张怡 庞婉欣 郜宇晴

摘要：近年来，高校虚拟仿真项目建设如火如荼，为了评估项目建设的成效，需要对项目进行科学的评价。该文提出了基于模糊层次法的高校虚拟仿真实验教学项目评价研究。首先，依据虚拟仿真项目的发展背景和研究现状，提出了指标设立的基本准则，构造了一套综合全面的评价指标体系。构建综合评价模型，通过MATLAB程序算法实现模糊层次分析法来求取各指标的权重。最后基于评价模型对ilab-x平台的虚拟仿真实验项目进行实证分析。

关键词：模糊层次分析法;虚拟仿真实验项目;评价模型

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2021）25-0275-03

近年来，我国虚拟仿真实验教学项目的开发和推广受到了教育部及各大高校的高度重视。自2017年以来，虚拟仿真实验项目的应用学科不断扩大和完善，项目申报数量逐年攀升，参选高校数量不断增长，教育部更是于2019年发布文件，鼓励参评“双万计划”的高校加强建设和完善虚拟仿真课程和实验的进程[1]。在教育部的大力支持下，各高校持续开发和推出实验项目，其弊端也逐渐显现。如受限于现有技术的制约，仿真实验无法达到实际实验的体验感和参与感，学生机械地跟着计算机程序操作，操作过程中缺乏做实验所必要的随机性、任意性及拓展性，其设计、实践和探索的综合能力也得不到提高[2]。而目前国内外对此缺少一套面向全过程的完备的评价体系，难以针对不同质量层次的虚拟实验项目进行遴选。由此可见，构建一个全面、系统的评价体系是十分必要的。本文基于评价指标体系的构造，建立了综合评价模型，运用模糊层次分析法和Matlab程序算法求取各指标权重，并通过国家级别的虚拟仿真项目进行实例验证，获得有效的评价模型体系。该体系可以作为虚拟仿真实验项目评价的遴选的重要依据，同时也可以为高质量项目的开发提供指导。

1高校虚拟仿真实验教学项目遴选指标体系构建

1.1指标体系建立的原则

虚拟仿真实验教学既拥有网络教学的特征和属性，又包含传统实验所需的要素，在对其进行评价时，既要考虑实验设计的合理性与完备性，同时也要兼顾IT技术与传统教学实验的整合，充分考虑技术支持在虚拟现实应用中的作用[3]。因此对国家虚拟仿真实验教学项目的评价应始终坚持遵守全面性、科学性、可操作性三个原则。

（1）全面性原则

评价项目的各级指标应该能够反映总体目标的一个点或一个面，全方位多维度的对项目进行剖析分解，尊重不同项目的学科特征和实验属性，推动评价指标多元化，做到全面地反映出整个项目的整體质量。

（2）科学性原则

评价指标体系中的众多指标需遵循物理方面的独立性和逻辑方面的重叠性。既要有科学理论的支撑，又要遵循统计数据的分类要求，相互之间不会产生矛盾和冲突，也不会重复或赘述。科学性原则要求指标体系客观、真实、公正地评价申报项目。

（3）可操作性原则

评价指标体系应表述清晰，措辞准确，在实验教学过程中可以操作、便于操作，其评价结果应能够真实地反映出虚拟仿真实验教学的成果。因此各个评价指标应该具有可定义、可观测的特性[4]。

1.2综合评价模型及指标体系的建立

高质量的实验教学项目应当联通相关数据接口，以实际应用为驱动，契合教学规律，体现实验训练的核心要素以满足实验教学需求;其次，实验教学内容需要具备显著原创性和创新性，导入真实数据资源，提供大规模的开放共享机制，实现资源和项目共享;最后，虚拟实验项目应当在高校、区域、业内具有一定的示范性和认可度，辐射带动范围较广。

基于此，本研究以“目标—一级指标—二级指标”为指标体系框架，运用现代教育评价理论与方法，遵循全面、科学、可操作的原则，提出虚拟仿真实验进行教学活动项目管理质量评定的5个维度：基础条件、创新与特色、项目建设、团队建设和条件保障，如下表1所示。

2模糊层次分析法

模糊层次分析法（FAHP）是一种将层次分析法（AHP）和模糊数学法的基础理论和核心概念优势整合形成的综合分析方法。20世纪70年代初，美国运筹学家T.L.Saaty教授将层次分析法（AHP）阐释为一种定性和定量的系统分析方法，它依据关联和隶属关系建立了层次模型，在每个层次上比较各个因素，确定对象的相对重要性，然后判断一致性[5]。模糊层次分析法（FAHP）整合了模糊数学法和层次分析法的长处，可以弥补层次分析法一致性判断的不合理性和难以纠正的缺陷。

模糊层次分析法（FAHP）的基本思想是依据多层次研究分析问题，确定问题本质，将总目标分析为若干子目标，对问题自身进行剖析探讨，从而形成自底向上的递阶层次结构。

3高校虚拟仿真实验教学项目评价模型构建

3.1构建模糊互补判断矩阵

将多因素权重的综合判断转化为各因素的“两两比较”，并通过因子间重要性的定量比较，得到模糊互补判断矩阵[6]。因子之间的定量评价标度方法通常可以采用0.1到0.9的九标度法，如表2所示。

向专家发放调查表，通过专家打分量化因子间的重要程度并构造模糊判断矩阵[F=（fij）n×n]。第l层与第2层之间的矩阵A-B、第2层与第3层之间的矩阵B1-C、B3-C、B4-C、B5-C共5个矩阵。

限于篇幅限制，其余矩阵不再一一展示。

3.2模糊一致判断矩阵的构建

将模糊互补判断矩阵转化为模糊一致判断矩阵[R=（rij）n×n]。

3.3计算排序向量

在利用模糊一致判断矩阵计算出各层各因素之间的权重之后，利用方根法

对二级权重指标[ci]向量进行归一化处理，并利用[wi=k=1nbk×cki]从高向低计算层次各因素对于目标层的相对重要性的排序向量为：