基于云理论的学习评价模型研究
基于计算机模拟的云模型评价方法研究的开题报告
基于计算机模拟的云模型评价方法研究的开题报告一、研究背景和意义随着计算机技术的不断发展，云计算成为了当前最热门的研究领域之一，其具有高效、安全、可扩展等特点。
云计算平台的质量评价和可靠性测试一直是云计算的热点问题之一，也是众多研究者所关注的焦点。
其中，云模型评价方法是一种新兴的评价方法，通过对云模型进行模拟分析来评估云计算平台的综合性能。
计算机模拟作为一种成本低，效率高，非常适合工程实践中直观分析的方法，可用于云模型的建立和评估。
因此，本研究旨在基于计算机模拟的云模型评价方法，构建可靠的云计算平台评价模型，为云计算平台质量评价提供一种有效的方法。
二、研究内容和方法（1）研究内容本研究的主要内容是基于计算机模拟的云模型评价方法研究。
具体包括以下几个方面：1. 云计算平台的综合性能评价模型构建。
2. 基于云模型的云服务质量评估指标，包括可用性、响应时间、吞吐量等。
3. 基于计算机模拟的云计算平台综合性能评价方法。
4. 实验分析和案例研究，验证模型和方法的有效性。
（2）研究方法1. 文献调研法：对云计算平台的质量评价和云模型评价方法的研究现状进行调查，梳理相关研究成果。
2. 实验模拟法：基于云模型和计算机模拟技术，对云计算平台的综合性能进行模拟评估。
3. 数据分析法：对实验数据进行统计和分析，评估云计算平台的综合性能，验证模型和方法的有效性。
三、预期成果1. 构建基于计算机模拟的云模型评价方法，建立可靠的云计算平台评价模型。
2. 提出一套基于云模型的云服务质量评估指标，实现对云计算平台性能的全面评估。
3. 实验分析并验证评价模型的有效性，提高云计算平台的质量和可靠性。
四、研究进度安排第一年（2019年9月至2020年6月）1. 研究文献调研，了解云计算平台质量评价和云模型评价方法的研究现状。
2. 构建云计算平台的综合性能评价模型，提出云服务质量评估指标。
3. 实现基于云模型的云计算平台性能模拟，分析和统计模拟数据。
基于云教育平台的终身学习模型理论研究
一
、
云教 育平台服 务终身学 习的优势
１ ． 云教育 。云教 育 （ Ｃ ｌ ｏ ｕ ｄ Ｅ ｄ ｕ ｃ ａ ｔ ｉ ｏ ｎ ）实 质上就
是 “ 云计算”在教育领域的应用 ，他将各种教学应 用软件推向云端 ， 用户只需一个账号 ，便可登陆到 个 虚拟环 境 ，享受 全部应 用 。 ２ ． 云教育平台。云教育平台是一个综合的教育 信息化 服务平 台 ，通 过云计算 （ Ｃ ｌ ｏ ｕ ｄ Ｃ ｏ ｍ ｐ ｕ ｔ ｉ ｎ ｇ ） 的理念 ，打破教育时间上的差异性 、教育空间上的 局限性和教育信息上的不对称性 ， 让每一个学习者 拥有一个可用的、平等的教育平台。 ３ ． 云教育平台在终身教育中的优势 。云教育平 台可以提供虚拟的学习环境和 自主协作、研究性的 学 习设 计 以及全 新 的知识管理 模式 ，帮助 学习 者通 过 平 台进行 学 习 、讨论 、提 问 ，并全 程记 录学 习者 的学习过程 。云教育平台提供一个 Ｂ ／ Ｓ 结构的信息 化 教育 服务 ，学 习者 只需 要注册 一个 账号 ，通过 浏 览 器就 可 以参加所 需要 的培训 ，获得 教育支 持服 务 和应 用 软件 服务 。云 教育平 台在 终身教 育领域 有 以 下 优势 ： （ １ ）支持泛在 的学习接人 。云教育平台可提 供多种接入方式和学习工具 ，学习者可通过个人计 算机、手持移动设备、Ｉ Ｖ等进行移动学习。 （ ２ ）为学习者提供个性化的支持服务。云教 育平 台为学 习者提供个性化服务 ， 通过平 台的数字 化 软 件和 支持工 具记 录学 习者 的学 习记 录和学 习过 程， 并针对学习者的兴趣爱好为学习者推荐个性化 的学 习资源 。 （ ３ ） 为学 习 者提 供 个 性化 的学 习选 择 。云 教
二 、基 于云教育 的终身教 育学 习模型 的建立
基于云重心理论的学习评价方法
基于云重心理论的学习评价方法作者：杨婷彭莉峻来源：《现代电子技术》2014年第08期摘要：学生的学习评价是学校培养学生的重要组成部分，如何科学地对学生进行综合评价，是学习评价的关键问题。
云理论主要是把传统的模糊集理论和概率论结合在一起，将概念的模糊性与随机性进行综合考虑，解决了定性值与其定量概念之间转换问题。
该系统建立在云理论基础上，实现了学习评价的不确定转换问题，并应用云重心评价法解决了传统学生学习评价的不足，形成了学习综合评价体系。
关键词：学习评价；云理论；云重心评价法；学习评价指标体系中图分类号： TN964⁃34 文献标识码： A文章编号： 1004⁃373X（2014）08⁃0142⁃03 Learning evaluation methods based on cloud barycenter theoryYANG Ting， PENG Li⁃jun（College of Mechanical and Electrical Engineering，Xi’an Universi ty of Architecture and Technology，Xi’an 710054， China）Abstract： The learning evaluation for the students in school is an important part to train the students. The scientific evaluation for students is the key of learning evaluation. The cloud theory is the one that transforms the qualitative index into quantitative concept， based on the fusion of the traditional fuzzy set theory and probability theory. The uncertain conversion of learning assessment was achieved based on the cloud theory. The cloud barycenter evaluation method was used to overcome the shortcomings of traditional assessment for student learning， and form a comprehensive evaluation system of the student learning.Keywords： learning evaluation； cloud theory； cloud barycenter evaluation method；learning evaluation index system0引言高校学生学习评价是对学生知识掌握、能力形成、素质培养等方面学习水平的考核与评定。
基于云理论的实践教学环节成绩评定方法
基于云理论的实践教学环节成绩评定方法作者：***来源：《科技资讯》2024年第01期关键词：实践教学云模型评价体系数据挖掘中图分类号： TP302 文献标识码： A 文章编号： 1672-3791（2024）01-0178-04实践教学是学校教学工作的重要组成部分，是深化课堂教学的重要环节，是学生获取、掌握知识的重要途径［1］。
通过设定具体目标，可以激发学生学习的主动性，使学生在实践过程中将所学习的理论知识运用到对实际装置或技术的研究中，并实现对技术理论更深层次的理解［2］。
随着“新工科”教育的不断推进，以“解决复杂工程问题”为导向回归实践教学，培养和提高学生工程实践能力、创新思维，以适应新形势下的人才培养需求［3］。
本文以课程设计为例介绍一种基于云模型的成绩评定方法，弥补了之前评价方法的不足，发现了教学过程中存在的问题，成绩评价更加准确客观，教学质量得到了提升。
1 实践教学环节成绩评定体系在工科专业课教学中，实践教学环节一般包括专业课内实验、独立设课实验、课程设计、生产实习与毕业设计等。
以课程设计为例，根据《西安邮电大学实践教学成绩评分标准》中自动化专业相关要求，考核项目分为三部分。
第一部分为学习態度和纪律，占比20%，考核内容包括预习报告质量、考勤签到情况，考查学生学习积极性与前期理论知识功底。
第二部分为实践能力考核，包括软件原理仿真、硬件实物焊接与调试。
该部分为实践环节考核核心内容，考查学生解决实际工程问题的能力，占比50%。
第三部分为实验报告与答辩，占比30%，考核内容包括答辩过程中问题回答情况，实验报告的完整性、规范性与准确性，学生整理资料与书面表达能力。
评分标准内容与分级如图1 所示。
该标准贯穿实践教学每个环节，考查内容全面具体，体现了教学过程的系统性和科学性，符合专业认证背景下的工科人才培养需求。
因为实践环节教学考查具有复杂性、创造性、主观性和模糊性的特点，所以采用等级评定制度判定成绩。
系统评价方法之云模型评价方法
系统评价方法之云模型评价方法云模型评价方法是一种基于云模型理论的评价方法，能够将主观评价转化为数学模型，并进行量化评价。
云模型评价方法应用广泛，可以用于产品质量、服务态度、科研成果等方面的评价。
下面将详细介绍云模型评价方法的原理和应用。
云模型评价方法的基本原理是将主观评价转化为数学模型。
在进行评价之前，首先需要建立评价指标体系。
评价指标体系是评价过程中所使用的指标的有机组成，包括评价指标的定义、评价指标的权重、评价指标之间的关系等。
建立好评价指标体系后，可以根据实际情况，对各个指标进行量化。
云模型评价方法使用了云模型理论中的标准云和自适应云的概念，将评价指标的值映射到云模型中。
标准云是指根据评价指标的取值范围和分布规律，形成的一种标准样本。
自适应云是指根据实际评价指标的取值，自动生成的一种模糊样本。
通过比较自适应云和标准云的形状，可以得到评价的结果。
云模型评价方法的应用非常广泛。
首先，它可以用于产品质量的评价。
对于项产品，可以建立一套评价指标体系，包括产品的外观、功能、性能等方面的指标。
通过对这些指标进行量化评价，将评价结果转化为云模型，从而得到产品的质量等级。
其次，云模型评价方法也可以用于服务态度的评价。
对于项服务，可以建立一套评价指标体系，包括服务的热情程度、责任心、专业水平等方面的指标。
通过对这些指标进行量化评价，将评价结果转化为云模型，从而得到服务的质量等级。
此外，云模型评价方法还可以用于科研成果的评价。
对于项科研成果，可以建立一套评价指标体系，包括科研成果的重要性、创新性、实用性等方面的指标。
通过对这些指标进行量化评价，将评价结果转化为云模型，从而得到科研成果的质量等级。
综上所述，云模型评价方法是一种将主观评价转化为数学模型的评价方法，能够将评价结果量化，提高评价的客观性和准确性。
它可以应用于产品质量、服务态度、科研成果等方面的评价，具有广泛的应用前景。
基于云重心理论的学习评价方法
基于云重心理论的学习评价方法【摘要】本文介绍了基于云重心理论的学习评价方法。
探讨了云重心理论在学习评价中的理论基础，指出其重要性和独特性。
分析了目前学习评价的研究现状，探讨了现有方法的局限性。
接着，提出了基于云重心理论的评价指标体系构建方案，包括核心概念和具体指标的设定。
然后，介绍了实施方法，包括如何运用云重心理论指导学生评价和提升学习效果。
通过案例分析展示了这一方法的实际应用效果。
结论部分强调了基于云重心理论的学习评价方法的有效性，指出其对于提高学生学习成绩和促进学习效果的重要作用，具有很大的实践价值。
通过本文的研究，可以进一步促进学习评价方法的创新和完善，为提高教育教学质量提供有力支撑。
【关键词】云重心理论、学习评价方法、理论基础、研究现状、评价指标体系构建、实施方法、案例分析、有效性。
1. 引言1.1 基于云重心理论的学习评价方法基于云重心理论的学习评价方法是一种基于认知心理学的评价方法，通过对学习过程中个体的认知能力、情感态度、行为表现等方面进行综合评估，旨在全面了解学生的学习情况和发展趋势。
云重心理论认为，学习是一个个体与环境相互作用的过程，个体对信息的吸收、加工和运用受到环境因素和个体自身条件的影响。
在学习评价中，云重心理论提醒我们要注重个体的主观意识和认知特点，不仅仅关注表面的学习成绩，更要关注学生在学习中的思维方式、学习习惯和自我调节能力。
基于云重心理论的学习评价方法将个体的认知、情感和行为等多个维度纳入评价体系，通过量化和定性的方式对学生进行全面评估。
在构建评价指标体系时，需要充分考虑学生的学习特点、个性差异和学习目标，以确保评价的全面性和有效性。
在实施评价方法时，可以采用问卷调查、观察记录、访谈等多种方式收集数据，进一步分析学生的学习表现和发展趋势。
通过案例分析基于云重心理论的学习评价方法在实际教学中的应用效果，可以更加直观地了解该方法对学生成长的促进作用。
结合理论和实践，可以得出基于云重心理论的学习评价方法在提高学生学习效果和发展潜力方面具有显著的有效性。
云计算背景下的学生课程评价模式探究
352016年/第二十七期/九月（下）云计算背景下的学生课程评价模式探究瞿小宁（长沙商贸旅游职业技术学院湖南・长沙410019）摘要互联网事业在我国发展迅速，广泛应用于各行各业。
在“互联网+”战略的指导下，教育系统如何应用互联网带来更高的教学效能值得人们思考。
而这对此类问题的研究更多地集中在网络资源应用层面，对于其与教学制度的互动与变更研究相对较少。
本文以云计算为基本依托，以学生课程评价模式为研究对象，对二者之间的互动以及具体的应用模式为探究目标。
旨在通过本文的分析能够为今后的相关教学改革，以及云计算走入校园提供必要的理论基础与实践指导。
关键词云计算课程评价教学改革模式路径中图分类号：G712文献标识码：ADOI:10.16400/ki.kjdkx.2016.09.018Research on Students ’Curriculum EvaluationMode under the Background of Cloud ComputingQU Xiaoning(Changsha Commerce and Tourism College,Changsha,Hu'nan 410019)Abstract Internet business has developed rapidly in our country,widely used in all walks of life.In the "Internet plus"strategy under the guidance of the education system,how to use the Internet to bring the teaching efficiency of higher worth thinking.And the research of this kind of problem is more concentrated in the application of network resources,and the interaction and change of the teaching system is relatively small.Based on the cloud computing as the basic support to the student curriculum evaluation model for the study of the interaction between the two and the specific application of the model for the research ob-jectives.The purpose of this paper is to provide the necessary theoretical basis and practical guidance for the relevant teaching reform in the future,as well as the cloud computing into the campus.Key words cloud computing;curriculum evaluation;teaching reform;path 0引言“互联网+”战略的提出，为未来我国一段时期内的产业结构优化与社会结构优化提供了一种新的思路。
基于云模型的主观信任评价模型——以淘宝网为例
为
某一信任等级基准云，采用指数距离法计算当前主观信任云与信
任标准云的相似度。
2012年12月 255
Forum 学术论坛
…
算法4：云相似度算法
(1)采用欧几里得距离计算法计算
，
(2)
。
1.7 相似信任云的差异计算
有两个主观信任云，
和
这两个信任云与信任等级基准云之间的差异度。
模糊性和随机性的相关性，代表了信任的取值范围。信任超熵 是
熵不确定性的度量，由熵的随机性和模糊性共同决定，可以看作每
次评价的凝聚性。
1.3 信任等级基准云
信 任 等 级 基 准 云 是 一种 特 殊 的 信任 云模 型，是由德 尔 菲 法
得到的一套评 价体系，由多个云构成，作为信任等级划分的标
准，每个等级都是由专家或用户充分交易且无恶意推荐下形成的
表1 等级基准云
评价等级
I(完全不信任)
0
0.05
0.01
II(不信任)
0.15
0.05
0.01
III(接近信任)
0.4
0.083
0.01
IV(信任)
0.6
0.067
0.01
V(完全信任)
基于主体结合自身的特点进行的，因此具有较强的主观性、随机性
和模糊性，为了将信任评价这种特征进行定性和定量的反映，引入
云模型来刻画，为主体信任决策提供更合理有效的支持。
1.1 信任云的定义
设 是一个可以用精确数值表示的信任评价论域， 是与 相
联系的定性评价值。 中的元素 对于 所表达的定性评价概念的
隶属度 是一个具有稳定倾向的随机数， 在论域 上的分
1 信任云模型及其算法
基于云模型理论和层次分析法下的干部在线学习中心网络课程评价模
・ １ ６ ３ ・
明显反映学员对于课程 的认可程度和重视程度 ， 其 次数据要便于获得和应用。 当前国内远程教育课程 评价存在评价 目的不够清晰 、 对象不够明确 、 内容 难 以确定 、 体系不够完善缺乏实用性等问题 ， 因此 评价指标的设计难 以有权威性 的条例可参照１ ７ １ 。参 考项 目组人员 的意见 ， 并结合平台数据特征 ， 确定 本文模型所采用的指标有 ： 课程评语 ， 选课数 ，完 成度 ， 周末学习占比四项。课程评语数据来源于每 门网络课程的自带ｉ ￣ － Ｆ ｔ 功能， 学员可以 自由发表对 于课程意见 。其余三项指标都是学员客观行为数 据。 因此可以说本文的数据来源综合了主客观两方
意义ｍ 。 １ ． １ 网络课程评价概述 从数据获取方式的角度来看 ，对于网络课程 的 评价方法可分为主观和客观两类。主观方法通常采 图 １ 课 程 资 源建 设 流 程 图 图 ２ 评 价 模 型 设 计 图 示
用如专家组意见 、 学员问卷调查等方式 ， 而客观方法 着重于对客观数据的挖掘ｌ ｌ ｌ Ｚ ｌ ， 从而探寻其内在规律。 相 比较而言 ，主观方法能够 比较直接的获得与评价 标准相关数据 ， 易于操作 ， 但设计 自由度大 、 主观｜ 陛 强， 评价结果很大程度上依赖于方法的设计 ； 客观方 法数据来源可靠， 但是对数据挖掘能力要求很高。早 期 的评价大多倾 向于主观评价的方式 ，随着计算机 技术的进步和大数据时代的到来 ，后者开始受到青
睐。
常见的网络课程评价模型主要有以下 几种 加权平均法。即考虑各因素的权重 ， 按照加权 图 ３各年度选课数 图４ ２ ０ １ ３年 １ ２月份选课数分布 方式计算总评价分 。 ｂ 模 糊综合评价方法。 主要针对定性描述与量化 对于在线课程 ， 学员每年度都有学习量的要求。学员可以自由选择 评价的问题 ， 通过采用模糊化理论 ， 使评价更接近真实的结果。常见的 课程 ，有时也会根据组织要求学习特定的课程 。学员的一系列行为包 模糊理论模型有 ： 物元评价理论目 ， 云模型理论 ，灰色系统理论等 。 登陆 ， 选课， 完成课程学习， 留言评价等。 ｃ ＿ 神经网络模型。通过采取多层前馈式模型， 模拟专家意见对网络 括 ： 在线学习中心的学员行为是本文数据主要来源， 针对在线学习中心 课程的质量提出建立 ， 从而大幅度减少 人 工评价的成本。 系统的后台局数据建立模型进行挖掘，研究和评价大数据下学员学 习 相比较而言 ， 加权平均法侧重考虑各影响因素之间的关系 ， 模糊综 行为， 从而得到对课程资源的反馈评价。 本文数据来源于大连市干部在 合评价方法擅于处理定性描述与定量评价间的矛盾 ， 而神经 网络模型 线学习中心平台 ２ ０ ０ ８ 年 ９月至 ２ ０ １ ４ 年３ 月的后台数据。 等适用于获得更多可靠地评价数据。 ２ 评价模 型设计 本文以在线学习中心平 台的大量用户行为数据为基础 ，采用改进 ２ １ 模 型概述 层次分析法的设计模型， 增强交互性对于课程体系评价的影响， 同时通 评价对象 ： 在线学习中心的网络课程。 截至数据获得时间， 在线学习 过的对数据有效的预处理， 合理采用云模型实现数据模糊处理， 使数据 中心已上传课程 ２ ６ ７ ２门课程， 共分为十一大类和 ５ ５ 小类 。 模型最终要 更贴近真实结果。 对其中的 ２ ５ ７ ６门课程做出评价。 １ ． ２大连市干部在线学习中心学习系统及网络课程 模型假设： 课程受重视程度和学员对课程 的认可程度。得到的后台 大连市干部在线在线学习中心系统是由大连市委组织部 、 人社局 、 包括选课行为 ， 学习时间 ， 评语等。如 党校和财政部联合创建与管理的网络平台， 面向全市公务人员 ， 以提高 数据是一列的学员学习行为数据， 果不同类型的课程的宏观数据指标存在差异 ，那么这种差异可以认为 党政干部素质、 加强干部执政能力为 目标 ， 为学员提供各类便利的网络 学习资源 ， 主要有 网络课程 ３ ０ ０ ０余 门（ 截至 ２ ０ １ ４年 ６月 ） ， 网上报考 是在同一环境下学员行为对于课程质量的反馈。通过比较这种相对差 异， 可 以得到各 课程 之间 的相 对评价 结果 。 厅， 中经视频， 以及各类期刊数据库等。
基于云理论和粗集的教学质量评估模型
性 ， 成评估结 果不 够准确 和全面 。 造
云 理 论 回 粗 集 ｌ 处 理 不 确 定 信 息 的 两 种 重 要 和 引 是
工具 ，两者有各 自的特点 ，在功能上具有 一定 的互 补 性， 两者相结合使用能 够增强对信息的处理能力 ， 掘 挖 出数据 中更多有 价值的隐含信息 。本 文提出 了一种基
蒋 建 兵 ， 梁 家荣 ， 江 伟 ， 顾 志鹏
（ 广西 大学计 算机 与电子 信息 学院 ， 宁 ５ ０ ０ ） 南 ３ ０ ４
摘
要 ：结 合 云 理 论 和 粗 集 在 处 理 不 确 定信 息 方 面 的 优 点 ， 出 了一 种 新 的 教 学 质 量 评 估 模 型 。 提 本 模 型 通 过 粗 集 中 的属 性 重要 度 来 计 算 评 估 指 标 的权 重 ： 过 云 决 策 器将 评 估 指 标 值 通 转 化 为 定性 评 价 。 实验 证 明 ， 评 估 模 型 具 有 可 行 性 和 准 确 性 。 该
ｏ ＯＥＮＣ ＰＴ ０ ＭＤＲ Ｏ ＵＥ ２７ Ｍ Ｒｏ５
．
维普资讯
研究ｓ开发
中采 用 粗 集 中 的相 关 理 论 来 确 定 评 估 指 标 权 重 。
（ ） 估 指 标 体 系 的 确 定 １ 评 （ ） 于 粗 集 的权 重 确 定 ３基
（ ， 中 ｃｒ 示 集 合 的 基 ，ｔ Ｃ为 条 件 属 性 分 别 ∽ 其 ａｄ表 ａｔ ｒ
求 出各属性 的重要 度 之后 ， 进行 权 值化 处 理 ， 得 到 就
『 教学效果
课 堂
教学内容 ｌ 难 Fra bibliotek理 Ｉ 教学方法 ｌ
基于云理论的学习评价模型研究
０ 引 言
定性 评价 在生 活 中有 着广 泛 的应用 ， 学生 成 绩 从 的评 定 到复 杂工 程 的 综 合评 定 都 需 要 有 准 确 明 了 的 定 性 评价 … 。对 学 生学 习 的定 性 评 价 既 能让 学 生 了 解 自己对 知识 的掌 握 程度 和激 发学 习动 机 的作用 ， 同 时也是 教 师检 查 教 学 效 果 的 重要 手 段 。传统 评 价 方 法通 常是 采用 多次 考试 成绩 平 均值 法 ， 然而 这种 方法 是典 型 的硬划 分 方 法 ， 在 众 多 的 弊 端 ： 存 比如 将平 均 分数是 ８ ０分就 确 定 为 对 该科 目知 识 掌握 的好 ， 而平 均分数 ７ ９分就 确定 为对 该科 目知识 掌握一 般 。这是 不 够深 刻 的 ， 际上 ７ 和 ８ 的差 距并 没有 那 么 实 ９分 ０分 大。 云 理 论 能 够把 自然 语 言 中定 性 概 念 的模 糊 性 和 随机 性有 机 综合 在一 起 ， 实现 定性 语 言值 和定量 数 值 之 间转换 ， 是研究 不 确定 性 的重要 工具 。将 云理 论 应 用 到学 习定性 评价 中 ， 以有效 地对 学 生成 绩进 行 软 可
云模型理论在网络课程满意度 评价模型构建中的应用
云模型理论在网络课程满意度评价模型构建中的应用作者：牛杰李众戴艳来源：《中国远程教育》2013年第09期【摘要】本文提出一种远程教育中网络课程满意度评价模型。
利用云模型理论融合了模糊性和随机性的特点，采用改进的逆向云发生器实现评价指标评语的定性定量转换，用于描述指标的实际情况。
与传统算法相比，该方法的结果并非是单一数值表示，可以全面地反映各个指标及总体指标的实际趋势。
实验表明，评价结果详尽直观，具有一定的实践意义。
【关键词】满意度测评；云模型；逆向云发生器【中图分类号】 TP391 【文献标识码】 A 【文章编号】 1009—458x（2013）09—0036—04一、引言现代远程教育教学质量在学校教育指标中非常重要。
建立一套科学有效的教学质量评价体系，以保证教学质量的稳定和不断提高，意义深远。
在我国远程开放教育中，建立一个统一的满意度评价指标体系可以更好地帮助院校了解远程教育实施的实际情况。
在评价过程中，一般采取定性的语言，利用调查问卷的形式进行。
融合了主观模糊性和随机性的云理论[1]，实现了定性语言值与定量数值之间的自然转换，在数据挖掘[2]、智能控制[3]、系统评测[4]等领域都得到广泛应用。
在教育领域，云理论模型也得到了一些应用。
胡石元根据云模型的公式实现了教学评语的定性定量转换[5]；蒋健等在学习评价和教学质量评估中对于数据的处理，也通过了云理论模型的方法，并且实验证明了该方法的可行性和有效性[6]。
常用的评估系统模型存在不同的指标。
加权平均法[7]首先设定各项指标的权值，利用各项指标的权重系数加权平均求出最终的评价等级，快捷简单地用单一的数值实现了评价目标。
其缺点是不能反映出被评价对象单独指标的具体情况。
另外，该方法没有考虑自然语言的模糊性和评价者主体的随机性。
如果笼统地将得分合并，可能导致信息缺失。
模糊评价方法[8]根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。
基于云重心理论的学习评价方法
基于云重心理论的学习评价方法【摘要】本文基于云重心理论，探讨了基于云重心理论的学习评价方法。
首先介绍了云重心理论的概念和原理，然后详细解释了如何运用这一理论来进行学习评价。
通过案例分析，我们发现应用云重心理论进行学习评价能够更全面地了解学习者的认知、情感和行为特征。
文章还探讨了这一方法的优点和局限性，并展望了未来在学习评价领域的应用前景。
通过本文的研究，我们可以更好地了解学习者的需求和表现，为教育教学提供更科学的评价方法。
【关键词】云重心理论、学习评价方法、案例分析、优点、局限性、前景展望、总结、未来研究方向1. 引言1.1 背景介绍云重心理论是一种基于大数据挖掘和分析的心理学理论，其提出了“云重心”概念，即每个人在心理状态上存在一个“云重心”，代表了其最主要的关注点和情绪特征。
这一理论在学习评价领域具有重要意义，可以帮助评价者更准确地了解学习者的需求和心理状态，从而制定更科学、针对性的评价方法。
随着教育技术的不断发展和应用，传统的学习评价方法逐渐显露出不足之处，无法全面、准确地反映学习者的学习情况和需求。
基于云重心理论的学习评价方法应运而生。
这一方法通过通过大数据分析学习者的行为数据和情绪反馈，识别出学习者的“云重心”，并根据其特点制定个性化的评价方案，以实现更精准、有效的学习评价。
本文旨在探讨基于云重心理论的学习评价方法在实际应用中的效果，挖掘其优点和局限性，并展望未来的发展方向。
通过深入研究云重心理论在学习评价领域的应用，可以为教育评价领域的发展提供重要的理论支持和实践指导。
1.2 研究目的研究目的是探讨基于云重心理论的学习评价方法对于提高学习效果的作用，以及评价该方法在实际教学中的应用情况。
通过研究学习者在不同学习阶段的重心变化情况，找出影响学习效果的关键因素，并提出相应的改进建议。
为了验证云重心理论在学习评价中的有效性，将结合实际案例进行分析，探讨云重心理论与传统评价方法之间的差异及优劣势。
基于大数据的云课堂学生评价模式的研究
基于大数据的云课堂学生评价模式的研究作者：沈明海来源：《职业（上半月刊）》 2019年第10期文 / 沈明海一、针对传统课堂，剖析存在问题根据嘉兴市计算机应用基础学业水平统一测试的要求，教师需要对学生进行理论和实操全方位的教学，并让学生全面掌握理论知识和操作技能。
在实际教学评价过程中，教师对学生知识与技能的掌握情况存在两方面的偏差：一是学生掌握知识情况教师不能准确判断，难以有针对性地开展个性化教学；二是传统的评价以体现学生期末考试情况为主，学生平时的表现情况体现不多，缺乏全面性和科学性。
二、对标云课堂，提出过程性评价移动云课堂是指利用移动学习工具，学生能在课前、课中、课后随时随地进行学习、与教师互动，教师能根据学生的学习表现，进行教学诊断。
从学生的角度来说，强调了学习的过程性，突出学生的主体性，调动学生的参与性，促进了学习的互动性，且重视评估的形成性和系统性。
从教师的角度来讲，有利于教师转变角色，提升教学科研能力，促进教师的自我成长。
过程性评价除了关注学生的学习结果外，更关注学生的学习过程，主要采取教学目标与教学过程并重的评价标准，能及时地反馈学生学习的动机、过程和效果等情况，促进学生反思和总结学习过程中遇到的问题。
教师在使用蓝墨云班课的过程中，所有的课件、图片、微视频、文档、网页链接等资源都可以发给学生，也可以发起签到、小组任务活动、答疑讨论、测试、头脑风暴、投票问卷等活动，同时也可以管理学生信息，记录教学全过程，跟踪学生的学习进度，发布挂科预警，形成过程性评价。
学生可以利用移动设备工具预习、上课、复习和测试，他们的学习状况会通过班课平台反馈给教师。
三、依托云课堂，开展组织制度建设组织制度是在教学开展过程中用来规范学生学习行为的重要手段，它保证了良好的教学秩序。
因此，在云课堂背景下，建立一个完善的课堂组织制度是一堂课顺利开展的重要保证，有利于提高学生自我管理的意识，是过程性评价实施的基本保障。
基于网络云空间的在线学习效果评价
基于网络云空间的在线学习效果评价摘要：在线教学中，学生学习状态监控是一个难点，为有效掌握学生学习效果，基于超星泛雅平台，以“高等数学”下册在线教学为背景，以结果为导向，以综合评价为手段，分析系统评价指标及数据采集方法，选取科学的评价指标，建立学习效果评价指标体系，确定各级指标权重，将师生通过云平台教学产生的学习大数据量化处理后转换成适合学习效果评价的基础数据，对学生学习效果进行综合评价，以综合学习成绩的形式较为公正地体现了学生的学习效果，并为教师在线教学前期发现学生学习异常行为提供信息化测评手段。
关键词：云空间;大数据;互动;在线学习;效果评价疫情期间开展的在线教学极大地促进了教学信息化的进程。
谢幼如等提出在线教学方式代表着以互联网为基础的支持服务和创新要素，重塑传统教学内容、重构传统教学结构、再造传统教学流程和创新传统教学方法，变革现有教育组织模式、服务模式和教学模式进而构建智能时代新型教育生态[1]。
在在线教学中师生物理隔离，学生学习状态的掌握也是一个难点和痛点，难以直接判断学生学习效果，需要辅助的参数指标来验证。
即使在传统课堂上，教师没有精力也没有时间关注到每一名学生的学习效果。
赵辉提出的混合式教学效果评价指标，从教师教学角度出发，建立评价指标体系和指标权重[2]。
徐丹提出以形成性评价与过程性评价相结合的评价原则，设计针对学生学习情况的评价方案[3]。
依托云平台在线教学，从学生的角度进行大数据收集、分析、统计，建立准确反映学生当前学习效果的评价体系，反映学生的学习效果。
一、研究前提结合“高等数学”下册的教学任务，选择超星泛雅学习平台，连接“一平三端”，辅以超星直播客户端，进行在线教学。
通过教学互动，尽可能还原课堂教学效果，同时在线教学平台采集学生学习数据，作为数据统计分析、成绩计算的依据。
根据教学需要共设置1个网络课程，3个虚拟班级，共150人，按照教学大纲、教学任务和课表组织教学。
学生使用移动端和超星泛雅平台进行自主学习。
基于云理论的评估方法初探
基于云理论的评估方法初探[摘要]在评估过程中需要处理好定量数据与人们习惯的定性语言描述之间的矛盾。
云理论在解决处理定性-定量指标综合评价问题方面具有很好的优势和特性。
[关键词]云理论；评估1、引言评估问题以实际的样本数据作为基本依据，通过不同的解算方式，实现对某一问题的定性和定量化描述，以辅助人们对事物的学习和认知。
因此在评估过程中需要处理好定量数据与人们习惯的定性语言描述之间的矛盾。
云理论在解决处理定性-定量指标综合评价问题方面具有很好的优势和特性。
本文正是基于此而展开研究。
2、云理论的基本概念设U是一个用精确数值量表示的论域，U上对应的定性概念A，对于任意一个论域中的元素x，都存在一个有稳定倾向的随机数y∈[0，1]，叫做x对A的隶属度，则隶属度在论域上的分布称为隶属云，简称为云。
云的数字特征反应了定性知识的定量特性，用期望值Ex、熵En、超熵He3个数值来表征，如图2所示。
期望值Ex：是概念在论域中的中心值，是最能代表这个定性概念的值，它100%地隶属于这个定性概念。
熵En：是定性概念模糊度的度量，反映了在论域中可被这个概念所接受的数值范围，体现了定性概念亦此亦彼性的裕度。
超熵He：可谓熵En的熵，反映了云滴的离散程度。
超熵越大，云滴离散度越大。
3、基于云理论的评估方法3.1相关各指标的云模型表示（1）针对目标评价指标体系，邀请专家对三项指标（A1、A2、A3）分别进行评价。
（2）运用云理论，将语言值用相应的3个数字特征值来表征，从而实现了从定性到定量的转化，转化之后如表1所示。
（4）由表2、公式（3）、（4）可以求得坦克驾驶模拟器训练效果3项评价指标分别的云模型的参数Ex、EN，超熵He的值依据评语本身的模糊程度来调整，这里取值0.03。
则求得各指标的云模型参数如表2所示。
（5）模型综合。
利用层次分析法求得A1、A2、A3的权重值（0.4，0.4，0.2），将权重代入式（5）进行计算，得出综合评价云模型E0（0.7125，0.04251，0.01341）。
云模型在学评教定性评价中的应用研究的开题报告
云模型在学评教定性评价中的应用研究的开题报告一、选题背景及意义学评教是高校管理的重要内容之一，其主要目的是帮助高校了解学生对教学活动的反馈，提高教学质量和教学效果。
目前，学评教采用定性评价和定量评价相结合的方式进行，其中定性评价是通过问卷等形式向学生了解教学内容、教学方法、教师素质等方面的评价，然后进行定性分析。
然而，传统的定性评价方法存在主观性强、评价结果不稳定的问题，无法对评价结果进行科学分析和系统化处理。
云模型是灰色系统理论的发展而来的一种数学分析方法，能够较好地处理不确定性和不完备性问题，具有较高的科学性和稳定性。
因此，本研究将探讨如何将云模型应用于学评教定性评价中，以提高评价结果的科学性和系统化程度，为高校管理提供更可靠的数据支持。
二、研究内容和方法本研究将以某高校为例，采用问卷调查的方式向学生了解教学内容、教学方法、教师素质等方面的评价，然后利用云模型对评价结果进行定性分析。
具体研究内容包括以下三个方面：1. 构建学评教定性评价指标体系。
根据传统学评教问卷中的评价内容，结合云模型的特点和优势，构建一套适合云模型的学评教定性评价指标体系，以便后续的评价分析。
2. 运用云模型对学评教定性评价结果进行分析。
将学生的评价结果转化为云数，然后结合云模型的云滴生成、云重心以及云向量等方面的理论，对评价结果进行科学、系统的分析。
3. 评价结果的可靠性和实用性分析。
在分析评价结果的过程中，将结合定量评价的结果，以探究评价结果的可靠性和实用性，以及云模型在学评教定性评价中的应用效果。
三、预期成果和意义本研究的主要预期成果包括：1. 构建云模型应用于学评教定性评价的指标体系，为高校学评教提供新的科学分析方法和技术手段。
2. 运用云模型对学评教定性评价结果进行分析，在科学性和系统化程度上均能达到较高的水平，为高校教学质量评估提供更可靠的数据支持。
3. 分析评价结果的可靠性和实用性，探究云模型在学评教定性评价中的应用效果，为后续相关研究提供借鉴和参考。
基于云模型的智能教学系统中学习质量的评价
基于云模型的智能教学系统中学习质量的评价刘丽珍;王旭仁;刘杰;黄向阳;王万森【摘要】提出将云模型理论应用于智能教学系统的学生模型构建中，建立一种基于云模型的学生学习质量评价方法，利用云对概念的贡献程度进行数据离散化，并引入云变换计算隶属云，最后结合极大判定算法求出更加符合实际的学习质量等级划分。
实验结果表明，这种新的评价方法得出的隶属概念不仅能够反映出学生对知识点的掌握程度，还能够反映出学生在学习中的发挥稳定性、心理素质等情况，有利于提高智能教学系统的应用效率。
%In traditional tutoring system, students learning quality is identified by rigid classification regardless of the uncertainty of results. Cloud model theory is applied to construct student model in Intelligent Tutoring System. And an evaluation approach of student learning quality based on cloud Model was proposed. In the paper, students＇ test grades are as cloud drops, and data is discretized by contribution of the concept of cloud. Further, transform algorithm is introduced to computer attached cloud. Finally, maximum decision making algorithm is used to obtain more actual grade partition of learning quality. Experimental results show that subordination concept can not only reflect the mastery of knowledge points, but also reflect stability and psychology of student learning. The research will help improve the effic, iency of Intelligent Tutoring System.【期刊名称】《计算机教育》【年(卷),期】2011(000)015【总页数】4页(P38-41)【关键词】智能教学系统;云模型;学习质量评价【作者】刘丽珍;王旭仁;刘杰;黄向阳;王万森【作者单位】首都师范大学信息工程学院,北京100089;首都师范大学信息工程学院,北京100089;首都师范大学信息工程学院,北京100089;首都师范大学信息工程学院,北京100089;首都师范大学信息工程学院,北京100089【正文语种】中文【中图分类】G642随着计算机信息技术与网络技术的飞速发展，人们对教育有了更高的期望，传统教学系统已难以满足人性化和智能化的需求。
基于云模型的高校学生评教方法研究
基于云模型的高校学生评教方法研究耿秀丽摘要：学生评教在评教指标设定和评教信息处理方法上都存在很多不足。
本文以上海L大学网络评教系统为例，分析了学生评教方法存在的具体问题，提出了改进的评教指标体系和基于云模型的评教信息处理方法，应用实例分析验证了所提方法的有效性，最后给出了结论和建议。
关键词：学生评教；云模型；指标体系G642.0 文献标志码：A ：1674-9324（2017）01-0011-02我国高等教育开始进入大众化阶段，高等教育由大向强转变的根本标志是人才培养质量的整体提升。
其中学生评教是教学质量控制的重要手段之一，也被看作“教学质量保障的根本制度”。
[1]学生评教指高等院校学生对教师的课堂教学质量进行评价。
[2]目前教育界对学生评教有效性存在质疑与争议，在评价指标体系是否合理，在实际的教学管理中应该如何处理和应用评教数据等方面都存在很多的问题。
国内高校主要把学生评教作为一种教学行政管理控制手段，评价指标体系的设计不够合理，只注重教，忽视了学，使学生评教有失客观性和公正性。
甚至有学者认为学生评教不但不能促进教学质量，还会导致教师不敢从严管理学生，导致教学质量滑坡。
[3]评教指标也没有考虑到课程类型，实际上，学生评价必修课教师更侧重于教师的教学水平，而评价选修课教师则侧重于教师知识的广度和深度。
[4]此外，评价指标等级用数值代替，没有考虑语义评估的模糊性和随机性。
最终的评价结果仅是一个单一的数值，不能反映出教师在各评价指标方面的具体状况，难以有效对教学进行准确评估。
本文以上海L大学为例，分析学生评教指标体系和评价方法存在的问题，提出了基于云模型的评教信息处理方法。
一、上海L大学学生评教指标体系和方法存在的问题目前上海L大学的本科教学学生评价指标共有6个，包括认真负责、条理清晰、内容充实、课堂组织、答疑辅导、促进学习兴趣。
指标权重是管理者主观确定的，分别为：0.1，0.2，0.2，0.2，0.1，0.2。
- 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)。
计算机与现代化 2008年第3期J I S UANJ I Y U X I A NDA I HUA总第151期文章编号:100622475(2008)0320017203收稿日期:2007203220基金项目:国家自然科学基金资助项目(60564001);广西研究生教育创新计划资助项目(2006105930812M21)作者简介:蒋建兵(19792),男,广西全州人,广西大学计算机与电子信息学院硕士研究生,研究方向:人工智能,数据挖掘;梁家荣(19662),男,广西玉林人,教授,博士,研究方向:人工智能,数据挖掘。
基于云理论的学习评价模型研究蒋建兵,梁家荣,江 伟,顾志鹏(广西大学计算机与电子信息学院,广西南宁530004)摘要:云理论是定量与定性之间转换的有效工具。
基于云理论本文提出了一种新的学生学习评价模型。
该模型能客观、准确地将学生平时科目测试成绩转化为对科目知识掌握程度的定性评价,并且能够对学生心理素质及发挥的稳定性进行分析,挖掘出更多有价值的信息。
实验证明该模型的可行性和有效性。
关键词:定性评价;云理论;云变换;数据挖掘中图分类号:TP18 文献标识码:AResearch on Eva lua ti on M odel of Studen t Grade Ba sed on C loud TheoryJ IANG J ian 2bing,L IANG J ia 2r ong,J IANG W ei,G U Zhi 2peng(College of Computer and Electr onic I nf or mati on,Guangxi University,Nanning 530004,China )Abstract:Cl oud model is an effective t ool in transfor m ing bet w een qualitative concep ts and their quantitative exp ressi ons .A ne w method of evaluati on model of student grade is given,based on cl oud theory .This model can objectively transfor m subject exa m ina 2t orial grade int o the knowledge gras p degree .Student mental character als o can be analysed thr ough it .It can m ine more valid in 2f or mati ons .Experi m ent p r oves it is feasible and valid .Key words:qualitative evaluati on;cl oud theory;cl oud transf or m;data m ining0 引 言定性评价在生活中有着广泛的应用,从学生成绩的评定到复杂工程的综合评定都需要有准确明了的定性评价[1]。
对学生学习的定性评价既能让学生了解自己对知识的掌握程度和激发学习动机的作用,同时也是教师检查教学效果的重要手段。
传统评价方法通常是采用多次考试成绩平均值法,然而这种方法是典型的硬划分方法,存在众多的弊端:比如将平均分数是80分就确定为对该科目知识掌握的好,而平均分数79分就确定为对该科目知识掌握一般。
这是不够深刻的,实际上79分和80分的差距并没有那么大。
云理论能够把自然语言中定性概念的模糊性和随机性有机综合在一起,实现定性语言值和定量数值之间转换,是研究不确定性的重要工具。
将云理论应用到学习定性评价中,可以有效地对学生成绩进行软划分,使评价结果不仅能够反映出知识的掌握程度,而且还反映出学生心理素质及发挥的稳定性。
本文给出了具体的基于云理论的学习评价模型,用实例证明了模型的可行性。
1 云理论相关概念1.1云概念设U 是一个用精确数值表示的定量论域,C 是U 上的定性概念,若定量值x ∈U,且x 是定性概念C 的一次随机实现,x 对C 的确定度μ(x )∈[0,1]是有稳定倾向的随机数,μ:U →[0,1]Πx ∈U x →μ(x )则x 在论域U 上的分布称为云(Cl oud ),每一个x 称为一个云滴[2]。
云的整体特性可以用云的数字特征来反映:期望Ex 1、期望Ex 2,熵En 、超熵He,记为C (Ex 1,Ex 2,En,He )。
其中Ex 1ΦEx 2,当Ex 1<Ex 2时,表征的是梯形云模型;当Ex 1=Ex 2时,表征的是正态云模型。
18 计 算 机 与 现 代 化2008年第3期1.2正态云模型和梯形云模型正态分布广泛存在于自然现象、社会现象、科学技术以及生产活动中,在实际中遇到的许多随机现象都服从正态分布或近似服从正态分布。
这也是用正态云表达原子概念具有良好普适性的基础[3]。
正态云是梯形云的一种特例,梯形云模型是相对于正态云而言更为一般的云模型。
梯形云模型与正态云模型的数字特征熵En 和超熵He 的含义是一致的,两者之间主要区别在于前者的期望Ex 1<Ex 2:说明梯形云模型存在一个区间[Ex 1,Ex 2]的值是100%的属于所描述的概念;而正态云模型期望Ex 1=Ex 2,则只有一个元素肯定属于所描述的概念。
因而两者所适合描述的对象有所不同,比如用正态云模型来表示概念“20岁左右”,而用梯形云模型来表示概念“青年”。
人们通常都会把年龄在22～26岁之间的人看做是青年,具有多个年龄肯定属于“青年”,用梯形云来描述更能完整地表达其含义。
1.3逆向云发生器和x 条件云发生器[2]逆向云发生器的作用就是从给定数量的云滴中还原出云的数字特征值,以实现从定量的数值向定向语言值的转换。
x 条件云发生器作用就是对给定特定的x 值,产生这个x 在概念中对应得一个云滴,即得到x 对该概念的一个隶属度。
1.4改进云变换算法利用现有云理论中云变换方法[4],只能生成正态云和半正态云概念。
考虑到梯形云模型在生活中具有的一般性和其表示概念易理解性,本文将原有云变换算法进行改进。
新的云变换算法生成的概念C i 可以是梯形云、半梯形云、正态云、半正态云,具体类型由数据的实际分布和给定误差阈值决定。
定义给定论域中某个数据属性X 的频率分布函数f (x ),根据X 的属性值频率的实际分布情况,自动生成若干粒度不同的云C i (Ex 1,Ex 2,En,He )的叠加,每个云代表定性的概念,这种从连续的数值区间到离散的概念的转换过程,称为云变换。
其数学表达式为:f (x )ϖ∑ni =1(a 13C i (Ex 1,Ex 2,En,He ))式中a i 为幅度系数;n 为变换后生成离散概念个数。
改进云变换算法具体如下:算法1:改进云变换算法。
输入:一任意的数据分布概率密度函数f (x ),误差阈值θ。
输出:包括正态云和梯形云概念的云模型集Cl ouds 。
BEGI N(1)C LOUDS =NULL;h (x )=f (x );(2)WH I L E (max (h (x )<θ)){;(3)hi =Find_high (h (x ));//寻找数据分布上一个峰值(4)hl =Search_left (hi,h (x ));(5)hr =Search_right (hi,h (x ));/3在峰值hi 的左边和右边的一定距离内分别搜寻其它峰值,如果没有,则返回hi 本身3/(6)if (hl!=hr&&Judge (hl,hr,h (x ))){/3Judge 函数判断在h (x )在两峰值间是否近似水平3/(7)Ex 1=hl;Ex 2=hr;//生成梯形云原子概念(8)En =calc_En (h (x ),Ex 1,Ex 2,θ);/3将曲线h (x )上区间[Ex 1,Ex 2]看成一点,拟合曲线h (x )计算梯形云熵En 3/}else{(9)Ex 1=Ex 2=hi;//生成正态云原子概念(10)En =calc_En (h (x ),Ex 1,Ex 2,θ)/3根据云期望曲线拟合曲线h (x )计算正态云熵En 3/}(11)ai =(h (Ex 1)+h (Ex 2))/2;//ai 为幅度系数(12)CLOUDS =C LOUDS ∪{(Ex 1,Ex 2,En,ai )};(13)h (x )=h (x )2ai 3CLOUD_EXP (Ex 1,Ex 2,En );/3原数据分布减去已知的数据分布,得到新的数据分布3/}(14)CLOUDS =Calc_He (C LOUDS,f (x ),h (x ));//根据最终拟合残差计算各云模型的超熵E ND2 云理论学习评价模型的构建云理论学习评价模型能够对一定阶段内该学生某科目的多次平时测试成绩进行处理,尽可能地挖掘出隐藏在其中的有价值信息,如学生测试时的心理素质和学生对该科目知识的掌握程度等,分别为学生的学习和教师的教学提供参考。
下面给出云理论学生成绩评价模型的形式化语言描述算法:(1)选取该科目历史数据库中一定量的该校往届同年级学生平时测试成绩作为训练数据,利用改进云变换算法进行处理,得到能代表该科目知识掌握程度的定性概念A i (Ex 1,Ex 2,En,He )。
(2)将一个待评价学生的各测试成绩看作一个云滴,利用逆向正态云发生器得到对应该学生的正态云C i (Ex,En,He )。
对每个学生成绩重复进行这步操作。
(3)将第(2)步得到的各Ex 分别作为x 条件云发生器的输入,求出对每一个概念A i 的隶属度,采用最大值法确定最终所属概念。
算法说明:第(1)步是充分利用了以往的历史数据信息,使得到定性概念A i 能够将学生对知识掌握程度进行定性描述。
定性概念A i 的具体类型由数据的实际分布和给定误差阈值θ决定。
θ可根据专家经验给出。
2008年第3期蒋建兵等:基于云理论的学习评价模型研究19 第(2)步是基于在一定阶段内此学生该科目的多次测试成绩通常是近似正态分布的,由逆向正态云发生器生成的正态云概念Ci(Ex,En,He)能够反映出该学生考试时的心理素质及发挥的稳定性。
En,He大说明心理素质及发挥的稳定性较差。
这些有价值的信息是其他评价方法通常反映不出的,体现了云理论进行定性评价的特有优势。
这一步中测试成绩的个数越多,则生成的正态云的数字特征的误差越小。
实验证明个数大于10时,就可以较准确地得到Ex,误差小于0.01。
第(3)步是根据隶属度最大值法,确定每个学生该科目成绩所对应的定性概念Ai,也就是确定此学生对该科目知识的掌握程度。