文摘
加强高校大学生的综合素质教育受到人们越来越多的关注和接受。大学生的教育评价不仅要符合客观现实,也确保它是有效的。然而,灰度评价指标在当前教育评价,定性,难以评估。针对这个问题,本研究提出了一种改进CW-PPCC-based评价算法对大学生教育量化的定性指标难以衡量的数据,利用层次分析法和数据包络。大数据的基础上,产品距离的相关系数定量评价本科教育的质量和实现一个有效的评价教育质量的大学生。实验结果表明,该算法可以有效地实现教育质量的评价,并且精度高,应用价值高。
1。介绍
在当今社会,加强大学生的综合素质教育在高校越来越多的关注和被人接受1]。大学生教育管理的直接对象是学生,也就是说,大学教师是主要的评估主体在教育管理过程中(2]。他们可以指导学生的学习和生活。在这个竞争日益激烈的社会氛围中,如果学生想要生存和寻求发展,他们必须努力培养高质量的人才,满足社会主义现代化建设的需要的工人在学院和大学3]。与此同时,高校应继续充分发挥中国巨大的人力资源优势,是未来一代的总体质量。因此,促进和发展高校学生教育管理的评价不仅是一种有效的方法,全面促进高校的发展在中国,但也是一个必要的保证加强和改善高校素质教育(4]。
从当前研究教育评价、教育评价涉及很多内容,定性和定量;有单指数和多索引;有线性和非线性。一般来说,教育评价是一个复杂和非线性综合评价问题。为了解决这个问题,我们需要使用各种各样的方法。因为现有的方法不能解决所有的问题参与教育评价,本研究的目的是探索如何将CW-PPCC算法应用到教育评价,提供一个方便、可行,易于实现计算机教育评价方法。
大学生教育管理的评价体系的过程是指判断的工作状态和客观影响大学生教育管理通过系统信息根据一定的目标5]。它具有以下特征:第一,大学生教育管理的评价体系必须基于既定的目标”。第二,大学生教育管理的评价体系是一个系统的评价活动,是故意和顺序进行收集相关权威信息和遵循严格的系统程序6]。它应该不仅符合客观现实,也确保有效性。这也是一种动力,促进大学生教育管理的持续改进评估。其功能如下(7]。
首先,评价体系是否大学生教育管理是否良好可以为人们提供可行的意见和建议来衡量质量水平的学生教育管理在大学也为测量提供标准,以澄清每个大学生在未来的目标8]。
第二,通过评估大学生教育管理,学生们可以更好的了解学校和个人未来的发展方向,分析自己和他人的差距,这些差距的主要原因,并防止学生满足于现状和松弛读完大学9]。
第三,通过评价系统,我们也可以评估主体意识到学校和学生的优势在哪里,以及如何进一步促进学校更好的发展10]。与此同时,我们可以发扬现有优势,纠正不足,不断促进进一步发展大学生的教育和管理,学生的综合素质11]。
第四,大学生的实际应用教育管理评估可以促进学校进一步正确运行的目的,充分调动的积极性评价主体和评价,通过评价结果选择一个例子,促进学生纠正他们的坏习惯,鼓励学生追求的目标,并与其他学生相比进步和竞争(12]。
解决上述问题,本研究提出了一种连续波(总重量)-PPCC(皮尔森的product-distance相关系数)本科教育质量评估算法(13]。该指数基于量化算法”AHP和DEA”合理解决问题,很难量化评价指标。结合基于直接重量和欧几里得距离加权方法保证了客观性的评价指标。它创造性地提出了引入虚拟变量来考虑各评价指标的影响程度评价对象和量化这种影响程度由欧几里得距离,使评价指标的权重赋值更准确。工程实例表明,基于CW-CPCC本科教育质量评价算法具有较高的精度和较高的应用价值14]。
2。国家的艺术
根据对象,教育评价可分为几个子类别,如学生评价、教学评价、课程评价、教师评价,等等。其中,学生评价是教育评价的核心内容15]。这是真正的掌握学生的能力、行为和状态,价值判断在此基础上(16]。这涉及到学生的生理、心理、行为等。教育评价经历了四代。在这个过程中,评价思想是深化和丰富,以及评估技术也在不断进化,共存,浓缩。表1显示了学习评价在不同时期的特点和相应的评价技术:
王云峰,张磊,张良在本文指出”建设发展研究生教育质量的评价体系”大学生教育质量的评价概念缺乏人文思想,和大学教育质量的评价”评价评估,”这是由上级主管部门控制,忽略了角色和主体性的中学生和大学(17]。张华和刘万”几个问题要澄清在当前学生评价”妈妈在和志诚,”反思学生评价的问题,”提出问题的片面的主题和一个方法在当前国内教育质量评价18]。雪Eryong指出,学生们越来越重要参与者在当前高等教育质量评价。然而,在教育质量评估的实际实现,专家的参与和教师远远高于研究生,和学生的参与是在一定程度上忽视了(19]。指出,谭雅莉的重要性评价方法的高校教育质量是不够的,并且她还指出,教育质量的评价方法在高校需要被更新。从国内学者的讨论,可以看出学生评价已经开始占据一定比例的中国研究生教育质量评价,但仍存在一些问题,如一个方法和一个片面的主题。进一步的研究需要建立科学的学生评价指标(20.]。
大数据必然会改变我们时代的思维和理念,成为”的下一个前沿的创新,竞争和生产力的进步。”13的轮廓为国民经济和社会发展五年计划的中华人民共和国”以大数据为一个基本的战略资源,全面实现了行动,促进大数据的发展,加速了分享,开放,发展,和应用程序的数据资源,并帮助工业转型升级和社会治理创新。”
勋伯格认为,大数据是获取产品、服务或观点的价值通过对大量数据的分析。大数据的特点可以概括为”4 v,”大容量,多样性,速度快,和价值。大数据给教育带来了深刻的变化。学院和大学,大数据带来了深刻的变化在以下方面:第一,转变教育思想和观念,改变学生的认知理解世界的方式,和了解世界。为了适应整体的改变学生的认知风格的世界观,教育管理者需要全面的整体思考,兼容的多元化思维,和phenomenal-related思考。第二个是改变教育学科的认知。教育工作者应该关注所有学生的所有数据而非随机抽样,注意学生数据的杂种性,削弱了准确性,并注意学生的相关数据。第三是教育对象的变化。依赖大数据集合,个人可以通过量化进行反思性学习和游戏学习self-technology这样受过教育的人有更强的自主性。第四,教育载体发生了重大的变化,反映了数据的特点,大规模的、复杂的,动态的。同时,思想政治教育的沟通形式日益显示承运人的小型化的趋势,简化信息,细分化的对象,平面结构。 Fifth, major changes have taken place in educational means and methods. Using big data technology, the subjective human spiritual world can also use data for objective quantitative analysis and evaluation like the objective material world.
针对这个问题,本研究提出了一种改进的CW-PPCC-based大学生教育评估算法,定量评估本科教育质量的大数据的基础上,通过结合权重结合Pixi的产品的相关系数的距离。算法的主要结构如图1。
3所示。方法
3.1。定量的AHP和DEA评价指标
当建立评价算法,一些指标往往是定性指标,如教师和结构、教学条件与利用、专业建设、教学改革和科学研究输入和输出。定性指标的定量分析可以使评估更客观。在这项研究中,AHP(层次分析法)的主观方法和客观DEA(数据包络分析)方法用于量化定性指标。
3.1.1。层次分析法定量和定性指标
总的来说,评价的AHP模型的问题本质上是由分层线性结构的建立的价值体系。如果价值体系的结构本身没有分层线性结构,但价值结构量化数学结构由层次分析法确定模型中,一个结与获得的评估值将被无关。在评估实践中,评价指标体系的建设和AHP模型的元素结构是一致的,这使得我们很难找到可能的问题的前提下与层次分析法的评价模型。从一个虚构的假说,AHP模型用于产生一个“准确”的评价结论,但它导致的负面影响,这是我们支付的价格通过使用层次分析法定量评价模型。
AHP方法接受最高水平和决策水平将影响因素划分为多个级别根据夹杂物的关系,和每个级别分为若干层次。一步一步处理的影响因素,确定重量根据底部的决定程度水平的顶级的相对影响下一个层次的评价指标,构造判断矩阵应该和参照指标分配之前的水平。层次分析法的主要步骤如下:步骤1:我们构建一个层次结构模型。一般分为三层:最上面是目标层,底部是方案层,中间是标准层或索引层。步骤2:我们构建成对比较矩阵。判断矩阵表示的重要性因素相关因素在之前的水平,假设因素在层和因素B1, B2……,下一层Bn。建立成对比较矩阵元素两两比较后在同一层的扩展方法。成对比较矩阵,一个j用于表示比较的结果i因子相对于j因素,然后呢 成对比较矩阵如下: 步骤3:单层排序(权向量计算)层次单一的排名是指计算体重的重要相关因素的顺序根据判断矩阵的之前的水平。它可以减少解决矩阵的最大特征值和相应的特征向量。根据矩阵的性质,满足下列公式,计算最大特征值所对应的特征向量可以解决。 其中,矩阵的最大特征根;W是对应的归一化特征向量 ;组件W我W是一个排名的重量的相应的因素。 步骤4:我们计算一致性指数CI。
相应的平均随机一致性指标RI(随机指数)是由查找表:
国际扶轮= 0.89。
一致性比率Cr(一致性比率)计算如下:
通过计算,Cr < 0.1,认为判断矩阵的一致性是可以接受的。在这个时候,这是一个一致的矩阵, 。对应的特征向量是权重向量。
因此,不容易量化的指标在本科教育,等”教学人员和结构,””教学条件与利用,”和”专业建设和教学改革,”可以得到具体的数据,通过该方法容易操作。
在层次分析法(AHP)中,有两个解决方案,以确保对比矩阵的一致性。
首先是数学检查方法。根据专家提出的各种方案,建立一致的对比矩阵调整到一致的对比矩阵在数学意义上,它是作为评价的基础。
二是专家检查方法。首先,我们调整不一致的比较矩阵的一致性比较矩阵的数学方法,然后邀请专家来判断获得的一致性比较矩阵,最后确定实际评价的一致性比较矩阵根据评审专家的意见。
3.1.2。BCC算法在DEA方法的分析
DEA方法可以用来量化指标相关注意事项,如“科学和技术输入和输出。“有两个基本模型的DEA方法:CCR和BCC模型模型。CCR模型的计算效率整体技术效率的价值。英国广播公司(BBC)算法的计算效率的值是纯技术效率。规模效率获得除以2。
规模效率为1时,返回大学规模保持不变。规模效率小于1时,是有区别的收益成比例增加或减少。我们使用maxdea6软件进行分析,将数据导入模型,得到的效率值的结果。
3.2。“直接重量分配法+欧氏距离法”综合评价算法
直接重量法可以判断上的索引对象的影响程度的波动信息。本研究通过选择这个模型,可以客观地评价各项指标的影响程度教育的质量。在后期,重量直接获得的重量通过欧氏距离方法合理修改使结果更准确。
3.2.1之上。建立模型通过直接权重赋值方法
直接重量法是基于变异程度的影响因素,得到每个影响因素的直接重量信息直接通过,然后获得各影响因素的权重。直接重量法是最客观的评价指标权重的方法。流程如下:l步:我们构建矩阵 ,这是量子化的原始数据样本,c是评价对象集,y是评价指标集。步骤2:无量纲处理。由于不同的计量单位和数量级之间的各种指标,收集的数据无从比较。为了消除不同维度的影响,需要无量纲的数据。在这项研究中,最大最小法用于处理,公式如下: 其中, ,标准化后,这些行向量中每个元素属于[0,1]。因此,我们可以得到 元素标准化后 。的比重如下: 步骤3:这是每个评价指标的信息熵的计算已知信息熵的计算公式2。 信息熵是衡量障碍程度。信息熵的值就越大E我习,障碍越高程度的信息,信息的效用价值越大,即更大的评价指标对评价对象的影响。特别是,当Pij= 0,lim Pij现况ij定义= 0。第四步:计算各评价指标的权重。各评价指标的权重的计算公式是: 我= 1,2,…,K。
因此,每个评价指标的权重对评价对象的质量,然后,j评价对象的评价指标QJ可以计算如下:
到目前为止,评价指标是由直接加权值加权方法,并建立了评价对象的评价指标模型。
3.3。哑变量+欧几里得距离模型
(1)为了保证算法的收敛性,学习速度n必须低于上限,这决定了算法的收敛速度不能快,是越接近最小值,算法的收敛速度较慢,会由于梯度变化值逐渐趋于零。(2)算法不能保证学习的结果将收敛到全局最小全球平方和误差e .因为该算法采用梯度下降法,训练逐步达到最小值的误差以及误差函数的斜率从一个特定的起点。实际问题的解决方案空间常常是一个极其复杂的多维表面,还有很多局部最小值,这将大大增加陷入局部最小值的可能性。这使得权重的初始值的选择有很大的影响在网络上学习的结果。很难通过培训实现全球最好的随机集的初始重量。(3)没有统一的理论指导网络隐层,隐层节点的选择,但它通常是根据经验确定。因此,网络往往有很大的冗余,这实际上增加了网络学习的时间。
3.3.1。插入哑变量
为了反映这些因素的影响,在模型中,提高模型的精度和回归模型的功能扩展,和他们需要”量化。“这”量化”通常是通过引入”虚拟变量。”According to the attribute types of these factors, artificial variables with only ““ or”1”建造,通常称为虚拟变量。
欧几里得距离,也称为欧几里得距离,是一种常用的距离的定义。这是真正的m维空间中的两个点之间的距离。
本研究创造性地引入了虚拟变量来考虑各评价指标的影响程度的评估对象和量化这种影响程度由欧几里得距离,使评价指标的权重赋值更准确。为了调整和更方便地控制每一个评价指标,使评价指标更敏感和准确的,虚拟控制量,也就是说,一个虚拟的评价对象,插入,这被认为是N+ 1评价对象。然后,虚拟评价对象的评价指标数据
其中,x′ij是jth虚拟评价对象的评价指标数据。
3.3.2。调整控制变量来计算预测程度
首先,最初的索引数据N+ 1评价对象是无量纲。第二,为了观察相同的每个评价指标波动的影响在目标层、虚拟变量是用来评价对象的评价指标 。数据增加了20%替换到公式,评价指标权重的直接价值加权方法,并得到了N评价对象的评价指标。最后,综合分数n评价对象生成和控制调整后的第i个得出评价对象的评价指标如下: 在哪里我= 0,1,…,米,M的数量指标。
由于不确定评价对象的数量,如果直接评估通过的敏感性指数排名的变化,不仅评价精度低,而且评价结果容易受到偶然因素的影响。因此,本研究采用相对距离每个评价对象的综合得分之前和之后的调整指数作为索引的敏感性评价的标准。接下来,N的综合得分评价对象处理,相对距离变化的每个评价对象的综合成绩计算,然后,进行敏感性分析n索引对象根据距离变化来判断每个指标对评价对象的影响程度。l步:无因次治疗的综合得分。因为每个评价指标的权重将变化的数据的调整一定的评价指标,数量级的每个评价指标的综合得分计算调整后的不同评价指标是不同的。为了使计算欧氏距离可比,综合得分气变化后的第i个评价指标需要无量纲。公式如下: 步骤2:计算距离的变化。调整后的第i个评价指标数据,j评价对象的评价指标会产生一维距离调整与之前相比变化: ;然后,N的相对距离变化评价对象可以通过N维欧氏距离计算,公式如下: 其中,Di是N的评价指标的相对距离变化评价对象之前和之后的数据调整。第三步:判断的敏感性。每个评价指标的值插入虚拟评价对象的变化同样的20%,导致不同的欧几里得距离D1, D2,……之前和之后,DK的评价指标n评估对象。Di越小,波动越小的评价对象的评价指标对评价指标的变化,较弱的评价指标的敏感性,对评价对象的影响越小。
3.4。CW-CPCC算法分析
只有通过合理化获得重量可以评价更加客观和准确。权重相结合的方法,可以有效地解决不同模型带来的片面性和局限性,和皮科产品的选择距离相关系数模型可以消除重复的相关指标对系统的影响。
3.4.1。总重量(CW)
评价指标权重可以通过Wi直接加权法,评价指数Di欧几里得距离可以获得。现在,乘法模型用于合成两个评价指标,并介绍了合并后的体重连续波,即
3.4.2。分析Product-Distance的皮尔森相关系数(PPCC)
在实际问题中,每个评价指标往往是相互关联的。任意两个随机变量之间的关联度可以测量的Pico产品距离相关系数矩阵。也就是说,n评价指标,分别 ,表示由以下公式:
任意两个评价指标之间的相关系数是计算,分别。重复造成的影响这两个指标可以有效地消除高影响权重系数矩阵。
3.5。主成分权重
越接近 1,鑫和线性相关性越高 。越接近 是0,线性相关性越低和 。为了便于分析和评价,相关系数矩阵中的元素的绝对值是和线性加权求和法计算的。因此,消除指标之间的相互作用的基础上,的重量每个评价指标对评价对象的影响,然后,第i个评价对象的评价指标气可以计算如下:
到目前为止,相应的每个评价对象评价得分可以通过乘以问通过合理的多个。一个合理的分析评价得分将客观地反映该地区的教育水平,为教育改革提供一些指导和人才排水。
4所示。结果分析和讨论
4.1。算法流程图的教育评价体系
教育评价体系的算法流程图如图2。
4.2。本科教育质量的评价指标
本科教育的质量往往是受到很多因素的影响。选择合适的评价指标往往是前提,以确保评估的准确性。以河北省本科教育质量的评价为例,在充分调查河北省教育的现状,本研究选择以下指标作为主要影响因素河北省本科教育的质量,如图3。
4.3。索引处理方法
定性指标的“教学人员和结构,”“教学条件与利用,”和“专业建设和教学改革,”本研究采用层次分析法量化定性指标。BCC算法的DEA方法用于分析“科学和技术输入和输出,最后得出河北省城市的量化指标,如表所示2。
“层次分析法的指标量化算法+ DEA”量化的定性评价指标,解决了问题,评价指标有灰度,定性,难以评估。指数量化数据更客观、具体,操作方便,有助于确定合理的体重。
4.4。确定评价指标的权重系数
(我)直接加权法:每个评价指标的信息直接重量可以从每个评价指标参数获得河北省教育质量根据公式,和各评价指标的权重可以通过用获得的信息直接进入公式。(2)欧氏距离:虚拟城市根据表插入1,评价指标的虚拟城市是每个城市的平均值表1- - - - - -4。
每个评价指标的欧几里得距离后插入哑变量可以通过公式。表4显示了欧几里得距离调整前后的综合得分8索引。
结合基于直接重量和欧几里得距离加权方法保证了客观性的评价指标;这项研究中创造性地提出了引入虚拟变量来考虑各评价指标的影响程度评价对象和量化这种影响程度由欧几里得距离,使评价指标的权重赋值更准确。
4.5。连续波PPCC算法分析
(我)皮尔森是Product-Distance相关系数矩阵获得8个评价指标的定量数据表43记录 ,把数据代入公式得到八个指标之间的相关系数,如表所示4。表的相关系数4显示了不同的指标之间的相互影响程度。两个指标与高度的影响,造成重复的影响这两个指标可以有效地消除权重系数矩阵。(2)每个城市的本科教育质量评价指标可获得河北省利用相关系数矩阵。自11个城市的教育质量评价指标计算的范围内(0.0619,0.1458),为方便观察,11个城市的质量评价指标是100乘以一个系数。结果如图所示4。
4.6。算法精度测试
通过使用虚拟控制测试模型方法,教师和结构指数在虚拟控制城市扩张了20%,城市教育的综合评价分数,如表所示5。
通过测试的虚拟控制测试模型的方法,众所周知,教师和结构指标的变化后,本科教育在每个城市的综合评价得分大幅波动与其他指标。因此,教师起到比较关键的作用和结构指标的综合评价河北省本科教育质量在每个城市。
4.7。大学生教育管理的应对策略大数据的时代
(1)尽一切努力构建一个共同的大数据教育和管理载体。我们完全集成的大数据资源分散的单位和部门等社会机构、教育部门、学校、部门、和类,从而形成”共建和互联的平台和数据的共享。(2)积极探索教育基于大数据的管理方法。利用数据挖掘、统计分析等方法,本研究分析了学校教育管理的大数据建模,研究和构建了大数据的相关模型教育决策、管理、优化和评价,研究大数据管理机制和科学预测和预防道路,过程控制、动态监管、跟踪反馈、评估和激励。(3)大力提高教育对象的大数据管理素养培训包括教育管理者的意识,数据定位和收集能力,数据分析和解释能力,数据反映,21和决策能力。我们建立的概念,知道从一个小的角度,积极收集和整理数据信息,并仔细分析它,深入挖掘数据信息的管理对象的相关性,提高教育工作的预见性和可预见性,提高数据信息的敏感度。(4)数据共享的有效形成情况,公司治理和协调发展一方面,我们应该促进数据共享;大数据不应该被少数人垄断,但应通过法律渠道共享。另一方面,“促进网络连通性和共享的治理,有效地加强了保护数据在教育和管理的过程中,注重风险防范,防止数据泄漏,注重个人隐私的保护,促进立法大数据,形成一个大数据的使用的法律约束机制。
客观的评价学生的学习效果是一个复杂的综合评价问题。结合试卷质量指标与试验结果和评估学习效果与神经网络方法不仅比评估更客观的学习效果只有通过测试结果也便于计算机实现。
5。结论
作为一个科学概念,教育评价起源于”八年研究”新的教育课程改革实验的美国进步教育联盟在1930年代。自诞生以来,教育评价逐渐形成一个相对完整的理论体系通过研究人员的努力。它的评价对象覆盖不仅早期学习对学生的影响,而且教育计划,教育活动,甚至整个教育过程。评估的方法包括线性规划、动态规划、数据包络分析、层次分析法、回归分析、因子分析、聚类分析、齐次马尔可夫链,等等。(我)有许多因素影响了高等教育的水平,和大多数定性指标。因此,本研究提出了一种指数的量化算法”AHP + DEA。”定性指标,如教师和结构、教学条件与利用、专业建设和教学改革和科学研究的输入和输出是量化的。这样可以确保科学学位和评价指标的有效性。(2)合并后的基于直接重量和欧几里得距离加权方法确保评价指标的客观性,这不仅避免了过度主观层次分析法量化指数,还弥补了绝对单一的重量分布,并进一步提高了教育评价指标的准确性。(3)在这项研究中,欧几里得距离的影响更准确地评价对象考虑,介绍了和欧氏距离的影响程度作为评价指标。然后,虚拟变量是用来测试的实际问题。可以看出,科学研究的输入和输出有一个很大的影响河北省的教育水平。(iv)在实际问题中,通常会有一定的各种指标之间的相关性,和一些指标经常反复评估时,隐式计算重量。因此,本研究提出了皮特产品距离相关系数矩阵,最后评价指标具有较高的精度。(v)CW-PPCC基于的评价算法”AHP和DEA”有一个坚实的理论基础,对一些在现实生活中是很困难的。
数据可用性
手稿中使用的数据集是免费的文献和releavant引用提供的文本。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作是支持的学术事务办公室,沧州师范大学。