模糊评教模型中优秀度算法
2014-07-05马先超
东方教育 2014年7期
【摘要】本文在文章[1]建立的评教模型的基础上,进一步给出了数据筛选以及优秀度的算法过程,从而为下一步的软件开发奠定基础。
【关键词】模糊评教模型;优秀度
传统的学生评教方法是用学生评教的成绩求平均值,得到了确定的名次,名次靠前的教师,被认为教学效果是优秀的,名次靠后的教师,被认为教学效果不理想。其实,教学效果优秀与否,是一个很模糊的概念,在集合论理,教学效果优秀的老师是不能组成集合的。在模糊数学里,所有教学效果优秀的老师组成一个模糊集,一位教师是否属于这个集合是不能完全肯定和否定的,因而这是一个典型的模糊模型应用问题。文章[1]中探索了模糊评教的模型,在此基础上,进一步给出模型中数据筛选和优秀度计算的具体算法。
假设某一个教学班级的 个同学对 位任课教师评教,得到一个 的评教成绩矩阵:
一原始评教数据的筛选
可能有的学生出于报复性心理给个别教师评出极低的分数,也有学生出于对教师的特殊感情不客观的评出极高的分数,也有可能在数据抄录的时候产生了错误,当这样的因素哪怕仅仅是使极少的数据失真,但却直接决定评教的结论。例如,有十位学生给一位教师的评教时,有八位同学打出了100分的满分,却有两位同学给出了不客观的评教成绩,比如说50分,那么该教师的评教平均成绩是90分,如果这两位同学给出更低的分数,那么该教师的平均成绩会更低,因而在一个评教成绩数据分布非常集中地的情况下,极少数的严重失真的数据会直接影响评教结果。……
登录APP查看全文