欢迎来到速发表网,咨询电话:400-838-9661

关于我们 登录/注册 购物车(0)

期刊 科普 SCI期刊 投稿技巧 学术 出书

首页 > 优秀范文 > 评工程师职称论文

评工程师职称论文样例十一篇

时间:2022-04-08 16:07:12

序论:速发表网结合其深厚的文秘经验,特别为您筛选了11篇评工程师职称论文范文。如果您需要更多原创资料,欢迎随时与我们的客服老师联系,希望您能从中汲取灵感和知识!

评工程师职称论文

篇1

教育公平动态地包括教育起点的公平、教育过程的公平和教育结果的公平。在教育初步普及之后,人们转向追求教育过程中的公正对待和更高的教育质量。教育过程的公平是教育起点公平的必然延续,也是实现教育结果公平的前提。因此,对教育过程的公平问题进行探讨具有特别重要的意义。美国哈佛大学的霍华德·加德纳教授提出的多元智能理论使人耳目一新,其中所蕴涵的深刻的教育过程的公平理念对我们进一步地探讨教育过程的公平问题,提供了一个崭新的视角。

一、多元智能理论所蕴涵的教育过程的公平理念

1.积极、乐观、平等的学生观

传统智力观认为,人智力有高低之别,从而把人分为三六九等,造成教育中的精英主义价值取向,因此,学生不能得到公平的对待。多元智能理论认为,每个人都有不同的智能结构,教育应从每个学生不同的智能结构出发,选择相适应的教育内容、方式和方法。因此,多元智能理论提倡积极、乐观、平等的学生观,认为每个学生都有多种智能和自身的优势智能领域,学校里不存在所谓的“差生”,每个学生都是各具智能特点的人才。

2.主张差别性教育

传统智力观认为,可以使用相同的认知标准去衡量世界上所有的人。如果我们超越这种观点越远,就越能证明每个人的心理都与其他人不同。如果再加上以下两个认识:每个人的心理都与其特定的社会文化背景相联系,每个人的心理都是人类和社会活动的延伸,就更能证明每个人都有完全不同于他人的心理。我们每个人看起来都不相同,我们的性格不同,我们的心理毫无疑问也不一样。

多元智能理论认为,每一个体的智能都具有自己的特点和独特的表现方式,每一个体都具有自己的智能强项和弱项。个体之间的显著差异,使人有理由怀疑,是否应该让所有的人学习相同的课程?即使是同样的课程,是否应该用相同的方法教授所有的学生?如果我们忽略这些差异,坚持要所有的学生用同样的方法学习相同的内容,就破坏了多元智能理论的全部基础。因此,教育方法的确立,就应该反映这个差异。我们不能假设每个人都拥有(或者应该拥有)相同的心理智能,而应该努力确保每个人所受的教育都有助于受教育者最大限度地发挥其智能潜力。

3.对学业面临失败儿童的特别关注

多元智能理论一个最显著的特点就是对学业面临失败儿童的特别关注。加德纳教授认为,在一些个体的某种智能很突出的同时,另外一些个体却可能存在问题。如果不提供特殊的帮助,后者在需要运用这种智能解决问题的时候,就可能失败。相反,前者成功的机会极大。在儿童教育的早期运用特定的手段干预和强化,可以将大量的儿童提高到前者的水平。他主张对于学习有困难的学生。辨认并确定其智能强项的领域(如通过“多彩光谱”项目的评估方法),然后给予他们发挥各自长处的机会。当他们出色地完成一项任务后自然产生的自信心,将会鼓励儿童战胜过去感到恐惧的挑战。有时可以运用强项领域作为弱项领域的“入口”。例如,对于特别具有语言叙述天分的儿童,可以通过他们感到惬意的讲故事方法,将他们引入感到困难的数学、音乐或科学领域的概念。

加德纳的多元智能理论,肯定了个体之间智能的差异,但是他认为这种差异并不表现为好坏、高低、贵贱之间的差异,而是多样化的表现。它充分肯定了每一个人都有其自身独特的价值,并进而认为教育通过承认差异、适应差异、追求多样性能够让受教育者都有机会获得适合其特点的教育,这种理念正是真正的、理想的教育过程的公平理念。这为我们更好地探讨教育过程的公平问题提供了坚实的理论基础,并能有效地指导我们教育的实践。对我们教育工作者来说,在教育过程中要公平地对待每一个学生,要公平地分配教育资源,心目中再也不应有所谓的“差生”概念,而只应有各具智能特点的个体。即使那些在学业上表现困难的学生,我们也应善于发现其智能强项,给予他们发挥长处的机会,以培养其自信心,或利用其智能强项的迁移作用来有效地提高其学业水平。

二、学校教育中教育过程公平状况调查

依据多元智能理论,我走进了附近的一所较早进入新课改实验区的实验小学,调查了五、六年级的300名学生,并访谈了有关的教师和班主任。应该说,该校的教学质量较高,教师素质较好,教育过程公平状况还是比较好的。但是由于传统智力理论的影响,精英主义教育思想的作祟,多数老师对多元智能理论还很陌生或不甚了解,还不同程度地存在着教育过程不公平的现象。

我在五、六年级各随机选择两个班级,下发问卷300份,实际收回287份,无效问卷3份。通过访谈及问卷统计结果表明,教育过程明显地存在不公平现象。具体表现在以下几个方面:

1.学生的学业成绩明显地与学生的智能类型相关

成绩居于班级前十名的学生(以下称为学业优秀生)与成绩居于班级后十名左右的学业面临困难的学生(以下称为学业困难生)在智能类型上存在显著差异。在被调查的50名学业优秀者中,语言智能和数学逻辑智能皆突出的有27名学生,占54%;其中一项突出的有20名学生,占40%。而形成鲜明对照的是,在37名学业困难生中,语言智能和逻辑智能皆突出的学生一个没有,其中之一突出的也只有7人,占19%。但是在这些学业困难生中,都有各自的智能强项,如音乐智能、身体运动智能、空间智能、人际关系智能等。

多元智能理论认为,我们的学校教育过分重视语言智能和数理逻辑智能,而忽视了其他智能,从而考试测试的重点也是语言和数学逻辑智能。这不禁使人想起“龟兔赛跑”的童话,故事中由于兔子的懒惰,乌龟坚持不懈而取胜。童话本意在于赞扬坚持不懈的良好品质,这本无可非议;但从另一角度看,拿兔子的长处和乌龟的短处进行比赛,却实在是不公平的。假使龟兔比赛耐压或游泳,恐怕兔子就要甘拜下风而高傲不起来了。

2.在课堂提问方面的不公平

在50名学业优秀生中,语文课上每周被提问次数在六次以上者达37人,数学课上达35人。学业优秀生在课堂上经常被提问的人数占该群体的比例高达72%。而在37名学业困难生中,语文课上每周被提问次数在六次以上者仅6人,数学课上也只有9人,学业困难生在课堂上经常被提问的人数占所在群体的比例为20%。

不少教师为了保证教学效率,在课堂中普遍习惯于较多地安排成绩好的学生回答教师的提问,除了用于警告与惩罚的目的之外,很少让成绩差的学生回答问题。对此,人们一般都不以为然。但现在看来,教师的这种做法从轻处说是对学生的课堂参与机会分配不公;从重处看则是学生的两极分化得以不断产生与扩大的教育根源。

据研究,在课堂提问的内容方面,教师对不同的学生也给予不同的问题。教师较倾向于让学业失败者回答“判断性”、“描述性”等较为简单的问题,而倾向于让学业成功者回答具有“论证性”的较为复杂的问题。在提问的方式上,教师常常鼓励高期望学生积极地回答问题,对这些学生提问的次数也多,在提问较难的问题时,会给这些学生较多的时间,并且引导他们作出正确的回答;而对低期望学生,则常常表现出不耐烦。对学业成功者教师采用言语正反馈的方式显著高于学业困难生。

3.对学生的期望程度方面的不公平

在50名学业优秀生中,老师的期望很高的33人,期望高的11人,一般的6人,没有期望偏低的情况。可以看出,老师对这50名学业优秀生期望高或很高的达44人,占88%,一般的占12%。形成鲜明对照的是,在37名学业困难生中,老师的期望很高的7人,期望高的11人,一般的16人,另外3人期望偏低。老师对这37名学业困难生期望高或很高的有18人,占48.6%,一般的占43.2%,期望低的占8.2%。

在课堂教学过程中,教师不但对知识进行分配,而且还对学习知识的人——学生进行标定。教师对自己所接任的班级的学生,通常会加以分类,然后贴上一定的标签,诸如讨喜欢的学生和不讨喜欢的学生,男生与女生,知识分子家庭出身的学生与劳工阶层家庭出身的学生,聪明的学生与愚笨的学生,等等。在教师的心目中,哪些学生有能力掌握哪部分知识,哪些学生已经掌握了哪些知识,哪些学生能够顺利毕业并考取大学,哪些学生只能勉强毕业,常常是早就标定好了的。

教师在课堂教学过程中是如何实现其知识标定的呢?主要是通过教师对学生的期望来实现的。关于教师期望的机理,最初是由罗森塔尔(Rosenthal.R.)和雅各布森(Jacobson.L.)的研究所证实的。他们用实证材料表明,学生在校的学习成就不仅受其自身能力的影响,更重要的是受教师期望的影响。换句话说,学生在学校的学习成绩好坏,是教师贴标签的结果。

另外,在坐位安排方面,学业优秀生大多被安排在中间或靠前的坐位上,得到老师注意的机会自然就多;而学业困难生大多被安排在后面或两边,很少能得到老师的注意,实际上成了被遗忘的角落。在上讲台板演方面,学业优秀生获得的次数明显多于学业困难生。

从调查和访谈的情况看,学业优秀生所获得的课堂资源显著高于那些学业困难生。可以预言的是,那些学业优秀生很有可能在以后的学业中获得成功,而那些学业困难生,如果不能运用特定的手段进行干预的话,将极有可能在学业上面临失败。

三、教育过程公平的建构

如何来构建教育过程中的公平呢?基于多元智能理论的课程观、教学观、评价观为我们提供了很好的借鉴和启示。

1.多样化的课程是实现教育过程公平的保障

每一个体的智能都具有自己的特点和独特的表现方式,每一个体都具有自己的智能强项和弱项。个体之间智能的多样性必须有与之相适应的多样化的课程,而不应再让所有的学生学习同样的课程,每个学生学习的课程应该根据各自的智能差异而有所不同,使课程尽可能地呈现出多样性。我们未来的学校可以设置“学生课程人”(student-curriculum

broker)这一角色。他们和学生、家长、教师、评估专家一起参与智能的发现和推荐。课程人根据最近评估而得到的智能分析结果,向学生提出选修什么课程的建议。在统一安排课程的情况下,则向学生提出怎样才能学好有关内容的建议。

2.“通过多元智能而教”是实现教育过程公平的核心

既然每一个体的智能状况各不相同,就没有理由坚持让所有的学生以相同的方法来学习同样的内容。“通过多元智能而教”要求我们的教师通过调动不同智能活动在教学中的各自作用,使用多样化的教学手段,进行差异教学,从而使每一个学生都能得到适合其智能特点的教育。教育方法的确立,就应该反映学生个体的差异。我们应该努力确保每个人所受的教育,都有助于受教育者最大限度地发挥其智能潜力。在课程的教学中,有关内容可用多种方式展现,都有多个“切入点”。如历史课可用语言、逻辑、空间或个人理解的模式来教学,几何课也可用空间、逻辑、语言或数学等方面的能力来实施教学。有了多种多样的切入点,至少可以找到一个适合某一个学生。

3.情景化的评价观是实现教育过程公平的关键

基于多元智能理论的评价观与传统的评价观有显著的不同,在评价的手段上,摒弃了传统的纸笔测验的方法,而采取“智能展示”的评估手段。如可让一个个体展示体育动作来评估其身体运动智能,可通过观察个体如何处理与售货员的争执来评估其人际关系智能等。在评价的目的上,传统的智力测验严重地偏向语言智能和数理逻辑智能,而且把测得的结果作为鉴别儿童的唯一指数。智商高于140的称为天才,而低于70的则定为弱智儿。在学校中,这些弱智儿总是被标上“差生”的标签,甚至被弃入“冷宫”。这些学生享受不到本应享有的教育资源,从而失去了平等接受教育的机会。而基于多元智能理论的评价是面向学生的所有智能,评价的结果只被看作学生智能的部分表现,不把它作为其智能的唯一指数,也不与其他学生相比较并排序。只将学生自己的强项和弱项加以比较,并向其提出未来学习方向的建议。对于智能缺陷的评估,可以预测学习者将要面临的困难,并提出通过另外的途径达到教育目标的建议。如通过空间关系学习数学,通过语言技能学习音乐等。

基于多元智能理论的评价通过“智能展示”的方法,在学生的学习活动中进行,这种情景化的评价使教学和评价有机地统一起来,使评价更有效地融入日常教学之中。正如加德纳所言,评价原本就是教学里的一环,评价应该成为自然学习情景的一部分,而不是在额外的时间里外加进来的。我们应该让评价在自然参与的学习情景中发生,这样的教学和评价必然是学生乐于参与并受到欢迎的。

参考文献:

篇2

1 引 言

我国工程硕士专业学位教育从1984年试点工程类型研究生开始,已经从9个培养单位、10个工程领域、年招生1千多人,发展到2010年的241个培养单位、40个工程领域、年招生8万多人、在校生21万余人。在这种趋势下,如何保证我国工程硕士的培养质量是至关重要的。学位论文是工程硕士培养的重要组成部分,是体现工程硕士综合素质和培养质量的重要标志。通过对工程硕士学位论文质量评估的研究,能够在一定程度上反映工程硕士培养质量的水平,这不仅有利于工程硕士培养质量的提高,而且也有利于工程硕士专业学位教育的长远发展。

对于工程硕士学位论文质量的评估,国内外学者进行了相关的探索研究,其中张士峰探讨了工程硕士培养过程中学位论文选题及论文指导中出现的问题,提出应建立一套完备的评价准则和责任体系来评价工程硕士论文合格与否。王庆金等构建了工程硕士教育质量评价指标体系,并对工程硕士教育质量进行了评价。黄秋萍对影响工程硕士论文质量的因数进行了分析,提出需明确工程硕士学位论文评审标准,完善评价体系。李庚建立了学位与研究生教育质量评估体系。肖立山研究指出端正态度,制定科学标准,精确评分,公正评比,以评促进,加强监督,确保长效是工程硕士研究生培养质量评估工作实践的经验,是工程硕士研究生培养质量评估工作必须注重的环节。令人遗憾的是,目前学者关于工程硕士学位论文质量评估方面的研究成果主要集中于理论探讨与指标体系建立两方面,而在对工程硕士学位论文质量评估的定量分析却为罕见。鉴于学者对工程硕士学位论文质量的评估大多是定性评价的方式,专家评阅标准各不一致,导致论文评估时的主观性很强,论文的质量优劣难辨,缺少一定的客观性和可靠性。同时,评审专家在评阅论文时存在一定的模糊性。下文选择层次分析法(AHP)与模糊综合评价对工程硕士学位论文质量进行评估。

层次分析法(Analytic Hierarchy Process,AHP),是一种解决多目标复杂问题定性与定量相结合的决策分析方法,该方法能够有效地分析目标准则体系层次间的非序列关系,有效地综合测度决策者的判断和比较。模糊综合评价是一种基于模糊数学的综合评价方法,该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象作出一个总体的评价,具有结果清晰、系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。基于层次分析法和模糊综合评价的工程硕士学位论文质量评估,能够使评估更合理,更符合客观实际,从而提高工程硕士学位论文评判结果的准确性。本文在全国工程硕士学位教育指导委员会论文评审参考标准的基础上,通过运用层次分析法(AHP)确定工程硕士学位论文质量评估体系中各指标的权重,然后利用模糊综合评价对工程硕士学位论文质量评估体系的各指标进行定量化分析,最后通过实例分析解决工程硕士学位论文质量评估的问题。

2 基于AHP与模糊综合评价模型的构造

工程硕士学位论文质量评估模型的构建是基于AHP以及模糊综合评价理论。先运用层次分析法确定评估体系中各指标的权重,再通过模糊综合评价对该体系进行综合评价,最后根据最大隶属度原理得出最终结果,具体步骤如下:

步骤1:建立评价指标集

据全国工程硕士学位教育指导委员会论文评审参考标准,建立工程硕士学位论文质量评估体系。按照模糊综合评价理论,在工程硕士学位论文质量评估体系的基础上建立评价指标集:

步骤2:确定评估体系中各指标的权重

评估体系中各指标的权重可以通过AHP来确定。首先,构造判断矩阵。利用1~9比例标度,对在同一准则的元素进行两两比较评分,在xi与xj之间比较赋值,其中xij代表i指标对j指标的重要性。其次,计算各指标的权重。通过比较赋值,可以得到若干个两两比较的判断矩阵,专家将其转化成一个综合判断矩阵,通过特征向量法来计算判断矩阵的排序向量,从而可以得到各指标的权重。如果构建的判断矩阵为A如下,求得矩阵的最大特征根λmax,并对这个特征向量进行归一化。

最后,对判断矩阵进行一致性检验。由于各人偏好以及知识水平的差异,难以确保评价者对多因素评判的思想逻辑的一致性,因此为了保证层次单排序的可信性,需在得到λmax后,对判断矩阵进行一致性检验,即计算随机一致性比率:

其中RI为平均随机一致性指标。当CR

步骤3:确立一个评价等级集

根据实际情况及计算量大小,将指标评语分为若干个级别,建立评语等级:

步骤4:明确隶属关系并建立模糊矩阵

通过采用德尔斐法对各评估指标所隶属的评语等级进行考察,从第i个指标对第j个评语等级vj的隶属度rij,由此得出第i个因素u1的单因素评判集ri=(ri1,rr2,…,rin),那么m个单因素的评判集就构造出一个总的评价矩阵R:

3 实例分析

本文通过AHP和模糊综合评价对工程硕士学位论文(研究类论文)质量进行评估,具体步骤如下:

步骤1:建立评价指标集

在全国工程硕士学位教育指导委员会论文评审参考标准(研究类论文)的基础上,本文从以下八个方面建立工程硕士学位论文质量评估体系,如下图所示。评价指标集U用向量形式表示为:

步骤2:确定工程硕士学位论文质量评估体系中各指标的权重

本文中,作者邀请了多位工程硕士领域专家与教育专家给工程硕士学位论文质量评估体系中各指标的重要性进行两两比较评分。然后,利用加权算数平均综合向量法确定工程硕士学位论文质量评估体系中各指标的权重,如表1所示。

步骤3:确立一个评价等级集

依实际情况及计算量大小,本模型将待评价的工程硕士学位论文质量评价等级分为5个级别,建立评语等级:

步骤4:明确隶属关系并建立模糊矩阵

文中以某篇工程硕士学位论文为例,采用比值法确定单因素的隶属度,即每一级所占的数目与该指标所有评价项目总数之比为该评价指标的隶属度,详细的评价情况如表2所示。由下可得到指标的隶属度为:

因此,我们可以得出上述工程硕士学位论文质量属于(优,良,中,较差,差)的模糊隶属度为(0.1349,0.5044,0.3607,0,0),根据模糊综合评价求解的最大隶属原则,我们可以确定工程硕士论文质量评估的结论为良。

4 结 论

针对工程硕士学位论文质量评估的问题,本文提出AHP和模糊综合评价的论文质量评估模型,该模型具有一定的科学性和可操作性。通过对工程硕士学位论文质量评估体系中各指标的量化,能够在一定程度上杜绝评审专家在学位论文质量评估中的片面性。同时,本文充分考虑了评估系统的模糊性,运用模糊评价对论文质量进行评估,能够真实的反映工程硕士学位论文的质量水平,使工程硕士学位论文质量评估更加科学客观。该评估模型在实际运用中,可实现软件化,即用计算机编程对数据进行统一处理,从而达到简化操作,提高使用效率的目的,具有一定的可操作性。此外,该评估模型在其余类型的论文质量评估中也具有一定的参考价值。

参考文献

[1]张士峰.工程硕士培养存在的问题与思考[J].高等教育研究学报,2008,31(1):81-82.

[2]王庆金,王炬香,孔燕,等.基于灰色系统的工程硕士教育质量综合模糊评价[J].青岛大学学报(自然科学版),2009,21(4):99-103.