打开文本图片集

摘要：为了准确把握课程思政教学质量，本文利用区间直觉模糊信息构建“审计学”课程思政质量评价模型。评价指标权重的确定采用熵函数法，利用区间直觉模糊加权平均算子对有效区间直觉模糊评价信息进行整合，实现对“审计”课程思政效果的评价。本文以蚌埠工商学院审计学课程为例，得到课程思政质量等级，分析思政教学中的薄弱环节，提高审计课程思想政治教育的质量和效果。

关键词：区间直觉模糊集；审计学；课程思政；质量评价

一、引言

2020年6月1日，教育部发布《高等学校课程思政建设指导纲要》[1]，要求建立健全课程思政建设质量评价体系和激励机制。对于“审计学”而言，高校应以“审计学”课程教学为契机，建立健全思想政治教育课程评价机制，为我国审计事业发展提供强有力的人才支撑。

目前，学术界对于审计学课程思政及其评价方法也展开了深入研究。就评估方法而言，现有的研究仅考虑到教学评价的影响因素以及模糊性，未能考虑到决策者决策信息的不确定性，本文利用区间直觉模糊评价信息能够较准确体现决策者心理状态，准确呈现决策者的评价信息。在对评价结果的处理上，利用贴近度的内涵，确定“审计学”课程思政教学质量等级。

二、“审计学”课程思政质量评价指标体系

本文在文献2[2]所示的“审计学”课程思政质量评价指标基础上，设计了如图1所示的评价指标体系。

三、区间直觉模糊集相关概念

四、基于区间直觉模糊集的“审计学”课程思政教学质量评价实例

本文对蚌埠工商学院财务与审计学院某班级“审计学”课程思政质量进行评价。邀请了学习审计学的90名学生作为调查对象，确定各学生组权重。根据课程教学质量的表现形式及其评价等级的特征，将“审计学”课程思政教学质量的等级划分为五个等级，用=（优秀，良好，一般，合格，不合格）表示。根据参考文献9[9]的变换办法，将上述的五级语言形式的评价集合转化为相应的有序区间集v={v1=（[0.064，0.125]，[0.784，0.875]），v2=（[0.16，0.25]，[0.64，0.75]），v3=（[0.4，0.5]，[0.4，0.5]），v4=（[0.6325，0.7071]，[0.2254，0.2929]），v5=（[0.7368，0.7337]，[0.1566，0.2063]）。具体评价步骤如下：

步骤1：首先由3个学生评价小组利用区间直觉模糊数分别对6个二级指标分别对应的三级指标Cij进行评价。

步骤2：基于评价小组权重，利用公式（1）对3个评价小组给出的评价信息进行集成，得出三级指标群决策矩阵。如表1所示。

步骤3：利用公式（2）和公式（3），计算三级各指标的权重，如表1所示。

步骤4：再次利用公式（1），对步骤2和步骤3所得的评价信息和权重信息进行集成，得出二级指标群决策矩阵，如表1所示。

步骤5：重复步骤3，得出二级指标权重，计算结果见表1所示。

步骤6：利用公式（1），对步骤4和步骤5所得的评价信息和权重信息进行集成，得出一级指标群决策区间直觉模糊数。

步骤7：得到评价结果。根据计算结果可以得出该班级“审计学”课程思政质量更接近于合格等级。课程思政质量有待提高。

五、结束语

本文在现有研究成果的基础上，构建“审计学”课程思政质量评价指标体系，基于区间直觉模糊集的“审计学”课程思政质量评价模型，评价“审计学”课程思政质量等级。有利于掌握教学效果，不断提高审计学课程思政教学质量。

参考文献：

[1] http：//www.moe.gov.cn/srcsite/A08/s7056/202006/t20200603_462437.html？eqid=b04748c500024fb1000000036447884a

[2] 刘国城， 陈婕妤， 陈意正. “审计学”课程思政的建设理念、实践路径与效果评价 [J]. 财会通讯， 2024， （05）： 160-165..

[3] ZHAI Y L， XU Z S， LIAO H C. Measures of Probabilistic Interval - Valued Intuitionistic Hesitant Fuzzy Sets and the Application in Reducing Excessive Medical Examinations [J]. IEEE Transactions on Fuzzy Systems， 2018， 26（3）： 1651-1670.

[4] LOU S， WANG H M， NIU W J. Research on the Water Resources Allocation Group Decision-Making Basde on Interval - Valude Intuitionistic Fuzzy Set[J]. Resources and Environment in the Yangtze Basin， 2014， 233： 319-327.

[5] 徐泽水. 区间直觉模糊信息的集成方法及其在决策中的应用[J]. 控制与决策，2007， （2）： 215-219.

[6] ZHAO N， XU Z S. Entropy Measures for Interval-Valued Intuitionistic Fuzzy Information from a Comparative Perspective and Their Application to Decision Making[J]. Informatica， 2016， 27（1）： 203-228.

[7] 孟俊娜， 薛斌， 刘炳胜， 等. 基于区间直觉模糊集的工程项目评标决策研究[J]. 模糊系统与数学， 2015， 29（2）： 165-173.

[8] 文奇， 祁晨晨. 特征匹配驱动的IVIFSs相似性测度模型研究[J]. 系统工程与电子技术， 2018， 40（11）： 2505-2511.

[9] 戚筱雯. 不确定环境下的混合型多属性群决策方法及应用研究[D]. 合肥：合肥工业大学， 2015.