基于马尔科夫预测的课程教学模糊综合质量评价

《基于马尔科夫预测的课程教学模糊综合质量评价》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于马尔科夫预测的课程教学模糊综合质量评价　　摘要：通过调查问卷，以自我评价、学生评价、同事评价等多方位评价角度，收集教师各教学项目指标的评价数据，并加以标准化统一处理，通过建立马尔科夫链模型，对教师各教学评价指标预测，运用熵值法对教师进行教学评估。客观公正地反映教师各教学指标状况，使教师获取及时获取学生的对教学的信息反馈，便于了解自身状况，合理反思和调整自身教学态度、教学方法等，促进教师教育教学水平的提高。　　关键词：马尔科夫预测；熵权模糊综合评价；教学评价　　中图分类号：TP391文献标识码

2、：A文章编号：1009-3044（2016）26-0178-03　　BasedonMarkovIntegratedTeachingQualityAssessmentFuzzy　　ZHANGXiao-qing，JIANGRui　　（ComputerInformationManagement，HanlinCollegeofNanjingUniversityofChineseMedicine，Taizhou225300，China）　　Abstract：Throughquestionnaires，se

3、lf-evaluation，studentevaluation，colleaguesevaluationofmulti-facetedevaluationangle，eachteacherteachingevaluationdatacollectionprojectindicatorsandstandardizecentrally，throughtheestablishmentofMarkovchainmodel，forecastevaluationofteachersteachingeachu

4、singentropymethodforteachersteachingevaluation.4Objectivelyandfairlyreflecttheperformanceindicatorofteachingteacherssothatteachersgettimelyaccesstostudentteachinginformationfeedback，easytounderstandtheirownsituation，rationalreflectionandadjusttheirte

5、achingattitudeandteachingmethodstopromotetheimprovementofteachereducationteachinglevel.　　Keywords：Markov；EntropyFuzzyComprehensiveEvaluation；teachingevaluation　　教学评价是教学活动中不可缺少的一个基本环节，是研究教师的教学素养和学生的学习效果的价值过程，有利于引导教学行为，提高教学质量。然而教学评价是一个非线性过程，具有多变量多因素，传统

6、的教学评价仅仅是根据学生考试成绩来评价教师的教学效果，无法获得造成该教学状况的因素，只是以总结教学效果，教学工作状况的最终型评价。对教学无法起到积极的引导和反馈。　　本文从马尔科夫理论出发，从教师教学素养角度出发对教师各教学项目指标评价预测，再运用熵值法对教师教学状况进行模糊综合测度，不仅可以让教师了解自身教学水平状况，还可以指导教师明白造成该状况的原因，并通过该反馈信息及时调整，修订教学计划，调整教学行为，从而有效的工作以达到所规定的目标。　　1马尔科夫预测与建立马尔科夫模型　　1.1马尔科夫

7、预测定义4　　马尔柯夫预测是将某一事物在某一时间点的状况作为初始状态，并通过将来时刻的状态建立状态之间转移概率矩阵，在此基础上预测该时间点以后的状态变化趋势，是一种与当前时间点无关的非线性时间序列分析法。它基于马尔柯夫链，根据事件的目前状况预测其将来各个时刻的变动状况，它的预测具有未来独立性，与现在和过去的状态无关。　　1.2建立马尔科夫预测评估模型　　对研究事物建立科学的评价指标体系，并进行调查问卷以收集数据，基于每个评价指标进行马尔科夫预测了解各指标当前评价状况：　　1）将评价得分划分为s个

8、等级，即s个状态。设被调查者总数为n，第i等级的被调查者有[ni]个（i=0，1，…，s），则第一次问卷调查后可得初始评价分布。　　2）在该时间点基础上的下一时间点再次进行调查问卷，可分别得到第i个等级的被调查者转移到第j个等级的数目[nij]（i，j=0，1，…，s），进而可得一步转移概率矩阵P。　　通过转移矩阵P。可以该事物的该指标得分将出现“变大”和变小“两种不同状况。假设某指标评价为j等级，j等级向i（i>j）等级转移就是变大，反之则是变小，E是指标得分变大还是变小程度的累加（E=[ni