网络课程质量评价体系研究
来源:用户上传
作者:
摘 要 网络课程质量的评价往往是定性的评价，并且评价指标很多。众多的评价指标的评价结果具有差异，如何根据这些评价指标的不同评价结果对网络课程的质量进行定量的评价一直是教学研究的热点方向。本文通过模糊综合评判的方法，以质量分级为模糊子集，确定不同要素之间的贴近度，从而确定模糊子集，并通过贴近度的多特性择近原则定量识别网络课程的质量。通过实例验证表明，评价方法是合理可行。该研究为定量化评价网络课程质量提供了一条新的途径。
关键词 网络课程;质量评价;模糊识别;贴近度
中图分类号：G642.3 文献标识码：B
文章编号：1671-489X（2019）20-0037-03
Research on Network Course Quality Evaluation System//WANG
Yanping
Abstract The evaluation of the quality of online courses is often a qualitative evaluation， and there are many evaluation indicators. The evaluation results of many evaluation indicators are different. How to quantitatively evaluate the quality of online courses based on the different evaluation results of these evaluation indicators has always been the hotspot of teaching research. In this paper， through the me-thod of fuzzy comprehensive evaluation， the quality classification is used as the fuzzy subset to determine the closeness between different elements， so as to determine the fuzzy subset， and quantitatively identify the quality of the online course through the principle of closeness multi-characteristic selection. The example verification shows that the evaluation method is reasonable and feasible. This research provides a new way to quantitatively evaluate the quality of online courses.
Key words online course; quality evaluation; fuzzy recognition; closeness
1 前言
网络教学手段被越来越广泛地应用于实际教学之中，网络教学主要通过网络课程来实现。目前，网络课程在实际教学中应用主要有两种方式：一种是作为主要授课方式，学生通过网络授课进行学习;另一种是网络课程作为面授课程的辅助教学手段。网络课程往往由教师个人建立，包括网络课程框架设计、课程内容的制定、教学方法设计、课程界面设计等。那么，网络课程的质量可能參差不齐，如何评价网络课程的质量就成为一个现实的问题。
目前，国内对网络课程质量的评价比较权威的是教育部教育信息化标准委员会制定的《网络课程评价规范（CELTS-22）》[1]，该评价规范主要从课程内容、教学设计、界面设计和技术等四个维度评估网络课程质量[2]。基于此，本文研究通过模糊综合评判的方法对网络课程质量进行综合评定。
2 评价指标体系
根据《网络课程评价规范》[1]的规定，网络课程质量由课程内容、教学设计、界面设计和技术四个维度进行综合评价，每个维度的评价结果又有多个指标进行判定。本文以评价规范中的必需项作为评价指标。评价指标分两级，A级是结构指标，主要是课程内容、教学设计、界面设计、技术四个方面;C级为评价指标，包含课程质量评价的若干因子，是评价的基本因子。
3 网络课程质量的模糊识别
数学模型 根据评分系统的等级划分，这里把网络课程质量分级的论域定义为U={B1，B2，B3，B4，B5}，U上的五个模糊子集B1、B2、B3、B4、B5构成标准模型库：{Ⅰ（优秀），Ⅱ（良好），Ⅲ（中等），Ⅳ（及格），Ⅴ（不及格）}。每个网络课程质量由20个指标进行划分，即：
x=（x1，x2，...，x20）=（C1，C2，...，C20） （1）
式中，C1，C2，...，C20为图1所示的评价因子。
对于每一个标准模型，网络课程的每一个特性都是U上的一个模糊子集，因此，对五个等级，考察它们的20个性状，共有100个类型模糊子集，如表1所示。
表1中，Rij表示第i个级别的第j个评价因子所对应的模糊子集。
对于任意一个待评价的网络课程x=（x1，x2，...，x20），由两个模糊向量集合族的贴近度和特征向量指标的择近原则，可以得到贴近度表，如表2所示。表2中，根据择近的原则，x属于第i0类型。
贴近度计算 为了反应两个模糊集之间的贴近程度，本文采用目前较常用的贴近度公式——海明贴近度公式： 根据贴近度公式，还需要建立各单指标对网络课程质量的隶属度函数。建立合理的隶属度函数是很困难的，需要不断试验和总结，也是至今尚未完全解决的问题[3-4]。由隶属度的性质，关于样本级别和指标特征可以从以下三种函数形式取中间型正态分布函数作为隶属度函数。
中间型：
偏小型：
偏大型：
式中，U（x）为不同的模糊向量，m、c为常量。
当x=m时，隶属度函数U（x）=1，本文m取值为各指标的平均值。此外，根据正态分布函数的基本性质，c值的大小与曲线覆盖范围有关。因此，本文通过指标参数区间的宽度确定c值：
c=0.5*1.1*（x上-x下） （5）
其中，x上、x下分别为各指标区间的上下界。
网络课程各评价指标也可以按照百分制进行评分，所以各评价指标的分级范围也可以按照传统的百分制评分标准进行划定，由此可以得出各评价指标评分范围的m/c值，如表3、表4所示。
4 实际应用
以某网络课程为例，以教育部发布的《网络课程评价规范》中各评价指标对网络课程进行评价打分，主要必选项分数分别为：课程说明73分、内容目标一致性90分、科学性86分、内容分块73分、学习目标82分、学习者控制40分、内容交互性65分、媒体选用80分、实例与演示90分、练习88分、练习反馈80分、结果评价90分、易识别性75分、导航与定向60分、操作幫助80分、运行环境说明95分、安装100分、可靠运行100分、多媒体技术90分、兼容性100分。先求各Rij（x）的隶属函数值，如表5所示。
Xj（x）的隶属函数值：
X=（0.840，0.589，0.652，0.840，0.713，0.967，0.928，
0.743，0.589，0.620，0.743，0.589，0.813，0.967，0.743，0.512，
0.438，0.438，0.589，0.438）
由海明贴近度公式计算得到贴近度值表，如表6所示。
由表6所求数据可知，此处的网络课程质量属于第五等级，即课程质量不合格。
5 结语
由于评价课程质量的指标类型很多，各个指标在评价体系中所占的权重不相同，不同类型的人群所侧重的评价指标也有差异，因此，对于某一门课程面向所有人群去评价其质量的好坏是不现实的，但是可以针对某一特定的人群根据其特征，设定评价指标及其权重进行评价。本文是假定所有的评价指标的权重是相同的，根据海明贴近度公式，计算每个隶属度值的贴近度值，并根据多特性择近原则识别样本的级别，结果表明，分类评价结果合理，但是该方法各评价指标的选择和权重还需要进行进一步的研究和改进。
参考文献
[1]童小素，贾小军.MOOC质量评价体系的构建探究[J].中国远程教育，2017（5）：63-71，80.
[2]网络课程评价（CELTS-22）[EB/OL].[2016-05-30].http：//www.celtsc.org/channel/zdlgzz.html.
[3]谢季坚，刘承平.模糊数学方法及其应用[M].武汉：华中科技大学出版社，2000.
[4]王延平，许强，高霞.岩体质量分级的模糊识别[J].水土保持研究，2005（1）：108-109，161.
转载注明来源:https://www.xzbu.com/9/view-15151382.htm
