基于OBE理念的机器人视觉课程成效评价体系设计

赵岚 杜一君

摘  要  针对机器人视觉课程的特点与教学要求，结合应用型本科教育培养目标，以OBE理念为指引，综合当今新型社会需求，设计课程成效评价方法。将学生自我认知评价纳入课程成效评价体系，完成基于综合评估法的评价指标模型建立，形成该模型下的指标权重设计方案。

关键词  OBE理念；机器人视觉；课程成效评价；层次分析法；德尔菲法

中图分类号：G642.475    文献标识码：B

文章编号：1671-489X（2022）12-0075-03

Abstract  According to the characteristics and teaching re-quirements of robot vision course， the course effectiveness evaluation method is designed combined with the training objectives of application-oriented undergraduate education， guided by the concept of OBE， integrating the needs of todays new society. Students self-awareness evaluation is incorpo-rated into the curriculum effectiveness evaluation system， the establishment of the evaluation index model based on the com-prehensive evaluation method is completed， and the index weight design scheme under the model is formed.

Key words  concept of OBE; robot vision; curriculum effec-tiveness evaluation; analytic hierarchy process; Delphi me-thod

0  引言

OBE即基于成果導向的教学[1]，其教学活动的开展都要以学生能力的培养目标实现为宗旨，并以学生的学习成果为驱动力，持续改进教学方法，提高教学质量。自2016年加入《华盛顿协议》组织，我国工程教育改革加大步伐，各大高校纷纷开始将工程教育理念融入教学中，从教学内容、教学手段、考核办法等方面开展一系列教学改革。其中如何构建课程成效评价方法，实现学生学习成果的科学化规范化评估，是OBE教学理念实践过程中需要解决的重要问题。本文以南京工程学院自动化学院机器人视觉课程为例，探讨纳入学生能力自我评价的课程成效评价方法。

1  当前机器人视觉课程成效评价方法存在的不足

机器人视觉是面向机器人工程专业开设的一门专业核心课程，具有知识覆盖面广、实践应用性强的特点，属于前沿技术课程，其定位对学生的综合知识和应用能力提出比较高的要求，不仅需要学生具有机器人技术和机器视觉等领域的专业知识，具备解决实际问题的能力，而且需要学生具备较强的自学能力、良好的创新意识以及较高的社会和人文素养。

机器人视觉课程的成效评价主要由过程考核与结课考核两部分组成。过程考核关注学生在理论课程学习过程中的表现，包括课堂参与度、课后自主学习时长和频次、课后作业完成情况等方面。结课考核则是对学生运用所学知识解决实际问题能力的综合性评价，能检验最终学习成效。目前，过程考核和结课考核的权重主要还是任课教师依据以往经验值或者主观判断来制定，对任课教师的主观因素依赖性过强。这种权重设计方法在科学性、严谨性方面略显不足。另外，评价过程没有考虑学生作为学习主体这一重要因素，学生没有参与评价，不符合以学生为主体的OBE理念。因此，目前的课程成效评价方法存在评价不全面的问题，以此方法得到的评价结果往往不利于激发学生的学习动力。

2  基于OBE理念的机器人视觉课程成效评价方法

由于课程评价体系是一种多指标多层次的评价体系，因此可以通过德尔菲法[3]和层次分析法[2]将评价问题分解为多指标的若干层次，根据教师和学生对各个指标的重要性定性排序，设计每一个层次的评价指标权重。

2.1  评价指标的确定

评价指标的确定采用德尔菲法，又称为专家咨询法。通过分析参考文献，研究评价指标体系和实践类课程的评价标准，初步构建由四个一级指标和八个二级指标构成的评价体系；然后咨询同行业专家，根据他们的经验对第一轮初步拟定的指标进行筛选和重要性判断，采用平均数、中位数、标准差、变异系数和重要性来衡量指标的重要程度；将第一轮的指标统计数据反馈给专家，专家根据反馈的信息修改各自观点，并进行第二轮讨论……如此反复，直到专家意见基本一致，最终确定图1所示课程成效评价指标及评价体系的层次结构模型。

模型分为三层，从上往下分别为目标层、一级指标层和二级指标层。目标层为课程总评成绩，三个一级指标包含过程考核、期末考核以及自我认知评价。对于每个一级指标可进一步细化指标内容。其中，过程考核包括课堂表现、自主学习、平时作业情况等三个二级指标。结课考核由项目设计结果以及项目报告完成质量等两个二级指标组成。

2.2  运用层次分析法设计评价指标权重系数

从课程成效评价模型可知，总评成绩由过程考核、结课考核和自我评价三部分组成，各部分权重的大小将采用层次分析法建立。首先，根据评价模型构造判断矩阵来确定各层次指标的权重系数。以评价模型中的一级指标层的过程考核、结课考核、自我评价这三个指标为例，说明层次分析法确定权重的过程。将一级指标层的这三个指标作为层次结构模型中准则层的三个指标，综合专家建议、教师和学生投票，确定三个指标点之间两两比较的重要性比值，得到如下判断矩阵：

元素aij表示第i个指标相对于第j个指标的重要性比值，这个值使用的是Saaty的1～9标度方法，如表1所示。该判断矩阵的最大特征值为3，对应的特征向量进行归一化处理之后为[0.3  0.54  0.16]。一致性检验可以通过计算判断矩阵的一致性指数来确定。本文中的判断矩阵的一致性系数CI=0.005，通过一致性检验，是可接受的结果。因此，得到课程评价体系的三个一级指标的权重分别为：过程考核占30%，结课考核占54%，自我评价占16%。

以同样的方法可以得到每个一级指标下的二级指标的权重系数。过程考核的三个二级指标的权重均为10%，结课考核的两个二级指标的权重分别为30%和24%。每个课程目标对应的三级指标的分值（百分制）以及指标权重如表2所示。

3  考核方式及成绩评定

3.1  过程考核

过程考核主要评价学生的学习过程和学习态度，三个评价指标分别为课堂表现、自主学习和平时作业。其中课堂表现以教师评价为主，以学生互评为辅。考核方式是以小组为单位在课堂上进行课题研究成果汇报和展示，教师根据现场表现给小组打分，小组成员之间根据研究过程和成果展示中个人的贡献和表现进行互评打分。自主学习和平时作业的考核方式则更为客观，自主学习以超星学习通等在线学习平台统计的学生的学习时长和学习频次进行评分，平时作业则以完成度以及正确率为客观依据进行评分。学生的学习过程是丰富多样的，不同的学生会有不同的学习方法，从而产生不同的学习结果。传统的目标导向的学业评价将评价的目标框定在教师认为的重要的有限的范围内，削弱了学生的学习积极性。过程性评价则将视野投向学生的整个学习经验领域，认为有价值的学习结果都应该得到肯定的评价，这样做能极大提高学生的学习积极性和学习自主性。

3.2  结课考核

结课考核要求学生能综合运用所学的视觉采集、图像处理、相机标定、机器手眼标定等理论知识以及视觉处理软件Halcon、视觉库OpenCV来进行系统集成，解决机器人视觉中的测量、抓取等实际问题。OBE理念强调学生个性化学习，设计选题多样化，涉及机器视觉案例中的多个典型应用，学生可以根据自己的兴趣选择合适的题目来完成。结课考核以教师考核为主，对设计方法、设计结果、设计答辩和设计报告质量进行评价。

3.3  自我评价

核心能力和课程目标达成情况自我评价以问卷形式通过超星学习通平台发放。在广泛收集学生对课程知识点掌握情况和相关工程能力是否具备的自我评价之后，将问卷结果转换成相应分值，按该指标对应权重纳入课程总体成效评价体系。学生在结课考核后，将根据一学期以来的学习成果，对比分析期初和期末的知识水平提升情况与核心能力达成程度，进行自我评价。

以机器人工程专业18级为例，结课问卷通过超星学习通向机器人工程2018级两个班89名学生发放，一共有82名学生参与问卷调查，其中女生占15%，男生占85%。问卷内容主要包括课程目标的达成度自我评价，以及OBE理念涉及的十项核心能力（沟通能力、创新意识、批判性思考、集成开发、全球视野、人际关系、领导能力、终身学习、解决问题、团队精神）的自我评价。问卷中的十项核心能力按照毕业指标点进行细化，包括设计开发集成能力、沟通能力、团队合作、创新意识等。要求学生根据李克特量表进行1～5级评分[4]，1～5级分别代表非常不同意、不同意、不确定、同意、非常同意。将学生的自我评价等级按10分制换算，1～5级评价分别对应2、4、6、8和10分。学生将十项核心能力的自我评价得分累加，即为该指标的最终得分。

对十项核心能力的自我评价，持肯定和非常肯定回答的学生人数占比如图2所示。从学生自我评价可以看出，学生对于课程学习成果的达成度整体上认识较好，对自己的核心能力素养的评价都较高。随着知识和能力的积累，学生对自身知识能力素质的认知越来越清晰，间接反映出基于课程评价的学生学习成果达成度评价具有一定的科学性和合理性。

4  结束语

根据OBE教学方法，探讨机器人视觉课程的课程成效评价方法。为了更加合理全面评价课程成效，应用德尔菲法和层次分析法建立课程成效评价体系，有助于教师从多個角度全方位地评价学生专业核心能力，检验教学成效，更好地发现和解决教学难点问题。另一方面，将学生的自我认知和学习反馈作为课程成效评价指标纳入评价体系，建立教师考核评价与学生自我认知评价相结合的双重评价机制，将过程评价与结果评价相结合、定性评价与定量评价相结合、统一评价与个性评价相结合，实现评价目标多元化、评价手段合理化。实践证明：学生自我认知反馈能够明确学习目标，提高对工程实践能力的理解和认识，进而激发学习动力，更好地实现课程培养目标。

参考文献

[1] 张立伟，何炳蔚，陈劼.新工科背景下的机器人工程人才培养探索与实践[J].教育现代化，2019，6（4）：4-6.

[2] 王雅杰.层次分析法在网络增强型课程教学评价中的应用[J].中国远程教育，2012（10）：42-45，96.

[3] 王泽颖，赵启斯.基于德尔菲法和层次分析法的微课评价指标体系的构建[J].软件导刊（教育技术），2016，15（7）：65-67.

[4] 沈文珺，桑棋，陶加强.基于李克特五分量表法的体验营销对顾客满意度的影响研究[J].市场周刊，2021，34（8）：75-78.