[发明专利]基于层次分析法的教师质量智能评测方法及存储介质在审

专利信息
申请号: 202010244372.4 申请日: 2020-03-31
公开(公告)号: CN111325486A 公开(公告)日: 2020-06-23
发明(设计)人: 许振剑;张彩霞 申请(专利权)人: 佛山科学技术学院
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q50/20
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 蔡伟杰
地址: 528000 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 层次 分析 教师 质量 智能 评测 方法 存储 介质
【权利要求书】:

1.基于层次分析法的教师质量智能评测方法,其特征在于,包括以下:

步骤101、确定教师质量评测的影响因素;

步骤102、根据所述教师质量评测的影响因素建立教师质量评测的评价指标体系;

步骤103、通过层次分析法计算得到所述评价指标体系的指标权重;

步骤104、根据所述指标权重得到教师质量评测模型;

步骤105、将教师的所述影响因素的相关评分带入所述教师质量评测模型得到所述教师的评测得分。

2.根据权利要求1所述的基于层次分析法的教师质量智能评测方法,其特征在于,上述步骤101中的确定教师质量评测的影响因素的方式具体包括:

通过问卷调查的方式调查学生对教师的关注点的评价,对教师的所述关注点包括,教师的教学教态、教学系统性以及学生期末成绩。

3.根据权利要求2所述的基于层次分析法的教师质量智能评测方法,其特征在于,上述步骤102中的建立教师质量评测的评价指标体系具体包括以下;

通过问卷调查得出学生进行教师质量评测时的关注点,以所述关注点为评价指标,建立评价指标体系,所述评价指标体系包括教师的教学教态、教学系统性以及学生期末成绩。

4.根据权利要求3所述的基于层次分析法的教师质量智能评测方法,其特征在于,上述步骤103中得到所述评价指标体系的指标权重具体包括以下:

确定每个评价指标的相对重要程度,构建递阶层次结构模型和判断矩阵,通过一致性检验进行筛选修正,得到所述评价指标体系的指标权重。

5.根据权利要求4所述的基于层次分析法的教师质量智能评测方法,其特征在于,所述确定每个评价指标的相对重要程度的方式为通过专家打分建立判断矩阵的方式,计算所述评价指标体系的指标权重具体包括以下,

步骤501、选定6个专家,将6个所述专家一次编号为A1-A6,获取专家对各个评价指标的相对重要程度的判断结果,建立判断矩阵,所述判断矩阵具体包括以下:

步骤502、将判断矩阵的每一列元素进行归一化处理,其元素的一般项为:

其中aij表示判断矩阵第i行,第j列的元素;

步骤503、将各列归一化后的判断矩阵进行按行相加的操作,并进行归一化处理得到判断矩阵的特征向量W,用以下式子表示:

步骤504、通过判断矩阵以及特征向量计算得到判断矩阵的最大特征根其中(AmW)i表示向量AmW的第i个元素,m取[1,6],Am代表相应编号的判断矩阵;

步骤505、对所述判断矩阵进行一致性检验得到各个评价指标的指标权重,CR=CI/RI,其中CI表示一致性指标,RI表示随机一致性指标。

6.根据权利要求5所述的基于层次分析法的教师质量智能评测方法,其特征在于,上述步骤104中的教师质量评测模型具体包括以下:

根据计算得出的指标权重,分别设定教学教态为Q1,相应的指标权重为q1;教学系统性为Q2,相应的指标权重为q2;学生期末成绩为Q3,相应的指标权重为q3,

则所述教师质量评测模型M=Q1*q1+Q2*q2+Q3*q3。

7.一种计算机可读存储的介质,所述计算机可读存储的介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佛山科学技术学院,未经佛山科学技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010244372.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top