基于人工智能模式下的职业教育教师评价模型研究.docx

基于人工智能模式下的职业教育教师评价模型研究1.引言随着计算机网络技术、移动通信技术、信息处理技术的发展，教与学的模式也在逐步发展，在传统的课堂教学模式的基础上发展了移动教学、幕课、移动情景感知教学等多种教学模式[1-3]，Hong C E、Lawrence S 在 2011 年研究了传统课堂教学具有降低教学成本和学习费用、集中互动等优势，是当前国内外教学采用的主要模式，但不能满足学者教育的时间、地点等诸多需求[4]；Florence Martin 等人在2013 年提出移动教学虽然可以随时随地传送大容量文字、图形、影视等多媒体信息，但是还无法满足视频的实时传输功能[5]。

而移动情景感知学习则可以根据学习者当前需求和学者环境及学习设备的变化，快速准确的选择最恰当的教师推荐给学者，实时为学者解决问题[6]，这不仅扩展了学者的时间和空间，同时也扩展了教师的时间和空间，从而学者能够更有效率的受到服务，因此，教师评价成为移动情景感知学习的关键问题。

客观合理的教师评价体系对于建设自身的高效率师资队伍具有重要意义，目前研究人员对评价模型进行了大量研究，常见的评价模型主要有三种：（1）学生打分法评价模型、（2）递阶层次评价模型、（3）模糊综合评价模型。

学生打分法对于教师的评价方法简单，易于使用，涉及的不是很全面，准确性不是很高，主观性强[7]；递阶层次评价模型即采用层次分析法，它的计算量是比较大的，要判断矩阵的最大特征和判断矩阵的阶数是否相等去检验判断矩阵是否具有一致性，而且当判断矩阵不一致时则需要通过若干次的调整、检验才能具有一致性，数据量和操作都比较复杂[8]。

模糊综合评价模型将一些边界不清、不容易定量的因素定量化，把定性描述和定量分析紧密结合起来，从多个因素对被评价事物隶属等级状况进行综合性的评价，是一种比较适合的教学评价方法[9]；在传统的评价方法中，大都采用定性分析，因而有失客观、公正。

衡量广大教师服务质量难以量化，尤其是对于移动情景感知学习来说，学习者无法面对面接触教师，而且教师服务时间、地点都是随机变化，教师服务的内容也随着学习者不同而不同，对于教师来说，服务对象、服务内容随机变化，因而评价因素无法量化，为此，本文提出了基于多级模糊综合评判的教师评价模型，在本文的第 2 节给出了评价模型，第 3 节给出了模型实施过程及比较。

2.移动情景感知下的教师评价模型2.1移动情景感知学习下的教师评价因素在移动情景感知学习环境下，学习者和教师利用移动设备的视频和语音功能建立情景联系，可以更好更快的为学习者提供实时指导服务，从而能够及时准确的帮助学习者分析问题，解决问题。

通过移动情景感知学习平台有学者们可以知道：（1）在移动情景感知学习平台环境下，教师通过注册提供教师的职称、职位、业绩、专业、特长、本身的等级否为省市级，以及自身的教学状态是否端正等信息；（2）在服务过程中，系统将记录教师服务的时间、费用、服务次数情况；（3）学习者可以反馈教师的语言组织能力情况和是否可接受情况等信息；（4）学习者可以将教师的服务质量（非常满意、满意、不满意、非常不满意）反馈给系统。

由于移动情景感知学习模式下，学者提出的问题需要教师们的快速以及准确的回答，所以就需要教师本身则具备一定的条件。

通过专家采访，以及对情景感知学习系统环境的分析，初步选取以下几个指标体系作为教师评价因子，综上所建立教师评价指标体系如表1 所示。

在表1 中，有学者们选取100 个有经验的专家，对以上的教师评价因子进行指标筛选，通过设计指标重要性调查问卷表，对移动情景感知学习模式下的教师评价因子指标进行筛选，超过50%以上人数选取的认为非常重要的指标即被列为移动情景感知学习下的教师评价指标，专家对移动情景感知学习下教师评价因子指标样本进行分析选取结果如表2 所示。

教师的服务质量、教学效果，根据这些评价因素，在移动情景感知学习下进行实验，由多个教师和学生参与实验，通过教师对学生提出的问题进行回答解决，学生再对教师回答的问题做出评价。

移动情景感知学习下的教师评价指标体系如表3 所示。

i 2.2 多级模糊综合教师评价模型根据 2.1 节阐述的评价因素，将移动情景感知学习下的教师评价问题与模糊 综合评判模型建立联系。

因此，将影响教师评价的主要因素分类如表 3 所示，即设定评价指标集合如公式（1）所示。

U = {U 1 ,U 2 ,...,U S }(1)通过实验数据统计分析，得到每个教师的评价指标及其子指标的权重，如 2.1 节表 3 中阐述的 U1、U2、U3 以及 C11、C12、C13…..C33 所示，如公式（2）、 （3）所示，且所有指标的权重之和为 1，如公式（4）所示。

C = {C 1,C 2 ,...,C s }(2)C i = {C i 1, C i 2 ,..., C in },{i = 1, 2,...s } (3)sn i∑Ci= 1, 其中C i = ∑C in i (4)i =1j =1教师评价的评语集是学生根据表 3 教师评价指标体系表得出的评价结果集合，表示为V = {V 1,V 2 ,...V s}, 其中V j ( j = 1, 2,..., s) 是评语等级，一般用“非常满意、满意、不满意、非常不满意”来表示，也可以用值（百分制）来表示。

根据表 3 的一级指标和二级指标，得到学生对教师评价的评价结果，根据对 调查问卷表统计分析，对评价结果与评价指标建立关系矩阵得出 R 。

（1） 建立评判指标、评语之间的关系矩阵 R i ，如公式（5）所示。

⎡ r i 11 r i 12 r i 1n ⎤⎢ r rr ⎥ ⎢ i 21R i = ⎢ r i 31 i 22 r i 32 i 2n ⎥ r i 3n ⎥ (5) ⎢ ⎥ ⎢ ⎥ ⎢⎣r i m1 r i m2r i mn ⎥⎦（2） 根据情景权重 C i 和关系矩阵 R i ，可以计算第 i 指标的评判值，如公式（6）所示。

⎡ r i 11 r i 12 r i 1n ⎤ ⎢rrr ⎥ B i = C iR i = (C i 1, C i 2 , , C ini ) ⎢ i 21 ⎢ r i 31 i 22 r i 32i 2n ⎥ r i 3n ⎥ = (b i 1, b i 2 , .b i n ) (6) ⎢ ⎥ ⎢ ⎥ ⎢⎣r i m1 r i m2r i mn ⎥⎦其中，公式（6）中的符号“。

”表示模糊运算符号，采用普通算子法，即模糊矩阵的运算相当于普通矩阵的乘法，但公式（6）中的含义是：求和是求最大值，求积是最小值。

通过设计的问卷调查，得到模糊评判结果，进行二级模糊综合评判，一级模糊综合评判矩阵如公式（7）所示，根据一级评判结果，再进一步计算二级评判k∑ k值 B ，如公式（8）所示。

⎡ B 1 ⎤ ⎡ C 1 R 1 ⎤ ⎢ B ⎥ ⎢C R ⎥ R = ⎢ 2 ⎥ = ⎢ 2 2 ⎥(7)⎢ ⎥ ⎢ ⎥ ⎢B ⎥ ⎢C R ⎥⎣ S ⎦ ⎣ S S ⎦ ⎡ C 1 R 1 ⎤ ⎢C R ⎥ B = C R = A ⎢ 2 2 ⎥ = (b , b ,, b )(8)⎢ ⎥ 1 2N⎢ C R ⎥ ⎣ S S ⎦b k (k = 1, 2,3， , N ) 是各评价指标的综合评价值，对b k 进行规整处理，得到 b '，如公式（9）所示。

b ' =b kkNb kk =1(9)根据公式（9），可以计算评判值，即：w 值，便可以得到教师的评价等级。

如公式（10）所示。

w = b '⨯ v T(10)在对教师进行评价时，可采用四级分制：非常满意、满意、不满意、非常不满意，或者采用百分制，但记入成绩单时要按标准换算成百分制即很好、较好、一般、不好。

分别为：90 分、80 分、70 分、60 分，因而评价集合为 V={非常满意、满意、不满意、非常不满意}，这里给出其对应值分别为：90、80、70、60。

3.多级模糊综合教师评价模型实施本文通过进行问卷调查，采用层次分析法获取各个指标的相对重要性，然后利 用 层 次 分 析 法 软 件 计 算 出 各 指 标 权 重 ， 一 级 指 标 的 权 重 分 别 为 U = {U 1,U 2 ,U 3} = {0.1429, 0.5714, 0.2857}，二级指标的权重分别为： U 1 = {C 11,C 12 ,C 13} = {0.4161, 0.4579, 0.1260},U 2 = {C 21,C 22 ,C 23 ,C 24 ,C 25 ,C 26} = {0.0468, 0.1248, 0.1683, 0.2858, 0.0971, 0.2772} U 3 = {C 31,C 32 ,C 33} = {0.2500, 0.5000，0.2500} 。

在移动情景感知学习环境下对学生采用问卷调查的方法进行实验，由多个教师和学生参与实验，通过教师对学生提出的问题进行回答解决，学生再对教师回答的问题的情况做出评价。

将收集到的结果进行整理统计，将得到的结果进行数量化处理，得到单因素评判矩阵，结果分别为教师的知名度 R1，教师的服务质量 R2，教学效果 R3，分别为：⎢ ⎥ ⎢ ⎥ ⎢ ⎥ 根据模糊综合评判模型，结合层次分析法所得到的评价指标因素权重，由公式（6）可以得到各个评价指标的评判结果，计算结果分别为 B 1、B 2、B 3 。

⎡0.8 0.1 0.1 0.0⎤B 1 =C 1 R 1 = (0.4161, 0.4579, 0.1260)⎢0.9 0.1 0.0 0.0⎥ = (0.4579, 0.1260, 0.1, 0.0) ⎢⎣0.8 0.2 0.0 0.0⎥⎦⎡0.7 0.3 0.0 0.0⎤⎢0.7 0.3 0.0 0.0⎥ ⎢0.9 0.1 0.0 0.0⎥B 2 =C 2 R 2 = (0.0468,0.1248,0.1683,0.2858,0.0971,0.2772) ⎢⎥ = (0.2858,0.2,0.2,0.0) ⎢0.8 0.2 0.0 0.0⎥ ⎢0.9 0.1 0.0 0.0⎥ ⎢ ⎥ ⎣0.6 0.2 0.2 0.0⎦B 3 =C 3R 3 = (0.5000,02500,0.5000)⎡0.7 0.2 0.1 0.0⎤⎢0.8 0.1 0.0 0.0⎥ = (0.2500,0.5000,0.1,0.0) ⎢⎣0.6 0.4 0.0 0.0⎥⎦利用公式（7），进行二级综合模糊评判，可以求出关系矩阵 R 。

然后根据 C 和 R ，利用公式（8）可以得到 B 值。