高校体育工作评价监测系统研制----基于模糊数学与人工智能思想

王东旭

在大学体育工作中，常常涉及多方面的评价工作，如课堂教学﹑训练﹑教师业务水平以及学生体质等方面的评价。这些评价在具体操作上基本是按确定指标体系﹑确定指标权重﹑单项指标评价﹑综合评价﹑评价结果分析等步骤进行[1,2]。针对这一特点，可利用计算机、数据库技术将各种评价集成起来，开发一个大学体育评价计算机辅助系统。这一评价系统一方面为大学体育评价工作提供方便、灵活而统一的软件平台，另一方面可以避免单个评价软件开发过程中的重复劳动。目前，大学体育类评价广泛采用的方法是基于模糊数学原理的模糊综合评判方法。评判时，通常将权重模糊向量与单因素评判矩阵按最大、最小合成法进行合成运算[3—5]。模糊综合评判方运算虽简洁、方便，但只突出了主要因素和评判对象对备择元素的隶属度，忽略了很多次要因素。当涉及因素太多时，往往会丢失大量有价值的信息，使运算结果与实际情况存在不相符、可信度降低[6]的弊病。为此，笔者根据模糊数学的原理及人工智能思想，提出了一种基于模糊综合评判推理机制的评价模型。该模型克服了以往评价时用最大、最小合成法的模糊综合评判所造成的缺陷，可提高大学体育工作中众多评价工作的有效性和可信性。

1 系统的总体结构

本系统采用层次结构，主菜单包括五大功能，见图1。当用户登录到系统后，可进行各类评价工作、查询与统计以往评价结果、对系统进行维护等，系统还提供了开发说明﹑操作说明等帮助信息。

图1系统的总体结构

2 系统主要功能设计与实现技术

2.1 用户登录功能

系统中将用户分为系统管理员、评定用户和浏览用户三个等级。不同等级的用户拥有不同的操作权限与密码(浏览用户不需密码)。系统管理员的权限最高，可以进行全部系统维护与操作；评定用户则无权进行任何的添加、修改、删除等维护工作，只能运用该系统进行各种评定工作；浏览用户只能对系统的评定结果进行查询、统计及浏览。用户登录模块用于验证用户身份﹑完成评价类别选择并登录到系统的工作，登录界面见图2。

2.2 评价功能

评价是系统最主要的功能，也是整个系统的核心。它根据用户所选择的评价类别自动打开数据库中相应的评价指标库，并调用相应的评价数据录入界面以输入考察对象的有关评定信息，然后根据评价模型进行评定，评定结果显示于屏幕，同时自动存入相应的结果库，便于查询﹑统计。

2.2.1评价数据录入界面不同类别的评价因其指标体系、评价等级不同，其数据录入界面不同。如用户选择“体育课教学质量评价”时，通过“评价”菜单进入评价数据录入界面，见图3所示。

图2 用户登录界面

图3评价数据录入界面

其中“评判者人数”指参加某教师教学质量评定的人数；“目的任务确定”等15个指标是评定体育课教学质量的指标体系，决定体育课教学质量的主要因素有：课前准备﹑任务完成﹑增强体质﹑组织教法和思想教育。每个因素又有三个起重要作用的指标，共15个指标在表中按顺序排列。各指标评价等级的数据输入根据所有评判者给某个教师的评价表中各等级栏打“√”总数进行，例如图3输入的是20个评判者对“张力”的等级评价结果。数据输入完后，单击“推理评价”按钮即可调用评价模型进行评定。

2.2.2评价模型的设计为了充分利用评判者所给出的各种信息，提高评价结果的准确性和可信度，本系统根据模糊数学的原理及人工智能思想，提出了基于模糊综合评判推理机制的评价模型。

(1)模糊推理运算基本模型的设计。设论域U={U1，U2，…，Un}为所有评价因素的集合，论域V={V1，V2，…，Vm}为所有考察对象可能出现的评估等级的集合。视考察对象，每大类因素又可分为若干子类，即Ui={Ui1，Ui2，…，Uil},l为各大类影响因素中子类影响因素的个数。由于U中各因素对评价对象的影响程度不同，在评判时每个因素的重要程度也不同。为了使评判更具科学性，定义U上的一个模糊子集即权重系数为：W={W1，W2，…，Wn}，且W1+W2+…+Wn=1，同理对Ui有：Wi={Wi1，Wi2，…，Wik}，且Wi1+Wi2+…+ Wik=1。

在U、V之间进行模糊推理，建立一个从U到V的模糊关系，记为UV，R也称为U V上的一个模糊矩阵。U到V之间的所有模糊推理构成一个模糊规则集，规则形式为：If Uiand V Then Ri。

其含义是指如果有某因素Ui对应V的影响点集，则必有一个表征它们的隶属度的模糊关系矩阵Ri。在构成UV模糊规则集﹑形成多因素评判空间基础上进行模糊综合加权运算，最后得到模糊推理运算的基本模型为：

Y=W⊗R

(1)

式中W⊗R为两模糊集W和R的笛卡尔乘积，它综合考虑各个因素的影响采用“综合加权型”算子来运算。是由代数积“⊗”及有界和“⊕”算子得到的复合算子，算子“⊗”与“⊕”的运算法则如下：

设两个模糊集A和B，其元素分别为UA(x)﹑UB(x)，则代数积A⊗B及有界和A⊕B隶属函数分别为：

代数积：UA⊗B(x)=UA(x)⊗UB(x) (即两元素的乘积)

有界和：UA⊕B(x)=1∧(UA(x)+UB(x))

“综合加权型”算子的运算法则如为：

在(1)式中，记R={R1，R2，…，Rm}，Rj(1≤j≤m)为一个考察对象的n个评价因素分别隶属于等级Vj(1≤j≤m)的模糊集，有Rj={r1j，r2j，…，rnj}T。设X为某个考察对象，则Y为基于所有Rj(1≤j≤m)的综合加权运算构成的一个模糊集，Y={y1，y2，…，ym}，其yj(1≤j≤m)的隶属函数为：

=W15r1j⊕W25r2j⊕…⊕Wn5rnj

因此，只要每个影响因素的权重系数W﹑模糊关系矩阵R都确定，则模糊推理运算模型也就确定。

(2)模糊推理算法的设计。整个推理采用自下而上逐层推理方式。第一层推理从子类因素到各大类因素Ui(1≤i≤n)，推理结果由Yi(1)⊗Ri(1)计算(右上角符号“(1)”表示一层)。其中Wi(1)为Ui各子类因素的权向量，其值从“评价指标库”中读取；Ri(1)从数据录入界面中的数据计算得到，例如第一大因素“课前准备”，它包括录入界面中前三个指标，先计算各指标评价等级的隶属度，其值等于评判者人数除表中各等级打分结果，如“目的任务确定”为“优”级的隶属度为2/20=0.1，依此可得到：

以该层所有大类因素的推理结果为行向量，组建第二层的模糊关系矩阵即模糊运算规则，形式为：

则第二层推理结果为：Y(2)=W(2)⊗R(2)(W(2)为各大类因素的权向量，其值来自“评价指标库”)，依次可推广到多层次的推理运算：

Y(k)=W(k)⊗R(k)

将最终推理结果Y(k)=(y1, y2, …, ym,)中各yj进行归一化，并比较其大小，最大者即为某考察对象的综合评价等级结果。其综合评分值由S= Y(k)·CT计算，其中C是由各等级Vj(1≤j≤m)对应的分值组成的等级矩阵，其值从“评价指标库”中读取。

2.3 查询与统计功能

查询功能是帮助用户方便﹑快捷地从结果库中找到所需的信息并以表格形式显示。用户可通过指定评价类别﹑考察对象姓名﹑评定时间等条件或直接输入条件谓词的方法进行查询；统计功能为用户提供结果库中的综合信息(如某等级的人数﹑某人在一定时间内历次评定结果﹑某时间所有教师教学质量评定结果等)，并以统计表方式显示。所有查询与统计结果既可通过屏幕浏览，也可从打印机上输出。

2.4 数据库的建立

数据库包括评价指标库和结果库。由于不同类别的评价其指标体系不同，为便于管理，对各类别的评价分别建立其评价指标库，用于存放评价指标﹑权重及评价等级值。评价指标库中包含两种表：指标权重表(按指标级别又分为多级)和评价等级表。指标权重表结构为：编号、指标名称、权重。编号是识别指标的唯一标志；评价等级表结构为：编号、等级名称、对应分值。

结果库用于存放各类评价的结果，供查询统计使用。因不同类别的评价需保存的信息不同(如大学生体质评价，除了评价结果外还需保存被评学生的班级﹑学号等)，这意味着数据的字段名﹑字段数不同。如果统一设定字段及个数，势必造成存储空间的浪费及数据管理效率下降。为此，结果库中针对每个类别的评价，建立一个评价结果表以存放相应的结果信息，如体育课教学质量评价结果表可创建为：编号、评价类别、教师姓名、评定时间、综合评价等级、综合评分值。

2.5 系统维护功能

系统维护包括系统功能维护和数据库维护。系统功能维护指增加新功能和删除不要的功能模块，利用此功能可以增加新类别的评价，使系统具有良好的可扩展性；数据库维护功能主要提供对数据库中各类数据的入库﹑修改和删除操作，如向评价指标库中添加新指标﹑修改旧指标及权重等，以保证系统评价的灵活性，不断提高评价水平。

3 结论

根据模糊数学的原理及人工智能思想提出的基于模糊综合评判推理机制的评价模型，其开发工具为Visual Basic 6.0，数据库采用Microsoft Access 2000，运行环境为Windows XP/2000。该模型不仅考虑了所有因素，而且可保留单因素评判的全部信息，为科学而准确地进行大学体育评价提供了一个有效途径。

[1] 王树洲.高校课堂教学评价指标体系的构建[J].江南大学学报( 教育科学版)，2009,29(1)：50～53.

[2] 许跃宇.基于系统论的课堂教学质量评价体系新探[J].大学(学术版)，2010(5):52～56.

[3] 孟艳平,汪德刚,李洪兴.模糊信息度量及推理中蕴涵运算的信息度约束[J].模糊系统与数学，2009,23(1):24～29.

[4] 王刚，魏守智，赵海.基于模糊评判的决策级信息融合算法的研究[J].计算机工程与应用，2002，30(15)：51～53.

[5] 张秀虹.基于模糊理论的评测软件的设计方法[J].计算机工程与应用,2003，30(15)：135～136.

[6] Vapnik V N. An overview of statistical learning theory[J]. EEE Trans on NN,2005,10(3)：988～999.

[7] 王科峰.高校公共体育课程质量评价指标体系研究[J].体育研究与教育，2011(5)：42～46.