基于多层模糊综合评价模型的职教师资培训评价研究

文思群 王丹 邓祥林 李力

摘要：本文利用大数据技术对以往培训数据的挖掘，收集、分析和处理影响职教师资培训的有效指标，通过AHP层次分析法科学分配评价指标权重，结合FCE模糊综合评价法和参训学员真实的满意度调查数据进行建模及验证，实现培训质量的有效评价，为职教师资的评估提供有力支撑。

关键词：大数据;AHP层次分析法;FCE模糊综合评价

中图分类号：G715.1     文献标识码：A    文章编号：1007-9416（2020）10-0000-00

1.

0引言

职业院校教师培训是职业教育教师队伍建设的重要组成部分，是我国职业教育提高和可持续发展的重要保障。在国家政策的支持和引导下，职业院校教师的整体素质也有了明显的提升，师资队伍建设方面取得了显著成绩[1]。与此同时，诸多问题也随之暴露[2]，其中最为突出的是如何衡量职业院校教师培训的效果。培训评价作为保证培训质量、提高培训效益的有效举措，如果缺乏科学的质量评价，培训不但会造成教学资源的浪费，还会使职业院校教师没有动力去继续提升自己。如何使有限的资源投入到价值最大化的教师培训中，需要有效、科学且合理的培训工作评价体系去判定。由此可见，构建科学合理的职教师资培训评价体系，重视培训效果评估工作的科学性和实用性，对有效开展教师培训工作，提升教师培训的水平，具有深远的实践意义[1]。

在本研究中，我们结合层次分析法（AHP）和模糊综合评价法（FCE）建立了多层模糊综合评价模型，通过评估来发掘培训中的问题，从而对整个培训做出合理的价值判断，形成良性的信息反馈，确保培训质量和效益。

1相关研究

许多学者针对职教师资培训的质量问题提出了一些研究。卢荷[4]运用文献资料法、访谈法和逻辑分析法，分析了目前职业院校教师培训质量监控与评价中存在的问题，设计出职业院校教师培训质量监控与评价体系框架。申文缙[5]从教师专业发展视域下对德国职教师资培训体系研究，以德国经验为借鉴，提出我国职教师资培训体系发展策略。刘玉容[3]等人按照现代教育评价理论以及中等职业学校教师的专业标准，采用动态与静态相结合方式，探讨了中职教师培训过程质量的评价问题，构建了对培训过程质量进行评价的体系。 何应森等人按照公共绩效评价的逻辑模型，把培训质量的评价体系从结构上划分为培训质量的支撑评价、促进教学质量提高的评价及社会贡献和影响等中远期成果评价三个部分[6]。综上所述，学者们分别从不同的角度建构了培训质量评价体系，归根结底，目标都是为了对培训有一个客观综合的评价。但是这些方法没有对培训过程的关键指标的权重进行有效的界定，由此可见，按照现有的方法对中职师资培训质量评价结果在信度和效度上都较为缺乏，也不能很好地反映出培训过程的质量状况。

2构建模糊综合评价模型

职教师资培训中梳理相关培训因素，是一个相对较为复杂的问题，应该借助于大数据的新方法，在明确评价目标的基础上，构建科学的评价指标，有效界定关键指标的权重。因此，本文构建模糊综合评价模型分为四个步骤：（1）利用大数据技术对以往的数据进行分析，并结合德尔菲法构建培训评价指标;（2）通过AHP层次分析法测算各级指标的权重并进行一致性检验;（3）利用多层模糊综合评价法搭建职教师资培训评价模型;（4）利用多层模糊综合评价模型对收集到的参培学员评价数据进行综合评价模型验证，最后针对评价结果进行综合分析。

2.1构建培训评价指标

职教师资培训的过程性数据主要以文本、网络、时空数据等信息类型呈现，本文采用大数据技术对数据进行采集，通过深度挖掘以往培训中留下的碎片化数据，针对学员的学习效果、切身感受和反馈等信息进行挖掘和评价分析，提取影响培训质量的指标因素，如表1所示。

2.2确定各评价指标的权重

层次分析法（AHP）主要用于多准则决策和多指标综合评价，利用较少的定量信息实现决策过程的量化，通过重要性分层次对比来确定权重，从而具有较强的可行性和可靠性。我们通过AHP构建判断矩阵、计算权重，并通过一致性检验，结果如表2所示。

2.3多层模糊综合评价法搭建职教师资培训评价模型

完成了AHP评价体系之后，构建基于FCE的多层模糊综合评价法搭建职教师资培训评价模型，把定性评价转化为定量评价，它结果清晰，系统性强，能较好地解决模糊的、难以量化的问题。

2.4评价数据进行综合评价模型验证

依据FCE评价体系，按五个等级构建FCE评价集，分别是“非常满意”用“5”表示，满意用“4”表示，一般用“3”表示，不满意用“2”表示，非常不满意用“1”。假设对120份参培学员的满意度问卷调研结果进行统计分析，对于C1“课程安排科学、合理”属性值，80%的学员评价打分为5，13%的学员打分为4，6%的学员打分为3，1%的学员打分2，0%的比例为1。因此，C1的属性值为：

的二级指标矩阵为：

同理，依次计算， ， 的值：

结合，从而可以得到整体评价的权重：

采用平均加权法计算综合评价值，计算得到FCE评价结果如下：

根据每次培训评估得到不同的I值，I值越大（I的最大值为5，最小值为0）表示参训学员对培训方案的满意度越高。

3总结

本研究通过大数据技术对以往培训数据的全面整理、挖掘和分析，通过参训学员的培训数据、学习反馈、跟踪指导等信息提取影响培训效果的影响因素，构建了多维度的培训评价体系，并运用AHP层次分析法构建矩阵，确定各指标的权重，再运用FCE模糊综合评价法结合问卷调研的统计数据进行模型建立及验证，对培训效果进行了量化的分析，該模型能够帮助我们直观了解培训效果的情况，形成了一套集科学性与实用性为一体的评估方式。该模型的建立，不仅为职教师资的评估提供有力支撑，及时处理培训中存在的问题和需求，而且可以形成一个有效地反馈渠道，让我们的培训工作形成良性循环，进而提高培训的质量。

参考文献

[1] 申文缙.教师专业发展视域下德国职教师资培训体系研究[D].天津：天津大学，2017.

[2] 高倩.柯式模型视角下的教师培训评估研究：以 J 大学职教师资培训基地为例[D].南昌：江西科技师范大学，2017.

[3] 刘玉容，徐晓燕，何应森.中職教师培训过程质量的评价问题研究：以“国培计划”和“省培计划”为例[J].职业教育研究，2016（05）：54-57.

[4] 卢荷.职业院校教师培训质量监控与评价[J].广西职业技术学院学报，2017（10）：50-52.

[5] 申文缙，周志刚.德国职教师资培养质量评价指标体系及启示[J].中国职业技术教育，2016（24）：64-68.

[6] 何应森，徐晓燕.基于逻辑模型的中职教师培训质量评价体系构建研究[J].教育评论，2014（10）：59-61.

收稿日期：2020-09-08

基金项目：四川省教育厅2019年度教育科研重点课题“基于大数据的职教师资培训质量精细化管理研究”，川教函[2019]514号

作者简介：文思群（1978—），男，湖南株洲人，硕士，研究方向：职业教育管理。

Research on Teacher Training Evaluation of Vocational Education Based on AHP- FCE Model

WEN Si-qun， WANG Dan， DENG Xiang-lin， LI Li

（College of Continuing Education， University of Electronic Science and Technology of China， Chengdu Sichuan  610054）

Abstract：In this paper， big data technology is used for mining， collecting， analyzing and processing past training data， analyzing the effective indicators that affect vocational teacher training. We assign the weights of evaluation indicators scientifically through AHP hierarchical analysis， and combining FCE fuzzy comprehensive evaluation method and trainee satisfaction survey data for modeling and validation， so as to realize the effective evaluation of training quality and provide strong support for the evaluation of the effect of vocational teacher training.

Keywords：Big data;AHP;FCE