特色公共体育教学中身体素质的评价研究——基于云理论模型

□唐　磊（楚雄师范学院体育与健康学院云南楚雄675000）

特色公共体育教学中身体素质的评价研究
——基于云理论模型

□唐磊（楚雄师范学院体育与健康学院云南楚雄675000）

本文运用云理论将体育成绩从定量到定性的转换，实现体育测试成绩评价的不确定转换问题，发现通过具有地方特色的公共体育教学改革的实施，提高了学生身体素质测试成绩，同时也激发了学生参与体育锻炼的热情。利用评价云模型发现影响学生成绩的隐藏因素，从而使学校能够更好的根据自身情况及时的、正确的、主动的对特色公共体育课教学进行指导，推动公共体育教学的发展。

特色体育教学云模型身体素质评价研究

1、研究对象与方法

1.1、研究对象

本文选取云南省楚雄师范学院2014级500名学生2014年身体素质测试成绩（公共体育教学改革前）和2015年身体素质测试成绩（公共体育教学改革后）为研究对象。

1.2、研究方法

（1）文献资料法。

根据研究需要，充分运用网络资源、高校图书馆等资源查找与本研究相关的文献资料，为论文的撰写提供了理论支撑。

（2）云理论。

设U是一个精确数值集合的定量论域，C是U上的定性概念。若定量值x∈U，且x是定性概念C的一次随机实现，x对C的隶属度（确定度）μC（x）∈［0，1］是具有稳定倾向的随机数，则x在论域U上的分布称为云，每个x称为一个云滴（x，μC（x））。

（3）数理统计法。

论文采用Microsoft Excel 2003对原始数据进行收集整理，通过Matlba数据分析软件对获得的数据进行处理，根据研究所要达到的目的进行统计分析。

2、研究结果与分析

2.1、确定学生身体素质测试项目权重

结合《学生体质健康标准》中对各项素质的评定权重度，并采用专家打分法和层次分析法对测试个项目所代表的身体素质进行权重确定，如下图：

表1　各项素质评定指标权重

2.2、确定身体素质评价等级

根据教育部2014年颁布的国家学生体质健康标准将学生体质健康评价结果分为了四个等级。如：评定集论域为C（优秀、良好、及格、不及格），其中优秀（90-100）、良好（80-89.9）、及格（60-79.9）、不及格（0-59.9），即评价等级的梯形云数字特征为A1（90，100，10/3，0.05）；A2（80，89.9，10/6，0.05）；A3（60，79.9，20/6，0.05）；A4（0，60，20，0.05）。

2.3、数据收集

对楚雄师范学院2014级500名学生2014年体质健康测试成绩、公体课期末身体素质成绩和2015年体质健康测试成绩、公体课期末身体素质成绩进行收集整理，并对应学生体质健康标准对各项目进行打分，具体如下：

表2　各项身体素质测试成绩

2.4、身体素质各指标数字特征对比评价

利用逆向云发生器对收集的原始数据进行分析得出各项素质所代表的云的数字特征，如表三、四所示。同时利用正向云发生器对各项素质的数字特征进行2000次的正态随机模拟。正向云发生器是根据云的数字特征（Ex，En，He）产生一定数量的云滴，从而实现定性概念到定量数值的转换。

通过逆向云发生器得到的只是给定数量云滴中所还原得到的数字特征，并不能对其准确定性。利用X条件发生器可以对给定的X值，产生X在概念中对应的云滴，即X对该概念的隶属度。这里我们利用X条件发生器对每个学生的身体素质成绩进行处理，得出每个学生身体素质成绩对定性概念A1、A2、A3、A4的隶属度，并采用隶属度最大值法，确定每个同学在两年中身体素质测试成绩所对应的评价等级Ai，从而确定各学生身体素质成绩评价等级。

逆向云发生器的具体算法：

（1）根据各项指标的权值计算样本数据均值X和样本方差S2

表3　不同学生身体素质成绩的数字特征及评价结果

如表3所示，对象002正态概念的数字特征可以看出，该学生在2014年测试成绩的数字特征En和He均大于了2015年测试成绩数字特征的值，于是看出2014年测试出的成绩要高于2015年测试出的成绩，但是受各项素质机体发展不均衡、心理素质、场地、临场发挥或其他因素影响造成各项成绩起伏较大，而2015年测试的结果显示，虽然成绩所有下降，但其各项素质发展均衡。从而可以得出隐含信息，该生通过特色体育教学模式加强了自身身体素质薄弱项目，使得机体逐渐均衡发展。

表4　身体素质子指标的数字特征及评价结果

由表4可以看出，通过一年的特色公共体育课教学学生各项身体素质均有所提高，从各项素质成绩的数字特征来看，50米和800/1000米的Ex提升很大，且En和He值相对降低。从评价结果来看，立定跳远处在及格范畴，其他项目均为不及格，但距离及格分数很近。

2.5、身体素质评定结果对比

采用虚拟云理论中的综合云算法将身体素质的各项素质的评估云综合起来，从而得出身体素质的数字特征，利用正向云发生器对数字特征进行2000次的正态随机模拟，如图1、图2所示。综合云算法公式如下：

通过综合云算法得出身体素质的数字特征分别为：2014年学生身体素质的数字特征Ex=59.82，En=6.63，He=2.14；2015年学生身体素质的数字特征Ex=63.38，En=5.89，He=1.55。

图1　2014年学生身体素质的综合评估云图

图2　2015年学生身体素质的综合评估云图

3、结论

从各项身体素质成绩的数字特征来看（表四），各项身体素质的数字特征均有提升，其中50米和800/1000米的期望值Ex提升幅度最大，说明新的公共体育课教学模式注重了学生速度素质和耐力素质的培养，且具有显著的成效。50米和仰卧起坐/引体向上的数字特征来看，其两年的评价结果均属于不及格范畴，50米与仰卧起坐/引体向上的En和He对比来看，50米的En和He较低，说明学生50米测试成绩比较接近，且影响50米成绩的外在因素较小，通过对数据二次整理分析中发现，男生引起向上不及格率超过80%，说明对学生上肢力量素质的教学，练习力度不够。

由图1可以看出，2014年学生身体素质成绩综合评价结果的云模型期望值Ex=59.82，落在区间（0，59.9）中，评价结果为不及格，从综合评价云图上看，落在此区间的云滴数量最多，最密集，因此可以评定为不及格，同时可以看出，云滴大部分落在了“不及格”的区间外，其余的云滴主要落在了“及格”的区间，因此可以理解为，2014年学生身体素质成绩状况为不及格且接近及格分数线，若解决部分客观影响因素便可以达到“及格”范畴。

根据图2所表示的云图来看，期望值Ex=63.38，落在区间（60，79.9）中，评价结果为及格，且落在此区间的云滴数量最多，最密集，因此可以评定为及格，从云滴的分布情况来看，除落在“及格”区间外，其余大部分云滴主要落在“不及格”区间，因此可以理解为，2015年学生身体素质成绩状况为及格偏下。从En和He来看，相对2014年均减小了，En的减小说明学生通过一年的学习锻炼，弱项素质得到提升，整体发展均衡；He的减小说明学生通过学习，从技术，方法等外在因素方面得到解决，促使弱项成绩得到提升，各项素质均衡发展。

综上所述，本文利用云模型解决定性概念与定量数值之间的相互转换问题，挖掘出体育测试成绩中隐含的价值信息，使得对体育成绩的评价结果更加全面和具体，从而解决身体素质评价中的动态性；通过2014年和2015年的学生身体素质测试成绩的云模型对比，对特色公共体育教学模式的实施效果进行全方面、科学的评价，从而使学校能够根据自身情况及时的、正确的、主动的对特色公共体育课教学进行指导，在一定程度上推动特色公共体育课教学的发展，提升学生体质健康水平。

［1］吕辉军，王晔，李德毅.逆向云在定性评价中的应用［J］.计算机学报，2003，26（8）．

［2］李德毅.不确定性人工智能［M］.国防工业出版社，2005．

［3］教体艺［2014］5号．国家学生体质健康标准（2014年修订）［S］．教育部，2014，7．

［4］Fuchs E，Gruber T，Pree H，et al．Temporal data mining using shape space representation of time series［J］．Neurocomputing，2010，74．

［5］王晓峰，洪磊.基于云的概念空间模型研究，计算机工程与应用［J］．2010，46（20）．

G804

A

1006-8902-（2016）-08-CY

唐磊（1988-），男，云南楚雄，楚雄师范学院，2011级硕士研究生，研究方向：体育教育训练学。