大学生学习成效评价模型及实证研究
——以《网站开发》课程为例

张 琴

(福州职业技术学院 信息技术工程系 福建 福州：350108)

关注高等教育人才培养质量，其中一个重要的环节就是关注学生的学习成效[1]。目前关于高职学生学习成效评价的研究大多数都没有单独构建一个学习成效评价的体系进行专题研究，而是从教学效果或质量评价的角度来谈学习成效评价，这种评价方式导致学习成效评价模式重教师轻学生、重定量轻定性、重结果轻过程。这样做的不良影响是：可能模糊学生对学习成效评价本质的认识。误以为学习评价是为了证明教育结果是否与教育目标一致，是对教育结果进行客观描述，从而不能为教师改进教学方式和学生改进学习实践提供真实可靠的信息，甚至有可能提供歪曲的教育信息。建立科学合理、行之有效的学习成效评价体系意义重大：一是可以为教师的教学效果反馈准确有效的信息，为教师了解自己的教学效果、改进教学方法提供可靠依据。二是可以使学生及时了解自己学习情况和学习目标之间的差距，以便调整自己的学习方法和努力方向[2]。

1 学习成效评价体系

1.1 指标体系构建原则

学习成效评价是一项复杂的系统工程，涉及学习者的学习方法、学习习惯、学习策略及教师、学习客体等多个方面[3]。构建大学生学习成效评价指标体系应遵守如下原则：第一，可操作性。选取的指标必须能收集到相对准确的指标值；第二，独立性。学习成效评价涉及多个相互交叉影响的因素，指标选取必须相互独立；第三、过程性与结果性评价相结合。大学生学习成效评价应不仅能反映大学生学习成果，而且能对大学生学习行为和学习过程进行综合评价。

1.2 学习成效评价指标体系的确定

大学生学习的出发点与归宿是其学习成效[4]。为了科学、合理地评价大学生的学习成效，根据大学生学习成效评价指标建构原则并结合大学生学习过程特征，提出以知识学习、素质提升、实践能力为准则层的大学生学习成效评价模型。本文使用三步流程法进行指标得选取，具体过程如下：首先，大量的文献调研。对CSSCI和SSCI等重要学术期刊上有关学习成效研究成果进行整理，初步选出40个指标。其次，聘请高等教育学、管理学、心理学、网络技术各专业的专家，每一专业3名，合计12位专家对指标的科学性、合理性和有效性进行评价，删除不合理的指标，提出新的合理指标，最终保留11个有效指标。最后，利用主成分分析对指标进行处理，形成最终的学习成效综合评价指标，如图1所示。

图1 大学生学习成效综合评价指标体系

1.3 使用层次分析法确定权重

根据图1的评价指标设计调查表，请专家对各层次指标间的相对重要性进行评价，并采用1～9的比例标度构造判断矩阵B

判断矩阵B的最大特征值对应的特征向量W，经过归一化处理后即为同一层次指标对于上一层次某指标相对重要性的排序权值[5]。如果B的不一致性不严重，则取B的归一化后的列向量的平均值作为近似特征向量是合理的。当B的不一致性很严重时所对应的特征向量就不能真实地反映出各指标在评价过程中所占的比重，因此，需要对判断矩阵进行一致性检验。

通过上面的计算我们可以得到一组元素相对其上一层某元素的权重向量。为了得到最底层中各指标对于目标层的权重，我们需要自上而下将单准则下的权重进行合成。

设上层包含A1,A2,…,Am总共m个元素，它们层次总排序的权重分别为a1,a2,…,an，其后一层包含n个元素B1,B2,…,Bn，它们关于Ai(0≤i≤m)的层次单排序权重分别为b1i,b2i,…,bni，求B1,B2,…,Bn的层次总排序权重b1,b2,…,bn的权重合成的方法为

层次总排序也需要进行一致性检验且检验方法与单排序一致性检验大致相同，在这里不作详细叙述。

2 学习成效的模糊综合评价

糊综合评价能尽可能地对评价对象的所有影响因素进行综合考虑，从而能从评价集合中获得一个最佳的评价结果[6]。本研究应用多层次模糊综合评价模型对学生学习成效进行评价，采用四个等级的评语集，建立评价集如下：

V={v1,v2,v3,v4}={优，良，中等，差}

由层次分析法运算得到各因素集的权重向量，应用Fuzzy合成运算进行模糊综合评价的过程如下：

其中r1ij表示ui的第i个元素对评价集第j个元素的隶属度，则指标集ui的模糊综合评价为：

A1=B1⊕R1

=(b11,b12,…,b15)⊕

=(a11,a12,…,a14)

(1)

A1=(a11,a12,…,a14)即为U=(u1,u2,u3)中指标集u1在评价集上的模糊子集。同理对u2,u3，进行模糊综合评价，得到所有的二级模糊综合评价集。

二级模糊综合评价完成后，进行学习成效总评价，设指标集U=(u1,u2,u3)对应的权重为：A=(a1,a2,a3)，已求出各指标对应的二级模糊评价集为Ai=(ai1,ai2,…,ai4)，i=1,2,3,指标集模糊关系矩阵为：

一级模糊综合评价：

B=A⊕R

=(a1,a2,a3) ⊕

=(b1,b2,b3,b4)

(2)

即为学习成效评价结果在V={v1,v2,v3,v4}={优秀，良好，中等，差}上的模糊子集。

3 实证研究

3.1 调查意义及过程

《网站开发》课程集理论性、实践性、创新性于一身，授课知识涵盖了动画制作、图像处理、程序设计与数据库等内容，在传统的教学和考核模式下，学生的实践动手能力往往达不到语预期的效果。某学校《网站开发》课程采用“以学生为中心的信息化教学模式”实施课堂教学。应用具有“完整性工作流程”的任务引领式教学法，任务设置由浅入深，每一任务包含的知识与技能也分层次，达到每生有事做，生生能做事的效果。对该门课程进行学生学习成效评价，借助项目的开展和实施，可以提高信息化教学模式的课堂应用率，从而提升教学质量和教学效果。

本研究对计算机网络技术专业86名学生《网站开发》课程学习成效开展了相关调查。调查的方式有相关授课教师、班主任、辅导员对学生学习成效相关指标进行打分、学生互评、学生自评及满意度调查等。针对不同的评价项对应的评价人发放不同的调查问卷。通过上述调查得到该学校计算机网络技术专业86名学生学习成效基础数据。选择一大二学生学习成效数据作为算例，用来说明大学生学习成效评价过程。表2为统计后计算出的模糊关系矩阵。

3.2 评价体系权重确定

表1 二级指标模糊关系矩阵

为了科学合理确定学习成效评价体系权重，聘请高等教育学、管理学、心理学、网络技术各行专家，每个专业各3名，合计12名专家根据学校办学理念、发展定位、计算机网络技术专业人才培养目标与课程教学目标对学习成效评价体系各级指标的相对重要性进行打分。通过对打分结果进行整理可以得到判断矩阵。通过计算一致性指标CR对判断矩阵进行一致性检验，最终计算结果如表2。

表2 评价指标综合权重及一致性检验

3.3 学习成效综合评价

由表1、表2的数据及公式(1)可以求得第一个一级评价指标的评价结果

B1=(0.2120 0.1577 0.2013 0.1689 0.2601)⊕

=(0.2601 0.2601 0.18 0.02)

进行归一化处理得

B1=(0.3611 0.3611 0.25 0.0278)

同理可得

B2=(0.2694 0.2976 0.2756 0.1574)

B3=(0.4276 0.3455 0.2094 0.0175)

利用公式(2)可以求得一级模糊综合评价为

U=W⊕[B1B2B3]T=

(0.2976 0.3574 0.2756 0.1574)

归一化处理后为：

U=(0.2735 0.3285 0.2533 0.1447)

由此可知评价等级“良”对应的隶属度0.3285最大，根据最大隶属度原则，该生的学习成效综合评价处于良好等级，该生知识学习情况较为科学合理，具有较强的自主学习能力、沟通交流能力和实践应用能力。利用调查数据及上述方法对另外85名学生的学习成效情况进行分析，评价结果见表3。

表3 总评价结果及各维度评价结果

从总的评价结果可以得到，学习成效达到优秀的学生占比约7%，良好及以上的学生占比约27.9%，中等及以上的学生占比约77.9%。综合评价结果说明该专业的学生基本掌握了网站开发的基本理论知识，具备较强的实践动手能力，自主学习能力和沟通交流能力也得到了提高。

实践能力方面综合评价结果显示良好及以上的占比33.7%，中等及以上的占比89.5%，这与该课程近几年的教学方法改革有密切的关系。网站开发是一门应用性广、实践性强的专业课程，传统的“老实讲，学生听，学生做”的被动教学方式教学效果欠佳。该门课程应用任务驱动下项目化教学模式，提高了学生的理论知识应用能力及实际动手操作能力，同时也激发学生的学习积极性及对网站开发的兴趣。素质提升方面综合评价结果显示良好及以上的占比19.8%，中等及以上的占比65.1%，素质提升方面学习成效与实践能力方面学习成效有较大差距，从调查数据分析可知，团队意识和敬业精神达到中等以上的超过70%，而沟通交流能力达到中等以上的为62.2%，自主学习能力达到中等以上的仅为33.7%。相比进入本科院校的学生，高职学生综合素质相对较低，尤其表现在学习主动性、学习策略、学习习惯等方面。教师可以从重视专业思想教育、培养职业认同感及专业兴趣入手，以教师引导为主，注重对学生学习方法和学习习惯的训练和培养，提高学生的自主学习能力。

4 结论

科学合理评价大学生学习成效是高等职业教育实现从规模扩张转向内涵式发展的关键理论和实践问题。本文摒弃了传统的从教学质量评价的角度来研究学习效果的方法，构建了以知识学习、素质提升、实践能力为评价维度的大学生学习成效评价指标体系，并结合使用模糊综合评价的方法对大学生学习成效进行综合评价。利用某个大学网站开发课程学习成效调查的基础数据进行实证研究，研究结果显示学生的学习成效基本达到了预期效果，同时也发现了一些需要加强的方面。实证研究表明，本文中的评价模型对大学生学习成效的系统分析具有科学性、灵敏性和诊断性，可以为大学生学习成效评价实践提供合理的计量和考核标准。

[1] 徐明慧,李汉邦.美国大学学习效果评估的演化与新发展[J].中国高等教育,2011，(Z1):57-59.

[2] Muhammad Asif, Muhammad Usman Awan.A model for total quality management in higher education[J]. Quality & Quantity, 2013,(4):1883-1904.

[3] Assessment of Higher Education Learning Outcomes[AHELO].Organization for Economic Co-operation and Development. http:∥www.oecd.org/dataoecd/37/49/45755875.pdf.2011.

[4] 孙睿君,沈若萌,管浏斯.大学生学习成效的影响因素研究[J].国家教育行政学院学报,2012，(9):65-71.

[5] 张炳江.层次分析法及其应用案例[M].北京：电子工业出版社,2014.

[6] 陈正伟.综合评价技术及应用[M].成都：西南财经大学出版社,2013.