基于灰关联分析的高职核心专业课程评估研究

黄淑兰

摘要：目的：建立高职专业核心课程的科学评估体系。方法：从课程设置、课程开发、课程实施、课程反馈、教学效果5个方面建立2级评价指标体系，采用层次分析法计算指标权重，采用灰关联分析法建立综合评价模型。结合上述指标体系、综合评价模型及专家评判，对某专业5门核心课程进行科学评估。结论：评估结果科学合理，其优劣排序与简单加权平均相同但分辨率提高了10倍。

关键词：课程评估;指标体系;层次分析;灰关联分析

中图分类号：G640 文献标志码：A 文章编号：1008-4657（2019）05-0079-06

0 引言

课程评估指的是遵循教学规律及原则，运用包括数学工具在内的科学手段，对课程的目标功能努力做出科学的评判[1];换言之，就是采用科学合理的指标体系按照规范的流程对课程建设及课程质量进行综合评价[2]。课程评估是教学质量管理PDCA（计划、执行、检查、处理）循环中重要的一个环节，通过课程评估，相关管理部门可以较为准确、全面地了解课程教学的相关信息，这些信息可以作为制定教学管理政策及教学质量改善措施的依据。除此之外，课程评估还具有导向及督导功能。因此，开展高职专业课程评估研究，对于改进高职专业课程教学质量、提高高职院校人才培养工作水平具有重要的现实意义。

1 高职核心专业课程评估指标体系与权重计算

1.1 高职核心专业课程评估指标体系

我国高校课程评估实践开始于80年代，但直到2003年教育部启动精品课程建设工作才得到广泛重视。当年7月，教育部颁发了《国家精品课程评审指标体系》的征求意见稿，列出教学队伍、教学条件、教学方法与手段、教学内容、教学效果5个方面15个二级评审指标，随后几年二级指标、权重略有调整[3]。2007年高职国家精品课程评审指标则包括教学内容、教学方法与手段、教学队伍、实践教学、教学效果5个方面。2011年教育部开始推动精品课升级为精品资源共享课[4]，2012年高职国家级精品资源共享课的评审指标包括课程设计、持续更新与共享、教学团队、教学资源、建设环境5个方面，本科评审指标则包括课程团队、课程基础设施、课程定位和教学设计、基本资源、拓展资源、知识产权保护、课程特色与预期效果7个方面。2015年教育部开始推动国家精品在线开放课程建设，2017年开始进行国家精品在线开放课程认定工作，但只从宏观层面规定基本要求和认定标准，没有颁布配套的评审指标体系[5]，考核评价趋于多样化[6]。在课程评估研究方面已有不少报道，除了早期研究之外，近十多年大多以教育部颁发的评审指标为基础展开研究。

本研究的最终目的是提升高职专业核心课程的教学质量，因此参考教育部相关评审指标，按照课程设置、课程开发、课程实施、课程反馈、教学效果评价这一课程流程设置2级评估指标。现阶段高职核心课程已经抛弃早期的“理论+实践”教学模式，注重行动导向、理实一体，因此没有专门设置一个实践教学方面的一级指标，而是将行动导向、理实一体融入到课程开发与课程实施中。

1.2 权重计算

采用层次分析法（Analytic Hierarchy Process，AHP）計算一级指标权重及二级指标相对权重。由1位高职教学管理专家和2位资深高职专任教师组成评判小组，经充分讨论之后共同采用1～9标度法确定各一级指标之间以及各一级指标所属二级指标之间的相对重要性比值。以此构建评价目标及一级指标的判断矩阵，这一矩阵最大特征值所对应的归一化特征向量即为相应指标的（相对）权重向量[7]。例如，评价目标课程评估U的5个一级指标之间，课程开发U2、课程实施U3与课程设置U1相比，其重要性都介于同等重要和稍微重要之间，因此课程开发U2、课程实施U3与课程设置U1的相对重要性比值都等于2，反过来课程设置U1与课程开发U2、课程实施U3的相对重要性比值则等于1/2;课程反馈U4和课程设置U1同等重要，其相对重要性比值等于1;课程设置U1与教学效果U5相比，其重要性也是介于同等重要和稍微重要之间但偏向同等重要，因此课程设置U1与教学效果U5的相对重要性比值等于3/2，教学效果U5与课程设置U1的相对重要性比值则等于2/3。其他一级指标对的相对重要性比值也按照同样方法确定，由此可得评价目标课程评估U的判断矩阵为

采用几何平均法可计算出上述判断矩阵最大特征值所对应的归一化向量为

WU=0.1500.3000.3000.1500.100T。

这一向量即为评价目标课程评估U的权重向量[7]。对5个一级指标进行类似处理。高职专业课程评估指标体系及各指标权重具体如表1所示。

2 基于灰关联分析的高职专业核心课程评估

同一专业的核心课程之间相互衔接、相互关联，但加权平均、模糊评价、灰统计等综合评价方法只是将这些课程当作一个个独立对象，而灰关联分析（Grey Relational Analysis，GRA）则将所有评价对象作为一个整体进行处理。因此，灰关联分析非常适合对同一专业的核心课程进行综合评估。

2.1 灰关联分析模型

假定m个评判对象各自n个指标的评判值数据序列为

式中，下标i标示评价对象，对应评判矩阵的行，变量k标示评价指标，对应评判矩阵的列。

假定评价对象的指标权重向量为

向量G的m个元素分别等于m个评价对象与最优参照的关联度。

2.2 高职核心专业课程评估

某高职院校某专业，为迎接学校的专业评估提前进行核心专业课程评估。为此，邀请2位校外教学管理专家和1位本校教学管理专家组成评估小组对该专业5门核心课程（分别以C1，C2，…，C5表示）进行评估。经充分了解相关情况，专家小组对5门核心课程各二级指标的百分制评判数据如表2所示，其中的学生评教U51、督导同行评教U52、合作企业评教U53综合了3学年的评教情况进行评判;“参照”列取5门课程的最优评判值。评估评判结果如表2所示。

取典型值0.5）计算各门课程各指标点与“参照”列的关联系数，所得结果如表3所示。

由公式（2）和表3可得，5门核心课程的一级指标课程设置U1的评判矩阵为

由表1，一级指标“课程设置U1”的相对权重向量为

由公式（3），5门核心课程的一级指标“课程设置U1”的评判结果为

对其他4个一级指标进行类似处理，结果为

再由公式（2），评价目标“课程评估U”的评判矩阵为

由表1权重数据、评判矩阵RU以及公式（3），5门核心课程的评价结果为

也就是说，课程C1、C2、…、C5的评价结果与最优参照的关联系数分别为0.735、0.670、0.882、0.781、0.626;5门课程评估的优劣排序是C3、C4、C1、C2、C5。如果需要，可以将关联系数乘以100作为评估分数。这样的话，课程C1、C2、…、C5的评估分数分别为73.5、67.0、88.2、78.1、62.6。如果以简单加权平均对表1权重数据和表2评判数据进行处理，5门课程的评估分数分别为93.0、92.5、94.2、93.4、92.0，优劣排序和灰关联分析所得结果相同但分辨率明显低了很多;前者最高与最低成绩相差25.6，后者仅相差2.2，分辨率相差10倍以上。

另外，课程评估U评判矩阵的1～5行数据分别对应于课程C1～C5的一级指标评价结果，每行的5个列分量分别对应于5个一级指标。从这些数据可以看出，课程C1的课程反馈较好其他一般，课程C2整体不高且教学效果明显薄弱，课程C3整体较好但课程开发相对薄弱，课程C4的教学效果相对薄弱，课程C5整体较差且课程实施最为薄弱。

3 结论

以提升高职专业核心课程的教学质量为目的，按照课程设置、课程开发、课程实施、课程反馈、教学效果评价这一课程流程设置2级课程评估指标体系，结合专家评判与层次分析法计算指标权重。由于同一专业的核心课程之间相互衔接、相互关联，而灰关联分析法将所有评价对象作为一个整体进行处理，采用灰关联分析法建立综合评价模型。将上述指标体系及综合评价模型应用于某专业5门核心课程评估实践，评估结果的优劣排序与简单加权平均相同但分辨率提高了10倍，这说明本文建立的综合评价体系非常适合于高职专业核心课程评估。

参考文献：

[1]王根顺，刘亚军.高等学校课程建设与评估的理论与实践[J].兰州大学学报（社会科学版），2003（4）：128-132.

[2]劉紫玉.高校课程评估指标体系的构建与应用——以河北科技大学为例[J].教育观察，2018（11）：59-62.

[3]王鹏.2003—2008年国家精品课程评估指标体系的变化与趋势分析[J].当代教育科学，2008（15）：38-40.

[4]蓝洁，方绪军.对高职类国家精品课程转型升级为精品资源共享课的思考[J].教育与职业，2014（2）：20-22.

[5]杨方琦.我国高校精品在线课程发展沿革及存在的问题[J].数字教育，2018（3）：38-43.

[6]方旭.国家精品在线开放课程认定的实证分析[J].中国高教研究，2018（7）：94-99.

[7]王莲芬，许树柏.层次分析法引论[M].北京：中国人民大学出版社，1990.

[8]黄夏明.高校辅导员绩效灰关联综合评价研究[J].通化师范学院学报，2016（10）：80-83.

[责任编辑：许立群]