资源描述：
《教师评估数学建模》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、一、摘要学校是一个充满着评价人的场所，每时每刻都在对各个人进行评价。毫不夸张地说评价教师是学校里每个人的“日常功课”。由于教师职业劳动的特殊性，它是复杂劳动。不能仅仅用工作量来评价教师的劳动，同时评价教师的人员纷繁复杂，方式多种多样。评价教师的标准往往束缚着学校的教学质量，教师教学的积极性。所以教师评价的确定就显的很重要。新课程强调：评价的功能应从注重甄别与选拔转向激励、反馈与调整；评价内容应从过分注重学业成绩转向注重多方面发展的潜能；评价主体应从单一转向多元。那么如何公正、客观地评价教师的同时，有效地保护教师的教学积极性和帮助
2、提高学校的办学水平呢？此模型的建立改变了以往同类模型的多种弊端，从另一角度更加合理地分析、评价，就是为了更公平，公正地对教师做出合理的评价，从而促进学生发展和教师提高。本he"governingforthepeople","Nomattertheinterestsofthemasses"conceptunderstandingisnotinplace.Thespecificworktreatswiththedeployment,afewleadingcadrescomplainthatworkistoocomplicated,t
3、oomuchresponsibility,thepressureistoolarge,toomuchemphasisonthedifficultyofthework.Forexample,noncoalmine模型主要用了模糊数学模型和对各项评价付权重的方法进行建模分析。从（1）教师对自己的评价，（2）学生对教师的评价；（3）由专家组对教师的评价的角度出发，通过量化，加权，得出结果。然后确定三方面的比重来评价教师。同时通过确定教师自评与他人评价的比值范围，而确定这次评价是否有效。在各个方面采用的数学模型如下：1、 教师对自己的评
4、价：教师对自己的满意度，既体现教师的主人翁意识也保护教师的教学积极性。(i∈[1,16])（Q表示教师自评的得分Pi表示教师对自己各项符合度而打的分数Di表示对教师自评要求各项所加给的权重）2、 学生对教师的评价：表明以学生为主体，体现了模型的客观性，公平、公开的原则。==A（U，V）（U为评价的主要因素，Vhe"governingforthepeople","Nomattertheinterestsofthemasses"conceptunderstandingisnotinplace.Thespecificworktreat
5、swiththedeployment,afewleadingcadrescomplainthatworkistoocomplicated,toomuchresponsibility,thepressureistoolarge,toomuchemphasisonthedifficultyofthework.Forexample,noncoalmine为评价因素分等。Ci为学生对教师的各项评价要求所付的权重N为填写有效调查表的人数）3、 由专家组成通过听课对教师的评价：表明专家对教师指导性，帮助教师提高教学水平。体现了评价的权威性，
6、真实性。同时也是作为教师提拔的一个方面。（1）建立综合评价矩阵（2）综合评价B=A⊕R=（b1,b2,……，bm）M（∧，∨）----主因素决定型Bj=max{（airij），1<=i<=n}(j=1,2,……，m)分别载1.2.3中加权进行如下计算以表明确定得分的有效性，超出的、这个范围就意味着无效。范围0.75<=M<=1.25 （0.75<=M<=1.25为教师的分的有效性Q为教师自评的总分Whe"governingforthepeople","Nomattertheinterestsofthemasses"concept
7、understandingisnotinplace.Thespecificworktreatswiththedeployment,afewleadingcadrescomplainthatworkistoocomplicated,toomuchresponsibility,thepressureistoolarge,toomuchemphasisonthedifficultyofthework.Forexample,noncoalmine为专家评判的总分R为学生评价的总分）模型的缺点和推广优点：（1）采用模糊数学建模，充分考虑许
8、多因素。评价尽量客观，真实，全面（2）采用加权，分等。使教师之间互相的竞争，同时也保护了教师的积极性（3）模型分为三个方面进行建模，以教师自我评价的主要方面，综合评议。真正体现评价的发展性、引导性和促进性。不足（1）没有大量的数据来调整模型的系数，使模型更加贴进
