基于云理論的實踐教學環節成績評定方法

陳維佳

關鍵詞： 實踐教學 云模型 評價體系 數據挖掘

中圖分類號： TP302 文獻標識碼： A 文章編號： 1672-3791（2024）01-0178-04

實踐教學是學校教學工作的重要組成部分，是深化課堂教學的重要環節，是學生獲取、掌握知識的重要途徑［1］。通過設定具體目標，可以激發學生學習的主動性，使學生在實踐過程中將所學習的理論知識運用到對實際裝置或技術的研究中，并實現對技術理論更深層次的理解［2］。隨著“新工科”教育的不斷推進，以“解決復雜工程問題”為導向回歸實踐教學，培養和提高學生工程實踐能力、創新思維，以適應新形勢下的人才培養需求［3］。本文以課程設計為例介紹一種基于云模型的成績評定方法，彌補了之前評價方法的不足，發現了教學過程中存在的問題，成績評價更加準確客觀，教學質量得到了提升。

1 實踐教學環節成績評定體系

在工科專業課教學中，實踐教學環節一般包括專業課內實驗、獨立設課實驗、課程設計、生產實習與畢業設計等。以課程設計為例，根據《西安郵電大學實踐教學成績評分標準》中自動化專業相關要求，考核項目分為三部分。第一部分為學習態度和紀律，占比20%，考核內容包括預習報告質量、考勤簽到情況，考查學生學習積極性與前期理論知識功底。第二部分為實踐能力考核，包括軟件原理仿真、硬件實物焊接與調試。該部分為實踐環節考核核心內容，考查學生解決實際工程問題的能力，占比50%。第三部分為實驗報告與答辯，占比30%，考核內容包括答辯過程中問題回答情況，實驗報告的完整性、規范性與準確性，學生整理資料與書面表達能力。評分標準內容與分級如圖1 所示。該標準貫穿實踐教學每個環節，考查內容全面具體，體現了教學過程的系統性和科學性，符合專業認證背景下的工科人才培養需求。

因為實踐環節教學考查具有復雜性、創造性、主觀性和模糊性的特點，所以采用等級評定制度判定成績。等級定性評定方比較簡單，不需要復雜的計算，可以更客觀地反映學生的知識掌握情況。但是現有方法存在一些問題，即等級之間只有序列性不適合做四則運算，難以進行綜合分析［4］。教師只能憑借教學經驗根據二級考核指標結果給出最終成績等級，具有一定的主觀性和片面性。

把云模型應用到實踐教學環節的定性評價中，可以合理劃分學生成績，使評價結果更加準確、客觀，并且能夠將學習過程細化，充分反映學生的學習態度、理論知識掌握情況、動手實踐能力、書面和語言表達能力，同時也能反饋實踐環節授課教師的教學方法是否合適、每個模塊教學質量的高低以及選題的難易。新的評價方法克服了以往方法中難以綜合分析的弱點，具有較高的準確性和客觀性。

2 云模型原理

2.1 正態云模型及其數字特征

云模型的概念因粒子進化演化而來，由中國科學院李德毅院士首次提出。云模型可以實現定性概念和定量數據之間的轉化，彌補了概率論和模糊數學中處理不確定性問題的不足［5］。目前云模型已經廣泛應用于預測、綜合評價、算法改進、知識表達等領域，以及解決與數據挖掘相關聯的智能控制、影像解析識別等相關問題。

2.3 評價集云模型

實踐教學環節采用五級制計分，通過學生的表現給出5 個等級評價，因此需要建立統一的等級評價標準，并確定各級標準的數字特征。將評語［不及格，及格，中等，良好，優秀］轉化為評定值［1，2，3，4，5］，利用黃金分割法［9］將論域分為5 個小云，較小云的熵和超熵是所臨較大云的0.618倍。黃金分割法廣泛應用于各個領域質量和安全等級的評估中，具有較高的實用性和精準度。利用正向云發生器，每個等級云產生1 000 個云滴，生成五級評價集的云模型如圖2 所示，其各級數字特征如表1所示。

建立評價集云模型之后，需要利用隸屬度得出成績等級。隸屬度是模糊評價函數中的基本概念，通過計算每一個學生成績對應等級的隸屬度，根據最大隸屬度原則確定評價結果。隸屬度計算公式如下：

基于云模型的成績等級評定方法總結步驟如下。

（1）確定評價指標和成績數據，利用式（1）～式（4）求出每個二級指標子云的數字特征。

（2）根據二級指標權重，利用式（5）～式（7）將多維二級指標云模型融合，得出一級指標父云的數字特征和高斯云分布。

（3）根據一級指標權重重新融合數據，得到最終成績的綜合云模型。

（4）通過成績數據樣本確定五級制評價云的數字特征，建立五級制評價云模型。

（5）利用式（8）和式（9）計算出成績數據對應每個評價等級的隸屬度。

（6）根據最大隸屬度原則確定每個數據歸屬的等級。

3 實例分析

以西安郵電大學自動化學院某班自動控制原理課程設計成績為例，全班34 人，每個同學的6 個評語對應6 個實踐教學評價標準二級指標。將評語［不及格，及格，中等，良好，優秀］轉化為評定值［1，2，3，4，5］，量化評語數據得到一個34×6 的決策矩陣。首先將6 個二級指標云融合為3 個一級指標綜合云，再將一級指標云融合成最終成績的綜合云。融合過程中各個云模型數字特征具體見表2。

通過式（8）計算每位同學的成績加權值，再利用式（9）計算等級的隸屬度，在5 個隸屬度中找出每組最大值。根據最大隸屬度原則，最大值對應的等級即為這個學生的成績。各等級云模型可以幫助分析各個指標的教學情況，便于教師發現學生共性問題。由表2 可知，指標一的云期望值最大最聚集，說明學生預習情況和考勤方面表現很好，班級整體紀律學風優良。指標二的云期望較低熵和超熵較大，模型相對較發散，表明學生對課程主體知識掌握存在一定分層。個別同學理論知識扎實，但是不善于運用于實踐。為了解決這個問題，教師有針對性地及時指導學生，學生要有意識地自己多思考、多練習。指標三在三組數據中云層最厚，全班學生在答辯過程中各方面表現差距較大，個別實驗報告規范性欠缺。成為一位合格的工程師，不僅要有扎實、精湛的知識體系，也需要具備精準的語言表達能力和嚴謹求實的科學精神。

最終成績綜合云參數為C₀（3.71211.30950.4737），如圖3 所示，圖中星號為成績數據云滴。總成績大部分云滴隸屬度高于0.7，說明學生各項成績比較均衡。圖中個別云滴最大隸屬度小于0.2，則說明該同學各項成績跨度很大，有強項也有明顯的短板。對于這種成績嚴重不均衡的學生，需要在接下來的課程中設置針對性的練習，重點解決薄弱環節，這樣可以顯著提高教學質量和效率。基于云模型的成績評定方法跟傳統加權求平均方法相比，可以盡可能多地挖掘隱藏在成績數據中的有價值信息，充分體現大數據時代智能算法的優勢。

4 結語

現有的實踐環節成績評價規則，是教師依據先前教學經驗制定的定性概念與數值區間的對應關系，具有一定的主觀性、片面性和局限性。經過以上深入的研究，利用基于云模型的評價算法，可以得出每位學生成績對應的定性概念區間，更準確和客觀。在此基礎上挖掘更多隱藏的、細化的信息，較好地彌補了以前評價方法的不足，對后續的學習和教學工作都有重要意義。