摘要： 本文针对当前高职教育汽车专业课考核评价的弊端，提出了模糊综合评价法，探讨了该方法的基本思想、数学模型和计算程序，并通过实例分析验证该方法的可靠性和优越性。
Abstract: In the article, for current quality education automobile professional course’s defects of inspection, the author proposed the fuzzy judgment method, discussed the basic idea, the mathematical model and the computational procedure, and confirmed the reliability and superiority of this method through the example analysis.
关键词： 汽车专业课；考核；模糊综合评价
Key words: automobile professional course；inspection；fuzzy quality synthetic evaluation
中图分类号：G42 文献标识码：A文章编号：1006-4311（2010）35-0188-02
0引言
在汽车专业教学中，改革汽车专业课考核评价方法，强调学生“做学合一”，突出其实践技能、团队意识和创新能力是当前各高职院校人才培养的重中之重。传统教育以传授知识为目的，强调的是对知识的记忆、模仿和简单应用，考核评价方法较为单一、刻板，远不能真实反映对学生个体差异的评价，没有充分体现出“高职应以素质教育的思想和观念为指导，培养适应生产、建设、管理、服务第一线需要的，德、智、体、美等方面全面发展的高等技术应用性专门人才”的办学宗旨。
本文提出了用模糊数学的综合评价理论，建立五项评价指标，构造综合评价模糊数学模型，把高职汽车汽车专业课考核与学生的学习态度、创新意识和团队合作精神等相结合，对控制和激发学生学习行为都具有积极的作用，更有利于学生全方位发展。
1高职汽车专业课考核的综合评价方法
1.1 基本思想模糊综合评价方法的基本思想是在确定评价因素、因子的评价等级标准和权值的基础上，运用模糊集合变换原理，以隶属度描述各因素及因子的模糊界线，构造模糊评判矩阵，通过多层复合运算，最终确定评价对象所属等级。
首先，请有关专家对能反映汽车专业课考核实效的主要因素进行系统分析，制定了评价的指标体系与评分标准，并依据评分标准确定各评价指标的权重系数，形成客观、公正的评价体系。其次，根据评价人员对指标体系各级指标的模糊信息，运用模糊数学的方法，依次对各级指标进行评判。最后，根据最大隶属原则，综合各评价人员的评价结果即可得到汽车专业课的定量评价结果。
1.2 建立数学模型设指标集为U＝{U1，U2，…，Um}；评价集为V＝{V1，V2，…，Vn}；指标权重系数模糊子集为W={w1，w2，…，wm}，且其中wi={w1，w2，…，wm}为指标Un（i=1，2，…，n）的权值。
对指标集内诸因素做出各种评定是一种模糊映射，对单因素的评定，由于不同的评价人员有可能做出不同的评定，因此，描述评价的结果只能用对Ui做出Vj评定的可能性大小来表示，这种可能的程度称为隶属度，记作rij。U的第i 个指标对应的评价集V中的评价V1，V2，…，Vn的隶属度分别为ri1，ri2，…，rin，U的这一指标对于V中的每一种评价的隶属度组成了V上的模糊子集，记为Ri＝{ri1，ri2，…，rin}。对于每一指标Ui（i=1，2，…，m）都求出对应的Ri，就构成了一个U×V上的模糊矩阵。即R=RR┆R=rr…rrr…r┆┆┆┆rr…r
对矩阵W与R作模糊矩阵乘法得：
B=W°R=（w1，w2，…，wm）rr…rrr…r┆┆┆┆rr…r=（b1，b2，…，bn）
式中符号“°”为Zadeh积合成计算[2]。其中
bj=w∧r=w∧r∨w∧r，…，w∧r，j=1，2，…，m
对第j种评价集再加权，得新的权重向量，且=（C1，C2，…，Cn），将其乘以综合评价的向量，即可得综合评价值为：S=•
2专业考核综合评定实例分析
2.1 建立评判对象指标集为U＝{U1，U2，…，Um}根据高职人才培养要求，对高职学生汽车专业课考核评价设立“理论知识考核”“实践操作技能”“团队合作能力”“创新能力”“学习态度” 5项指标，分别用U1，U2，…，U5表示，组成高职学生汽车专业课考核标准因素集合U＝{U1，U2，…，U5}。
2.2 建立评价集为V＝{V1，V2，…，Vn}本文将汽车专业课成绩评价分为五个等级：优秀（90~100分）、良好（80~89分）、中等（70~79分）、合格（60~70分）和不合格（60分以下）。评价集V＝{优秀，良好，中等，及格，不及格 }。
2.3 确定指标权重现将评价集中的优秀、良好、中等、合格和不合格分别赋予数值5、4、3、2和1，则评价集中各等级的权重分别是：0.33、0.27、0.20、0.13和0.07，得到权重向量为W＝{0.33，0.27，0.20，0.13，0.07}。
2.4 建立专业考核综合评定模糊模型现选取高职汽车专业学生三名{X}，由5名评价人员对该学生的汽车专业课按等级进行评定。表1为5名评价人员对学生X1的各项指标评价人数统计表。
根据表1统计数据，可构成评价者对学生X1汽车专业课综合考核的模糊评价矩阵R1。
R1=0.60000.40.20.40.200.40.20.40.200.200.20.40.60000.2 0.40
采用同样的数据处理方法，得到学生X2和X3汽车专业课综合考核的模糊评价矩阵R2和R3。
R=00.60.6000.40.20.40.40.40.40.200.20.20.2000.20.20000.20R=000 0 00.20.20.2 0 0.20.20.40.2 0 0.20.60.40.4 0 0.40 00.21.00.2
2.5 进行Zadeh积合成计算
B=（0.33 0.27 0.20 0.13 0.07）0.60000.40.20.40.200.40.20.40.200.200.20.40.6 0000.20.4 0=（0.330.27 0.20 0.13 0.27）
B2=（0.27 0.33 0.33 0.27 0.27）B3=（0.20 0.20 0.20 0.07 0.20）
由模糊评价矩阵得到三个样本学生模糊线性变换集合B。
B=0.330.270.200.270.330.200.200.330.200.130.270.070.270.270.20
2.6 计算综合评判值我们组织了30名实践经验丰富的教授和技术专家进行专题研讨，对标准因素集中的各个元素提出了自己认为最合适的权重。根据回收回来的权重分配调查表，确定各因素的权重（见表2）后，便可得到三个样本学生X的模糊综合评价计分向量S。
S=（S1，S2，S3）=C•B=（0.35 0.35 0.15 0.05 0.10）•
0.330.270.200.270.330.200.200.330.200.130.270.070.270.270.20=（0.28 0.30 0.19）
S1＝0.28S2＝0.30S3＝0.19
各影响因素单项得分详见表2。
通过表2可以看出，汽车专业课综合评判结果是S2>S1>S3。学生X2虽然在理论知识考核上低于X1，但在实践操作技能及团队合作能力上都优于X1，从而在综合评判中是最好的。学生X3在无论在哪一方面都是最差的，因而评判结果最差。
3结语
本文采用模糊数学模型综合评定高职学生汽车专业课考核成绩，由于评判过程中选择的评价者具有一定的代表性，采用的模糊数学模型自身在理论上又很严密，各汽车专业课考核评价指标体系又十分客观，因此评价结果具有一定的可比性与可靠性。该方法避免了传统只重理论知识的考核，不重视实践操作能力、团队合作能力及创新意识的综合评定的缺陷。该方法强调实践操作能力和团队合作精神，更有利于调动学生学习的积极性，更有利于培养“零距离上岗”人才，特别对那些动手能力强而理论基础比较差的学生是一种激励。
参考文献：
[1]中华人民共和国国务院．国务院关于大力发展职业教育的决定[Z]．2005-10-28.
[2]关志民，束军意，马钦海．学位论文质量的多层次模糊评价模型及应用[J]．北京：科研管理，2005，3(26).
[3]刘晋寅，吴孟达．模糊理论及其应用[M]．北京：国防科技大学出版社，2001.
相关热词搜索： 考核评价 研究 汽车 专业 教学中
