ارائه یک مدل جدید ارزیابی بااستفاده ازرویکردهای عدم قطعیت فازی وخاکستری درنظام آموزشی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه ریاضی، دانشگاه پیام نور، اصفهان، ایران

2 گروه ریاضی کاربردی، دانشگاه پیام نور، تهران، ایران

چکیده

چکیده: ارزیابی صحیح یادگیرنده در نظام آموزشی یکی از مهمترین چالش های پیش روی همه اساتید و معلمان است. با توجه به وجود ابهام در برخی از معیارها و یا پاسخ دهی به سوالات همواره با نایقینی در ارزیابی ها مواجه خواهیم بود. از این رو در این مقاله به دو مساله ی مهم در نتایج ارزشیابی نظام آموزشی در ازمون های رقابتی هنگامی که عدم قطعیت برای قبولی یا گزینش براساس سوابق تحصیلی وجود دارد پرداخته شده است. پیشنهاد ما برای حل مسائل، رویکردی مبتنی بر تکنیک های محاسبات نرم است. از مجموعه های فازی برای مدل سازی ویژگی های کیفی سوالات و شناسایی مساله ضریب اهمیت آموزشی هر سال تحصیلی در دروس مختلف، توسط تصمیم گیرندگان آموزشی و از اعداد خاکستری برای به دست آوردن نتایج ارزیابی پاسخ نامه یادگیرنده و رتبه بندی آنها با استفاده از روش های چندمعیاره خاکستری استفاده شده است.معمولاً در امتحانات، یک پاسخنامه بر اساس تخصیص نمره، یک بار ارزیابی می شود. در اینجا هدف اصلی ما ارزیابی دستورالعمل های پاسخ از دیدگاه های مختلف تصمیم گیرندگان است. نظریه خاکستری در اینجا برای به دست آوردن رتبه بندی اجرا شده است.. استفاده ترکیبی از رویکردهای مختلف مواجهه با عدم قطعیت که بتواند ضعف هریک از رویکردهارا پوشش دهد از پژوهش های اینده نویسندگان می باشد.

کلیدواژه‌ها


[1] Bai, S.-M., Chen, S.-M. (2008a). Automatically constructing grade membership functions of fuzzy rules for students’ evaluation. Expert Systems with Applications, 353, 1408–1414.
 
[2] Bai, S.-M., Chen, S.-M. (2008b). Evaluating students’ learning achievement using fuzzy membership functions and fuzzy rules. Expert Systems with Applications, 34, 399–410.
 
[3] Biswas, R. (1995). An application of fuzzy sets in students’ evaluation. Fuzzy Sets and Systems, 742, 187–194.
 
[4] Chen, S. M., Lee, C. H. (1999). New methods for students’ evaluating using fuzzy sets. Fuzzy Sets and Systems, 1042, 209–218.
 
[5] Echauz, J. R., Vachtsevanos, G. J. (1995). Fuzzy grading system. IEEE Transactions on Education, 382, 158–165.
 
[6] Law, C. K. (1996). Using fuzzy numbers in education grading system. Fuzzy Sets and Systems, 833, 311–323.
 
[7] Ma, J., Zhou, D. (2000). Fuzzy set approach to the assessment of student-centered learning. IEEE Transactions on Education, 43(2), 237–241
 
 [8] Wang, H. Y., Chen, S. M. (2008). Evaluating students’ answerscripts using fuzzy numbers associated with degrees of confidence. IEEE Transactions on Fuzzy Systems, 162, 403–415.
 
[9] Weon, S., Kim, J. (2001). Learning achievement evaluation strategy using fuzzy membership function. In Proceedings of the 31st ASEE/IEEE frontiers in education conference, Reno, NV (Vol. 1, pp. 19–24).
 
[10] Ju-Long, D. (1982). Control Problems of Grey Systems. Systems Control Letters, 15, 288-294.
 
[11] Julong, D. (1989). Introduction to Grey System Theory. The Journal of Grey System, 11, 1-24.
 
[12] Huang, S . J ., C hiu, N . H ., Chen, L . W . ( 2008). I ntegration of the Grey Relational Analysis with Genetic Algorithm for Software Effort Estimation. European Journal of Operational Research, 1883, 898-909.
 
[13] Wei, G . ( 2011). G rey Relational Analysis Model for Dynamic Hybrid Multiple Attribute Decision Making. Knowledge-Based Systems, 245, 672- 679.
 
[14] Ertugrul-I, Oztas-T, Ozcil-A.(2016). Grey Relational Analysis Approach In Academic Performance Comparison Of University -( European Scientific),1857-7881.
 
[15] Xiaoying-Z, Xiuying -Y, Jing- Y(2021). Teaching Evaluation Algorithm Based on Grey Relational Analysis,5596518,9.
 
 [16] Annabestani –M , Rowhanimanesh –A , Mizani- A Rezaei- A(2019). Descriptive evaluation of students using fuzzy approximate reasoning.