岳守春，张莉莉，刘鸿飞，董春游

(1.重庆科创职业学院，重庆 402160;3.黑龙江科技大学研究生学院，黑龙江 哈尔滨 150027)

0 引言

《高等教育法》中规定“高等职业教育是高等教育的一部分，要大力发展高等职业教育，培养大批高等技术应用型人才”。《加快教育改革全面推进素质教育的决定》中指出“要大力发展高等职业教育，培养一大批具有一定理论知识和较强实践能力的技术应用型人才”，以重庆为例:几年来高等职业教育迅速发展，高职院校目前有25 所，统招的高职在校生将近15 万人，打造出了一批具有地方特色的高职院校和品牌专业，得到了社会的广泛认可，同时对地方经济的发展起到一定作用。但有很多因素制约高等职业教育的发展，其中主要因素为“教育教学质量需进一步提高”和“办学规模也需进一步扩大”，如何全面正确评估高等职业院校的教学质量是解决高等职业院校发展的关键问题。查阅了国内相关关于教学质量评估方法的学术论文，例如:林静的“高等教育教学质量评估方法探讨”，她采用的评估方法为基于学生发展的多元智能评估理论;黄海等的“高校教学质量评估方法研究与系统设计”，他们采用的评估方法为利用网络技术构建高校教学质量评价系统。全国调研一些高等职业院校发现普遍存在教学数据利用率低、缺乏对教学数据的客观性、详实性、全面性评估;将计算机模拟技术应用到云模型中的逆态云发生器模拟专家思维同时将云模型算法进行综合运用，可以使教学数据价值充分发挥，因为领域专家数量有限，将计算机模拟技术引入能够模拟专家的思维，云模型中产生大量的云滴，云滴的数量越多，误差越小，评价结果就越接近实际，因此，云模型综合算法是可行的。

1 云模型

中国工程院李德毅院士在统计数学和模糊数学的基础上于1995 年正式提出隶属云概念［1］，随机性和模糊性被云模型很好地融合到了一起，它能够将其相互转换、相互映射，自然语言值和定量数据的联系成为可能，从大量数据的分布规律能够形成定性语言值，这是云模型的主要优点。云模型评估方法应用在许多领域，例如:李丹在硕士论文“基于云模型的μ多属性决策系统应用研究”将其应用在煤矿的生态环境评估，王芳在“基于云模型的高校教师满意度综合评价”论文中将其应用在高校教师满意度评价等，为国家的经济发展做出很大贡献，但云模型在上述应用中，云模型算法使用单一，不是很全面，导致形成的评语缺乏细化、与实际差距大的问题。

1.1 云模型定义

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 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:

则x 在论域U 上的分布称为云，每一个x 称为一个云滴［2］。

1.2 云模型的数字特征

云有3 个数字特征，即期望、熵、超熵，分别用Ex，En，He 表示。这3 个数字特征的含义如下［3］:

1)期望(均值)Ex:表示云滴在论域U 空间里分布的期望，也就是最能代表定性概念的点，它是云重心对应的x 的值，显然它标定了云模型中云对象的位置，而这个位置是在论域空间中。

2)熵En:它反映了在论域空间可以被自然语言值B 接受的云滴群范围的大小，同时熵还揭示了它的关联性，即随机性和模糊性，它是定性概念的不确定性度量。

3)超熵He:是熵的熵，它反映了云的离散程度，云滴的凝聚程度，它的大小标准是在(0 -0.02)之间，由定量到定性的转换，定量的数据量应该大于200 个，数量越多超熵He 就能越接近(0 -0.02)之间，误差也就会越来越小。

1.3 逆态云发生器

给定符合某一正态云分布规律的一组云滴作为样本(xi，μi)，产生云所描述的定性概念的3 个数字特征值(Ex，En，He)，其软件或硬件实现称为逆向云发生器(Backward Cloud Generator，CG-1)，如图1 所示。

图1 逆向云发生器

逆向云发生器是实现数值和其语言值之间随时转换的不确定性转换模型，是从定量到定性的映射［4］。逆态云发生器是根据云图中的大量云滴来产生云模型的3 个数字特征Ex，En，He。之后根据Ex，En，He 来对其研究对象进行评价，评价出优、良、中、差几个档次。

2 基于计算机模拟云模型的评估方法

云模型评估方法具有更加深入细致地了解评价对象及评价结果贴近实际等方面的优点，但是逆向云发生器算法需要大量的云滴，而云滴的产生来自领域专家评价的数据，实际上领域专家数量有限，为此本文构建基于计算机模拟云模型的评估方法，采用计算机模拟技术模拟领域专家的思维，减少逆向云发生器算法的误差，能够克服上述云模型评估方法的缺点。该方法的具体步骤如下:

Step1确定评价对象属性及权重。

Step2构建云模型评语集。

Step3实际云模型构建(引入计算机模拟技术)。

Step4虚云算法得出评价结果。

Step5相似比算法检测细化评价结果。

Step6根据相似云得出最终评价结果。

1)实际云模型构建中，评价数据的采集是一个很关键要能够客观地反映评价对象属性的特征，经常都是行业权威专家以打分的方式产生评价数据，任何领域的专家数量都不是很多，在逆态云发生器中云滴数越多，产生的误差就越小，评价结果接近实际的可能性加大。计算机对数据有统计分析能力并且在(0，1)内符合正态分布，因此引入计算机模拟技术，对领域专家的评价数据进行统计分析，编制程序，模拟行业权威专家的思维，从而产生大量的评价数据，其公式如下:

这些评价数据通过逆态云发生器由定量到定性转换成云模型的数字特征。

2)实际云模型构建完成后利用虚云算法得到综合评估云，虚云算法的计算过程如下:

3)相似比算法检测细化评语步骤如图2 所示。

图2 相似比算法预测细化评语步骤

图2 中:

输入:(评价标准云和评价实际云)的数字特征;生成m个云滴;

研究发现SIM (1) 的数值越大，说明标准云与实际云就越相似，同样说明云滴数量达到研究要求，根据最大的SIM (i) 的值，得到评价对象某一属性指标的评价相似云，并且结合虚云算法的评价结果对评价对象的属性指标的评语进行检测精确，最后获取全面的评价结果，决策者可以根据这些评价结果进行决策。

3 实例应用

本文以重庆某职业学院为例进行基于计算机模拟云模型教学质量的评估方法的实际运用。

1)确定评价指标及权重的问题，本文采用行业专家打分法来确定，在调研25 位教育行业专家及咨询重庆评估院的专家确定权重，见表1。

表1 教学质量评估的评价指标及其权重

2)评语集及标准云模型的建立:经咨询上述25位教育领域专家及重庆评估院的专家后将重庆某职业学院的教学质量的学生就业、师资队伍、特色专业建设、教学管理、学生综合素质，评价集定为为K(K1，K2，K3，K4，K5)，其中K1［90 -100 分］表示优秀;K2［80 -90 分)表示良好;K3［60 -80 分)表示一般;K4［45 -60 分)表示没有达到要求;K5［0 -45分)表示很差。而教学质量中的领导能力评价集为不达标［0 -60)、达标［60 -100］，科研成果评价集定为不明显［0 -60)、明显［60 -100］;同时将重庆某职业学院的教学质量最终的综合评价集定为［90 -100分］优秀;［80-90 分)良好;［60 -80 分)中等;［0 -60分)差，采用云模型描述教学质量的子指标的评价集如表2 所示，计算云参数用半升或半降云来描述。

表2 云模型描述评价集

3)实际云模型的建立:重庆某职业学院的学生处提供了全校2012 年9 月份入学的所有专业的学生的综合素质的数据资料，教务处提供了2012 届教学管理和特色专业建设的基础数据等，然后将这些数据整理后交给30 位教育领域的专家审阅，之后专家对各个评估指标打分，如表3 所示。

表3 教学质量子指标的领域专家打分

表4 相似比结果

根据领域专家的打分，采用计算机模拟技术模拟生成多个评价数据，生成的评价数据通过逆态云发生器得到云模型及其数字特征，云滴数量越多，误差越小。

4)得出综合评估结果:由于篇幅有限，本文只显示关键评估指标的评估结果，采用相似比算法进行检测，最终得出了综合评估结果(教学质量总体评估云的数字特征(89.3264，4.90046，0.0196))，如表4 和图3～图5 所示。

图3 教学管理相似比算法评估云图

图4 特色专业建设相似比算法评估云图

图5 教学质量综合评估云图

结果表明该学院的教学质量总体评估为良好偏上，其它评估属性指标为:领导作用为达标偏上中，师资队伍为良好偏下，特色专业建设为良好偏下，教学管理为优秀偏下，科研成果为明显偏中下，学生就业为优秀偏上，学生综合素质为良好偏下中。

建议:重庆某职业学院今后可在师资队伍建设方面进行大投入，引进高职称、高学历及行业专家;建设3～5 个特色专业。

4 结束语

本文采用云模型中的逆态云发生器并引入计算机模拟技术来模拟专家的思维，在云模型算法中采用虚云综合算法结合相似比算法细化评语，最后得出全面详实的评语，将这一方法运用在重庆某职业学院的教学质量评估上，结果表明可以解决教学质量评估方法存在的缺点。高等院校教学质量评估方法上采用虚云综合算法结合相似比算法，查找国内实例应用还没有发现。由于云模型技术还需进一步研究，因此基于计算机模拟的云模型教学质量评估方法还要进一步的研究来完善它。

［1］李德毅，孟海军.隶属云和隶属云发生器［J］.计算机研究和发展，1995，32(6):15-20.

［2］李德毅.不确定性人工智能［M］.北京:国防工业出版社，2005.

［3］岳守春.基于计算机模拟的云模型评价方法研究［D］.哈尔滨:黑龙江科技学院，2012.

［4］李丹.基于云模型的多属性决策系统应用研究［D］.哈尔滨:黑龙江科技学院，2010.

［5］岳守春，董春游，张莉莉.基于计算机模拟的云模型高职院校教学质量评估研究［J］.计算机与现代化，2011(9):86-90.

［6］王芳.基于云模型的高校教师满意度综合评价［J］.技术与创新管理，2009，30(5):638-639.

［7］［澳］张宁.从世界职业教育发展历程看中国职业教育发展［J］.教育研究，2009(2):97-102.

［8］贺武华.中等职业教育崛起:困境中寻找出路［J］.教育与职业，2005(28):30-31.

［9］韦修喜，曾海文，周永权.云人工鱼群算法［J］.计算机工程与应用，2010，46(22):26-29.

［10］宋远骏，杨孝宗，李德毅，等.多机多任务实时系统云调度策略［J］.计算机学报，2000，23(10):1107-1113.

［11］Einhorn H J，McCoach W.A simple multi-attribute utility procedure for evaluation［J］.Behavioral Science，1977，22(4):270-282.

［12］Wendy Boggs，Michael Boggs.Mastering UML with Rational Rose 2002［M］.Indianapolis:SYBEX Inc，2001:229-234.