集合。本文中网络学习能 力模糊评价子模型和网络成绩模糊评价子模型的评价结果也 是与评语集相对应的隶属度向量， 为了解决最大隶属原则导 致评价结果的模糊度较大和评价结果失真问题， 充分利用综 合评判带来的信息， 提出并建立隶属度等级量化模型对评价 结果作进一步量化， 达到进一步准确区别学生水平的目的， 并 用等级量化精确模型对量化初等模型进行了改进。
（3）
图1
学习社区绩效评估体系结构图
3
网上学习活动的量化
从学习社区学习者的学习活动情况可判断其学习的积极
0 a1 a2 a3 a4 x
性。由于网络学习评价的因素中有的可以进行定量分析， 如 测试成绩， 而有的尤其是学习过程中的因素只能进行定性分 析， 由于模糊理论是根据模糊不精确的信息对人类主观表达 的概念作大概的定量化处理[10]， 可利用模糊理论将其定量化。
L 1
于文章篇幅， 不对评价因素权值的确定过程作叙述， 假定各因
对目前网络学习评价大多仅限于对在线测验成绩进行评价的不足， 充分利用综合评判带来的信息， 结合社区协作学习和自主学 习的特点， 建立了一个社区学习绩效模糊综合评价模型。为了解决模型评价结果为隶属向量， 模糊度较大和最大隶属原则有可 能导致评价结果失真的问题， 重点提出并建立隶属等级量化精确模型对评价向量作进一步量化， 进一步准确区分学生， 并与初等 量化方法作了比较分析。 关键词： 社区学习绩效； 能力评价； 隶属度向量； 等级量化 DOI： 10.3778/j.issn.1002-8331.2011.04.005 文章编号： 1002-8331 （2011） 04-0017-05 文献标识码： A 中图分类号： TP39
Aij 值如图 1 所示。 素权重 Ai、
ì ï ï网络自主学习评价u1 ( A1 = 0.3) ï ï 学习绩效评价 í ï知识水平测评u 2 ( A 2 = 0.4) ï ï ï学习能力水平评价u3 ( A3 = 0.3) î ì浏览教材时间u11 ( A11 = 0.3) ï í浏览教辅资料时间u12 ( A12 = 0.3) ï参与讨论发表情况u ( A = 0.4) 13 13 î ì平时成绩u 21 ( A 21 = 0.4) í î期终成绩u 22 ( A 22 = 0.6) ì个人学习能力u31 ( A31 = 0.5) í î合作学习能力u32 ( A32 = 0.5)
基金项目： 国家自然科学基金 （the National Natural Science Foundation of China under Grant No.70871091， No.60804042） 。 作者简介： 程艳 （1976—） ， 女， 博士， 副教授， 研究方向为人工智能、 智能计算机辅助教育和数据挖掘等； 许维胜 （1966—） ， 男， 博士， 教授， 博士生导 师， 主要研究方向为智能控制等； 何一文 （1966—） ， 男， 博士研究生， 工程师， 主要研究方向为数据挖掘等。E-mail： chyan88888@ 收稿日期： 2009-12-01 修回日期： 2010-12-09
学习绩效评价?????????????????网络自主学习评价u1a103???????浏览教材时间u11a1103浏览教辅资料时间u12a1203参与讨论发表情况u13a1304平时成绩u21a2104期终成绩u22a2206个人学习能力u31a3105合作学习能力u32a3205知识水平测评u2a204学习能力水平评价u3a303图1学习社区绩效评估体系结构图182011474maa1ifa1a2a3a4a1a32???a4a3a2a162?a22?a3a1a46otherwise4所以学习活动综合评价成绩u1abcd的反模糊化值可按下式计算
u12 u13} ， u 2 ={u 21 u 22} ， u3 ={u31 u32} 。式中 ui 为各评价因素， Ai 为对应权重； uij 为其下层评价因素，Aij 为相应权重值。限
{优， 良， 中， 及格， 不及格}的五等级评价方式[11]， 分别用等级变 量 L1, L 2, , L5 表示。把从优到不及格， 或从好到差的等级次 序称为降序， 如 { 优， 良， 中， 及格， 不及格} 和 { 好， 较好， 一般， 较差， 差}； 反之， 从差到好的等级排列称为升序。 可设定各等级的隶属度， 隶属度可以通过一个隶属函数 给出， 模糊数的计算是繁复的， 选择合适的模糊数将给后面的 讨论带来许多方便之处[12]。取 L-R 型模糊数， 首先定义基准函 数 L( x)（见图 2） 。
虚拟学习社区是一种新型的学习组织， 是当代社会需求 和科学技术及其学与教理论相结合的产物。虚拟学习社区的 功能体现在两个方面： 一是为 e-Learning 构建一个交互环境以 作为传统学习的补充； 二是为学习者提供一种良好的环境以 作为实现学习目的的平台。文献 [1] 中的 Helpdesk 系统， A.I [2-3] naba、 T.Tamura、 R.Ohkubo 等开发的 TGF 系统 ， 以及黄荣怀、 林凉在 WebCLTM 协作学习平台中利用 Agent 构建的 E-Tutor 系统[4]等， 都从不同角度对这种新型学习平台进行了研究。目 前对虚拟社区的相关研究中， 对结果评估研究还比较少， 评估 这方面的主题将会是今后研究的重点。所谓虚拟学习社区， 是指借助网络和通信技术， 由各种不同类型和个体组成， 通过 教学、 研究等活动建立一个虚拟的社会形态， 以交互学习、 协 作学习和自主学习方式为主， 使学习者获取知识、 增进理解和 提高技能， 形成以此为目的的一个交互的区域。基于此目的，
Computer Engineering and Applications 计算机工程与应用
2011， 47 （4）
17
虚拟学习社区的绩效评估模型
程 艳 1， 许维胜 2， 何一文 2 CHENG Yan1， XU Weisheng2， HE Yiwen2
1.江西师范大学 计算机信息工程学院， 南昌 330022 2.同济大学 电子与信息工程学院， 上海 201804 1.College of Computer Information Engineering， Jiangxi Normal University， Nanchang 330022， China 2.College of Electronics and Information Engineering， Tongji University， Shanghai 201804， China CHENG Yan， XU Weisheng， HE Yiwen.Effectiveness assessment model of virtual learning puter Engineering and Applications， 2011， 47 （4） ： 17-21. Abstract： According to the characteristics of the virtual learning community， this paper assesses its effectiveness combining the learners’ enthusiasm， knowledge and ability.Since current assessment models mainly deal with the results of online tests， a fuzzy integrative model is set up based on mutual， cooperative and independent learning.According to the index of online learning activities， an independent study evaluation submodel is established.In order to accurately distinguish students and narrow the fuzzy disparity and the distortion caused by the maximum member theory， a more appropriate submodel is here put forward on the basis of online learning activities.It suggests a member quantitative model to further quantify the member vector resulting from the knowledge level and ability assessment submodel， to update the former elementary parisons and analysis are also made. Key words：community learning effectiveness； ability assessment； membership vector； classification quantitative 摘 要： 基于虚拟学习社区的特点， 综合社区学习者学习积极性、 知识水平和能力水平三个方面来对学习社区绩效进行评估。针
18
2011， 47 （4）
Computer Engineering and Applications 计算机工程与应用 根据经验， 将 f ki 模糊化为 5 等， 即：L1 ： 80 ≤ f ki ≤100， 为 “优” ；L 2 ： 60≤ f ki <80， 为 “良” ；L3 ： 40≤ f ki <60 为 “中” ；L 4 ： 20≤ f ki <40， 为 “较差” ；L5 ： 0≤ f ki <20， 为 “差” 。找出与各学习 活动相对应的等级后， 根据各变量 L1 ～ L5 所对应的值 （等级 变量的数值化见 3.2 节） ， 再将先前求出的权重 Ai ， 依照加权平 均法得出下式：
1
前言
综合社区学习者学习积极性、 知识水平和能力水平这三个方 面来对学习社区绩效进行评估。 目前的网络学习评价大多仅限于对在线测验成绩进行评 价， 这种评价是不科学的， 评价不应只是学习结束后简单的总 结性判断， 而 应 贯 穿 整 个 e-Learning 学 习 过 程 中 。 由 于 e-Learning 学习评价过程要综合考虑许多因素， 既有确定性的 因素， 也有很多模糊因素， 并且各因素之间又有层次之分， 考 虑到这些问题， 采用基于等级隶属度量化的二级模糊综合评 判模型对社区学习绩效进行综合评价。另外， 由于 e-Learning 系统的学习评价过程的因素集中有的因素可以进行定量分 析， 而有的因素只能进行定性分析， 根据不同的情况， 选用不 同的方法来确定隶属度， 不同的评价模型所得评价结果的模 糊度存在差别， 怎样可使评价结果获得较小的模糊度是一个 值得研究解决的问题。如多目标模糊评价的模型[5-6]的结果是 一个与评语集相对应的隶属度向量， 而最大隶属原则有可能
（2）
则可计算出学习过程的综合评价成绩 u1 。其中各等级变量 L 值的确定是接下来要讨论的内容。
2
评价因素和多层次评价指标体系的建立
评价指标是获得科学、 客观的评价结果的根本保证 。根
[9]
3.2
等级变量的数值化
在目前的学习评价中大多采用的是 V ={V1 V 2 V 的信息越多， 这个模型就能达 到更高的精确度。依据网络教学的特点， 结合实际教学经验， 主要从社区学习者学习积极性、 知识水平和能力水平这三个 方面对社区学习绩效进行综合评价， 确定了网络社区学习绩 效评价指标体系。如图 1 所示。 设评价因素集合为定义为 U ={u1 u 2 u3} 。其中 u1 ={u11
u1 = å( Ai ´ Li)
i=1 n
导致评价结果失真。其中文献[7]所提出的确定评价等级的置 信度准则同样存在使评价结果失真的问题。为解决这一问
7-8] 题， 人们进行了大量的研究工作[5， 。其中文献[5， 8]的研究结
果仅仅是一个均值， 而非一个模糊集合。本文中网络学习能 力模糊评价子模型和网络成绩模糊评价子模型的评价结果也 是与评语集相对应的隶属度向量， 为了解决最大隶属原则导 致评价结果的模糊度较大和评价结果失真问题， 充分利用综 合评判带来的信息， 提出并建立隶属度等级量化模型对评价 结果作进一步量化， 达到进一步准确区别学生水平的目的， 并 用等级量化精确模型对量化初等模型进行了改进。
（3）
图1
学习社区绩效评估体系结构图
3
网上学习活动的量化
从学习社区学习者的学习活动情况可判断其学习的积极
0 a1 a2 a3 a4 x
性。由于网络学习评价的因素中有的可以进行定量分析， 如 测试成绩， 而有的尤其是学习过程中的因素只能进行定性分 析， 由于模糊理论是根据模糊不精确的信息对人类主观表达 的概念作大概的定量化处理[10]， 可利用模糊理论将其定量化。