职业教育英语教学的云重心评价方法研究

杨柳群+何磊+李刚

摘 要 针对职业教育英语教学职业性、实用性、实践性、专业性四大特点，建立“过程性评价”与“终结性评价”相结合、“定性评价”与“定量评价”相结合的职业教育英语教学评价体系，通过将系统工程中的云重心理论引入职业教育英语教学评价体系，构建支持全过程、多人次评价及定性和定量评价间相互映射的综合评价模型。

关键词 职业教育；英语教学；评价模型；云重心理论

中图分类号 G712 文献标识码 A 文章编号 1008-3219（2014）20-0021-04

全球经济一体化趋势使企业间的国际交流更加密切，竞争也更加激烈，市场对具有职业英语素养和能力的专业人才需求不断加大。因此，现代职业教育对英语教学的重视程度不断提高。英语教学评价作为英语教学过程中的重要环节，是提高英语教学质量的关键。本文针对现代职业英语教学自身特点以及与传统英语教学的差异，设计出具有针对性的评价体系和评价方法。

一、职业教育英语教学评价思路构建

（一）现代职业教育的英语教学特点

现代职业教育的英语教学不同于传统的英语教学，它以职业教育为背景，具有和现代职业教育相同的教学目标、应用导向。因此把握现代职业教育英语教学的特点，是建立有针对性评价体系的关键。

一是职业性，主要指英语教学必须考虑教学对象的专业特点、职业定位。职业教育过程中学生的专业不同，工作岗位定位不同，对英语教学的要求就不同。职业教育英语教学必须牢牢把握不同教学对象的专业差异及所面向的职业特点，做到“因业施教”。

二是实用性，主要指英语知识在职场中的灵活运用。英语教学内容和教学方法必须紧密围绕职场的应用特点，将基本的英语技能训练与本专业方向的业务语言交际需求相结合，突出职业教育英语教学的实用性。

三是实践性，主要指教学过程中注重与实践相结合。职业教育本质就是技能型教学，而技能的掌握不能只依靠课堂教学，实践是掌握并提升技能的重要途径。网络和课外是学生实践的主要空间，也是职业教育中需开发的另外两个维度的教学空间。

四是专业性，主要指英语教学内容的领域性。职业教育英语应和学习者将来从事的职业密切相关，具有浓厚的专用英语教学色彩[1]。职业教育要求英语教学内容以学生将来在工作岗位中面临的英语业务为核心来组织，强调业务和专用范围内的英语内容，专业性英语术语词汇量更大，使得学生能迅速进入工作状态，胜任职位要求。

（二）职业教育英语教学评价的思路分析

首先，应考虑职业教育的特点，建立针对职业教育特点的英语教学评价体系；其次，考虑建立的评价体系应具有可实施性，最好能够被计算机程序执行，以便在职业院校建立英语教学评价信息系统，提高评价效率。最后，考虑到英语教学评价的模糊性和随机性，评价过程中必然会出现类似最后考试成绩的定量评价指标和类似评语“优秀”的定性评价指标，因此评价方法必须能够综合处理定性和定量两类评价指标。

根据职业教育英语教学评价的难点和需求，围绕职业教育英语教学的特点，借鉴一般性英语教学评价体系，提出具有针对性的评价体系。同时，应用云重心评价方法，利用其能够实现定性属性值和定量属性值之间转换的特点[2]，得到定性和定量可综合的全过程评价方法。另外，云重心方法具有可计算机编程实现性，其实用性更强。

二、职业教育英语教学的云重心评价方法

（一）云重心评价理论简介

云模型是在概率理论和模糊集合理论进行交叉渗透的基础上，形成定性概念与其定量表示之间的转换模型，并揭示了随机性和模糊性的内在关联性[3][4]。在系统性能指标体系中，多个精确数值型表示的指标可以用一个云模型的数字特征（Ex，En，He）来表示，其中：期望值Ex反映了相应模糊概念的中心值，是云的中心位置；熵En反映了定性概念的模糊度；超熵He反映了云的离散程度。

（二）云重心评价方法实施

1.建立评价对象指标体系

以“过程性评价”与“终结性评价”相结合以及“定性评价”与“定量评价”相结合为出发点，深入分析职业教育英语教学的职业性、实用性、实践性、专业性四大特点，建立职业教育英语教学评价指标体系，如图1所示。

评价指标体系由4个一级评价指标和16个二级评价指标组成，既包含对传统课堂教学的评价指标，又包含对网络和课外教学空间的评价指标；既包含对教学内容等的过程性评价指标，又包含终结性评价指标；既包含类似“教学语言清晰规范”的定性评价指标，又包含类似“考试成绩”的定量评价指标。

值得注意的是，指标体系并不是固定不变的，会根据教学需求而演进，也会根据评价过程中遇到的新问题而不断改进，通过不断的反馈修改，使得指标体系不断完善。

2.确定指标权重

综合评价指标权重的确定有主观赋权和客观赋权两类，主观赋权法主要有德尔菲法、层次分析法、特征向量法，客观赋权法有熵值法、拉开档次法、逼近理想点法。由于英语教学与教学经验、被教学对象偏好具有很大关系，而客观赋权法，如熵值法根据指标观察值之间差异程度来反映其重要程度，容易出现重要指标差异不大，即权重系数不大的情况。

本文选用主观赋权法中的德尔菲法、层次分析法、特征向量法确定指标的权重值，专家由英语教学资深教师为主体、各类学员为辅组成，最后权重结果如图1所示。

3.计算各指标的云模型

图1所示的指标体系中的每个指标都可以用一个云模型（Ex，En，He）来表示，对于有n个精确数值表示的一个指标（比如n次活动中，某次教学语言清晰规范0.56是这个指标的一个精确值），其中

Ex=（Ex1+Ex2+…+Exn）/n （1）

En=（max（Ex1+Ex2+…+Exn）-min（En1+En2+…+Enn））/6 （2）

对于n个语言值型的一个指标也可以用一个云模型来表示，如某次活动中教师被某一专家在指标“内容结合职场语境”评定为“一般”，这就是语言值。每个语言值都可以根据评测云得到自己的云特征值。

Ex=（Ex1En1+Ex2En2+…+ExnEnn）/（Ex1+Ex2+Exn） （3）

En=En1+En2+…+Enn （4）

式中，Exn为测得数据，x=1，2，…，p为具体指标的下标值，n为测试数据的组数。

4.云系统状态表示

英语教学评价综合云系统的状态表示，就是求加权综合云的重心向量T。p个指标的云模型所反映的系统状态可以用一个p维综合云来表示，综合云的重心T=（T1，T2，…，Tp），其中Ti=ai×bi，i=1，2，…，p。其中ai表示云重心的位置（Exi），代表信息中心值；bi表示云重心的高度，bi=wi×0.371。当系统状态发生改变时，其重心变化为。理想状态下的云重心向量T0=（T01，T02，…，T0p）。T和T0分别反映了英语综合评价过程中各指标的云重心位置，以及理想状态下各指标的云重心位置。

5.用加权偏离度来衡量云重心的改变

加权偏离度（θ）可以用来衡量 两 种 状 态 下综 合 云 重 心 的 差

异[5][6]。加权偏离度就是其综合云重心和一次理想状态下完美教学评价的综合云重心位置差异，这种差异可以反映到云标尺中区。

6.构造评语集和云评测发生器

构造评语集，英语的教学评价可以用“极好，较好，好，一般，不好，非常不好”六个等级的评语集表示，将每个评语值用云模型实现，构成一个定性评测的云发生器，通过Matlab编程实现云模型，结果如图2所示。每个语言值都可以用一个云模型表示，图2中每个语言值对应的云模型期望值和熵如表1所示。

基于云重心理论英语教学评价模型具有多级评价的特点，既可以对总的评价对象做出科学评价结果，也可以对具体的某个级别的任意评价指标做出科学评价结果，评价过程的区别就在于对应指标的范围和指标权重。

如图1所示，如果要从二级指标采样对职业教育英语教学这个总体对象做出评价，只需要将二级指标的权重值乘以所在一级指标的权重值，得到新的二级指标权重值，然后再运用云模型对对象进行评价。

（三）案例应用

本案例以职业教育英语教学评价指标体系中的一级指标“职教特点教学内容”为例，介绍英语教学云评价模型的使用方法。

1.案例背景

某高职院校某次英语课堂对一名教师进行教学评价，由2名专家、4名同行教师以及2名学生组成评价组，为了说明云重心方法同时处理定性和定量评价的能力，假定突出小组合作任务为定量指标（实际中为定性指标），要求评价组成员在直接用[0-1]区间的精确数字打分（结果保留小数点后两位），其他的使用评测集语言打分。评测的原始值如表2所示。

2.模型应用

由于案例的评价对象为教学内容，其下一级各指标权重为w=（0.22，0.29，0.19，0.30）。

计算各个指标的云模型。对于指标“区分专业，因业施教”，“内容结合职场语境”和“突出专业性词汇”是语言型的值，首先将每个语言值用一个云模型的数值特征表示，结果如表3所示。然后根据公式（3）和公式（4）计算指标的云特征值，结果如表4所示。

对于指标“突出小组合作任务”已经是精确型值，所以可以根据公式（1）和公式（2）直接计算其云特征值，结果如表4所示。

经过计算得到指标云模型的期望值和熵就可以计算加权综合云的重心向量T，首先由表4可以得a，再由权重w可以得到b，最后计算T。其中：

a=（0.733，0.475，0.675，0.728）

b=w×0.371=（0.0816，0.1076，0.0705，0.1113）

T=a×b=（0.0598，0.0511，0.0476，0.0810）

理想状态下，计算T0较为容易，其中a=（1，1，1，1）

b=w×0.371=（0.0816，0.1076，0.0705，0.1113）

T0=（0.0816，0.1076，0.0705，0.1113）

计算职教特点教学内容一级指标云重心的加权偏离度（θ），先将综合云重心向量归一化，根据公式（5）可以得到归一化的综合云重心向量TG=（-0.2672，-0.5251，-0.3

248，-0.2722）。根据公式（6）计算职教特点教学内容评价云重心到理想状态云重心的加权偏离度：

θ=-0.3544

即距离理想状态下的加权偏离度为0.3544。在云评测标度尺上表示为1-0.3544=0.6456，将激活“好”和“较好”两个云对象，但是在评语为“好”的云中占据更多面积，所以评价结果为“好”。

三、结论

本文综合分析当前职业教育英语教学评价的现状和难点，以及职业教育英语教学的特点，建立针对性的英语教学评价体系，并将系统工程中的云重心理论引入评价方法，建立了综合评价模型，成功解决了教学评价过程中定性和定量结合难以评价，全过程多次评价难以综合等问题。评价模型不仅给出了具体的方法论而且给出了具体的计算流程，支持编程实现。案例应用也充分说明了模型的科学性和解决实际问题的能力。

参考文献：

[1]焦跃，李德毅，杨朝晖.一种评价C～3I系统效能的新方法[J].系统工程理论与实践，1998（12）：69-74.

[2]郁文霞.关于高等职业教育英语教学的思考[J].教育与职业，2009（9）：106- 108.

[3][5]齐伟伟，夏良华，李敏，等.基于云重心评估法的装备健康状态评估[J].火力与指挥控制，2012（4）：81-84.

[4][6]叶义成，柯丽华.系统综合评价技术及其应用[M].北京：冶金工业出版社，2006.

Research on Evaluation Method of Cloud Gravity of English Teaching of Vocational Education

YANG Liu-qun， HE Lei， LI Gang

（National University of Defense Technology， Changsha Hunan 410073， China）

Abstract For the vocational， practical， and professional characteristics of English teaching education， establish a “process evaluation”and “summative” combined “qualitative assessment”and “quantitative evaluation” a combination of vocational education English teaching evaluation system， the system works by gravity theory into cloud vocational education English teaching evaluation system， the entire process of building support for comprehensive evaluation model evaluation across multiple visits and the qualitative and quantitative evaluation of each map.

Key words vocational education； English teaching； evaluation model； cloud gravity theory

对于n个语言值型的一个指标也可以用一个云模型来表示，如某次活动中教师被某一专家在指标“内容结合职场语境”评定为“一般”，这就是语言值。每个语言值都可以根据评测云得到自己的云特征值。

Ex=（Ex1En1+Ex2En2+…+ExnEnn）/（Ex1+Ex2+Exn） （3）

En=En1+En2+…+Enn （4）

式中，Exn为测得数据，x=1，2，…，p为具体指标的下标值，n为测试数据的组数。

4.云系统状态表示

英语教学评价综合云系统的状态表示，就是求加权综合云的重心向量T。p个指标的云模型所反映的系统状态可以用一个p维综合云来表示，综合云的重心T=（T1，T2，…，Tp），其中Ti=ai×bi，i=1，2，…，p。其中ai表示云重心的位置（Exi），代表信息中心值；bi表示云重心的高度，bi=wi×0.371。当系统状态发生改变时，其重心变化为。理想状态下的云重心向量T0=（T01，T02，…，T0p）。T和T0分别反映了英语综合评价过程中各指标的云重心位置，以及理想状态下各指标的云重心位置。

5.用加权偏离度来衡量云重心的改变

加权偏离度（θ）可以用来衡量 两 种 状 态 下综 合 云 重 心 的 差

异[5][6]。加权偏离度就是其综合云重心和一次理想状态下完美教学评价的综合云重心位置差异，这种差异可以反映到云标尺中区。

6.构造评语集和云评测发生器

构造评语集，英语的教学评价可以用“极好，较好，好，一般，不好，非常不好”六个等级的评语集表示，将每个评语值用云模型实现，构成一个定性评测的云发生器，通过Matlab编程实现云模型，结果如图2所示。每个语言值都可以用一个云模型表示，图2中每个语言值对应的云模型期望值和熵如表1所示。

基于云重心理论英语教学评价模型具有多级评价的特点，既可以对总的评价对象做出科学评价结果，也可以对具体的某个级别的任意评价指标做出科学评价结果，评价过程的区别就在于对应指标的范围和指标权重。

如图1所示，如果要从二级指标采样对职业教育英语教学这个总体对象做出评价，只需要将二级指标的权重值乘以所在一级指标的权重值，得到新的二级指标权重值，然后再运用云模型对对象进行评价。

（三）案例应用

本案例以职业教育英语教学评价指标体系中的一级指标“职教特点教学内容”为例，介绍英语教学云评价模型的使用方法。

1.案例背景

某高职院校某次英语课堂对一名教师进行教学评价，由2名专家、4名同行教师以及2名学生组成评价组，为了说明云重心方法同时处理定性和定量评价的能力，假定突出小组合作任务为定量指标（实际中为定性指标），要求评价组成员在直接用[0-1]区间的精确数字打分（结果保留小数点后两位），其他的使用评测集语言打分。评测的原始值如表2所示。

2.模型应用

由于案例的评价对象为教学内容，其下一级各指标权重为w=（0.22，0.29，0.19，0.30）。

计算各个指标的云模型。对于指标“区分专业，因业施教”，“内容结合职场语境”和“突出专业性词汇”是语言型的值，首先将每个语言值用一个云模型的数值特征表示，结果如表3所示。然后根据公式（3）和公式（4）计算指标的云特征值，结果如表4所示。

对于指标“突出小组合作任务”已经是精确型值，所以可以根据公式（1）和公式（2）直接计算其云特征值，结果如表4所示。

经过计算得到指标云模型的期望值和熵就可以计算加权综合云的重心向量T，首先由表4可以得a，再由权重w可以得到b，最后计算T。其中：

a=（0.733，0.475，0.675，0.728）

b=w×0.371=（0.0816，0.1076，0.0705，0.1113）

T=a×b=（0.0598，0.0511，0.0476，0.0810）

理想状态下，计算T0较为容易，其中a=（1，1，1，1）

b=w×0.371=（0.0816，0.1076，0.0705，0.1113）

T0=（0.0816，0.1076，0.0705，0.1113）

计算职教特点教学内容一级指标云重心的加权偏离度（θ），先将综合云重心向量归一化，根据公式（5）可以得到归一化的综合云重心向量TG=（-0.2672，-0.5251，-0.3

248，-0.2722）。根据公式（6）计算职教特点教学内容评价云重心到理想状态云重心的加权偏离度：

θ=-0.3544

即距离理想状态下的加权偏离度为0.3544。在云评测标度尺上表示为1-0.3544=0.6456，将激活“好”和“较好”两个云对象，但是在评语为“好”的云中占据更多面积，所以评价结果为“好”。

三、结论

本文综合分析当前职业教育英语教学评价的现状和难点，以及职业教育英语教学的特点，建立针对性的英语教学评价体系，并将系统工程中的云重心理论引入评价方法，建立了综合评价模型，成功解决了教学评价过程中定性和定量结合难以评价，全过程多次评价难以综合等问题。评价模型不仅给出了具体的方法论而且给出了具体的计算流程，支持编程实现。案例应用也充分说明了模型的科学性和解决实际问题的能力。

参考文献：

[1]焦跃，李德毅，杨朝晖.一种评价C～3I系统效能的新方法[J].系统工程理论与实践，1998（12）：69-74.

[2]郁文霞.关于高等职业教育英语教学的思考[J].教育与职业，2009（9）：106- 108.

[3][5]齐伟伟，夏良华，李敏，等.基于云重心评估法的装备健康状态评估[J].火力与指挥控制，2012（4）：81-84.

[4][6]叶义成，柯丽华.系统综合评价技术及其应用[M].北京：冶金工业出版社，2006.

Research on Evaluation Method of Cloud Gravity of English Teaching of Vocational Education

YANG Liu-qun， HE Lei， LI Gang

（National University of Defense Technology， Changsha Hunan 410073， China）

Abstract For the vocational， practical， and professional characteristics of English teaching education， establish a “process evaluation”and “summative” combined “qualitative assessment”and “quantitative evaluation” a combination of vocational education English teaching evaluation system， the system works by gravity theory into cloud vocational education English teaching evaluation system， the entire process of building support for comprehensive evaluation model evaluation across multiple visits and the qualitative and quantitative evaluation of each map.

Key words vocational education； English teaching； evaluation model； cloud gravity theory

对于n个语言值型的一个指标也可以用一个云模型来表示，如某次活动中教师被某一专家在指标“内容结合职场语境”评定为“一般”，这就是语言值。每个语言值都可以根据评测云得到自己的云特征值。

Ex=（Ex1En1+Ex2En2+…+ExnEnn）/（Ex1+Ex2+Exn） （3）

En=En1+En2+…+Enn （4）

式中，Exn为测得数据，x=1，2，…，p为具体指标的下标值，n为测试数据的组数。

4.云系统状态表示

英语教学评价综合云系统的状态表示，就是求加权综合云的重心向量T。p个指标的云模型所反映的系统状态可以用一个p维综合云来表示，综合云的重心T=（T1，T2，…，Tp），其中Ti=ai×bi，i=1，2，…，p。其中ai表示云重心的位置（Exi），代表信息中心值；bi表示云重心的高度，bi=wi×0.371。当系统状态发生改变时，其重心变化为。理想状态下的云重心向量T0=（T01，T02，…，T0p）。T和T0分别反映了英语综合评价过程中各指标的云重心位置，以及理想状态下各指标的云重心位置。

5.用加权偏离度来衡量云重心的改变

加权偏离度（θ）可以用来衡量 两 种 状 态 下综 合 云 重 心 的 差

异[5][6]。加权偏离度就是其综合云重心和一次理想状态下完美教学评价的综合云重心位置差异，这种差异可以反映到云标尺中区。

6.构造评语集和云评测发生器

构造评语集，英语的教学评价可以用“极好，较好，好，一般，不好，非常不好”六个等级的评语集表示，将每个评语值用云模型实现，构成一个定性评测的云发生器，通过Matlab编程实现云模型，结果如图2所示。每个语言值都可以用一个云模型表示，图2中每个语言值对应的云模型期望值和熵如表1所示。

基于云重心理论英语教学评价模型具有多级评价的特点，既可以对总的评价对象做出科学评价结果，也可以对具体的某个级别的任意评价指标做出科学评价结果，评价过程的区别就在于对应指标的范围和指标权重。

如图1所示，如果要从二级指标采样对职业教育英语教学这个总体对象做出评价，只需要将二级指标的权重值乘以所在一级指标的权重值，得到新的二级指标权重值，然后再运用云模型对对象进行评价。

（三）案例应用

本案例以职业教育英语教学评价指标体系中的一级指标“职教特点教学内容”为例，介绍英语教学云评价模型的使用方法。

1.案例背景

某高职院校某次英语课堂对一名教师进行教学评价，由2名专家、4名同行教师以及2名学生组成评价组，为了说明云重心方法同时处理定性和定量评价的能力，假定突出小组合作任务为定量指标（实际中为定性指标），要求评价组成员在直接用[0-1]区间的精确数字打分（结果保留小数点后两位），其他的使用评测集语言打分。评测的原始值如表2所示。

2.模型应用

由于案例的评价对象为教学内容，其下一级各指标权重为w=（0.22，0.29，0.19，0.30）。

计算各个指标的云模型。对于指标“区分专业，因业施教”，“内容结合职场语境”和“突出专业性词汇”是语言型的值，首先将每个语言值用一个云模型的数值特征表示，结果如表3所示。然后根据公式（3）和公式（4）计算指标的云特征值，结果如表4所示。

对于指标“突出小组合作任务”已经是精确型值，所以可以根据公式（1）和公式（2）直接计算其云特征值，结果如表4所示。

经过计算得到指标云模型的期望值和熵就可以计算加权综合云的重心向量T，首先由表4可以得a，再由权重w可以得到b，最后计算T。其中：

a=（0.733，0.475，0.675，0.728）

b=w×0.371=（0.0816，0.1076，0.0705，0.1113）

T=a×b=（0.0598，0.0511，0.0476，0.0810）

理想状态下，计算T0较为容易，其中a=（1，1，1，1）

b=w×0.371=（0.0816，0.1076，0.0705，0.1113）

T0=（0.0816，0.1076，0.0705，0.1113）

计算职教特点教学内容一级指标云重心的加权偏离度（θ），先将综合云重心向量归一化，根据公式（5）可以得到归一化的综合云重心向量TG=（-0.2672，-0.5251，-0.3

248，-0.2722）。根据公式（6）计算职教特点教学内容评价云重心到理想状态云重心的加权偏离度：

θ=-0.3544

即距离理想状态下的加权偏离度为0.3544。在云评测标度尺上表示为1-0.3544=0.6456，将激活“好”和“较好”两个云对象，但是在评语为“好”的云中占据更多面积，所以评价结果为“好”。

三、结论

本文综合分析当前职业教育英语教学评价的现状和难点，以及职业教育英语教学的特点，建立针对性的英语教学评价体系，并将系统工程中的云重心理论引入评价方法，建立了综合评价模型，成功解决了教学评价过程中定性和定量结合难以评价，全过程多次评价难以综合等问题。评价模型不仅给出了具体的方法论而且给出了具体的计算流程，支持编程实现。案例应用也充分说明了模型的科学性和解决实际问题的能力。

参考文献：

[1]焦跃，李德毅，杨朝晖.一种评价C～3I系统效能的新方法[J].系统工程理论与实践，1998（12）：69-74.

[2]郁文霞.关于高等职业教育英语教学的思考[J].教育与职业，2009（9）：106- 108.

[3][5]齐伟伟，夏良华，李敏，等.基于云重心评估法的装备健康状态评估[J].火力与指挥控制，2012（4）：81-84.

[4][6]叶义成，柯丽华.系统综合评价技术及其应用[M].北京：冶金工业出版社，2006.

Research on Evaluation Method of Cloud Gravity of English Teaching of Vocational Education

YANG Liu-qun， HE Lei， LI Gang

（National University of Defense Technology， Changsha Hunan 410073， China）

Abstract For the vocational， practical， and professional characteristics of English teaching education， establish a “process evaluation”and “summative” combined “qualitative assessment”and “quantitative evaluation” a combination of vocational education English teaching evaluation system， the system works by gravity theory into cloud vocational education English teaching evaluation system， the entire process of building support for comprehensive evaluation model evaluation across multiple visits and the qualitative and quantitative evaluation of each map.

Key words vocational education； English teaching； evaluation model； cloud gravity theory