1、第二章 模糊綜合評判,根據所給的評價標準和實測值，經過 模糊變換後對事物做出評價的一種方法 壹、模糊綜合評判的層級 貳、模糊綜合評判的具體步驟,壹、模糊綜合評判的層級,一、一級模糊綜合評判 二、二級模糊綜合評判三、多層級模糊綜合評判,壹、模糊綜合評判的層級,一級,二級,貳、模糊綜合評判的 具體步驟,（一）、確定評判因素集（二）、決定因素集 內各因素之權 重，組成一權重向量 （三）、確定對每一因素之評語集（四）、決定模糊關係矩陣 （五）、求出綜合評判結果 （六）、解模糊,一、一級模糊綜合評判,（一）、確定評判因素集,以學生學習成效綜合評判為例具體步驟如下：,=情意，認知，技能,等三個領域作模糊評
2、判,（二）、決定因素集內各 因素之權重，組成一權重向量： 可反應各因素的重要程度,例： 情意 認知 技能 =0.3 0.5 0.2 ,（三）、確定對每一因素之 評語集,例：,=優，甲，乙，丙,將參與評鑑委員之評鑑意見統計匯總，計算出各等級的比例小數或百分數，統計紀錄表如下：,（四）、決定模糊關係 矩陣,（四）、決定模糊關係矩陣,模糊關係,（四）、決定模糊關係 矩陣,（五）、求出綜合評判結果,優 甲 乙 丙,情意認知技能,優 甲 乙 丙,情意 認知 技能,（五）、求出綜合評判結果,【評判結果運算過程】 1、採第I型普通矩陣算法 y1=0.30.1+0.50.7+0.20.1 =0.4 y2=0.
3、30.2+0.50.2+0.20.7 =0.24 y3=0.30.6+0.50.1+0.20.2 =0.27 y4=0.30.1+0.50+0.20=0.03,(五)、求出綜合評判結果,所以 =0.4 0.24 0.27 0.03 因為0.4+0.24+0.27+0.03=0.941 所以必須歸一化,(五)、求出綜合評判結果,【評判結果運算過程】 2、第II型取小取大算法 以下採用的運算子為Zadeh算子： 表示符號兩邊的元素取小的 表示符號兩邊的元素取大的,（五）、求出綜合評判結果,【評判結果運算過程】 2、第II型取小取大算法,y1=（0.30.1）（0.50.7）（0.20.1） =（0
4、.10.5）0.1 = 0.5 y2=（0.30.2）（0.50.2）（0.20.7） =（0.20.2）0.2 = 0.2y3=（0.30.6）（0.50.1）（0.20.2） =（0.30.1）0.2 = 0.3y4=（0.30.1）（0.50）（0.20） =（0.10）0 = 0.1,(五)、求出綜合評判結果,【評判結果運算過程】 2、第II型取小取大算法,所以 因為0.5+0.2+0.3+0.1=1.1 所以必須歸一化 = =,（六）、解模糊,由上述評判結果各等級比例小數為： 1、採第I型普通矩陣算法： 優=0.42；甲=0.26；乙0.29； 丙=0.03 2、採第II型取小取大算
5、法： 優=0.46；甲=0.18；乙0.27；丙=0.09 其結果還是模糊的。,（六）、解模糊,為確實反映出綜合評判結果，可以透過等級賦值法，根據矩陣，計算出評價結果Q。以下我們給予評語等級賦值：優4；甲3；乙2； 丙1 那麼等級賦值矩陣為=4 3 2 1【註：評語等級賦值一般是按等差 數數列排列】,(六)、解模糊,綜合評判的結果等級Q應是各等級的加權平均值： 1、採第I型普通矩陣算法：,(六)、解模糊,綜合評判的結果等級Q應是各等級的加權平均值： 2、第II型取小取大算法 ：,=1.840.540.540.09 =3.01,(六)、解模糊,1、採第I型普通矩陣算法： Q=3.07，介於3與4
6、之間，且較靠近3 所以可評判為 甲 。2、採第II型取小取大算法： Q=3.01，也是介於3與4之間，且較靠近3 所以可評判為 甲 。,（六）、解模糊,本例使用第I型與第II型算法恰巧綜合評判結果相同為甲。但也有其他例子選擇第I型或第II型不同算法，其評判結果可能有所不同，因為第I型算法注重加權綜合，第II型算法注重突出主因素，其各有千秋，不能武斷地說何種方法較好。,二、二級模糊綜合評判的 具體步驟,一、確定評判因素集二、決定因素集 內各子因素 之權重三、確定評語集 四、決定模糊關係矩陣 五、求出次級綜合評判結果 六、求出最終的綜合評判結果 七、解模糊,二.二級模糊綜合評判,(一)、確定評判因
7、素集,用統計的方法，請數位教育專家分別對各子因素集中之各因素填入權重比例後平均得：,(二)、決定因素集 內各子因素之權重,情意領域 認知領域 技能領域 U = 0.3 0.5 0.2 興趣 態度 價值觀 U1 = 0.26 0.40 0.34 ,(二)、決定因素集 內各子 因素之權重,知識 理解 應用 分析 U2= 0.24 0.21 0.37 0.18 知覺 反應 適應 創新 U3= 0.24 0.20 0.36 0.20 ,(二)、決定因素集 內各子 因素之權重,（三）、確定評語集,=V1，V2，V3，V4=優，甲，乙，丙,（四）、決定模糊關係矩陣,請評量專家就評量因素集中之每一個因素在
8、中四個等級打勾，最後經算術平均得到數據，統計紀錄表如下：,（四）、決定模糊關係矩陣,因素集U1：,(四)、決定模糊關係矩陣,對於U1，可得到模糊關係矩陣,(四)、決定模糊關係矩陣,相同方法：對於U2，可得模糊關係矩陣,(四)、決定模糊關係矩陣,相同方法：對於U3，可得模糊關係矩陣,五.求出次級綜合評判結果,對子因素集分別進行初級綜合評判：,其中採用的運算子為Zadeh算子。,(六)、求出最終的綜合 評判結果,以U1，U2，U3為元素，用B建構其因素評判矩陣為：,(六)、求出最終的綜合評判 結果,因此，最終綜合評判為：因為 0.24+0.35+0.30+0.20=1.091 必須歸一化處理得到
9、：,(七)、解模糊(等級賦值法）,由上述評判結果各等級比例小數為： 優=0.22；甲=0.32； 乙0.28；丙=0.18其結果還是模糊的。,(七)、解模糊(等級賦值法）,為確實反映出綜合評判結果，可以透過等級賦值法，根據矩陣，計算出評價結果Q。以下我們給予評語等級賦值： 優=4；甲3；乙=2；丙=1,(七)、解模糊(等級賦值法）,那麼等級賦值矩陣為 =4 3 2 1【註：評語等級賦值一般是按等差 數列排列】,(七)、解模糊(等級賦值法）,綜合評判的結果等級Q應是各等級的加權平均值：,= 0.840.930.520.22 = 2.51,(七)、解模糊(等級賦值法）,Q = 2.58，是介於2與3之間，且較靠近 3 所以可評判為 甲。本例使用第II型運算法綜合評判，第II型算法注重突出主因素。,
