基于云理论的学习评价模型研究
基于计算机模拟的云模型评价方法研究的开题报告
基于计算机模拟的云模型评价方法研究的开题报告一、研究背景和意义随着计算机技术的不断发展，云计算成为了当前最热门的研究领域之一，其具有高效、安全、可扩展等特点。
云计算平台的质量评价和可靠性测试一直是云计算的热点问题之一，也是众多研究者所关注的焦点。
其中，云模型评价方法是一种新兴的评价方法，通过对云模型进行模拟分析来评估云计算平台的综合性能。
计算机模拟作为一种成本低，效率高，非常适合工程实践中直观分析的方法，可用于云模型的建立和评估。
因此，本研究旨在基于计算机模拟的云模型评价方法，构建可靠的云计算平台评价模型，为云计算平台质量评价提供一种有效的方法。
二、研究内容和方法（1）研究内容本研究的主要内容是基于计算机模拟的云模型评价方法研究。
具体包括以下几个方面：1. 云计算平台的综合性能评价模型构建。
2. 基于云模型的云服务质量评估指标，包括可用性、响应时间、吞吐量等。
3. 基于计算机模拟的云计算平台综合性能评价方法。
4. 实验分析和案例研究，验证模型和方法的有效性。
（2）研究方法1. 文献调研法：对云计算平台的质量评价和云模型评价方法的研究现状进行调查，梳理相关研究成果。
2. 实验模拟法：基于云模型和计算机模拟技术，对云计算平台的综合性能进行模拟评估。
3. 数据分析法：对实验数据进行统计和分析，评估云计算平台的综合性能，验证模型和方法的有效性。
三、预期成果1. 构建基于计算机模拟的云模型评价方法，建立可靠的云计算平台评价模型。
2. 提出一套基于云模型的云服务质量评估指标，实现对云计算平台性能的全面评估。
3. 实验分析并验证评价模型的有效性，提高云计算平台的质量和可靠性。
四、研究进度安排第一年（2019年9月至2020年6月）1. 研究文献调研，了解云计算平台质量评价和云模型评价方法的研究现状。
2. 构建云计算平台的综合性能评价模型，提出云服务质量评估指标。
3. 实现基于云模型的云计算平台性能模拟，分析和统计模拟数据。
基于云教育平台的终身学习模型理论研究
一
、
云教 育平台服 务终身学 习的优势
１ ． 云教育 。云教 育 （ Ｃ ｌ ｏ ｕ ｄ Ｅ ｄ ｕ ｃ ａ ｔ ｉ ｏ ｎ ）实 质上就
是 “ 云计算”在教育领域的应用 ，他将各种教学应 用软件推向云端 ， 用户只需一个账号 ，便可登陆到 个 虚拟环 境 ，享受 全部应 用 。 ２ ． 云教育平台。云教育平台是一个综合的教育 信息化 服务平 台 ，通 过云计算 （ Ｃ ｌ ｏ ｕ ｄ Ｃ ｏ ｍ ｐ ｕ ｔ ｉ ｎ ｇ ） 的理念 ，打破教育时间上的差异性 、教育空间上的 局限性和教育信息上的不对称性 ， 让每一个学习者 拥有一个可用的、平等的教育平台。 ３ ． 云教育平台在终身教育中的优势 。云教育平 台可以提供虚拟的学习环境和 自主协作、研究性的 学 习设 计 以及全 新 的知识管理 模式 ，帮助 学习 者通 过 平 台进行 学 习 、讨论 、提 问 ，并全 程记 录学 习者 的学习过程 。云教育平台提供一个 Ｂ ／ Ｓ 结构的信息 化 教育 服务 ，学 习者 只需 要注册 一个 账号 ，通过 浏 览 器就 可 以参加所 需要 的培训 ，获得 教育支 持服 务 和应 用 软件 服务 。云 教育平 台在 终身教 育领域 有 以 下 优势 ： （ １ ）支持泛在 的学习接人 。云教育平台可提 供多种接入方式和学习工具 ，学习者可通过个人计 算机、手持移动设备、Ｉ Ｖ等进行移动学习。 （ ２ ）为学习者提供个性化的支持服务。云教 育平 台为学 习者提供个性化服务 ， 通过平 台的数字 化 软 件和 支持工 具记 录学 习者 的学 习记 录和学 习过 程， 并针对学习者的兴趣爱好为学习者推荐个性化 的学 习资源 。 （ ３ ） 为学 习 者提 供 个 性化 的学 习选 择 。云 教
二 、基 于云教育 的终身教 育学 习模型 的建立
基于云重心理论的学习评价方法
基于云重心理论的学习评价方法作者：杨婷彭莉峻来源：《现代电子技术》2014年第08期摘要：学生的学习评价是学校培养学生的重要组成部分，如何科学地对学生进行综合评价，是学习评价的关键问题。
云理论主要是把传统的模糊集理论和概率论结合在一起，将概念的模糊性与随机性进行综合考虑，解决了定性值与其定量概念之间转换问题。
该系统建立在云理论基础上，实现了学习评价的不确定转换问题，并应用云重心评价法解决了传统学生学习评价的不足，形成了学习综合评价体系。
关键词：学习评价；云理论；云重心评价法；学习评价指标体系中图分类号： TN964⁃34 文献标识码： A文章编号： 1004⁃373X（2014）08⁃0142⁃03 Learning evaluation methods based on cloud barycenter theoryYANG Ting， PENG Li⁃jun（College of Mechanical and Electrical Engineering，Xi’an Universi ty of Architecture and Technology，Xi’an 710054， China）Abstract： The learning evaluation for the students in school is an important part to train the students. The scientific evaluation for students is the key of learning evaluation. The cloud theory is the one that transforms the qualitative index into quantitative concept， based on the fusion of the traditional fuzzy set theory and probability theory. The uncertain conversion of learning assessment was achieved based on the cloud theory. The cloud barycenter evaluation method was used to overcome the shortcomings of traditional assessment for student learning， and form a comprehensive evaluation system of the student learning.Keywords： learning evaluation； cloud theory； cloud barycenter evaluation method；learning evaluation index system0引言高校学生学习评价是对学生知识掌握、能力形成、素质培养等方面学习水平的考核与评定。
基于云理论的实践教学环节成绩评定方法
基于云理论的实践教学环节成绩评定方法作者：***来源：《科技资讯》2024年第01期关键词：实践教学云模型评价体系数据挖掘中图分类号： TP302 文献标识码： A 文章编号： 1672-3791（2024）01-0178-04实践教学是学校教学工作的重要组成部分，是深化课堂教学的重要环节，是学生获取、掌握知识的重要途径［1］。
通过设定具体目标，可以激发学生学习的主动性，使学生在实践过程中将所学习的理论知识运用到对实际装置或技术的研究中，并实现对技术理论更深层次的理解［2］。
随着“新工科”教育的不断推进，以“解决复杂工程问题”为导向回归实践教学，培养和提高学生工程实践能力、创新思维，以适应新形势下的人才培养需求［3］。
本文以课程设计为例介绍一种基于云模型的成绩评定方法，弥补了之前评价方法的不足，发现了教学过程中存在的问题，成绩评价更加准确客观，教学质量得到了提升。
1 实践教学环节成绩评定体系在工科专业课教学中，实践教学环节一般包括专业课内实验、独立设课实验、课程设计、生产实习与毕业设计等。
以课程设计为例，根据《西安邮电大学实践教学成绩评分标准》中自动化专业相关要求，考核项目分为三部分。
第一部分为学习態度和纪律，占比20%，考核内容包括预习报告质量、考勤签到情况，考查学生学习积极性与前期理论知识功底。
第二部分为实践能力考核，包括软件原理仿真、硬件实物焊接与调试。
该部分为实践环节考核核心内容，考查学生解决实际工程问题的能力，占比50%。
第三部分为实验报告与答辩，占比30%，考核内容包括答辩过程中问题回答情况，实验报告的完整性、规范性与准确性，学生整理资料与书面表达能力。
评分标准内容与分级如图1 所示。
该标准贯穿实践教学每个环节，考查内容全面具体，体现了教学过程的系统性和科学性，符合专业认证背景下的工科人才培养需求。
因为实践环节教学考查具有复杂性、创造性、主观性和模糊性的特点，所以采用等级评定制度判定成绩。
系统评价方法之云模型评价方法
系统评价方法之云模型评价方法云模型评价方法是一种基于云模型理论的评价方法，能够将主观评价转化为数学模型，并进行量化评价。
云模型评价方法应用广泛，可以用于产品质量、服务态度、科研成果等方面的评价。
下面将详细介绍云模型评价方法的原理和应用。
云模型评价方法的基本原理是将主观评价转化为数学模型。
在进行评价之前，首先需要建立评价指标体系。
评价指标体系是评价过程中所使用的指标的有机组成，包括评价指标的定义、评价指标的权重、评价指标之间的关系等。
建立好评价指标体系后，可以根据实际情况，对各个指标进行量化。
云模型评价方法使用了云模型理论中的标准云和自适应云的概念，将评价指标的值映射到云模型中。
标准云是指根据评价指标的取值范围和分布规律，形成的一种标准样本。
自适应云是指根据实际评价指标的取值，自动生成的一种模糊样本。
通过比较自适应云和标准云的形状，可以得到评价的结果。
云模型评价方法的应用非常广泛。
首先，它可以用于产品质量的评价。
对于项产品，可以建立一套评价指标体系，包括产品的外观、功能、性能等方面的指标。
通过对这些指标进行量化评价，将评价结果转化为云模型，从而得到产品的质量等级。
其次，云模型评价方法也可以用于服务态度的评价。
对于项服务，可以建立一套评价指标体系，包括服务的热情程度、责任心、专业水平等方面的指标。
通过对这些指标进行量化评价，将评价结果转化为云模型，从而得到服务的质量等级。
此外，云模型评价方法还可以用于科研成果的评价。
对于项科研成果，可以建立一套评价指标体系，包括科研成果的重要性、创新性、实用性等方面的指标。
通过对这些指标进行量化评价，将评价结果转化为云模型，从而得到科研成果的质量等级。
综上所述，云模型评价方法是一种将主观评价转化为数学模型的评价方法，能够将评价结果量化，提高评价的客观性和准确性。
它可以应用于产品质量、服务态度、科研成果等方面的评价，具有广泛的应用前景。
基于云重心理论的学习评价方法
基于云重心理论的学习评价方法【摘要】本文介绍了基于云重心理论的学习评价方法。
探讨了云重心理论在学习评价中的理论基础，指出其重要性和独特性。
分析了目前学习评价的研究现状，探讨了现有方法的局限性。
接着，提出了基于云重心理论的评价指标体系构建方案，包括核心概念和具体指标的设定。
然后，介绍了实施方法，包括如何运用云重心理论指导学生评价和提升学习效果。
通过案例分析展示了这一方法的实际应用效果。
结论部分强调了基于云重心理论的学习评价方法的有效性，指出其对于提高学生学习成绩和促进学习效果的重要作用，具有很大的实践价值。
通过本文的研究，可以进一步促进学习评价方法的创新和完善，为提高教育教学质量提供有力支撑。
【关键词】云重心理论、学习评价方法、理论基础、研究现状、评价指标体系构建、实施方法、案例分析、有效性。
1. 引言1.1 基于云重心理论的学习评价方法基于云重心理论的学习评价方法是一种基于认知心理学的评价方法，通过对学习过程中个体的认知能力、情感态度、行为表现等方面进行综合评估，旨在全面了解学生的学习情况和发展趋势。
云重心理论认为，学习是一个个体与环境相互作用的过程，个体对信息的吸收、加工和运用受到环境因素和个体自身条件的影响。
在学习评价中，云重心理论提醒我们要注重个体的主观意识和认知特点，不仅仅关注表面的学习成绩，更要关注学生在学习中的思维方式、学习习惯和自我调节能力。
基于云重心理论的学习评价方法将个体的认知、情感和行为等多个维度纳入评价体系，通过量化和定性的方式对学生进行全面评估。
在构建评价指标体系时，需要充分考虑学生的学习特点、个性差异和学习目标，以确保评价的全面性和有效性。
在实施评价方法时，可以采用问卷调查、观察记录、访谈等多种方式收集数据，进一步分析学生的学习表现和发展趋势。
通过案例分析基于云重心理论的学习评价方法在实际教学中的应用效果，可以更加直观地了解该方法对学生成长的促进作用。
结合理论和实践，可以得出基于云重心理论的学习评价方法在提高学生学习效果和发展潜力方面具有显著的有效性。
云计算背景下的学生课程评价模式探究
352016年/第二十七期/九月（下）云计算背景下的学生课程评价模式探究瞿小宁（长沙商贸旅游职业技术学院湖南・长沙410019）摘要互联网事业在我国发展迅速，广泛应用于各行各业。
在“互联网+”战略的指导下，教育系统如何应用互联网带来更高的教学效能值得人们思考。
而这对此类问题的研究更多地集中在网络资源应用层面，对于其与教学制度的互动与变更研究相对较少。
本文以云计算为基本依托，以学生课程评价模式为研究对象，对二者之间的互动以及具体的应用模式为探究目标。
旨在通过本文的分析能够为今后的相关教学改革，以及云计算走入校园提供必要的理论基础与实践指导。
关键词云计算课程评价教学改革模式路径中图分类号：G712文献标识码：ADOI:10.16400/ki.kjdkx.2016.09.018Research on Students ’Curriculum EvaluationMode under the Background of Cloud ComputingQU Xiaoning(Changsha Commerce and Tourism College,Changsha,Hu'nan 410019)Abstract Internet business has developed rapidly in our country,widely used in all walks of life.In the "Internet plus"strategy under the guidance of the education system,how to use the Internet to bring the teaching efficiency of higher worth thinking.And the research of this kind of problem is more concentrated in the application of network resources,and the interaction and change of the teaching system is relatively small.Based on the cloud computing as the basic support to the student curriculum evaluation model for the study of the interaction between the two and the specific application of the model for the research ob-jectives.The purpose of this paper is to provide the necessary theoretical basis and practical guidance for the relevant teaching reform in the future,as well as the cloud computing into the campus.Key words cloud computing;curriculum evaluation;teaching reform;path 0引言“互联网+”战略的提出，为未来我国一段时期内的产业结构优化与社会结构优化提供了一种新的思路。
基于云模型的主观信任评价模型——以淘宝网为例
为
某一信任等级基准云，采用指数距离法计算当前主观信任云与信
任标准云的相似度。
2012年12月 255
Forum 学术论坛
…
算法4：云相似度算法
(1)采用欧几里得距离计算法计算
，
(2)
。
1.7 相似信任云的差异计算
有两个主观信任云，
和
这两个信任云与信任等级基准云之间的差异度。
模糊性和随机性的相关性，代表了信任的取值范围。信任超熵 是
熵不确定性的度量，由熵的随机性和模糊性共同决定，可以看作每
次评价的凝聚性。
1.3 信任等级基准云
信 任 等 级 基 准 云 是 一种 特 殊 的 信任 云模 型，是由德 尔 菲 法
得到的一套评 价体系，由多个云构成，作为信任等级划分的标
准，每个等级都是由专家或用户充分交易且无恶意推荐下形成的
表1 等级基准云
评价等级
I(完全不信任)
0
0.05
0.01
II(不信任)
0.15
0.05
0.01
III(接近信任)
0.4
0.083
0.01
IV(信任)
0.6
0.067
0.01
V(完全信任)
基于主体结合自身的特点进行的，因此具有较强的主观性、随机性
和模糊性，为了将信任评价这种特征进行定性和定量的反映，引入
云模型来刻画，为主体信任决策提供更合理有效的支持。
1.1 信任云的定义
设 是一个可以用精确数值表示的信任评价论域， 是与 相
联系的定性评价值。 中的元素 对于 所表达的定性评价概念的
隶属度 是一个具有稳定倾向的随机数， 在论域 上的分
1 信任云模型及其算法
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计算机与现代化 2008年第3期J I S UANJ I Y U X I A NDA I HUA总第151期文章编号:100622475(2008)0320017203收稿日期:2007203220基金项目:国家自然科学基金资助项目(60564001);广西研究生教育创新计划资助项目(2006105930812M21)作者简介:蒋建兵(19792),男,广西全州人,广西大学计算机与电子信息学院硕士研究生,研究方向:人工智能,数据挖掘;梁家荣(19662),男,广西玉林人,教授,博士,研究方向:人工智能,数据挖掘。
基于云理论的学习评价模型研究蒋建兵,梁家荣,江 伟,顾志鹏(广西大学计算机与电子信息学院,广西南宁530004)摘要:云理论是定量与定性之间转换的有效工具。
基于云理论本文提出了一种新的学生学习评价模型。
该模型能客观、准确地将学生平时科目测试成绩转化为对科目知识掌握程度的定性评价,并且能够对学生心理素质及发挥的稳定性进行分析,挖掘出更多有价值的信息。
实验证明该模型的可行性和有效性。
关键词:定性评价;云理论;云变换;数据挖掘中图分类号:TP18 文献标识码:AResearch on Eva lua ti on M odel of Studen t Grade Ba sed on C loud TheoryJ IANG J ian 2bing,L IANG J ia 2r ong,J IANG W ei,G U Zhi 2peng(College of Computer and Electr onic I nf or mati on,Guangxi University,Nanning 530004,China )Abstract:Cl oud model is an effective t ool in transfor m ing bet w een qualitative concep ts and their quantitative exp ressi ons .A ne w method of evaluati on model of student grade is given,based on cl oud theory .This model can objectively transfor m subject exa m ina 2t orial grade int o the knowledge gras p degree .Student mental character als o can be analysed thr ough it .It can m ine more valid in 2f or mati ons .Experi m ent p r oves it is feasible and valid .Key words:qualitative evaluati on;cl oud theory;cl oud transf or m;data m ining0 引 言定性评价在生活中有着广泛的应用,从学生成绩的评定到复杂工程的综合评定都需要有准确明了的定性评价[1]。
对学生学习的定性评价既能让学生了解自己对知识的掌握程度和激发学习动机的作用,同时也是教师检查教学效果的重要手段。
传统评价方法通常是采用多次考试成绩平均值法,然而这种方法是典型的硬划分方法,存在众多的弊端:比如将平均分数是80分就确定为对该科目知识掌握的好,而平均分数79分就确定为对该科目知识掌握一般。
这是不够深刻的,实际上79分和80分的差距并没有那么大。
云理论能够把自然语言中定性概念的模糊性和随机性有机综合在一起,实现定性语言值和定量数值之间转换,是研究不确定性的重要工具。
将云理论应用到学习定性评价中,可以有效地对学生成绩进行软划分,使评价结果不仅能够反映出知识的掌握程度,而且还反映出学生心理素质及发挥的稳定性。
本文给出了具体的基于云理论的学习评价模型,用实例证明了模型的可行性。
1 云理论相关概念1.1云概念设U 是一个用精确数值表示的定量论域,C 是U 上的定性概念,若定量值x ∈U,且x 是定性概念C 的一次随机实现,x 对C 的确定度μ(x )∈[0,1]是有稳定倾向的随机数,μ:U →[0,1]Πx ∈U x →μ(x )则x 在论域U 上的分布称为云(Cl oud ),每一个x 称为一个云滴[2]。
云的整体特性可以用云的数字特征来反映:期望Ex 1、期望Ex 2,熵En 、超熵He,记为C (Ex 1,Ex 2,En,He )。
其中Ex 1ΦEx 2,当Ex 1<Ex 2时,表征的是梯形云模型;当Ex 1=Ex 2时,表征的是正态云模型。
18 计 算 机 与 现 代 化2008年第3期1.2正态云模型和梯形云模型正态分布广泛存在于自然现象、社会现象、科学技术以及生产活动中,在实际中遇到的许多随机现象都服从正态分布或近似服从正态分布。
这也是用正态云表达原子概念具有良好普适性的基础[3]。
正态云是梯形云的一种特例,梯形云模型是相对于正态云而言更为一般的云模型。
梯形云模型与正态云模型的数字特征熵En 和超熵He 的含义是一致的,两者之间主要区别在于前者的期望Ex 1<Ex 2:说明梯形云模型存在一个区间[Ex 1,Ex 2]的值是100%的属于所描述的概念;而正态云模型期望Ex 1=Ex 2,则只有一个元素肯定属于所描述的概念。
因而两者所适合描述的对象有所不同,比如用正态云模型来表示概念“20岁左右”,而用梯形云模型来表示概念“青年”。
人们通常都会把年龄在22～26岁之间的人看做是青年,具有多个年龄肯定属于“青年”,用梯形云来描述更能完整地表达其含义。
1.3逆向云发生器和x 条件云发生器[2]逆向云发生器的作用就是从给定数量的云滴中还原出云的数字特征值,以实现从定量的数值向定向语言值的转换。
x 条件云发生器作用就是对给定特定的x 值,产生这个x 在概念中对应得一个云滴,即得到x 对该概念的一个隶属度。
1.4改进云变换算法利用现有云理论中云变换方法[4],只能生成正态云和半正态云概念。
考虑到梯形云模型在生活中具有的一般性和其表示概念易理解性,本文将原有云变换算法进行改进。
新的云变换算法生成的概念C i 可以是梯形云、半梯形云、正态云、半正态云,具体类型由数据的实际分布和给定误差阈值决定。
定义给定论域中某个数据属性X 的频率分布函数f (x ),根据X 的属性值频率的实际分布情况,自动生成若干粒度不同的云C i (Ex 1,Ex 2,En,He )的叠加,每个云代表定性的概念,这种从连续的数值区间到离散的概念的转换过程,称为云变换。
其数学表达式为:f (x )ϖ∑ni =1(a 13C i (Ex 1,Ex 2,En,He ))式中a i 为幅度系数;n 为变换后生成离散概念个数。
改进云变换算法具体如下:算法1:改进云变换算法。
输入:一任意的数据分布概率密度函数f (x ),误差阈值θ。
输出:包括正态云和梯形云概念的云模型集Cl ouds 。
BEGI N(1)C LOUDS =NULL;h (x )=f (x );(2)WH I L E (max (h (x )<θ)){;(3)hi =Find_high (h (x ));//寻找数据分布上一个峰值(4)hl =Search_left (hi,h (x ));(5)hr =Search_right (hi,h (x ));/3在峰值hi 的左边和右边的一定距离内分别搜寻其它峰值,如果没有,则返回hi 本身3/(6)if (hl!=hr&&Judge (hl,hr,h (x ))){/3Judge 函数判断在h (x )在两峰值间是否近似水平3/(7)Ex 1=hl;Ex 2=hr;//生成梯形云原子概念(8)En =calc_En (h (x ),Ex 1,Ex 2,θ);/3将曲线h (x )上区间[Ex 1,Ex 2]看成一点,拟合曲线h (x )计算梯形云熵En 3/}else{(9)Ex 1=Ex 2=hi;//生成正态云原子概念(10)En =calc_En (h (x ),Ex 1,Ex 2,θ)/3根据云期望曲线拟合曲线h (x )计算正态云熵En 3/}(11)ai =(h (Ex 1)+h (Ex 2))/2;//ai 为幅度系数(12)CLOUDS =C LOUDS ∪{(Ex 1,Ex 2,En,ai )};(13)h (x )=h (x )2ai 3CLOUD_EXP (Ex 1,Ex 2,En );/3原数据分布减去已知的数据分布,得到新的数据分布3/}(14)CLOUDS =Calc_He (C LOUDS,f (x ),h (x ));//根据最终拟合残差计算各云模型的超熵E ND2 云理论学习评价模型的构建云理论学习评价模型能够对一定阶段内该学生某科目的多次平时测试成绩进行处理,尽可能地挖掘出隐藏在其中的有价值信息,如学生测试时的心理素质和学生对该科目知识的掌握程度等,分别为学生的学习和教师的教学提供参考。
下面给出云理论学生成绩评价模型的形式化语言描述算法:(1)选取该科目历史数据库中一定量的该校往届同年级学生平时测试成绩作为训练数据,利用改进云变换算法进行处理,得到能代表该科目知识掌握程度的定性概念A i (Ex 1,Ex 2,En,He )。
(2)将一个待评价学生的各测试成绩看作一个云滴,利用逆向正态云发生器得到对应该学生的正态云C i (Ex,En,He )。
对每个学生成绩重复进行这步操作。
(3)将第(2)步得到的各Ex 分别作为x 条件云发生器的输入,求出对每一个概念A i 的隶属度,采用最大值法确定最终所属概念。
算法说明:第(1)步是充分利用了以往的历史数据信息,使得到定性概念A i 能够将学生对知识掌握程度进行定性描述。
定性概念A i 的具体类型由数据的实际分布和给定误差阈值θ决定。
θ可根据专家经验给出。
2008年第3期蒋建兵等:基于云理论的学习评价模型研究19 第(2)步是基于在一定阶段内此学生该科目的多次测试成绩通常是近似正态分布的,由逆向正态云发生器生成的正态云概念Ci(Ex,En,He)能够反映出该学生考试时的心理素质及发挥的稳定性。
En,He大说明心理素质及发挥的稳定性较差。
这些有价值的信息是其他评价方法通常反映不出的,体现了云理论进行定性评价的特有优势。
这一步中测试成绩的个数越多,则生成的正态云的数字特征的误差越小。
实验证明个数大于10时,就可以较准确地得到Ex,误差小于0.01。
第(3)步是根据隶属度最大值法,确定每个学生该科目成绩所对应的定性概念Ai,也就是确定此学生对该科目知识的掌握程度。