基于模糊AHP的高校英语课程在线教学效果智能评估方法

摘要：为更全面、客观地评估课程在线教学效果，减少评估结果的误差，文章以高校英语课程为例，利用模糊AHP，开展在线教学效果智能评估方法研究。文章首先制定数据采集计划，采集并整合英语课程在线教学评估数据并构建多层次的教学效果评估指标体系，将复杂的在线教学效果问题分解为多个具体的指标；然后利用模糊AHP，对在线教学效果进行全方位的智能评估，确定在线教学效果与教学目标达成度的等级。实验结果表明，该方法应用后，评估误差均控制在1.5以下，评估准确性较高。

关键词：模糊AHP；高校；英语课程；在线教学；效果；评估

中图分类号：G434 文献标志码：A

0 引言

随着信息技术的迅猛发展，高校英语课程在线教学已成为重要的教学模式。在线教学凭借灵活、便捷及资源共享等特点，备受师生欢迎［1］。然而，如何科学、客观地评估在线教学效果，确保教学质量，始终是教育领域关注的热点。当前，传统的在线教学效果评估方法多数采用王辞晓等［2］、李欣等［3］提出的方法原理。其中，王辞晓等［2］提出的方法通过量化指标衡量学习效果，直观反映学生知识点的掌握情况，但忽视了综合能力、学习态度等方面的评估。李欣等［3］的方法基于多元交互原理，注重学习过程评估，但采用统一标准，无法体现个体差异和满足个性化需求。模糊AHP作为多准则决策方法，能有效处理评估中的不确定性和模糊性，适用于高校英语课程在线教学效果的全面评估。因此，本文利用模糊AHP开展了高校英语课程在线教学效果的智能评估方法研究。

1 高校英语课程在线教学效果智能评估方法设计

1.1 英语课程在线教学评估数据采集

在设计高校英语教学效果评估方法前，首先，应利用科学的数据收集方式以捕捉英语课程在线教学的评估数据，进而构建一个全面而系统的评估环境，为后续教学效果评估提供数据支持。然后，明确要评估的英语课程在线教学维度，制定数据采集计划，采集学生的登录次数、学习时长、课程完成率、互动参与度、教师的反馈、课程内容的更新频率和课程满意度等数据。本文按照以上采集计划，全面、系统地收集英语课程在线教学评估所需数据［4］。在校园网内，部署独立运行且相互联系的数据采集节点，根据教学平台日常使用模式，有针对性地提取数据，构建灵活高效的动态数据采集体系。该体系融合教学与互动功能并强化考核与评估环节。整个采集流程如图1所示。

由图1可见，高校日常英语在线教学通常采用直播与录播结合的方式。视频分析工具用于解析教师视频，提取教学质量数据如语速、表情、肢体语言等；学习平台的数据分析工具则用于追踪学习进度、统计课程参与度，获取学生学习和互动数据。这些数据经过格式转换，以特定传输协议准确无误地传至指定位置。在采集环节，基于数据属性建立动态化评估维度，以全面了解学生的学习情况，其数据按维度分类汇总，形成多维度报表，可实现全面、系统的数据采集与整合。

1.2 构建多层次的评估指标体系

本文基于英语课程在线教学评估采集的数据，构建多层次的教学效果评估指标体系，将复杂的在线教学效果问题分解为多个具体的指标。首先，明确评估的总体目标及评估对象。根据评估总体目标，分别从学生、教师、课程3个维度（即学生的学习投入度、学习成果、互动与反馈，教师的教学与实施，课程的安排与支持等）设计评估指标的层次结构。该评估指标体系可以全面、系统地评估英语课程在线教学的效果和质量，为提升在线教学效果提供有力的依据和指导。

1.3 基于模糊AHP的在线教学效果智能评估

基于构建的多层次的英语课程在线教学效果评估指标体系，本文确定了评估指标与对应的权重，在此基础上，利用模糊AHP，对在线教学效果进行全方位的智能评估。

首先，深入分析高校英语课程在线教学课节的设置，对各个评价周期内的评价权重进行精确计算，确保评价结果的准确性和客观性。公式如下：

K=0.5 χ3-∑i=1s（t2+1.2i）（1）

其中，K为英语课程在线教学评估指标权重； χ为转换差值；s为教学评估指标的单元值；t为评估指标特征值；i为评估周期。本文通过式（1）确定了重点评估指标并在此基础上利用分形评估方法原理，构建多元的英语课程在线教学效果评估模式，计算教学效果评估均值，公式如下：

H=μ1-ξ3×μ2（ξ-1）n+m（2）

其中，H为英语课程在线教学效果评估均值；μ1为教学效果分形评估维数；ξ为评估过程中产生的变动斜率；μ2为教学效果堆叠评估误差；n为预设的评估周期；m为可能存在的评估重合周期。基于已获得的教学效果评估均值，本文采用模糊AHP方法得出英语教学的单元极值差，利用模糊AHP，建立模糊关系矩阵，其中每行表示一个评价因素，每列表示一个评价等级［5］。这个矩阵的建立基于评价因素和评价等级之间的关系。假设有n个评价因素和m个评价等级，模糊关系矩阵R可以表示为：

R=r11，r12，…，r1m

r21，r22，…，r2m

…

rn1，rn2，…，rnm（3）

其次，确定用于表示每个评价因素的相对重要性的权重向量W，如式（4）所示。

W=［w1，w2，…，wn］（4）

利用模糊加权平均法，根据模糊关系矩阵和权重向量，得到综合评价结果，公式如下：

B=W°R（5）

其中，°为模糊合成算子；B为模糊综合评价的结果向量。根据模糊合成的结果，可以进行综合评估。综合评估结果可以是一个数值或一个模糊集合，具体取决于评估目的和实际需求［6］。根据得出的综合评估数值，建立模糊评价集合，其中评估数值0.9～1.0为优秀；0.7～0.9为良好；0.5～0.7为中等；0.3～0.5为一般；0.0～0.3为差。

学校通过此模糊评估集合，对在线教学效果进行更为细致和全面的评价。该评价过程不仅考虑到了教学效果的优劣程度，还考虑到了评估的不确定性和模糊性，使得综合评估结果更加符合实际情况。

2 实验分析

为确保评估结果的准确性与可信性，本文选定A学校英语课程为测试对象，采用对比分析法，设对照组1（王辞晓等［2］评估方法）、对照组2（李欣等［3］评估方法）与实验组（本文智能评估方法）。通过分组设计，系统比较不同评估方法优劣，为教学质量提升提供数据支持。

2.1 实验准备

本次选定A学校6个班级为研究目标，采用知名在线教育平台，确保网络稳定、音视频清晰及资源丰富。实验周期为一学期，以收集充足数据。首先，在实验中，本次设定评价周期及教学评价权重为1.35，以系统评价英语教学；然后，采用分形模拟评价程序，构建动态精准评价环境，设定合理具体的基础教学评价指标；最后，让其与英语课程紧密结合，确保协调共进。在日常教学中，从多维度收集汇总教学数据，全面了解教学情况，以为质量提升提供数据支持。在实验周期内，研究人员要定期收集学生在线学习数据，包括作业、参与度、测试成绩等，整理分析数据，利用模糊数学方法处理，得到各指标模糊评价值，以此来完成综合评价。

2.2 结果分析

本文对6个班级的英语成绩与初始成绩进行对比，计算出实际的教学差异。公式如下：

δ=r-γ3×gr3+φ2（5）

其中，δ为英语课程在线教学效果评估误差；r为周期性评估期望值；γ为教学效果评估重叠权重；g为评估转换次数；φ为评估关联度。3种不同的评估方法所对应的测试结果如表1所示。

从表1所呈现的数据来看，与2种传统的教学效果评估方法相比，本文提出的基于模糊AHP的智能评估方法在教学评估误差方面展现出了明显的优势。该方法的评估误差均控制在1.5以下，这充分说明了在实际评估过程中，该方法能够有效地降低整体的评估误差，具有显著的实用价值和广阔的应用前景。

3 结语

本文提出的基于模糊AHP的高校英语课程在线教学效果评估方法，融合模糊理论与层次分析法，力求全面、客观地评估教学效果。该方法具有3大优点：全面反映教学真实情况，避免主观片面；量化分析各因素对教学效果的影响，提供科学改进依据；适应不同课程与教师，通用性和实用性强，整体效果较好。

参考文献

［1］张敏霞，张桐雨.中小学在线教学评价分析及体系构建［J］.教学与管理，2024（6）：97-102.

［2］王辞晓，徐珺岩，郭利明，等.多场景人机协同在线教学评价框架研究：基于层次分析法和熵权法的分析［J］.现代教育技术，2023（1）：74-82.

［3］李欣，张威.“多元交互”在线教学评价指标体系构建的内涵、框架及路径［J］.现代教育管理，2022（10）：101-107.

［4］陈昕昀，张春辉，刘绮君，等.基于结构-过程-结果理论模型的医学院校在线教学质量评价研究［J］.医学教育管理，2022（4）：377-382.

［5］刘宝存，黄秦辉.基于CIPP模型的在线教学评价指标体系研究［J］.西北工业大学学报（社会科学版），2022（2）：23-35.

［6］徐迎磊.在线教学学习效果评价指标体系的构建研究［J］.黑龙江生态工程职业学院学报，2022（1）：136-138.

（编辑 王雪芬）

Intelligent evaluation method of online teaching effect of college English courses based on Fuzzy AHP

LUO Xia

（Wuchang Institute of Technology， Wuhan 430065， China）

Abstract： In order to evaluate the effect of online teaching more comprehensively and objectively， and reduce the error of evaluation results. This paper takes college English courses as an example， and uses fuzzy AHP to carry out the research on the intelligent evaluation method of online teaching effect. Formulate a data collection plan， collect and integrate online teaching evaluation data of English courses， construct a multi-level teaching effect evaluation index system， decompose complex online teaching effect problems into multiple specific indicators， and then use fuzzy AHP to conduct a comprehensive intelligent evaluation of online teaching effect and determine the level of online teaching effect and teaching goal achievement. The experimental results show that the evaluation error is controlled below 1.5 after the application of this method， and the evaluation accuracy is high.

Key words： Fuzzy AHP; university; English course; online teaching; effect; evaluation