开放教育入学新生的多因素模糊分类研究
邱崇光 |
[摘要]本文认为对开放教育入学新生也应实施分类指导。为了合理地分类，作者采用了全面准确的“多因素模糊综合评价方法”，并对实施过程和实例进行了详实的介绍。
[关键词]开放教育、入学新生、多因素、 模糊综合评价、分类研究
1、开放教育入学新生分类研究的必要性
开放教育在多方面是开放的，例如表现在教育思想的开放、教育管理的开放、教育对象的开放、教育形式和手段的开放、教育资源的开放等等。其中最为突出的一点就是实行对于教育对象的开放。工业社会时期，为了组班教学，实行“流水线”“批量生产”，因此对教学的原材料——学生必需是严格的整齐划一的。对求学者的年龄、职业、地区、学习经历有明确的规定和要求，并采用严格的考试与报考资格审定的办法来限制和淘汰求学者。
受教育是公民的基本权利之一，随着信息化经济的到来，知识社会要求人们终身学习，要不断得到培训提高，因此对教育对象的开放势在必行。目前多数远程办学单位都基本转向开放类型，对希望受教育的所有人实行“有教无类”，敞开大门。
我校开办远程开放教育已多年，举办专升本班已历四届。在参加了“中央广播电视大学人才培养模式改革和开放教育试点”研究课题的实践工作之后，通过对国内外远程开放教育学生培养过程的分析、观察和研究而后我们认为；远程开放教育对教育对象开放的方向是完全正确的，但是为了提高教学质量，提高毕业率，减少辍学率，使教学向良性方向发展，推动学生坚持学习下去的信心，适当的分类指导是完全必要的。这种做法与开放教育的思想并不矛盾，相反，它将促进开放教育的全过程得以正常的进行下去。
另一个必须分类指导的原因是；目前远程开放教育的实施过程，真正做到某一专业所有课程网上滚动播出，自定教学计划，自定学习进度，随时可以参加测试的教学点还是很少。多数学校的教学管理仍是混合型的，仍然是统一的学习计划与进度，学期末实行统一考试，因此在这种情况下势必对学习主体——学生产生了部分规范化的要求。
现代认知学的理论告诉我们；学习是认知主体的在原有知识基础上的知识重新建构，建构主义学派和认知心理学派都要求我们必须对认知主体有深入的研究。为了提高学习效率对认知主体进行分类指导，进入不同的情景学习，有利于他们的学习效率的提高的和学习积极性的发挥保持。
因此我们认为；即使是在开放教育的条件下，对学生分类指导也是十分必要的。我们的做法是，入学新生通过适当的入学测试和填写调查表格取得数据，数据信息经过处理，用模糊数学方法的进行分类，分为两类：直接进入本层次远程开放学习的、经过短期面授补课辅导后进入本层次远程开放学习的。针对不同类别学生，实施不同的措施和教学计划、教学进度。实践说明,这样做收到了良好的效果，减少了辍学率。
2、建立入学者评价值指标体系
开放教育入学者情况较为复杂，同时，影响入学者继续学习的因素众多，为了得到比较准确的、参考价值较大的结果，而我们采用了两级模糊综合评价体系：
第一级综合评价的指标是：u1(基本特征)、u2(基础知识、素质、能力)、u3（学习能力、学习习惯）、u4（学习环境、学习条件）、u5（学习期望、学习目标）。
第二级综合评价的指标体系有指标36个。两级指标的符号、含义、方法和权重可参见下表1：
|
第一级指标
|
第二级指标
|
|
符号
|
内容
|
符号
|
内容
|
评分
|
权重
|
归一权重
|
|
u1
|
基本特征
|
c1
|
年龄
|
30岁以下:1, 30-40岁:0.9, 45岁以上:0.7
|
0.6
|
0.200
|
|
c2
|
性别
|
男:0.95, 女:0.9
|
0.2
|
0.067
|
|
c3
|
脱产、非脱产
|
脱产:1, 非脱产:0.9
|
1
|
0.333
|
|
c4
|
婚否
|
否:1, 已:0.9
|
0.9
|
0.300
|
|
c5
|
收入高低
|
低(月收入1000元以下):0.9, 中:1.0, 高(4000元以上):0.9
|
0.3
|
0.100
|
| |
|
|
|
|
|
|
u2
|
基础知识、素质、能力
|
d1
|
入学测试
|
100分制成绩/100
|
1
|
0.179
|
|
d2
|
原专业
|
原专业:1, 相近专业:0.9, 不相关专业:0.7
|
0.9
|
0.161
|
|
d3
|
外语水平
|
高:1, 较高:0.95，中:0.9, 低:0.7
|
0.8
|
0.143
|
|
d4
|
是否发表文章
|
有:1, 无:0.5
|
0.5
|
0.090
|
|
d5
|
是否出版书
|
有:1, 无:0.6
|
0.5
|
0.090
|
|
d6
|
是否完成课题
|
有:1, 无:0.6
|
0.4
|
0.072
|
|
d7
|
职务
|
高级:0.9, 中级:0.95, 低级:0.9
|
0.4
|
0.072
|
|
d8
|
职称
|
高级:0.9, 中级:0.95, 低级:0.9
|
0.6
|
0.107
|
|
d9
|
业务骨干、先进工作者
|
有:1, 无:0.5
|
0.5
|
0.090
|
| |
|
|
|
|
|
|
u3
|
学习能力、学习习惯
|
e1
|
只看文字教材
|
是:0.8, 否:1
|
0.9
|
0.109
|
|
e2
|
用VCD CD-ROM帮助学
|
是:1, 否:0.8
|
0.9
|
0.109
|
|
e3
|
上网学
|
是:1, 否:0.5
|
1
|
0.121
|
|
e4
|
在干中学
|
是:1, 否:0.9
|
0.8
|
0.097
|
|
e5
|
只听讲课
|
是:0.8, 否:1
|
0.9
|
0.109
|
|
e6
|
爱讨论学习
|
是:1, 否:0.8
|
0.9
|
0.109
|
|
e7
|
会安装应用软件
|
是:1, 否:0.7
|
0.8
|
0.097
|
|
e8
|
会发E-MAIL
|
是:1, 否:0.7
|
0.9
|
0.109
|
|
e9
|
会用搜索引擎
|
是:1, 否:0.8
|
0.7
|
0.085
|
|
e10
|
会用FTP
|
是:1, 否:0.9
|
0.5
|
0.061
|
| |
|
|
|
|
|
|
u4
|
学习环境、学习条件
|
f1
|
有否双休日
|
有:1, 否:0.9
|
0.9
|
0.195
|
|
f2
|
离校远近
|
近:1, 否:0.9
|
0.6
|
0.130
|
|
f3
|
有否计算机
|
有:1, 否:0.8
|
0.9
|
0.195
|
|
f4
|
是否上网
|
是:1, 否:0.7
|
0.9
|
0.195
|
|
f5
|
有否单独的学习房间
|
有:1, 否:0.9
|
0.6
|
0.130
|
|
f6
|
家中有否人可以切磋
|
有:1, 否:0.7
|
0.7
|
0.152
|
| |
|
|
|
|
|
|
|
u5
|
学习期望、学标
|
g1
|
喜欢迎接挑战
|
是:1, 否:0.8
|
0.7
|
0.163
|
|
g2
|
喜欢坚持下去
|
是:1, 否:0.8
|
0.8
|
0.186
|
|
g3
|
希望拿到毕业证
|
是:1, 否:0.8
|
0.6
|
0.140
|
|
g4
|
希望拿到学位
|
是:1, 否:0.8
|
0.7
|
0.163
|
|
g5
|
希望学历层次提高
|
是:1, 否:0.8
|
0.7
|
0.163
|
|
g6
|
希望在好些的工作
|
是:1, 否:0.8
|
0.8
|
0.186
|
| |
|
|
|
|
|
这样我们就建立了一个两级多因素模糊综合评价指标体系。将这36个评价指标分两种方式对入学新生完成数据提取，一份是入学水平测试试卷，如果是中央电大学习中心的入学新生，此为一综合性专业考试试卷。另一份为本校编制的测试表格，表格中一共35行，只需要入学者在每一行的几个选项中打勾即可。限于篇幅具体表格不再列出，有兴趣者可参见南海电大网站（WWW.OUNH.ORG）。
3、多因素模糊综合评价
宇宙万物，其状态和运动发展规律如果要用数据来描写，基本是具有模糊性质的。人的感觉、经验、建构能力更是十分模糊的物理量，人为的“精确化”实际只能使数据不能反映事物的本来面目，离开实际情况的数据化描述，指导意义不大。为此本文建议采用模糊数学方法，即使用“多因素模糊综合评价方法”。为了简化工作，此方法我们仅在第一级评价中使用，在第二级评价中仍然采用普通的加权平均的方法，此方法数学表述比较简单，因此不在这里列出。
多因素模糊综合评价方法数学表述如下：
已知个体特征数据集合Ｕ：
Ｕ11 Ｕ12．．．．．．Ｕ1n
Ｕ21 Ｕ22．．．．．．Ｕ2n
Ｕ ＝ ．．．．．．
Ｕm1 Ｕm2．．．．．．Ｕmn
其中：ｉ＝１，２，．．．．．．，ｍ为指标数，
ｊ＝１，２，．．．．．．，ｎ为个体数。
例如：Ｕij表示第ｊ个体的第i个指标。
根据一下各方法可以确定出评判矩阵Ｒ：
１、已确定的结论与常识，２、已有的准则、公式与规范，3、专题研究的报告和论文，4、大量的统计调查的结果，５、专家会议形成的专家经验等。
r11 ｒ12 ．．．．．．ｒ1n
ｒ21 ｒ22 ．．．．．．ｒ2n
Ｒ ＝ ．．．．．．
ｒm1 ｒm2 ．．．．．．ｒmn
其中：下标与前述含义相同，例如rij代表第ｊ个个体的第ｉ项指标，在某一评价标准下的得分，Ｒ 实际上是一个单因素评定表。
指标重要为Ａ＝（ａ1 ，ａ2 ，．．．．．．ａm），则多因素综合模糊综合评判的问题可以归结为:
Ｂ＝Ａ·Ｒ＝（b1 , b2 , …… bn）
其中bi是对第i个个体的评价结果，根据它的大小可以进行个体排序，从而对个体作出不同的评价和安排。
4、例题和运用实例
为具体说明实施过程，现对甲、乙、丙三人的小例题实施评价。对调查表和入学测试成绩提取数据，数据归一化、加权平均处理后，可得第一级评价结果的Ｕ为下表2：
表2.
| |
Ｕ１
|
Ｕ２
|
Ｕ３
|
Ｕ４
|
Ｕ５
|
|
甲
|
19.33
|
8.623
|
8.352
|
14.02
|
13.81
|
|
乙
|
18.60
|
8.879
|
8.702
|
14.34
|
15.52
|
|
丙
|
17.93
|
9.779
|
9.999
|
16.08
|
16.06
|
重要度分为六个等级；很重要、重要、较重要、一般重要、不重要、很不重要，相应的权定为0.95、0.85、0.75、0.6、0.5 、0.4，归一化后得到Ａ,见下表3：
表3
| |
Ｕ１
|
Ｕ２
|
Ｕ３
|
Ｕ４
|
Ｕ５
|
|
等级
|
0.4
|
0.95
|
0.85
|
0.75
|
0.5
|
|
ai
|
0.116
|
0.285
|
0.255
|
O.225
|
0.150
|
然后确定满意度函数。原则上讲，模糊数学中，所有用来确定隶属函数的方法均可以用来求满意度函数，我们现采用性能模拟法。将各指标取值范围的端点对应的满意等级定为很满意、很不满意，然后进行线性插值，得出满意度函数。
表4.
| |
很满意
|
很不满意
|
满意度函数
|
|
Ｕ１
|
20.00
|
17.20
|
r1＝0.3570u1-6.143
|
|
Ｕ２
|
11.06
|
6.254
|
r2＝0.2081u2-1.301
|
|
Ｕ３
|
10.06
|
7.637
|
r3＝0.4127u3-3.152
|
|
Ｕ４
|
16.62
|
13.47
|
r4＝0.3175u4-4.276
|
|
Ｕ５
|
16.68
|
13.35
|
r5＝0.3003u5-4.009
|
将表２的数据代入满意度函数，可得出评价矩阵Ｒ为下表５：
表５
|
0.7589
|
0.4972
|
0.2580
|
|
0.4926
|
0.5467
|
0.7340
|
|
0.2949
|
0.4393
|
0.9746
|
|
0.1501
|
0.2770
|
0.8294
|
|
0.1381
|
0.6517
|
0.8138
|
根据前述数学原理可知Ｂ＝Ａ·Ｒ＝(b1 ,b2 ,b３)＝（0.3582 0.4856 0.7022）。把数据由大到小排序，即是把对应个体由优到低排序,可知个体丙是最优的。
对南海电大2000级某班学生进行入学测试和问卷调查。与以上一样的过程处理数据，实现个体排序。根据学校和学生的实际情况，参考以往的排序分与实际效果经验，即可把后若干名个体划为第二类，即是必须补课的学生。
5、结论
a.多因素模糊综合评价尝试用于新入学学生分类，用数量化代替定性的处理，可以使结果更准确、更全面、更有参考价值。
b.本文仅是介绍了一种方法，为了更准确，实际运用时可取更有针对性的指标，更多的样本，并对重要度和满意度进行更深入的研究。
c.多级评价可以提高精度,但加了大工作量。
d．复杂的运算过程可以用计算机程序完成，做到评价应用方便。
参考文献
[1].张女梁 “远距离价与评价理论与方法” 安徽教育出版社 1993.9
[2].邱崇光 “模糊综合评判在铝电解槽槽壳设计中的应用” 武汉钢铁学院学报 VOL.13 NO. 2 June 1990
[3].基更著 丁新译 “远距离教育基础” 中央电大出版社 1997.10
[4].王彩华 “模糊论方法学” 中国建筑工业出版社 1988.2
（本文发表于期刊“广东广播电视大学学报”2002.1）
|
copyright (C) 2002 邱崇光
南海市教育信息中心开发及维护 |
|
