数据包络分析模型在形成性评价中的应用研究.docVIP

数据包络分析模型在形成性评价中的应用研究摘要：以南通大学土木工程专业学生的课程学习为例，文章运用数据包络分析模型对学生的学科基础课程学习情况进行形成性评价分析。结果表明，将数据包络分析模型运用到课程学习的形成性评价中，可以帮助学生查找影响自身学习的关键因素，调整学习策略，提高学习效率；还可以帮助教师分析教学过程中存在的问题，探索教学方式方法改革，提升教学水平。关键词：形成性评价；课程学习；数据包络分析模型中图分类号：G640文献标志码：A文章编号2016）0教学评价是教学活动不可或缺的环节之一，对促进学生成长、教师专业发展具有重要作用。由于学生入学时成绩良莠不齐，单纯以终结性评价来考核学生的学业成绩，评估课程教学的质量，会带来很多不客观的评价结果。将形成性评价引入课程教学评价，并运用数学模型和软件收集、分析数据，加强对学生学习过程的监测，是形成性评价的重要内容及发展方向之一，也是未来教学评价发展的必然趋势。文章将数据包络分析模型运用到学生课程学习的形成性评价中，对学生的学习有效性进行比较研究。一、数据包络分析与形成性评价数据包络分析（Data Envelopment Analysis， DEA）是美国著名运筹学家A.Charnes和W.W.Copper等学者1978年开始创建的，以“相对效率”概念为基础，对具有多指标投入和多指标产出的相同类型的决策单元（DMU）进行相对有效性评价的一种新的系统分析方法[1]。通过对投入、产出数据的综合分析，DEA可以得出每个DMU综合效率的数量指标。它不仅可以对同类型决策单元的相对有效性做出评价和排序，还可以进一步分析各决策单元非有效的原因以及改进方向，为决策者提供重要的管理决策信息[1]。“形成性评价（Formative Evaluation）”概念是斯克里芬在其1967年所著的《评价方法论》中首先提出来的，是在教学过程中进行的评价，是为引导教学过程正确、完善地前进而对学生学习结果和教师教学效果采取的评价，是对学生学习全过程的持续观察、记录、反思而做出的发展性评估，目的是激励学生学习，帮助学生有效调控自己的学习过程，提高学习的成就感和自信心。一般来说，形成性评价对学生学习过程进行跟踪监测，不以区分评价对象的优良程度为目的，不重视对被评对象进行分等鉴定[2]。在形成性评价中运用数据包络分析法，把学生的学习过程看成是一个投入产出系统，对系统的投入效率即学生的学习效率进行评价，分析研究各自的特点差异，为教师更好地教以及学生有效地学提供参考建议。二、指标体系的建立与数据来源以南通大学土木工程专业学生为评价对象，对学生的学科基础课程（理论力学和材料力学）学习情况进行形成性评价，评价中运用DEA模型中最基本的C2R模型、BC2模型对力学课程进行数据分析 [3]。首先，从学校2013级土木工程专业的6个班中随机选取30名学生作为决策单元，再选取与力学课程学习相关的5个影响因素，分别为：高等数学的平均成绩、平均每天在力学学习上的投入时间、所在班级的学习氛围、班主任对力学学习的关注、力学任课教师对学生力学学习的影响，作为输入指标。其中：高等数学的平均成绩反映了学生基础课程的学习情况；平均每天在力学学习上的投入时间反映了学生对力学学习的重视与努力程度；所在班级的学习氛围反映了班级整体上对力学学习的重视程度；班主任对力学学习的关注反映了力学学习的管理情况；力学任课教师对力学学习的影响反映了教师的教学水平。这样既考虑了学生前期基础课程的学习情况，又考虑了后来在力学课程学习上的努力情况，同时将影响力学课程学习的内因和外因结合起来综合考虑，能够比较全面地反映学生的学习过程，体现了形成性评价对学习过程跟踪监测的特点。输出指标为学生前后两个学期理论力学和材料力学的期末考试成绩，该指标可以较好地反映学生两个学期力学课程的学习发展情况。学生的高等数学成绩以及理论力学、材料力学的成绩可由学生成绩管理信息系统得到，其余指标数据均来源于问卷调查以及走访调研。三、实证研究与结果分析（一）30名学生的横向比较分析运用Deap2.1软件对30名学生的5项投入指标和1项产出指标（理论力学的成绩），共6个指标进行实验处理。实验结果显示，30名学生中9名学生处于学习规模报酬不变状态，规模效率为1，表示学生在力学课程上投入的学习规模恰当；15名学生的学习规模报酬显示递增，学习成效还可以有进一步的提升空间，可以继续加大力学课程的学习投入；5名学生的学习规模报酬显示递减，需要调整学习方法、端正学习态度来提高学习效率。30名学生中有8名学生的理论力学学习DEA有效，分别是1号、6号、7号、9号、16号、19号、25号、29号。其中16号学生的基础最好，平均每天在高数学习上的投入时间最少，说明该学生学习效率非常高；力量任课教师对力学学