基于AHP的網絡學習評價模型的構建

謝曉銀

（淮安市高級職業技術學校，江蘇 淮安 223005）

網絡學習由于師生分離，不能很好地監控和調整自己的學習行為，需要提供配套的有效的評價機制，用來監督學生的學習行為、并評價其學習行為和學習效果，并將評價結果反饋給學生，引導學生進行下一階段的學習，激發學生學習的主動性。而評價工作的核心是建立評價模型。

根據網絡學習行為客體的客觀特征和調查問卷的統計結果綜合分析，提出 “網絡學習評價指標體系”分別從網絡學習者的學習態度（登錄的天數、上傳文章的關注度）、資源利用（登錄次數、在線課程學習的次數、在線課程學習的時間、上傳下載資源數）、交互與協作（提出問題次數、回答同伴問題次數、在線答疑的次數）、階段性學習效果（知識點測試成績、教師對作業的評分）四個方面對網絡學習者進行綜合評價，利用AHP（層次分析法），構建網絡學習綜合評價模型。具體步驟如下：

1 建立評價因素集

1.1 建立一級評價因素集

C＝ ｛C1，C2，C3，C4｝，其中 C1，C2，C3，C4為一級指標，分別為學習態度、資源利用、交互與協作、階段性學習效果四個一級指標。

1.2 建立二級評價因素集

其中C11,C12,…,C41,C42分別為各一級指標下的二級指標。

2 確定評價因素的權重

目前，評價因素權重的確定一般采用三種方法：一是，專家會議法，二是，特爾裴法，三是，層次分析法。層次分析法（AHP）運用多因素分級處理確定因素權重，這種方法可以較科學地確定權重，因此采用AHP來計算各評價指標之間的權重以解決傳統評價因素制定不客觀的問題。

首先由專家根據經驗，依照1～9標準構造判斷矩陣，為了確保權重設計的合理性，對判斷矩陣進行運算和歸一化處理，求出權重系數，對矩陣中判斷值進行運算有不同的方法，常用的有和法和根法，本文采用的是根法。具體步驟如下：

2.1 構造判斷矩陣

從心理學觀點來看，分級太多會超越人們的判斷能力，既增加了判斷的難度，又容易因此而提供虛假數據。在這里我們引入相對重要標度的概念，采用T.L.Satty建議的1～9比例標度法[1]。如表1所示：

表1 指標重要度比較規則

由專家根據經驗，依照1～9標準構造判斷矩陣，對一級指標進行兩兩比較其重要度，并根據Satty提出的“1-9標度方法”，對指標相對重要度進行賦值，可以得到比較值。經綜合分析構建出網絡學習評價指標體系一級指標矩陣B(1)。

2.2 設置各指標權重

設評價因素集合對應的權重因子向量為W1,則

上式中Wi為評價因素Ci在總評價因素中所起作用大小和所占地位輕重的量度，稱為權重。一般規定：Wi≥，且

根據公式（1）、（2）可計算出一級指標權重，如表2所示：

表2 一級指標權重表

那么W(1)=(W1,W2,W3,W4)T=(0.111,0.219，0.080,0.590)T就是一級指標權重的系數值。

2.3 對判斷矩陣B(1)進行一致性檢驗

對判斷矩陣的一致性檢驗步驟如下：

(1)計算一致性指標CI

其中，n為比較的指標個數，λmax為判斷矩陣的最大特征根

因此，表4所示的判斷矩陣B(1)的最大特征根的計算過程為：

加權向量的計算：

將相應數據代入公式4，可計算出最大特征根：

由公式（3）可計算出：

(2)查找相應的平均隨機一致性指標RI

為確定不一致的允許范圍，對n=4，Satty給出了RI=0.90的值

(3)計算一致性比例CR

判斷矩陣一致性指標CI與同階平均隨機一致性指標RI之比，稱隨機一致性比率，記為CR，當時，即認為該判斷矩陣具有滿意的一致性。否則就需要調整判斷矩陣，對評分重新修改，使之具有滿意的一致性。

根據上述內容，對表2中的判斷矩陣計算一致性比例CR：

由此看來判斷矩陣B(1)具有令人滿意的一致性，說明以上建立的一級指標中

各因素比較值判斷基本正確，權重設置基本合理。

2.4 計算各二級指標權重及一致性比例

一級指標下的各二級指標的判斷矩陣、權重的計算與一級指標的方法相同。因此，本文的指標體系權重分配如表3所示：

表3 網絡學習評價指標體系權重分配表

［1］王連芬,許樹柏.層次分析法引論[M].中國人民大學出版社,1990:45-76.

［2］余勝泉.基于互聯網絡的遠程教學評價模型[J].開放教育研究.2003.1:3.

［3］馬瀟.網絡學習行為評價模式研究—以西安財經學院網絡教學為背景[D].西安理工大學，2010:6-7,18,22-23.