高校矩阵教学效果评价指标体系研究

2019-09-10季相龙张义娜刘佳

学习周报·教与学 2019年1期

季相龙张义娜刘佳

摘要：矩阵教学法，坚持“以学生为中心”的教育理念，是一种新型的高校教育教学形式。目前对于矩阵教学法在高校教学活动中的运用处于起步阶段，尤其是基于数据的矩阵教学评价体系研究甚少。借助 AHP 模型建构法和模糊数学的相关理论，构建了矩阵教学评价指标体系，建立了矩阵教学综合评价模型。该模型实现了从传统的单纯依靠专家凭印象打分向系统的项目化过程性评价的转变，为科学合理地评价矩阵教学提供参考。

关键词：矩阵教学；评价指标；教学评价

1高校矩阵教学效果评价模型构建

1.1矩阵教学效果评价模型

为体现“以学生为中心”的教育理念，参考AHP-模糊综合评价模型，结合高校矩阵教学的要素及特点，并贯穿到矩阵教学评价指标体系构建的全过程。

具体结构如图 1 所示。

1.2矩阵教学效果评价指标体系的一致性验证

为了检验构建的 20个评价指标是否具有内部一致性，在研究过程中采用 10 位不同专家对同一学科就20 个指标进行单独赋分，其中教育技术研究人员（高校）4 人，一线教师（高级职称以上）5 人，教研员 1人。并对两两之间进行相关性分析，得到如下相关矩阵，如表 1 所示。依据表 1，不同专家在20 个指标上的评分两两之间相关性显著，这表明该评价指标体系内部具有一致性，在一定的程度上表明了评价指标体系的可靠性。

2 AHP-模糊矩阵的矩阵教学评价模型构建

2.1确定评价因素集

按照评价指标体系，矩阵教学共有三个一级评价指标，分别即为 B1、B2、B3，这样可构建一级评价因素集 A =（b1，b2，b3），同样可以依次建立各二级评价指标集：B1=（c11，c12），B2=（c21，c22，c23，c24），B3=（c31，c32），三级评价指标集 C11=（d111，d112），C12=（d121，d122），C21=（d211，d212，d213），C22=（d221，d222），C23=（d231，d232），C24=（d241，d242），C31=（d311，d312，d313，d314），C32=（d321，d322，d323）。

2.2 确定评价变量集

当评价因素集确定后，就是要给各评价指标赋值，各个评价指标赋予一定的有意义的量后，就变成了评价变量集。为了得到评价变量集，首先需要各评价者按照图 1，采取李克特 5 级评分法进行赋分。考虑到评价目的不同，评价者会发生相应的改变。依据不同的评价目的，选取相应的评价者对被评价的矩阵教学学科专业进行评判，评价者只需要对矩阵教学评价指标的 20 个观测点进行相应的等级评判，在评价界面处点击选择相应的等级，然后通过评价系统内部程序对不同等级编码比例做统计运算，本研究将各观测点最终的百分比定义为评价变量值。按照上述过程便可得到评价变量集，得出评价变量集如下所示。

2.3 确定评价权重系数

1. 构造判断矩阵

权重系数的确定直接影响到矩阵教学评价体系的质量和准确性，本研究采用了 Satty 教授在 AHP理论中提出的9点法对指标权重进行分配，评价专家依据 9 点法指标评分标度表，排定各指标的优劣顺序，依次构造各指标的判断矩阵。如有多位专家评分不尽一致，可以通过求平均找近似值确定。

层次分析法中的判断矩阵是将人的主观判断为主的定性分析进行量化，是定性分析转化为定量分析最关键的一步。

2. 一致性检验

由于判断矩阵中的值是由不同专家通过对指标进行两两对比后，依据表 2 判斷所得，由于不同专家在对比时的价值取向和定级技巧不同，再加上表2 中的重要性等级赋值也很难做到等距。因此，很有必要对指标的一致性进行验证。

2.4 构建综合评价模型

依据模糊理论，三级评价指标集就等于三级权重系数与评价变量集构成的矩阵的乘积，即三级权重系数与专家评分比例构成的矩阵的乘积。同理，二级评价指标集等于二级权重系数与三级评价指标集构成矩阵的乘积，一级评价指标集等于一级权重系数与二级评价指标集构成的向量的乘积。

矩阵教学 AHP-模糊矩阵综合评级结果就为：

3. 矩阵教学实例评价

今后的研究中，在考虑本评价体系更加适切和准确的同时，可以设计不同需求的评价方案，对矩阵教学进行不同层面的多元化评价，如针对矩阵教学比赛的结果性评价方案，针对矩阵教学改革的诊断性评价方案，针对矩阵教学监控的过程性评价方案等。有助于对同一矩阵教学的多元化、全方位的评价。

参考文献：