前言：本站為你精心整理了大數據下商務英語教學模式評價淺議范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：以實現商務英語教學模式快速評價為研究目標，提出大數據背景下的商務英語教學模式評價方法。通過基于大數據K—means聚類算法，完成商務教學英語模式數據聚類；以聚類獲取的數據為基礎，結合正項指標和負向指標標準化構建商務英語教學模式評價指標體系，依據評價指標建立基于灰色系統理論模型的商務英語教學模式評價因素集，計算得出指標權重以及一致性檢驗后，利用模糊綜合評價法和灰色系統理論實現商務英語教學模式評價。實驗結果表明：該方法在聚類簇k取值為16時，聚類的準確度為99．2％，可有效獲取指標權重，并且評價時間短，較大程度優于兩種對比方法。

關鍵詞：大數據；商務英語；教學模式；數據聚類；指標體系；灰色系統理論

0引言

商務英語教學的目的是使學員滿足職場生活的語言要求，其中包含商務活動的相關內容［1］。商務英語課程除了提高學員的英語水平和能力之外，還包括向學員傳授西方的企業管理理念、如何與外國人交往和西方人的生活習慣等內容，也可將其理解為傳授西方國家的文化［2］。在國際化的大趨勢推進下，各行業對于商務英語人才的需求日益增加，商務英語能幫助學員通過英語的語言表達達到更高的職業目標。大數據技術是指快速地將有價值的信息從不同類型的數據中提取的技術，大數據具備5大關鍵技術：大數據接入、大數據存儲、數據分析挖掘、大數據共享、大數據展現［3］。為了更好地提高商務英語的教學質量和效果，其教學模式至關重要，要判斷商務英語的教學模式是否科學、合理和實用，文獻［4］研究的基于細粒度學習情感本體的評估方法［4］，該方法引入了課程知識點之間的多種語義關系，構建了基于知識點的教師情感反饋行為分類實現評價，但是該評價方法的評價時間較長；文獻［5］研究的基于模糊綜合評價法的評價方法［5］，該方法通過問卷調查獲取評價數據，并將其代入模糊綜合評價模型完成評價，但是該評價方法的聚類準確度較低，導致評價準確度降低。為避免以及改善上述方法的問題，本文提出基于大數據背景下的商務英語教學模式評價方法，該方法通過大數據技術，快速、準確地完成商務英語教學模式評價。

1大數據背景下的商務英語教學模式評價

1．1基于大數據

K—means聚類算法采用基于大數據K—means聚類算法完成商務英語教學模式數據聚類，該算法作為大數據的聚類算法的典型代表［6］，其處理過程如下。算法的輸入：教學英語模式數據庫中的對象簇的數量，用k表示。算法的輸出：最終獲取的平方誤差準則最小的k個簇。算法步驟如下。（1）設教學英語模式數據樣本用n表示；初始的簇中心用mi表示，i＝1，2，…，（k），并且mi的確定是從n中選擇的任意k對象組成。（2）計算數據集中每個p至k個簇中心的距離dp，m（i），其計算式為式（1）。di，（j）＝x（i1－xj1）2＋x（i2－xj2）2＋…xin－x槡（jn）2（1）式中，i＝xi1，xi2，…，x（in），j＝xj1，xj2，…，x（jn），表示兩個n維數據對象。（3）確定每個對象p的dp，m（i），向和mi相同的簇中融入p。（4）為獲取新的mi值作為新的簇中心，在尋找所有對象后重新計算［7］，計算式為式（2）。mk＝∑Ni＝1xi／N（2）式中，第k個簇的簇中心為mk；第k個簇中素具對象的數量為N。（5）將最類似的簇用于整個數據集中的對象，重復該步驟，直至平方誤差準則最小為止［8］。使聚類結果最大程度獨立和緊密，是平方誤差準則的目的，最大程度保證簇內對象的相似度，該準則式為式（3）。E＝∑ki＝1∑p∈cip－mi2（3）式中，所有對象的平方誤差綜合、空間中的對象和簇ci的平均值分別為E、p和mi。

1．2構建商務英語教學評價指標體系

以1．1節獲取的數據聚類為基礎，結合正項指標和負向指標標準化完成指標體系構建［9］，如圖1所示。根據可觀測性原則，將數據無法獲得的海選指標刪除，保證初步篩選后的指標體系可以量化［10］。正項指標和負向指標的標準化式分別為式（4）、式（5）。pij＝Vij－min1≤j≤nV（ij）max1≤j≤nV（ij）－min1≤j≤nV（ij）（4）p⌒ij＝max1≤j≤nV（ij）－Vijmax1≤j≤nV（ij）－min1≤j≤nV（ij）（5）式中，第j個評價對象的第i個指標正、負向標準化后的值用pij和p⌒ij表示；第j個評價對象的第i個指標值用Vij表示。pij值越大表示商務英語教學模式的指標越好；負向指標指數值越小表明商務英語教學模式的指標越好［11］。1．3灰色系統理論模型的商務英語教學模式評價采用基于灰色系統理論模型完成商務英語教學模式評價，該模型通過結合模糊綜合評價法和灰色系統理論實現商務英語教學模式評價［12］。其評價步驟如下。（1）根據評價指標建立因素集U，并且U＝［u1，u2，…，un］。（2）構建評價教學模式優劣程度的評價集C，并且C＝c1，c2，…，c［m］。（3）采用層次分析法獲取指標權重矩陣W，并且W＝w1，w2，…，w［m］，其中，每個指標的權重值用wi表示。（4）實行一致性檢驗，分析指標權重的可信性，其式為式（6）。CR＝CInRIn（6）式中，n階判斷矩陣的評價一致性指數用CIn表示；n階倒數矩陣的評均一致性指數用RIn表示。當CIn≤0．1時，則判斷評價大致相同，分析結果可信；當CIn≥0．1時，則判斷評價不一致程度較高，分析結果不可信，則需重新調整［13］。（5）建立單因素評價矩陣R為式（7）。R＝r11r12…r1nr21r11…r2nrm1rm2…r熿燀燄燅mn（7）式中，Ri＝ri1，ri2，…，r（in），表示對第i個因素的評價結果。（6）通過加權平均型綜合評價模型M計算綜合評判矩陣A，該評價模型可充分利用因素模糊矩陣提供的信息以及將權重的作用最大化，并將多級評判簡化為一級評判［14－15］。綜合評價模型M和合評判矩陣A分別為式（8）、式（9）。M＝·，（）⊕＝∑ni＝1Wi·r（mn）（8）A＝W·R＝wi，w2，…，w［m］·r11r12…r1nr21r11…r2nrm1rm2…r熿燀燄燅mn（9）（7）計算灰色關聯度，并確定關聯序，其式為式（10）。ηij（）k＝miniminkΔi（）k＋ρmaximaxkΔi（）kΔi（）k＋ρmaximaxkΔi（）kρ∈0，（1）Δi（）k＝A′j（）k－A′i（）kηij＝1k∑k1ηij（）k，k＝1，2，…，n（10）式中，分辨系數、A的初值像、關聯序分別用ρ、A′j和A′i、ηij表示。根據關連序的大小排列即可得出教學模式的評價結果。關連序越高商務英語教學模式評價結果越好。

2實例分析

選取某商務英語教學機構為研究對象。采用基于細粒度學習情感本體的評估方法（文獻［4］方法）和基于模糊綜合評價法的評價方法（文獻［5］方法）作為本文方法的對比方法。數據聚類性能決定評價方法的評價準確度，為分析本文方法的數據聚類效果，采用本文方法對獲取的調查問卷實行聚類，測試本文方法對海量數據的聚類效果，結果如圖2所示。根據圖2結果可得，采用本文方法評價商務英語教學模式，可從大量數據中完成數據的良好聚類，獲取的聚類數據數量中大部分都是相關數據，因此本文方法的聚類性能較好，可有效提升方法的評估準確度。為進一步判斷本文方法大數據聚類的優劣，測試3種方法在不同k取值的情況下大數據的聚類效果，對比結果如圖3所示。根據圖3可知，在不同k取值的情況下，本文方法聚類準確度均高于兩種對比方法；并且本文方法在k取值為16時，聚類的準確度最高，為99．2％。因此本文下述測試k取值為16。采用本文方法對商務英語教學模式評價指標體系中一級指標實行一致性判定，并統計判定結果，如圖4所示。根據圖4結果可知，本文方法的商務英語教學模式評估的一致性判定結果均小于0．1，說明采用本文方法構建的商務英語教學模式評估指標體系滿足判定標準，可通過一致性驗證，有效證明本文方法構建的商務英語教學模式評估指標體系的有效性。采用本文方法獲取該高校的商務英語教學模式評價指標權重，然后結合單因素評價矩陣的結果，采用加權平均型綜合評價模型，通過模糊矩陣的合成運算獲取評價結果，得出一級指標的關聯度結果，如圖5所示。圖5一級指標的關聯度結果根據圖5結果可知，4項一級指標的灰色關聯度值依次分別為0．875、0．946、0．798、0．986，以此可得出商務英語教學模式各項評價結果排序為：實際操作式教學＞實踐式教學＞培訓式教學＞口語式教學。該結果驗證本文方法可有效完成商務英語教學模式評價。為驗證本文方法的評價性能，統計3種方法在不同采集數據量大小時的評價時間，利用不同方法的評價實時性驗證方法評價性能，評價時間對比結果，如圖6所示。根據圖6可知，采用本文方法評價商務英語教學模式，數據量為10GB時，仍可在8s內快速完成評價，兩種對比方法的評價時間則分別為16．8s和18s，本文方法的評價實時性明顯高于另兩種方法，并且可適用于大數據環境下的商務英語教學模式評價，具有較高的實用性。

3總結

面對當下國際化發展趨勢，作為在商務環境中工作或者未來要工作在商務環境中的人來說，商務英語的學習必不可少。因此，諸多求職者為增加自己就業砝碼，希望擁有一份國際通行的證書，將商務英語的學習列為必學內容。保證商務教學的質量和結果，其教學模式十分重要。為此本文提出大數據背景下的商務英語教學模式評價方法，該方法的優勢在于能夠從大量數據中聚類出商務英語教學模式相關數據，并且通過正項指標和負向指標標準化完成指標體系構建，保證了指標的準確性，實現商務英語教學模式評價，實驗結果表明，本文方法顯著具備商務英語教學模式評價優勢。

作者:馮琳 單位:安康學院外語學院