高校教师教学质量综合评价实证分析

吴庆田　刘淘

摘要：高校教师教学质量评价是高校教学管理的一项重要内容，这一过程存在很强的多主体性、模糊性和随机性。文章将云模型引入不确定语言多准则决策领域，进行知识的定性定量转化与语言值的集结，建立基于云模型的不确定语言多准则群决策的高校教师教学质量评价模型，基于问卷调查法和层次分析法构建教师个人背景与教学素质、教学技能与教学责任心、教学内容、教学效果四个准则层共39个指标构成的高校教师教学质量评价指标体系，并通过实证分析检验了该方法的具体运用。

关键词：高校教师教学质量；云模型；不确定语言多准则群决策方法

一、引言

教学是高等院校的核心功能之一，高校教师教学质量评价是其教学质量管理的重要环节和内容，开展对高等院校教师教学质量的评价对于引导教师进行教学改革，提高教学质量具有非常重要的作用和积极的意义。随着高等学校招生规模的急剧扩张，高校教师队伍也日益庞大，很多年轻博士、硕士或从事其他行业的人员在极短的时间内快速充实到了教学岗位。他们中的很多人并没有受过教育教学方面的训练，岗前培训也有走过场之嫌，因为他们是先从教再培训，而培训的内容与教学水平的提高也不存在多大的联系；与此同时，各高校在激烈的竞争排名中，越来越重科研轻教学，使得教师面临极大的职称晋升、岗位聘任压力，将过多的精力投入到科研中，影响了教学效果。由此导致了高校教师的整体教学质量不够理想，这引起了教育主管部门及社会各界对高校教学质量的担心和质疑。因此，高校教师教学质量管理成为各高校面临的一个重要课题，也是近年来的一个热门话题。而要提高高校教师课堂教学质量和水平，首先得对其教学质量做出科学的评价，只有这样才能有针对性地进行教学质量管理。

评价需要一套完整的指标体系，并借助全面、客观、科学、可行的评价方法。而目前大多数高校在教师教学质量评价操作过程中，主要是基于教学管理的角度展开的，要么根据学校的相应奖惩办法给教师增加或扣除相应的分数；要么以数量衡量质量，即以教师完成的课时量作为重要评价指标之一，课时量越多的教师业绩等级越高（这可能歪曲教师的教学质量等级，因为过多的课时量可能会分散教师精力，在一定程度上影响教学质量）；要么以少数专家或领导听课打分、少数学生评教打分的方式作为评价的手段，这种评价难免有主观片面性，也可能流于形式甚至出现情感扰动问题。这些指标设计与评价方法不仅存在主观片面性、评价主体单一性，更缺乏以教师与课程为分析对象的微观基础以及质性评价，未能对教学的内在规律进行客观、科学考察。

在理论上，对教师教学质量评价的研究起源于20世纪初期，至今没有停止过。教学评价理论发展也经历了过程性评价、发展性评价和形成性评估几个阶段。20世纪60年代前，强调教师个人特征和品质对教学效果的影响，如Cattell（1956）、Barr（1983）、Ryans（1986）、Berliner等，被后人称为“黑箱”（blackbox）研究；60年代后，学者们才将评价的重点转向高校教师课堂教学行为、教学内容和学生互动中去，如Dunkin & Biddle（1996）、Rosenshine & Furst（1971）、Medly（1977）、Kyriacou（1997）、Wood、Rosenshine & Stevens（1986）、Berline & Tichenoff（1986）等；80年代末期开始，教师教学效果的研究已经超越课堂行为，重视分析教师知识、教师信念和教师自我效能感与其教学质量的关系，如Richardson（1996）、Philipoou，（1993，1999）、Kyriakides等（2002）。

国内学者对教师教学质量评价的研究起步相对较晚。自20世纪70、80年代开始，一些学者就构建了包括教师语言表达、教学内容的讲解、教学方法的使用、板书清晰工整程度等简单的评价指标，以学生打分，计算被评教师的加权平均分数的方法，少数学者采用马尔柯夫链（Markov）评估模型对教师教学质量进行评价。到上世纪90年代末和本世纪初，教育部分别提出“提高高等教育质量是学校永恒的话题”和要求“把提高高校教学质量放在更加突出的重要位置”后，关于教师教学质量评价的文献才大量涌现，相关的制度设计与模型构建不断推陈出新。到目前为止，学者们提出的评价指标体系包括从教师课前教学准备、教师自身素质，到课堂教学内容、教学方法，再到课后教学效果，但不同学者各有侧重，且具体子指标也不尽相同。从教学质量评价方法来看，目前理论界和实践中通常使用的几种评价模型和方法主要有模糊综合评价法或层次分析法与模糊综合评价法结合如丁家玲和叶金华（2003）、陈正（2004）、马立等（2005）、严军花等（2007）、黄玲花（2009）、魏媛（2011）等等，马尔可夫链法如王冲林（2008）、邹杨等（2008），主成分分析法如金昌录等（1996）、闫在在（2006）等等，单因素方差分析法如叶宗裕（2009）、王吉权（2011），神经网络法与数据挖掘如吕云玲（2009）、舒重胜（2008）、左国平等（2011），灰色关联分析法如方刚（2008）、粗糙集理论如岳丹丹（2009）、张如（2011），支持向量机（SVM）如徐高欢（2007）等。这些方法将评价者的思维过程系统化、数量化、模型化，消除了偶然因素和人为因素的影响，能在一定程度上使高校教师教学质量的评价比传统方法科学、合理，提高了评价的可信度。但是，科学、全面、客观的教师教学质量评价涉及的主体多、内容多，评价指标的描述多为定性自然语言，具有很强的模糊性和不确定性，因而它既是一个多主体、多层次、多目标的系统工程，又是一个不确定语言多准则群决策过程，采用传统的数学模型已经难以准确完整地进行描述。而已有的这些评价方法大都是从微观的角度对具体技术的研究，有的评价指标量化缺乏科学依据，有的不能同时很好地体现评价指标的模糊性和随机性，有的在确定二级指标权重上的主观随意性大，有的评价过程缺乏生动直观性，使评价结果可信度难以提高。同时，现有文献对高校教师教学质量评价指标体系构建主要考虑显性的教学内容和教学效果等变量，忽视了教师在教学方面的内在禀赋，即教学素质和教学技巧的变量。有鉴于此，本文从系统工程的角度出发，设计出同时包含高校教师教学质量显性变量和内在禀赋变量在内的评价指标体系，选择能把模糊性和随机性有机地结合起来，实现定性的语言值与定量数值之间自然转换的云模型，并将其引入高校教师教学质量评价这一具有不确定性语言多准则群决策的问题中去。endprint

二、基于云模型的不确定语言多准则群决策模型的构建

我们依据李德毅（2005）提出的云模型，针对决策问题中知识的不确定性表示问题，提出基于云理论的知识表示和偏好集结方法，构建一种基于云模型的不确定语言多准则群决策模型。

（一）不确定语言多准则群决策问题及其决策者评价值权重的确定

对于一个不确定语言多准则群决策问题，设有m个方案A={A1，A2，…，Am}，n个决策准则C={c1，c2，…，cn}，对应的准则权重向量为W={w1，w2，…，wj}，且wj∈[0，1]，w1+w2+…+wj=1。设S～为方案A在准则C下的评价值，令S～=[si，sj] ，显然S～为区间语言值。假定有k个决策者D={d1，…dk}，对应的权重向量未知。令决策者dk所对方案Ai给出的评价矩阵为Rk=（akij）m×n，则决策者dk评价所有方案时的不确定度为：

Ψ（RK）=mi=1nj=1len（akij）2t+1（1）

且决策者dk所给出的评价矩阵与其他所有决策者所给出的评价矩阵的偏差程度称为偏差度。令DS（akij，atij）=（akij-atij）+（akij-atij）2表示两个不确定语言变量的相离度，则偏差度为：

fk=t≠kmi=1nj=1DS（akij，atij）（2）

利用“决策者信息不确定度”和“决策者偏差度”确定决策者权重。一般来说，决策者所给出的评价矩阵的不确定度越小，则说明该决策者的决策越精确，应给予较高的权重；同样，某一决策者与其他所有决策者之间的偏差度越小，则说明该决策者的决策比较精确，应给予更高的权重。因此基于决策者评价的不确定度可得出决策者dk的第一个和第二个客观权重分别为：

λ1k=（1/Ψ（Rk））lt=1（1/Ψ（Rk））λ2k=（1/fk）lt=1（1/fk）

根据对这两个客观权重的不同偏好取定两个数α、β来综合这两个客观权重，可得决策者dk的最终权重为：

λk=αλ1k+βλ2k（0≤α，β≤1，α+β=1）（3）

（二）利用云模型进行决策信息转化和偏好集结

首先转化决策信息，将区间语言值＼[Si，Sj＼]转化为两朵云，令si→yi=（Exi，Eni，Hei）和sj→yj=（Exj，Enj，Hej），并在这两朵云的基础上扩展得y～=（[Ex，Ex]，En，He），则称其为区间云。其数字特征用期望区间[Ex，Ex]、熵En、超熵He三个数值表示。在实际运用过程中，区间云简记为y～=（[Ex，Ex]，En，He），其中，a—=min{ai，aj}，a—=max{ai，aj}，则：

En=En2i+En2j，He=He2i+He2j（4）

然后采用生成浮动云的方法进行偏好集结，计算各决策者评价值的综合云。设两朵相邻区间云A1=（[Ex1，Ex1]，En，He）和A1=（[Ex1，Ex1]，En，He）可生成浮动区间云，表示两朵区间云表达的定性概念中间的空白语言值。若生成综合区间云的数字特征为A=（[Ex，Ex]，En，He），则有Ex～=w1[Ex1，Ex1]+w2[Ex2，Ex2]（w1+w2=1，w1，w2为属性权重值）

En=w1Ex1En1+w2Ex2En2w1Ex1+w2Ex2He=He21+He22

Ex1=Ex1+Ex12，Ex2=Ex2+Ex22，Ex=Ex+Ex2（5）

（三）计算基于云模型的不确定语言多准则群决策的综合评价值

首先计算被评价者的评价值与正负理想值的hamming距离。设y1～，y2～为任意两个区间云，F是区间云的集合，d是一个映射，即：F×F→R，d（y1～，y2～）为两朵区间云y1～，y2～之间的距离，则y1～和y2～的Hamming距离为：

d（y1～，y2～）=121+En1+He1Ex1Ex1-1-En2+He2Ex2Ex2+1-En1+He1Ex1Ex1-1-En2+He2Ex2Ex2（6）

则正理想方案为y～+=（[maxExi，maxExi]，minEni，minHei），负理想方案为y～-=（[minExi，minExi]，maxEni，maxHei），被评价对象的区间云y～i与正负理想方案的hamming距离分别为：d+i=d（y～i，y～+）d-i=d（y～i，y～-）

然后计算综合评价值d*i，计算公式为：

d*i=d+id+i+d-i（7）

d*i越小，被评价对象越优。

三、基于问卷调查法和层次分析法的高校教师教学质量评价指标体系的构建

高校教师教学质量评价需要一套完整的指标体系，但指标体系的设计目前在国内并无权威的可供借鉴的范式，本文通过对其影响因素的问卷调查分析得出。

（一）调查问卷设计与预测试

由于影响高校教师教学质量的因素比较复杂，必须从多维度进行综合评价。 我们选取中南大学商学院五位讲授“金融学”课程的教师，根据高校教师的教学特点以及本文采用不确定语言值作为评价值的要求，设计了生评（即学生评价）、自评（即教师自己评价）和专家评价调查问卷，从教师个人背景与教学素质（包括性别、教龄、职称、学历层次、普通话水平、教师课堂形象和内在气质、表达和思维能力、教学过程中的科学精神、学术品格、性格〈如外向型程度〉、创新意识和能力、知识丰富程度、专业知识结构、科研能力、专业实践经验与能力等方面）、教学技能与教学责任心（包括课堂时间分配的合理程度、多媒体课件水平、网络教学平台运用水平、教学方法与教学模式创新程度、对学生的启发激励技能、课堂组织方法、课程内容熟练程度、教学进度适度、所能认识学生的比例、讲课激情程度、对学生的约束技能、布置与批改作业情况、考核形式多样化情况）、教学内容（包括实际教学内容与课程目标是否相符、讲述内容充实性与信息量、重点和难点突出、对学科最新进展和发展趋势把握情况、理论联系实际或有效地使用实例讲解情况、教材选用质量、指定的阅读参考材料质量）、教学效果（包括教学计划完成情况、教学目标达到程度、学生对课程知识的把握程度、学生分析问题和解决问题的能力提高程度、对学生创新实践能力的影响、对学生治学与做人态度的影响、学生考试成绩）四个方面设计了42个问题，最后还设计了一个问题（第43个问题），要求评价者对教师总体教学质量给出综合评价，共43个问题构成的调查问卷，其评价值采用不确定语言值，分为A＼[差-较差＼]、B＼[差-一般＼]、C＼[较差-一般＼]、D＼[较差-较好＼]、E＼[一般-较好＼]、F＼[一般-很好＼]、G＼[较好-很好＼]五种不确定语言值七种不确定语言区间。

在进行正式调查之前我们对调查问卷进行预测试。以电子邮件形式共发放问卷45份，回收42份，回收率为933%。剔除无效问卷2份，共回收有效问卷40份，问卷有效率为889%。为了采用 SPSS130对数据分别进行项目分析、因素分析和信度分析，我们将不确定区间语言值转换为实数，对五个等级的语言标度S-2、S-1、S0、S1、S2分别赋值为0、1、2、3、4。分析显示：V1（性别）、V34（教材选用质量）的CICT（总相关系数）值分别为0101和0064，是十分低的，因而将此两项从整体量表中删除；整体量表KMO值为0841，近似卡方值为347356，Bartlett球形检验显著性概率小于0001，二者均高度显著到达显著程度，且在因素分析中，变异数具体旋转后因素V24（所能认识学生的比例）析出系数未达到显著要求，因此将其删除；Cronbachs Alpha系数检验的量表整体信度值和分量表的信度值均大于075。由此得到正式问卷由删除V1、V24和V34后的39个问题组成，也即高校教师教学质量评价指标体系由4个准则层39个评价指标共同构成，见表1。

（二）层次分析法确定指标权重

高校教师教学质量评价指标权重的确定，在实证检验基于云模型的不确定语言多准则群决策方法中至关重要。本文采用层次分析法来确定高校教师教学质量评价指标权重。为此，我们设计了高校教师教学质量评价指标权重调查问卷，邀请20位教育专家对影响高校教师教学质量四个准则指标之间的相对重要程度进行判断，采用Saaty1-9标度法对各因素进行两两比较，构造高校教师教学质量判断矩阵，通过计算判断矩阵的特征向量确定各因素的相对权重，并对对调查问卷进行一致性检验，将通过一致性检验的17位教育专家对于高校教师教学质量同一评价指标的权重进行算术平均，计算得到教育专家群体集中判断的综合权重，即高校教师教学质量评价指标的最后综合权重系数：教师个人背景与教学素质、教学技能与教学责任心、教学内容、教学效果分别是02403、03068、02476、02053。

（三）正式问卷信效度分析

本调查问卷针对每一位被评价教师分别发放生评、自评和专家评价41份、1份、10份共52份问卷，endprint

二、基于云模型的不确定语言多准则群决策模型的构建

我们依据李德毅（2005）提出的云模型，针对决策问题中知识的不确定性表示问题，提出基于云理论的知识表示和偏好集结方法，构建一种基于云模型的不确定语言多准则群决策模型。

（一）不确定语言多准则群决策问题及其决策者评价值权重的确定

对于一个不确定语言多准则群决策问题，设有m个方案A={A1，A2，…，Am}，n个决策准则C={c1，c2，…，cn}，对应的准则权重向量为W={w1，w2，…，wj}，且wj∈[0，1]，w1+w2+…+wj=1。设S～为方案A在准则C下的评价值，令S～=[si，sj] ，显然S～为区间语言值。假定有k个决策者D={d1，…dk}，对应的权重向量未知。令决策者dk所对方案Ai给出的评价矩阵为Rk=（akij）m×n，则决策者dk评价所有方案时的不确定度为：

Ψ（RK）=mi=1nj=1len（akij）2t+1（1）

且决策者dk所给出的评价矩阵与其他所有决策者所给出的评价矩阵的偏差程度称为偏差度。令DS（akij，atij）=（akij-atij）+（akij-atij）2表示两个不确定语言变量的相离度，则偏差度为：

fk=t≠kmi=1nj=1DS（akij，atij）（2）

利用“决策者信息不确定度”和“决策者偏差度”确定决策者权重。一般来说，决策者所给出的评价矩阵的不确定度越小，则说明该决策者的决策越精确，应给予较高的权重；同样，某一决策者与其他所有决策者之间的偏差度越小，则说明该决策者的决策比较精确，应给予更高的权重。因此基于决策者评价的不确定度可得出决策者dk的第一个和第二个客观权重分别为：

λ1k=（1/Ψ（Rk））lt=1（1/Ψ（Rk））λ2k=（1/fk）lt=1（1/fk）

根据对这两个客观权重的不同偏好取定两个数α、β来综合这两个客观权重，可得决策者dk的最终权重为：

λk=αλ1k+βλ2k（0≤α，β≤1，α+β=1）（3）

（二）利用云模型进行决策信息转化和偏好集结

首先转化决策信息，将区间语言值＼[Si，Sj＼]转化为两朵云，令si→yi=（Exi，Eni，Hei）和sj→yj=（Exj，Enj，Hej），并在这两朵云的基础上扩展得y～=（[Ex，Ex]，En，He），则称其为区间云。其数字特征用期望区间[Ex，Ex]、熵En、超熵He三个数值表示。在实际运用过程中，区间云简记为y～=（[Ex，Ex]，En，He），其中，a—=min{ai，aj}，a—=max{ai，aj}，则：

En=En2i+En2j，He=He2i+He2j（4）

然后采用生成浮动云的方法进行偏好集结，计算各决策者评价值的综合云。设两朵相邻区间云A1=（[Ex1，Ex1]，En，He）和A1=（[Ex1，Ex1]，En，He）可生成浮动区间云，表示两朵区间云表达的定性概念中间的空白语言值。若生成综合区间云的数字特征为A=（[Ex，Ex]，En，He），则有Ex～=w1[Ex1，Ex1]+w2[Ex2，Ex2]（w1+w2=1，w1，w2为属性权重值）

En=w1Ex1En1+w2Ex2En2w1Ex1+w2Ex2He=He21+He22

Ex1=Ex1+Ex12，Ex2=Ex2+Ex22，Ex=Ex+Ex2（5）

（三）计算基于云模型的不确定语言多准则群决策的综合评价值

首先计算被评价者的评价值与正负理想值的hamming距离。设y1～，y2～为任意两个区间云，F是区间云的集合，d是一个映射，即：F×F→R，d（y1～，y2～）为两朵区间云y1～，y2～之间的距离，则y1～和y2～的Hamming距离为：

d（y1～，y2～）=121+En1+He1Ex1Ex1-1-En2+He2Ex2Ex2+1-En1+He1Ex1Ex1-1-En2+He2Ex2Ex2（6）

则正理想方案为y～+=（[maxExi，maxExi]，minEni，minHei），负理想方案为y～-=（[minExi，minExi]，maxEni，maxHei），被评价对象的区间云y～i与正负理想方案的hamming距离分别为：d+i=d（y～i，y～+）d-i=d（y～i，y～-）

然后计算综合评价值d*i，计算公式为：

d*i=d+id+i+d-i（7）

d*i越小，被评价对象越优。

三、基于问卷调查法和层次分析法的高校教师教学质量评价指标体系的构建

高校教师教学质量评价需要一套完整的指标体系，但指标体系的设计目前在国内并无权威的可供借鉴的范式，本文通过对其影响因素的问卷调查分析得出。

（一）调查问卷设计与预测试

由于影响高校教师教学质量的因素比较复杂，必须从多维度进行综合评价。 我们选取中南大学商学院五位讲授“金融学”课程的教师，根据高校教师的教学特点以及本文采用不确定语言值作为评价值的要求，设计了生评（即学生评价）、自评（即教师自己评价）和专家评价调查问卷，从教师个人背景与教学素质（包括性别、教龄、职称、学历层次、普通话水平、教师课堂形象和内在气质、表达和思维能力、教学过程中的科学精神、学术品格、性格〈如外向型程度〉、创新意识和能力、知识丰富程度、专业知识结构、科研能力、专业实践经验与能力等方面）、教学技能与教学责任心（包括课堂时间分配的合理程度、多媒体课件水平、网络教学平台运用水平、教学方法与教学模式创新程度、对学生的启发激励技能、课堂组织方法、课程内容熟练程度、教学进度适度、所能认识学生的比例、讲课激情程度、对学生的约束技能、布置与批改作业情况、考核形式多样化情况）、教学内容（包括实际教学内容与课程目标是否相符、讲述内容充实性与信息量、重点和难点突出、对学科最新进展和发展趋势把握情况、理论联系实际或有效地使用实例讲解情况、教材选用质量、指定的阅读参考材料质量）、教学效果（包括教学计划完成情况、教学目标达到程度、学生对课程知识的把握程度、学生分析问题和解决问题的能力提高程度、对学生创新实践能力的影响、对学生治学与做人态度的影响、学生考试成绩）四个方面设计了42个问题，最后还设计了一个问题（第43个问题），要求评价者对教师总体教学质量给出综合评价，共43个问题构成的调查问卷，其评价值采用不确定语言值，分为A＼[差-较差＼]、B＼[差-一般＼]、C＼[较差-一般＼]、D＼[较差-较好＼]、E＼[一般-较好＼]、F＼[一般-很好＼]、G＼[较好-很好＼]五种不确定语言值七种不确定语言区间。

在进行正式调查之前我们对调查问卷进行预测试。以电子邮件形式共发放问卷45份，回收42份，回收率为933%。剔除无效问卷2份，共回收有效问卷40份，问卷有效率为889%。为了采用 SPSS130对数据分别进行项目分析、因素分析和信度分析，我们将不确定区间语言值转换为实数，对五个等级的语言标度S-2、S-1、S0、S1、S2分别赋值为0、1、2、3、4。分析显示：V1（性别）、V34（教材选用质量）的CICT（总相关系数）值分别为0101和0064，是十分低的，因而将此两项从整体量表中删除；整体量表KMO值为0841，近似卡方值为347356，Bartlett球形检验显著性概率小于0001，二者均高度显著到达显著程度，且在因素分析中，变异数具体旋转后因素V24（所能认识学生的比例）析出系数未达到显著要求，因此将其删除；Cronbachs Alpha系数检验的量表整体信度值和分量表的信度值均大于075。由此得到正式问卷由删除V1、V24和V34后的39个问题组成，也即高校教师教学质量评价指标体系由4个准则层39个评价指标共同构成，见表1。

（二）层次分析法确定指标权重

高校教师教学质量评价指标权重的确定，在实证检验基于云模型的不确定语言多准则群决策方法中至关重要。本文采用层次分析法来确定高校教师教学质量评价指标权重。为此，我们设计了高校教师教学质量评价指标权重调查问卷，邀请20位教育专家对影响高校教师教学质量四个准则指标之间的相对重要程度进行判断，采用Saaty1-9标度法对各因素进行两两比较，构造高校教师教学质量判断矩阵，通过计算判断矩阵的特征向量确定各因素的相对权重，并对对调查问卷进行一致性检验，将通过一致性检验的17位教育专家对于高校教师教学质量同一评价指标的权重进行算术平均，计算得到教育专家群体集中判断的综合权重，即高校教师教学质量评价指标的最后综合权重系数：教师个人背景与教学素质、教学技能与教学责任心、教学内容、教学效果分别是02403、03068、02476、02053。

（三）正式问卷信效度分析

本调查问卷针对每一位被评价教师分别发放生评、自评和专家评价41份、1份、10份共52份问卷，endprint

二、基于云模型的不确定语言多准则群决策模型的构建

我们依据李德毅（2005）提出的云模型，针对决策问题中知识的不确定性表示问题，提出基于云理论的知识表示和偏好集结方法，构建一种基于云模型的不确定语言多准则群决策模型。

（一）不确定语言多准则群决策问题及其决策者评价值权重的确定

对于一个不确定语言多准则群决策问题，设有m个方案A={A1，A2，…，Am}，n个决策准则C={c1，c2，…，cn}，对应的准则权重向量为W={w1，w2，…，wj}，且wj∈[0，1]，w1+w2+…+wj=1。设S～为方案A在准则C下的评价值，令S～=[si，sj] ，显然S～为区间语言值。假定有k个决策者D={d1，…dk}，对应的权重向量未知。令决策者dk所对方案Ai给出的评价矩阵为Rk=（akij）m×n，则决策者dk评价所有方案时的不确定度为：

Ψ（RK）=mi=1nj=1len（akij）2t+1（1）

且决策者dk所给出的评价矩阵与其他所有决策者所给出的评价矩阵的偏差程度称为偏差度。令DS（akij，atij）=（akij-atij）+（akij-atij）2表示两个不确定语言变量的相离度，则偏差度为：

fk=t≠kmi=1nj=1DS（akij，atij）（2）

利用“决策者信息不确定度”和“决策者偏差度”确定决策者权重。一般来说，决策者所给出的评价矩阵的不确定度越小，则说明该决策者的决策越精确，应给予较高的权重；同样，某一决策者与其他所有决策者之间的偏差度越小，则说明该决策者的决策比较精确，应给予更高的权重。因此基于决策者评价的不确定度可得出决策者dk的第一个和第二个客观权重分别为：

λ1k=（1/Ψ（Rk））lt=1（1/Ψ（Rk））λ2k=（1/fk）lt=1（1/fk）

根据对这两个客观权重的不同偏好取定两个数α、β来综合这两个客观权重，可得决策者dk的最终权重为：

λk=αλ1k+βλ2k（0≤α，β≤1，α+β=1）（3）

（二）利用云模型进行决策信息转化和偏好集结

首先转化决策信息，将区间语言值＼[Si，Sj＼]转化为两朵云，令si→yi=（Exi，Eni，Hei）和sj→yj=（Exj，Enj，Hej），并在这两朵云的基础上扩展得y～=（[Ex，Ex]，En，He），则称其为区间云。其数字特征用期望区间[Ex，Ex]、熵En、超熵He三个数值表示。在实际运用过程中，区间云简记为y～=（[Ex，Ex]，En，He），其中，a—=min{ai，aj}，a—=max{ai，aj}，则：

En=En2i+En2j，He=He2i+He2j（4）

然后采用生成浮动云的方法进行偏好集结，计算各决策者评价值的综合云。设两朵相邻区间云A1=（[Ex1，Ex1]，En，He）和A1=（[Ex1，Ex1]，En，He）可生成浮动区间云，表示两朵区间云表达的定性概念中间的空白语言值。若生成综合区间云的数字特征为A=（[Ex，Ex]，En，He），则有Ex～=w1[Ex1，Ex1]+w2[Ex2，Ex2]（w1+w2=1，w1，w2为属性权重值）

En=w1Ex1En1+w2Ex2En2w1Ex1+w2Ex2He=He21+He22

Ex1=Ex1+Ex12，Ex2=Ex2+Ex22，Ex=Ex+Ex2（5）

（三）计算基于云模型的不确定语言多准则群决策的综合评价值

首先计算被评价者的评价值与正负理想值的hamming距离。设y1～，y2～为任意两个区间云，F是区间云的集合，d是一个映射，即：F×F→R，d（y1～，y2～）为两朵区间云y1～，y2～之间的距离，则y1～和y2～的Hamming距离为：

d（y1～，y2～）=121+En1+He1Ex1Ex1-1-En2+He2Ex2Ex2+1-En1+He1Ex1Ex1-1-En2+He2Ex2Ex2（6）

则正理想方案为y～+=（[maxExi，maxExi]，minEni，minHei），负理想方案为y～-=（[minExi，minExi]，maxEni，maxHei），被评价对象的区间云y～i与正负理想方案的hamming距离分别为：d+i=d（y～i，y～+）d-i=d（y～i，y～-）

然后计算综合评价值d*i，计算公式为：

d*i=d+id+i+d-i（7）

d*i越小，被评价对象越优。

三、基于问卷调查法和层次分析法的高校教师教学质量评价指标体系的构建

高校教师教学质量评价需要一套完整的指标体系，但指标体系的设计目前在国内并无权威的可供借鉴的范式，本文通过对其影响因素的问卷调查分析得出。

（一）调查问卷设计与预测试

由于影响高校教师教学质量的因素比较复杂，必须从多维度进行综合评价。 我们选取中南大学商学院五位讲授“金融学”课程的教师，根据高校教师的教学特点以及本文采用不确定语言值作为评价值的要求，设计了生评（即学生评价）、自评（即教师自己评价）和专家评价调查问卷，从教师个人背景与教学素质（包括性别、教龄、职称、学历层次、普通话水平、教师课堂形象和内在气质、表达和思维能力、教学过程中的科学精神、学术品格、性格〈如外向型程度〉、创新意识和能力、知识丰富程度、专业知识结构、科研能力、专业实践经验与能力等方面）、教学技能与教学责任心（包括课堂时间分配的合理程度、多媒体课件水平、网络教学平台运用水平、教学方法与教学模式创新程度、对学生的启发激励技能、课堂组织方法、课程内容熟练程度、教学进度适度、所能认识学生的比例、讲课激情程度、对学生的约束技能、布置与批改作业情况、考核形式多样化情况）、教学内容（包括实际教学内容与课程目标是否相符、讲述内容充实性与信息量、重点和难点突出、对学科最新进展和发展趋势把握情况、理论联系实际或有效地使用实例讲解情况、教材选用质量、指定的阅读参考材料质量）、教学效果（包括教学计划完成情况、教学目标达到程度、学生对课程知识的把握程度、学生分析问题和解决问题的能力提高程度、对学生创新实践能力的影响、对学生治学与做人态度的影响、学生考试成绩）四个方面设计了42个问题，最后还设计了一个问题（第43个问题），要求评价者对教师总体教学质量给出综合评价，共43个问题构成的调查问卷，其评价值采用不确定语言值，分为A＼[差-较差＼]、B＼[差-一般＼]、C＼[较差-一般＼]、D＼[较差-较好＼]、E＼[一般-较好＼]、F＼[一般-很好＼]、G＼[较好-很好＼]五种不确定语言值七种不确定语言区间。

在进行正式调查之前我们对调查问卷进行预测试。以电子邮件形式共发放问卷45份，回收42份，回收率为933%。剔除无效问卷2份，共回收有效问卷40份，问卷有效率为889%。为了采用 SPSS130对数据分别进行项目分析、因素分析和信度分析，我们将不确定区间语言值转换为实数，对五个等级的语言标度S-2、S-1、S0、S1、S2分别赋值为0、1、2、3、4。分析显示：V1（性别）、V34（教材选用质量）的CICT（总相关系数）值分别为0101和0064，是十分低的，因而将此两项从整体量表中删除；整体量表KMO值为0841，近似卡方值为347356，Bartlett球形检验显著性概率小于0001，二者均高度显著到达显著程度，且在因素分析中，变异数具体旋转后因素V24（所能认识学生的比例）析出系数未达到显著要求，因此将其删除；Cronbachs Alpha系数检验的量表整体信度值和分量表的信度值均大于075。由此得到正式问卷由删除V1、V24和V34后的39个问题组成，也即高校教师教学质量评价指标体系由4个准则层39个评价指标共同构成，见表1。

（二）层次分析法确定指标权重

高校教师教学质量评价指标权重的确定，在实证检验基于云模型的不确定语言多准则群决策方法中至关重要。本文采用层次分析法来确定高校教师教学质量评价指标权重。为此，我们设计了高校教师教学质量评价指标权重调查问卷，邀请20位教育专家对影响高校教师教学质量四个准则指标之间的相对重要程度进行判断，采用Saaty1-9标度法对各因素进行两两比较，构造高校教师教学质量判断矩阵，通过计算判断矩阵的特征向量确定各因素的相对权重，并对对调查问卷进行一致性检验，将通过一致性检验的17位教育专家对于高校教师教学质量同一评价指标的权重进行算术平均，计算得到教育专家群体集中判断的综合权重，即高校教师教学质量评价指标的最后综合权重系数：教师个人背景与教学素质、教学技能与教学责任心、教学内容、教学效果分别是02403、03068、02476、02053。

（三）正式问卷信效度分析

本调查问卷针对每一位被评价教师分别发放生评、自评和专家评价41份、1份、10份共52份问卷，endprint