项目教学中小组互评成绩算法的研究

项目教学中小组互评成绩算法的研究

作者：唐国纯

来源：《硅谷》2011年第01期

摘要： 在项目教学中小组互评成绩的教学活动中，暴露出小组互评过程中的成绩偏差问题，并最终导致总结性评价失去公正性。为此，对这一现象展开讨论，分析产生这一现象的原因，并提出解决策略的三种算法，分别为偏差评价法、模糊综合评判法和排序接近评价法，并以《Java程序设计》小组项目实训的成绩为例进行探讨。

关键词： 模糊综合评判；小组评价；项目实训；排序接近评价；成绩偏差 中图分类号：O159文献标识码：A文章编号：1671—7597（2011）0110075－02 0 引言

项目开发综合实训作为高职高专项目课程教学中的一个重要环节，在贯通学期课程知识和使学生学会如何应用所学知识解决实际问题方面起到很大的作用。项目教学的考核与评价是检验学生是否到达课程整体预设能力目标的必要手段，考核与评价方案应根据课程整体预设能力目标，并制定相应的考核评价标准。教学中通过小组成果演示汇报，学生参与评价是一种成熟的评价方式。项目教学中小组互评成绩如果单纯以小组得分的平均值作为小组的互评得分不能准确地反应出小组互评的真正分值。作为主持项目教学的教师，为保证评价的公正性，必须采取一定的策略修正这一偏差。本文探讨都是针对下面情境：《Java程序设计》小组项目实训成绩的指标体系包括：① 实训报告的完成情况极其规范程度（30分）；② 团队合作（10分），包括平时小组之间的交流，组内成员的合作情况和演示汇报中各小组成员之间的密切配合等；③ 通过系统演示所展现的开发系统的技术难度（40分）；④ 系统的界面艺术及其创新特色（20分）。下面探讨三种方法：偏差评价法、模糊综合评判法和排序接近评价法。 1 利用修正因子修正各组的给分来解决个别小组的给分偏差 1.1 实施步骤

利用修正因子修正各组的给分来解决个别小组的给分偏差的实施步骤如下：① 计算所有分值的算术平均值作为本次协作学习活动的总基准分值。记为：X。② 计算每个小组给出的分值的算术平均值，计为：Yl，Y2，……。③ 计算小组给分平均值与总基准分的差，作为小组修正因子。即Zl=Yl-X，Z2=Y2-X，……，其中修正因子可为正数或负数都可。④ 以修正因子修改每个小组的每次给分，形成小组给分修正值。⑤ 根据修正值重新计算每个小组的算术平均分，作为小组的互评得分。对这一方法，本文不作具体探讨。

龙源期刊网 http://www.qikan.com.cn

1.2 偏差法的算法评价与小结

通过引入修正因子，本算法较好地解决了在小组互评过程中产生的成绩偏差问题。假设将全班划分为N各组，由于每个小组都对其他N-1个小组进行了评估，具备了一定的数据量。因此以该小组N-1次给分的平均值与总基准分的差值作为修正因子，可以修正各小组给分中的偏差，较好地解决了小组互评中的公正性问题。然而需要注意的是，对于每个小组只有一个数据的单次测评，则不宜使用这一算法。否则可能导致单次测评中的数据聚集问题，最终使数据失去其应该代表的含义。

2 模糊综合评判法在项目教学中小组互评成绩的应用 2.1 模糊综合评价模型

客观世界中有许多问题由于评定事物的标准或事物本身的定义没有明确的边界，从而构成不确定性，即模糊性。模糊综合评判是根据模糊变换原理和最大隶属度原则，综合考虑与被评判事物相关的各个因素的影响，进而对事物做出总的评价。这种评价方法能权衡各级因素，使信息不丢失，真正使评价过程中参与的每个人的评价信息起到相应的作用，从而实现全面的、公正的评价。比如对学生项目实训成绩的评价好与不好的明确界线有时很难划定。而采用模糊综合评判法对不确定性问题进行评判则是较为科学的评价方法。模糊综合评判评价模型如下：设论域评价分为n级，则有评价集合：U={U1，U2，…Un}（n取有限值）。影响论域的因素有m个，则有因素集合：V={V1，V2，…Vm}（m取有限值）。单个因素的评判为Ri={Ri1，Ri2，…Rin}，可以看作是上的一个模糊子集，其中rik表示第i个因素的评判对于评价集合中第k个等级的隶属度。则m个因素的评判矩阵如下式(1)所示：

在进行综合评判时，考虑各个因素对论域评定等级所起作用的大小，也就是说，不同的因素有着不同的权，权的分配是因素集合上的一个模糊子集A：A=(P1，P2，⋯Pm)P为对A的隶属度，是单独考虑因素对评判等级所起作用大小的度量，它代表了根据单因素评判等级的能力。若给定A和R，即可进行综合评判。其综合评判的结果为B=A·R。对于A·R的运算类型，可根据不同的情况采用不同的算子，如：(“·”，“+”)等。 2.2 模糊综合评价模型实施步骤 图1第一组小组互评项目实训的成绩

模糊综合评价模型实施步骤如下：① 建立评价因素集：因素集是影响评判对象的各种因素所组成的集合。项目实训课教学质量评价因素的建立，关系到评价是否客观、科学和准确。比如《Java程序设计》小组项目实训成绩的指标体系即为评价因素。V={V1，V2，V3，V4}={指标体系①，指标体系②，指标体系③，指标体系④}={实训报告，团队合作，技术，界面艺术及创新}。② 权重分配：权重是各指标重要程度的定量表示，其合理性直接影响到评价结果的准确性。根据相关理论和专家、教师的实际工作经验，给出权重。参照引言情境，

龙源期刊网 http://www.qikan.com.cn

《Java程序设计》小组项目实训成绩权重分配分配分别为0.3、0.1、0.4和0.2，即A=[0.3，0.1，0.4，0.2]。③ 建立评价集：评价集为各种可能的评价结果，可以是模糊的，也可以是非模糊的。综合评价学生的平时成绩时，应对每个学生平时成绩进行四个等级的划分：优、良、中、差，即评价集合为：U={U1，U2，U3，U4}={优，良，中，差}。为了便于后续计算，分别给各等级进行赋值，比如95、85、75和55。④ 建立模糊评价矩阵：由上面的因素集和评价集可得出相应的模糊评价矩阵。

第一组小组互评项目实训的成绩如图1。

全班分为9组，除被评小组不参与评分外，共有8组参与评分。指标体系“实训报告”的分值为30分，对优、良、中、差取值界限为27-30，24-27，18-24，0-18。8组的给分为{30，28，30，28，26，25，30，28}，优秀的为6/8=0.75，良好的为2/8=0.25，中和差都没出现。对指标体系“实训报告”的模糊评判为{优、良、中、差}={0.75，0.25，0，0}，其它指标体系的评判依次类推。

以上因素所组成的模糊矩阵如下式(2)所示：

其综合评判的结果为B=A·R=[0.66250.25000.06250.0250]，按“最大隶属度原则”，该学生平时成绩的“优秀（0．6625）”程度最大，故该小组项目实训成绩为“优”。平时成绩最后是按四个等级给出，但是在实际操作中，我们在给出最终成绩时还是需要换算成分数。那么如何将等级换算成具体的分数呢?我们可以采用以下方法：对评价集进行赋值，令U=[U1，U2，U3，U4]=[95，85，75，55]，则可计算该生所得的标准分为：F=B·U/=90.25（分）。此分值与百分制的评价结果相当接近，可以表示最终结果。 2.3 模糊综合评价法的评价与小结

通过教学实践证明，用模糊综合评判法来评定学生平时成绩较为客观、全面和公正，它克服了传统考核办法中的主观性，同时又能有效地提高学生平时学习的积极性。但是，该评价方法要比平常使用的方法复杂，评价中计算过程比较多，增加了教师的工作量。因此，这种方法还需要在教学实践中不断完善。

3 用排序接近评价法对项目小组的实训成绩进行评定

用排序接近评价法对小组项目的实训成绩进行评定。在学生进行成果演示汇报时，要求各项目小组成员集体上台汇报，安排专人进行照相，教师点评，各项目组长对其他组进行评分，即本项目组长在汇报时不参与评价。排序接近评价法对每一项评估指标的分数按照从小到大进行排序，然后取中接近。每到期末考试，各教师任务繁重，各小组汇报需要30分钟左右，如果教师所带班级超过两个，邀请其他几个教师担任评委基本不可行。采用排序接近评价法实施评价项目小组成绩时，学生积极参与，情况允许的情况下还可灵活邀请另外一个教同门课程的

龙源期刊网 http://www.qikan.com.cn

教师进行点评，各项目组长不担任本组评委，小组与学生之间相互了解，各小组成绩公证合理。下图2是一个班级分为9个组，采用排序接近评价法后一个小组的成绩。比如对实训报告这一指标的得分进行排序后为25、26、28、28、28、30、30、30，然后取中接近为（28+28）/2=28分；对界面艺术及其创新指标的得分排序后：13、15、15、16、17、18、18、19，然后取中接近为（16+17）/2=16.5分。

图2采用排序接近评价法后第一组小组互评项目实训的成绩 该评价体系优点纵多，切实可行。 4 结束语

本文所建立的三种评价方法（偏差评价法、模糊综合评判法和排序接近评价法）克服了传统评价方法的单一性和主观性的缺点。三种方法都考虑了多种因素对评价结果的影响，在定性分析与定量研究之间建立了较好的链接，使得评价的结果更客观、更全面、更科学，并且相关算法容易在计算机上实现，是项目实践教学的一种有效评价手段，具有一定的推广价值。在具体的实施过程中，应建立相应的成绩评定的绩效系统，分别实现三种算法，教师可根据实际情况选择一种评定方法。

基金项目：2010年度校级科研项目：基于典型工作任务的职业能力培养的实践教学研究（qtky201021）。

参考文献：

[1]马秀、曹良亮、金海燕、，对CL中小组互评成绩偏差问题的思考[J].现代教育技术，2008，16（6）：24-26.

[2]张卓，模糊综合评判法在学生平时成绩考核中的应用[J].广州大学学报（社会科学版），2009，8（5）：63.

[3]席雷平、齐晓慧、董海瑞，基于模糊综合评判理论的实验教学评价[J].实验科学与技术，2008，6（6）：29-31.

[4]谢季坚、刘承平，模糊数学方法及应用[M].武昌：华中理工大学出版社，1999． [5]胡宝清，模糊理论基础[M].武汉：武汉大学出版社，2004．

[6]彭祖赠、孙韫玉，模糊(Fuzzy)数学及其应用[M].武汉：武汉大学出版社，2003．

龙源期刊网 http://www.qikan.com.cn

[7]李鸿吉，模糊数学基础及实用算法[M].北京：科学出版社，2005．

作者简介：

唐国纯（1977-），男，软件工程硕士，海南琼台师范高等专科学校信息技术系教研室主任，专业负责人，CSAI顾问团专业顾问（CSAI0313），系统分析师，获IBM数据库700，701认证，主要研究领域为：软件工程（MDA，SOA，UML，SAAS，CMMI），数据库，计算机课程与教学论等。