基于梯形云模型的成績定性評價

楊金花

（西安鐵路職業技術學院陜西西安710014）

基于梯形云模型的成績定性評價

楊金花

（西安鐵路職業技術學院陜西西安710014）

本文針對學生成績定性評價問題，提出了一種基于梯形云理論的定性評價方法。首先，將一門課程一組學生的歷史成績，用新的云變換算法，確定出學生成績的每個定性概念所對應的梯形云數值區間，接著把需要評價的學生N次成績看成云滴，依據逆向云生成器，計算出學生成績云的特征值：期望值、熵、超熵，接著依據條件云生成器，計算出學生成績與每個定性評價的隸屬度值，最后運用隸屬度最大值法確定出了學生成績定性概念。

定量定性轉換；梯形云模型；云變換；隸屬度

學校里任課教師為了在每學期末能夠準確地定性評價出每一個學生的學習成績等級，需要在授課過程中設置課堂提問、作業、小測驗、實驗、綜練等環節，根據每一環節學生掌握的情況給每個學生打出成績分數，用多次成績值記錄了學生在課程的整個學習過程中的學習表現。期末時，授課教師又需要根據學生學習過程中的多次成績值對學生這門課程做出定性評價，將成績評定為“優秀”、“良好”、“中”、“及格”、“不及格”，上述事件即所謂的定量定性的轉換問題。

定量定性轉換問題在生活、工作中有著廣泛的應用。從學生成績的評定到復雜工程的綜合評定都需要從大量的統計數據中挖掘出反映事物本質的定性概念［1-2］。學習成績的定性評價，能讓學生了解自己對知識掌握的等級，找出自己不足之處，了解自己離目標的距離。同時授課老師也可以借助定量定性轉換問題分析出有關自己的教學效果好與壞，了解試卷知識的結構、知識深淺程度是否合理，以便調整以后的教學工作。

1　常用的學生成績評價法及其問題

在教學工作中，對學生學習成績的定性評價分二步。第一步把成績用數值處理法進行處理；第二步依據前人經驗，將成績劃分出范圍與定性等級對應，人工用最小距離法比較學生成績落在劃分的范圍，隨而確定出成績的定性等級，完成了定量定性轉換。數值處理常用的方法有層次分析法、平均法、加權平均法、模糊評價方法等［3，8］。層次分析法首先根據前人經驗，把成績劃分成幾個大類，規定了每個類的成績范圍，然后將每個學生成績按最小距離法歸屬到其中的一個類中。這種方法由于是按前人經驗來劃分每一個類對應的成績范圍，帶有人為的因素、不確定性和隨機性，缺少科學依據。平均法是將每次的成績值相加和除以成績總個數。平均法計算出這一組成績均值，取的是一組成績的中間值，丟失了每次的成績之間的差異，忽略了成績變化細節和成績變化的趨勢。加權平均法是將每次的成績值與各自的權重系數相乘并求和。加權平均法雖然考慮了課程中每個重點知識成績占最終結果的比例，但是其結果僅是一個單一的數值，丟失了評價的具體細節，不能反映出學生在各評價指標方面的具體狀況，存在把各項指標作為孤立的因素來參與綜合評價，忽視了各級指標之間的關聯性以及課程成績本身的多因素和多層次性，忽視了在學習過程中學生學習成績的穩定性，顯然這種評價方法也不夠合理和準確。模糊評價方法，雖然較好地解決了評價指標描述語言的模糊性問題，評價過程更細膩，而且評價結果是一個向量，克服了評價結果單一的缺陷，包含的信息量更加豐富，但是在模糊評價過程中，獲取模糊評價矩陣是一個難點，主觀性較強，因此模糊評價法也不是非常嚴格和科學［3］。

利用層次分析法、平均法、加權平均法處理成績后結果仍是數值，并沒有完成從定量到定性的轉換。要實現這一轉換，通常方法是依據前人的經驗，將成績劃分成若干范圍分別與多個語言概念值對應。依據最小距離法，判斷某一成績屬于的范圍，由成績范圍轉換成對應的語言概念值，實現了從定量到定性的轉換。由于這種語言概念值對應的成績范圍是依據前人經驗而定的，人為的因素多，缺乏科學性。因而會出現下列問題：一是經驗中定義的成績范圍和語言概念之間的對應不一樣。比如，有的經驗把［75，85］定義為“良好”語言概念，有的經驗把［84，92］定義為“良好”語言概念等。采用不同的經驗值，造成一個學生的成績就會出現不同的語言概念值。參考標準變了，每一個概念對應的成績范圍也隨之而變。二是如果一個考生成績為89分可能是“良”語言概念值，而另一個考生成績為90分可能是“優秀”語言概念值。其實，他們的成績相差為1，而最終評定為不同的等級上，出現了成績的硬劃分問題，是很不合理的。

運用云理論就可以科學的解決定性概念與數值區間的對應關系。梯形云是一種最基本的云形式。它是一種數值區間與定性概念之間的映射，它更適合用于評價學生學習成績，同時它可以使得定性評價更合理、更科學，實現了學生學習成績的軟劃分。本文依據云理論中的云變換思想，提出一種改進性云變換算法，用這種算法將一組同一門課程學生成績的各個定性概念所對應的成績值區間找出來，實現了科學劃分每個定性概念對應的數值區間。同時計算出每個學生的成績云的期望值，計算成績云期望值與梯形云區間的隸屬度，采用隸屬度最大值法可以判斷出成績云所對應的梯形云中的某個定性概念。

2　相關的云理論

云理論能夠把自然語言中定性概念的模糊性和隨機性有機綜合在一起，實現由定量數值和定性語言值之間轉換，是研究不確定性、隨機性的重要工具。因此，把云理論應用到學、教的定性評價中，可以有效地對學生成績進行合理的劃分，使評價結果不僅能夠真實反映出學生掌握程度和學習過程中每一細節表現，也能反映出學生學習過程中態度，學習能力，理解能力，發揮的能力，同時也能反映授課教師的教學方法是否合適，教學效果的好壞，試題的難易程度以及考試試卷的合理性。

2.1云的概念及其數字特征

云是用自然語言值表示的某個定性概念與定量表示之間的不確定性轉換模型，用來反映自然語言中概念的不確定性，是隨機性和模糊性的有機關聯性，它構成定量與定性之間的映射關系［4-6］。

設U是一個用精確數值表示的定量論域，C是U上的定性概念表示，若定量值X∈U，且X是定性概念C的一次隨機實現，X對C的隸屬度μ（x）∈［0，1］是具有傾向的隨機數，則X在論域U上的分布稱為云，每個X稱為一個云滴（X，μ（X））。

云由許許多多云滴組成，每一個云滴就是這個定性概念映射到數域空間的一個點，即一次具體實現。這種實現帶有不確定性，云模型同時給出這個點能夠代表該定性概念的確定程度。云的數字特征用期望值Ex（Expected Value）、熵En（Entropy）和超熵He（Hyper Entropy）3個數值來表征，即（Ex，En，He），它們反映了定性概念的定量特征。期望值Ex表示在數域空間100%代表這個定性概念的點。熵En一方面反映了在數域空間可被語言值接受的范圍，即模糊度，是定性概念中亦此亦彼的度量；另一方面還反映了在數域空間的點能夠代表這個語言值的概率，表示定性概念的云滴出現的隨機性。熵揭示了模糊性和隨機性的關聯。超熵He是熵的不確定性度量，即熵的熵，反映了在數域空間代表該語言值的所有點的凝聚性，即云滴的凝聚度，超熵的大小間接地反映了云的離散程度和厚度。

2.2學生成績云模型—正態云

正態云呈現的是正態分布。正態分布廣泛存在于自然現象、社會現象、科學技術以及生產活動中。這也是用正態云表達原子概念具有良好普遍性和合適性。學生N次成績形成了正態云，N值越大，學生成績云模型越逼近一個正態云［4，7］。正態云的數字特征用期望Ex（Expected Value）、熵En（Entropy）和超熵He（Hyper Entropy）3個數值來表征，即（Ex，En，He）。正向云發生器的功能是由數字特征值還原出云模型，實現了從定性的語言值向定量的數值轉換［1，8］。逆向云發生器的功能是由給定數量的云滴中還原出云的數字特征值，實現了從定量的數值向定性的語言值轉換［7-9］。給定N個云滴求期望Ex（Expected Value）、熵En（Entropy）和超熵He（Hyper Entropy）三個數值，可以用以下公式實現：

2.3評價學生成績的云模型—梯形云

正態云的期望值是唯一的一個，它的定性概念值對應的是一個具體的數值。例如生活中要描述一個“青年人”，用正態云表示概念“20歲左右”。如果要表示“22～26歲”之間的人，用正態云就不行了，而是需要用梯形云表示。在實際教學工作中，用“優秀”、“良好”、“中”、“及格”、“不及格”這些定性值分別與數值區間［92，100］、［79，89］、［69，78］、［59，68］、［0，55］對應，這就是有兩個期望值的梯形云。對于定性評價學生成績采用梯形云更符合實際需要。

梯形云的期望值是兩個，表示的是一個區間。用梯形云可以實現定性到多個定量的轉換。梯形云模型是更為一般的云模型［10］，正態云是梯形云的特例。也就是用梯形云來描述更能完整地表達其含義，梯形云有兩個期望值用Ex1、Ex2表示（Expected Value），共有4個數字特征，用（Ex1，Ex2，En，He）表示。

3　利用云變換找出每個定性概念所對應的數值區間

最初，云變換是用于實現定量數據到定性概念轉換的一種方法，是一種從連續數值區間到離散概念的轉換過程，是一個概念歸納學習的過程。根據常識可知，高頻率出現的數據值對定性概念的貢獻大于低頻率的數據值，即：數據頻率分布中的局部極大值點是數據的匯聚中心，可作為概念的中心，即模型的數學期望值。峰值越高，表示數據匯聚越多，優先考慮其反映的定性概念，在原分布中減去定性概念對應的數值部分，再尋找局部極大值。

改進后的偽語言算法如下：

1）將參加試驗的學生成績作為數據源；

2）依據原始數據，統計每個成績出現的次數生成數組b；

3）在數組b找出第i次峰值hi；

4）在hi的左邊找一個hl；

5）在hi的右邊找一個hr；

6）判斷hl=hr時，在數組b中找到Ex1=hl，Ex2=hr，計算En和He；

7）否則，由數組b到數組a中找Ex1=Ex2，計算En和He；

8）直到hi＜θ，循環結束，否則重復3）～8）

以前對學生成績評價的定性概念與數值區間的對應關系，是依據專家的經驗而定的，具有一定的偏面性和局限性，缺少科學性和準確性。經過對云理論中的云變換算法進行深入的研究，可以得知：利用改進性云變換算法，可以科學地得出每一個定性概念所對應的數值區間，借此算法可以得出評價學生成績的梯形云的定性概念（Ex1，Ex1，En，He），是真實的定性概念的劃分，避免了許多人為的因素。

4　基于梯形云模型的成績定性評價

基于梯形云模型的成績定性評價，能夠對某一課程、一定階段內、某個學生的多次平時測試成績進行處理，盡可能地挖掘出隱藏在其中的有價值信息，如學生在學習過程中學習的態度，測試時的心理素質，學生對該課程知識的掌握程度等，分別為學生的學習和教師的教學提供參考。En，He值越大說明心理素質及發揮的穩定性較差，En，He值越小說明學生學習成績穩定，考試時心理素質好，成績真實反映學生學習狀況。這些有價值的信息是其他評價方法通常反映不出的，體現了梯形云模型進行定性評價的特有優勢。下面給出梯形云模型的學生成績定性評價的偽語言算法：

1）依據該校往屆學生某一課程平時測試成績作為實驗數據，利用改進性云變換算法進行處理，得到能代表該課程知識掌握程度的定性概念Ai（Ex1，Ex2，En，He）；

2）將待評價的一個學生每次測試成績看作一個云滴，一組成績構成正態云，利用逆向正態云發生器得到該學生的正態云Ci（Ex，En，He）。對每個學生成績重復進行這步操作；

3）求每個學生成績正態云的期望值與每一個梯形云定性概念的隸屬度，采用隸屬度最大值法確定最終所屬概念。

1）步利用以往的歷史數據信息，借助改進性云變換算法，科學、準確地得到定性概念所對應的數值區間［11］。2）步由于每個學生該科目的多次測試成績是正態云分布的，依據逆向正態云發生器生成的正態云概念Ci（Ex，En，He）。這一步中測試成績的個數越多，則生成的正態云的數字特征的誤差越小。

實驗證明個數大于10時，就可以較準確地得到Ex，誤差小于0.01［5-6］。3）步計算每個學生該科目成績與每個區間的隸屬度。根據最大值法可以確定每個學生成績所對應的定性Ai［8］。

5　實驗及結果分析

利用梯形云評價模型對我院在校學生的鐵道運營專業《計算機文化基礎》課程成績進行定性評價。首先按算法第1）步，在我院往屆學生中隨機選取了1000名學生的《計算機文化基礎》課程成績進行改進云變換算法處理［12］，得到了四個知識掌握程度定性概念：“對知識掌握差A1（0，52，5，0.8），對知識掌握一般A2（58，79，5，0.7），對知識掌握比較好A3（81，90，4，0.4），對知識掌握的好A3（92，100，3，0.5）。

其次按照算法第2）步，將這個班每個學生近階段的15次《計算機文化基礎》課程平時測試成績作為云滴，通過逆向正態云發生器得到各自對應的正態云，結果如表1所示。

表1　每個學生成績數字特征值

由表1的數值可以出每個學生對知識掌握程度。比如，張云的期望值是86，對知識掌握的比較好，但是他的EN和He值較大，說明他考試時發揮的不穩定，心理素質差。王偉的期望值為77，對知識掌握的一般，但是他的EN和He值較小，說明他考試時發揮正常。另外，把一個班學生的成績看成云模型，每個學生成績值是一個云滴，如果是一個正態云，說明試卷難易程度合適，在云模型的腰處云滴較多，在云頂處云滴較少。否則，說明試卷難易程度不合適。接著計算每個學生成績對定性概念的隸屬度值μAi，如表2所示。

表2　學生對每個概念的隸屬度值

6　結束語

把學生每次考試成績看成云滴，運用云理論的逆向云生成器實現由云滴求出云的特征值（Ex，En，He），Ex是該學生的期望值，En和He反映該學生成績的穩定性，學生發揮是否正常?；谠评碚摰膶W生學習評價模型可以挖掘出更多有關學、教相關信息，對學生學習評價結果更加真實、準確，較好地解決了以前評價方法的不足。學生和教師能夠利用評價結果了解更多的有關學、教信息，對以后的學習和教學工作起到積極的指導作用。

［1］蔣建兵，梁家榮，江偉，等.基于云理論的學習評價模型研究［J］.計算機與現代化，2008，30（3）:17-19.

［2］呂輝軍，王曄，李德毅，等.逆向云在定性評價中的應用［J］.計算機學報，2003，8（26）:1009-1014.

［3］張瑩，代勁，安世全.基于云模型的定性評價及在學評教中的應用［J］.計算機工程與應用，2012，48（31）210-215.

［4］邸凱昌，李德毅，李德仁.云理論及其在空間數據發掘和知識發現中的應用［J］.中國圖象圖形學報，1999，4（11）: 930-935.

［5］王季方，盧正鼎.模糊控制中隸屬度函數的確定方法［J］.河南科學，2000，18（12）:348-351.

［6］葉艷，楊琪.基于云重心理論的高校教師績效評估方法及應用［J］.中國管理信息化，2013，16（22）:97-99.

［7］劉常昱，馮芒，戴曉軍，等.基于云X信息的逆向云新算法［J］.系統仿真學報，2004，17（16）:2417-1420.

［8］張曉輝，劉正江，吳兆麟.基于云模型的船員適任性綜合評價［J］.中國航海，2010，33（4）:65-70.

［9］丁昊，王棟.基于云模型的水體富營養化程度評價方法［J］.環境科學學報，2013，33（1）:251-257.

［10］張蒙正，馬杰.冪律型流體射流破碎建模和實驗問題探討［J］.火箭推進，2011（4）:1-6，41.

［11］陳學有，趙志偉，尹柳.基于隨機負荷與模糊線性規劃的可伸縮靜態安全域［J］.陜西電力，2012（6）:43-48.

［12］宋晶晶，趙洪波，孫德，等.高壓大流量氫氣穩壓技術在試驗中的研究與應用［J］.火箭推進，2011（4）:64-70.

Qualitative evaluation based on merit trapezoid cloud model

YANG Jin-hua
（Xi'an Railway Vocational Technical College，Xi'an 710014，China）

In this paper，for the qualitative evaluation of student achievement，we proposed qualitative evaluation method based on the trapezoidal cloud theory.First，a group of students in a course of history of achievement，with new cloud transformation algorithm，to determine the qualitative concept of student achievement for each corresponding trapezoidal cloud value range，then the need to evaluate student achievement N times as cloud droplet，according to the backward cloud generator calculates the eigenvalues student achievement cloud:expectations，entropy，excess entropy，then in accordance with the conditions cloud generator calculates student achievement and membership value of each qualitative assessment，and finally the use of the maximum membership method to determine the qualitative concept of student achievement.

Quantitative and qualitative conversion；trapezoidal cloud model；cloud transformation；membership

TN391

A

1674－6236（2016）12-0022-04

2015-07-06稿件編號：201507056

楊金花（1962—），女，河南安陽人，副教授。研究方向：云理論、數據挖掘。