《基于云模型的混合教学教师技能评价分析》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

基于云模型的混合教学教师技能评价分析

范文

郭学品+罗自强

摘要：随着高校教学改革的不断推进，越来越多的高校采用混合式教学模式从事教学活动，从而也对教师技能提出了新的要求。对混合式教学模式下的教师技能进行客观具体的评价成为重要环节。采用云模型理论的虚拟云算法对教师技能进行评价，体现了评价本身所具有的模糊性和随机性，评价结果真实，符合实际情况，并挖掘出有价值的教学信息。

关键词：混合式教学；评价；云模型；逆向云；虚拟云

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）33-0127-02

Abstract： With the continuous progress of teaching reform in colleges and universities， the hybrid teaching mode is applied to teaching activities， which also put forward new requirements for teachers' skills. The evaluation of the teachers' skills in the mixed mode of teaching is an important part of the evaluation. This paper uses virtual cloud algorithm to evaluate the teachers' skills based on cloud model theory，which reflects the fuzziness and randomness of the evaluation.The evaluation results， the actual situation， and can find out some valuable teaching information.

Key words： blended teaching； evaluation； cloud model； backward cloud； virtual cloud

1 引言

随着我国高等教育的深化发展，越来越多的高校开始关注和采用混合式教学模式。许多高校已经开始使用各种网络教学平台，开展混合式教学。信息技术和教育教学的深度融合已经成为高校提高教学效果和教学质量的重要手段[1]。越来越多的教育工作者也开始探讨高校混合式教学的设计与应用效果。

混合式教学结合了传统教学模式的优点和网络化学习的优势，实现学习效果的最优化。何克抗教授[2]认为，混合式教学把传统学习方式和网络学习方式的优势结合起来，一方面发挥了教师的主导作用，另一方面又调动了学生的积极性和创造性。

不同于传统的课堂教学模式，混合式教学对教师技能方面提出了一些新的要求。对教师技能的评价成为学校教学质量监控的重要环节。由于教师技能评价本身所具有的随机性和模糊性等特性，这就需要我们的评价方法能够体现出这种评价的随机性和模糊性，使评价结果更加符合实际情况。采用云模型的评价方法可以实现定性和定量之间的转换，体现出评价结果的随机性和模糊性，反映出被评价对象的实际情况。另外，运用云模型进行评价，不仅得出综合评价结果，还可以分析出更多有价值的教学信息[3]。

2 云模型理论

2.1 云模型概念

云模型是处理定性概念和定量表示之间的不确定性转换模型[4]，是处理定性和定量映射关系的有效工具。设[U]为数值表示的定量论域，[C]为论域[U]上的定性概念，对于任意值[x∈U]，[x]对[C]的确定度[μc（x）]是一个具有稳定倾向的随机数，即[μc（x）∈0，1]，则称[x]为云滴，云滴在论域[U]上的分布形成云[5]。

云模型由三个数字特征值来表示，分别是期望Ex、熵En和超熵He。其中期望Ex为最大程度地代表定性概念，熵En反映了事物的模糊性和随机性，超熵He反映了所有云滴的凝聚性[6] 。云模型能将事物的模糊性和随机性很好地结合起来。

2.2 云发生器

云发生器包括正向云发生器和逆向云发生器。正向云发生器通过云模型的数字特征值[（Ex，En，He）]产生云滴，反映出数据的分布范围。逆向云发生器则以一组云滴C（[x]，[μc（x）]）为样本，获取定性概念的云模型数字特征值[（Ex，En，He）]，实现将数值转换为定性语言值的过程。

基于云X信息的逆向云算法[7] 步骤如下：

（1）根据样本值[xi]计算均值[X=1ni=1nxi]，一阶样本绝对中心距[1ni=1nxi-X]，样本方差[s2=1n-1i=1nxi-X2]。

（2）[Ex=X]。

（3）[En=π2×1ni=1nxi-Ex]。

（4）[He=s2-En2]。

2.3 虚拟云算法

以某个应用为目的，通过对各个基云进行逻辑运算（软“AND”或软“OR”）得到的新云称为虚拟云。

其中，[Vi]为第[i]个指标的权重，[（Exi，Eni，Hei）]为第[i]个指标的云模型参数，[n]为指标的总数。

3 混合式教学教师技能评价体系

根据参考文献[9]，結合混合式教学的实际情况，从教师技能的评价体系中选取最为重要的指标进行评价分析。评价指标如表1所示。

表1 教师技能评价指标体系及权重

深度学习：指学习者在基于理解的学习的基础上，批判性地将新思想融入自己原有的认知结构，将已有知识迁移到新的情境，做出判断和解决问题。

促进有效交互技能：指教师能够利用各种交互工具促进师生之间、生生之间、学生和学习环境之间的有效交互。

学习过程管理技能：在混合教学中，教师要能监控学生的学习行为，及时发现学生学习中存在的问题，引导他们改正错误，提高学习效率。

学习环境：在教学过程中，教师既要创设传统校园中的校园文化，又要创设网络环境下的虚拟学习文化氛围，创造自由、平等的交往环境，引起学生一定的情感响应，它是学习资源和人际关系的一种动态的组合。

4 实例分析

4.1 评价过程

参照表1所示的评价指标，根据实际采集到的一组数据，通过逆向云发生器，对二级子指标项的评分数据进行计算，求得教师技能二级子指标项的云模型参数，如表2所示（10分制）。

根据表2的云模型参数，利用虚拟云中的浮动云算法公式（1）～（3），求得教师技能4个一级指标的云模型参数，如表3所示。

根据表3的云模型参数，利用虚拟云中的浮动云算法公式（1）～（3），求得最终的教师技能整体评价云模型参数，分别为：Ex =9.029，En =0.890，He =0.319。

利用云模型的数字特征值和正向云算法作出评价云图，如图1所示。

教师技能评价结果的评语集设定为4个等级，即为{优秀，良好，合格，不合格}，评价等级划分区间表如表4所示。

4.2 评价结果分析

根据以上评价过程得知，教师技能的最终评价结果云模型期望值Ex为9.029。通过评价云图1的云滴分布情况来看，绝大部分的云滴都区间（8，10）范围内，即在“优秀”和“良好”的等级里，因此该教师技能的评价结果应为“优秀”，准确的评价结果应该是“优秀偏下”。

由表2云模型参数得知，教师技能中的二级指标“促进学生知识建构”方面Ex最高，表明教师在“促进学生知识建构”方面效果最好。二级指标“激发学生的情感体验”方面Ex最低，表明教师在“激发学生的情感体验”方面做得不够，有待进一步提高和改进。

由表2云模型参数得知，教师技能中的一级指标“促进有效交互技能”方面期望值Ex最高，表明教师在“促进有效交互技能”方面做得最好，也说明混合式教学在促进有效交互技能方面具有一定的推动作用。同时该项指标的熵值En最小，说明大部分学生对这项指标的评价结果比较相似。

5 结语

通过实例分析说明，采用云模型的评价方法评价结果详尽，能把教师技能各个方面的实际情况反映出来，体现了评价过程中模糊性和随机性的有机结合，挖掘出许多有价值的教学信息，促进教师有针对性地改进教学，提高教学水平和教学效果。

参考文献：

[1] 路兴，赵国栋，原帅，等.高校教师的混合式学习接受度及其影响因素研究[J].远程教育杂志，2011（2）：62-68.

[2] 何克抗.从Blending Learning看教育技术理论的新发展[J].电化教育研究，2004，（3）：1-6.

[3] 张莹，代劲，安世全.基于云模型的定性評价及在学评教中的应用[J].计算机工程与应用，2012，48（31）：210-215.

[4] 李德毅.知识表示中的不确定性[J].中国工程科学，2000，2（10）：73-79.

[5] 李海林，郭崇慧，邱望仁. 正态云模型相似度计算方法[J].电子学报，2011（11）：2561-2567

[6] 李德毅，杜鹚.不确定性人工智能[M].北京：国防工业出版社，2005.

[7] 刘常昱，冯芒，戴晓军，等.基于云x信息的逆向云新算法[J].系统仿真学报，2004，16（11）：2417-2420.

[8] 罗胜，刘广社，张保明.基于云模型的数字影像产品质量综合评价[J].测绘科学技术学报，2008，25（2）：123-126.

[9] 杨文婷，何伏刚.混合式教学中教师技能的新要求[J].中国远程教育，2008（6）：63-66.

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。