一种教师素质评价方法及系统技术方案

本发明专利技术提供的一种教师素质评价方法及系统，通过采集教师的多维度数据样本，建立源数据矩阵，利用极大值标准化处理方法对源数据矩阵进行标准化处理，得到标准数据矩阵，根据信息熵确定评价因素的权重系数，从标准数据矩阵中计算得到权重向量，对教师集合进行聚类处理，先用模糊关系传递闭包法对所有数据样本进行大致的分类，然后大致分类的基础上，进行精确分类。本发明专利技术基于改进的模糊聚类算法，利用信息熵客观地确定各评价指标的权重，构建权重向量，对不同指标进行差别对待，考虑其轻重关系，较好地克服了人为因素对最终结果的影响，较好地克服了静态权重对被评价者的不良影响，允许灵活地设计和调整各种评价指标，以适应不同的实际评价过程。

【技术实现步骤摘要】
一种教师素质评价方法及系统
本专利技术属于教育评价
，尤其涉及一种教师素质评价方法及系统。
技术介绍
为了优化高校教育教学人才管理，有必要对教师的教学能力、科研能力、教师素养等指标进行综合评价，使每个教师能够更好的了解自身的优点和缺点，在工作中取长补短，共同促进教学和自身的进步。但是，由于教师工作自身的复杂性以及缺少评价技术的支持，目前对教师工作的评价绝大多数仍以各项评估指标的独立描述为主。评价的主要方法和手段是由学生和同行填写一张教师教学测评表。评价的主要目的与教师的职称评定和经济利益挂钩。这种评价体系通常只能对教师工作的单个因素进行描述，缺乏全面性和客观性，不能全面地评价教师的表现。随着信息科学的崛起和信息技术的不断发展，教育系统的管理已逐步信息化。如果能将这些多元的评价信息，通过科学的信息融合技术应用于教师综合能力评价中，排除评估中的人为因素，减少评价中的不确定因素，给出公正合理的综合评价结果，这无论是对于学校的管理还是对教师的长远发展和提高教师教学质量都至关重要。但是由于经典的基于模糊变换的综合评价方法存在着难以克服的问题，其在利用目标函数的过程中，对于各个指标等同考虑，没有考虑各个指标因素的轻重关系，因此无法保证评价工作的客观合理，容易受到人为因素的影响。
技术实现思路
本专利技术的目的在于克服上述现有技术存在的不足，提供一种教师素质评价方法及系统，解决了现有技术中对于教师评价的指标没有差别对待，没考虑各个指标因素的轻重关系，导致评价工作缺少客观合理性，人为因素的影响大。为了实现上述目的，第一方面，本专利技术提供一种教师素质评价方法，包括以下步骤：步骤S1：采集教师的多维度数据样本，建立源数据矩阵；步骤S2：利用极大值标准化处理方法对源数据矩阵进行标准化处理，得到标准数据矩阵；步骤S3：根据信息熵确定评价因素的权重系数，从标准数据矩阵中计算得到权重向量；步骤S4：对教师集合进行聚类处理，先用模糊关系传递闭包法对所有数据样本进行大致的分类，然后大致分类的基础上，进行精确分类。进一步地，在数据样本中，包括至少一位老师的多维度的评价指标，其中所述评价指标包括但不限于一级指标、二级指标，所述一级指标包括但不限于学生评价、同行评价、自我评价、论文及获奖数量、工作量指标。进一步地，对于n位教师，每位教师有m个评价指标，则源数据矩阵为：在利用极大值标准化处理方法对源数据矩阵进行标准化处理过程中，使用以下计算公式得到标准数据矩阵Y＝{yij}n×m：进一步地，在步骤S3中，第j项指标下第i个对象指标值的比重第j项评价指标的权重为：将所有的hj进行归一化处理，第j项评价指标的权重系数为：则m个评价指标所对应的权重向量为：W＝(w1,w2,w3,...,wm)。进一步地，在步骤S4中，使用模糊关系传递闭包法对所有数据样本进行大致分类的过程中，包括以下步骤：步骤S411：固定c值，将所有数据样本进行初始化，其中c为评价结果论域中元素的个数；步骤S412：构造相似矩阵R＝(rij)H×H,rij,i＝1,2,...,H,j＝1,2,...,H,表示样本i与样本j的相似程度，其中利用贴近度法来表示样本之间相似程度：步骤S413：求出等价关系R*。通过平方计算法可以快速求得R*。依次求得直到，则有，步骤S414：采用λ截集矩阵法进行分类，λ是R*中的隶属度，选择不同的隶属度使样本分为不同的C类。进一步地，在步骤S4中，在大致分类的基础上进行精确分类的过程中，包括以下步骤：步骤S421：根据大致分类的结果，取一初始模糊分类矩阵U0，U0＝[uij]c×n，其中U0∈[0,1]，对于第l次迭代结果Ul，计算聚类中心向量；式中，步骤S422：修正模糊分类矩阵Ul，其中步骤S423：比较Ul与Ul+1，若对确定的ε>0，则Rl+1和Vl即为所求模糊分类矩阵R和聚类中心向量V，停止迭代，由模糊分类矩阵R得到学生评价分类结果；否则，返回步骤S421继续迭代执行。进一步地，根据精确分类结果，划分分类区间，并针对每个分类区间定义落在此区间内教师的评价结果。进一步地，计算得到权重向量后，根据多维度数据的重要性差别，人为调整权重向量大小。进一步地，针对单独某一特殊维度的数据，进行综合评价，将教师分为优、良、差三个等级。第二方面，本专利技术提供一种应用于如上述的教师素质评价方法的系统，包括：采集单元，所述采集单元被配置为采集教师的多维度数据样本，并建立源数据矩阵；标准化单元，所述标准化单元被配置为利用极大值标准化处理方法对源数据矩阵进行标准化处理，得到标准数据矩阵；权重向量计算单元，所述权重向量计算单元被配置为根据信息熵确定评价因素的权重系数，从标准数据矩阵中计算得到权重向量；分类单元，所述分类单元被配置为对教师集合进行聚类处理，先用模糊关系传递闭包法对所有数据样本进行大致的分类，然后大致分类的基础上，进行精确分类。本专利技术的有益效果：本专利技术提供的一种教师素质评价方法及系统，基于改进的模糊聚类算法，利用信息熵客观地确定各评价指标的权重，构建权重向量，对不同指标进行差别对待，考虑其轻重关系，较好地克服了人为因素对最终结果的影响。其中由信息熵所确定的权重来自于各指标提供的信息量，则权重会随着被评价对象的变化而变化，较好地克服了静态权重对被评价者的不良影响。此外，改进后的综合素质评价算法适应性强，不仅适应主观指标，也适应客观指标，允许灵活地设计和调整各种评价指标，以适应不同的实际评价过程。附图说明利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本实施例1提供的一种教师素质评价方法的流程框架简要示意图。图2是本实施例2提供的一种教师素质评价系统的示意图。图3是本实施例1提供的一种教师素质评价方法在一种实施方式下的示意图。具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。实施例1：...

【技术保护点】
1.一种教师素质评价方法，其特征在于，包括以下步骤：/n步骤S1：采集教师的多维度数据样本，建立源数据矩阵；/n步骤S2：利用极大值标准化处理方法对源数据矩阵进行标准化处理，得到标准数据矩阵；/n步骤S3：根据信息熵确定评价因素的权重系数，从标准数据矩阵中计算得到权重向量；/n步骤S4：对教师集合进行聚类处理，先用模糊关系传递闭包法对所有数据样本进行大致的分类，然后大致分类的基础上，进行精确分类。/n

【技术特征摘要】
1.一种教师素质评价方法，其特征在于，包括以下步骤：
步骤S1：采集教师的多维度数据样本，建立源数据矩阵；
步骤S2：利用极大值标准化处理方法对源数据矩阵进行标准化处理，得到标准数据矩阵；
步骤S3：根据信息熵确定评价因素的权重系数，从标准数据矩阵中计算得到权重向量；
步骤S4：对教师集合进行聚类处理，先用模糊关系传递闭包法对所有数据样本进行大致的分类，然后大致分类的基础上，进行精确分类。


2.如权利要求1所述的一种教师素质评价方法，其特征在于，在数据样本中，包括至少一位老师的多维度的评价指标，其中所述评价指标包括但不限于一级指标、二级指标，所述一级指标包括但不限于学生评价、同行评价、自我评价、论文及获奖数量、工作量指标。


3.如权利要求2所述的一种教师素质评价方法，其特征在于，对于n位教师，每位教师有m个评价指标，则源数据矩阵为：



在利用极大值标准化处理方法对源数据矩阵进行标准化处理过程中，使用以下计算公式得到标准数据矩阵Y＝{yij}n×m：





4.如权利要求3所述的一种教师素质评价方法，其特征在于，在步骤S3中，第j项指标下第i个对象指标值的比重
第j项评价指标的权重为：
将所有的hj进行归一化处理，第j项评价指标的权重系数为：
则m个评价指标所对应的权重向量为：W＝(w1,w2,w3,...,wm)。


5.如权利要求4所述的一种教师素质评价方法，其特征在于，在步骤S4中，使用模糊关系传递闭包法对所有数据样本进行大致分类的过程中，包括以下步骤：
步骤S411：固定c值，将所有数据样本进行初始化，其中c为评价结果论域中元素的个数；
步骤S412：构造相似矩阵R＝(rij)H×H,rij,i＝1,2,...,H,j＝1,2,...,H,表示样本i与样本j的相似程度，其中利用贴近度法来表示样本之间相似程度：



步骤S413：求出等价关系R*。通过平方计算法可以快速求得...

【专利技术属性】
技术研发人员：孙永毫，徐强，
申请(专利权)人：广东国粒教育技术有限公司，
类型：发明
国别省市：广东;44