数据挖掘技术在高校教学评价中的应用研究

《数据挖掘技术在高校教学评价中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据挖掘技术在高校教学评价中的应用研究摘要：本文概要论述了新建本科院校教学评价的现状，并以高校教学评价系统为数据挖掘平台，以高校教师评价数据为训练集，重点阐述了数据挖掘技术在高校教学评价系统中的应用研究。通过研究表明，数据挖掘结果使得教师能够寻找有关影响教学质量的原因及影响学生学习质量的因素，从而对教师改进教学方法，提高教学质量起到了积极的作用，对高校教学评价具有一定的参考价值。关键词：数据挖掘，教学评价，决策树评价对于我们每个人而言都是一个熟悉的不能再熟悉的词汇，它存在于我们生活的每时每刻。而教学评价对于一个从事教育工作的人来

2、说，则与评价之于我们是一样的。但在教学评价过程中，我们该如何把握评价的内涵和目的？这是教冇科学的一个重要的研究领域和教育领域的一项重要的实践活动。本课题的研究基于新建本课院校的教学评价，提出了基于数据挖掘技术的教学评价系统，并对应用的数据挖掘技术进行了研究分析，以期与同行进行交流，共同为评价工作尽一份微薄之力。一、高校教育评价现状的分析在这里，只是本人对教育教学评价现象的一种思考，针对目前三类本科院校教冇教学评价实践活动的现状的一种思考，目的是期望教冇评价作为一种管理手段的价值，更好地发挥教育教学评价实践的功能。在一定意义上来讲

3、，长期以来的教育评价实践，是一种不利于教育发展的实践，这是对教育评价种种弊端或不合理现象的集中说明。在这里简要论述如下。1、从事教学评价的人员，不能真正理解教学评价目的及内涵，这往往导致了教师对教学评价的抵触和不安，起不到教学评价的促进作用。2、教学评价方法单一、教学评价结果不公开，不能真正做到公平、公正、公开，导致教师对评价活动重视程度不足，起不到评价的作用和意义。3、为了评价而评价，更是在很大程度上导致了评价和教学发展的分离。4、校园圈子小，导致了人的主观情感较大地影响了评价的客观性。二、数据挖掘技术的应用研究本课题的研究提

4、出了基于数据挖据技术的教学评价系统，在本系统中对教师、学生及学校管理者的评价采取了多种方法，尤其数据挖掘技术的应用，能更好地为决策者提供决策帮助。1、算法选择数据挖掘技术的实现算法很多，如决策树、关联规则、聚类、日志挖掘、神经网络等。在本课题的研究中，根据教学评价的特点及数据的相关性，在挖掘技术实现中，选择了关联规则算法及决策树算法。一方面，关联规则可以通过发现的关联知识建立起数据之间的关系网（如网络评价过程中，学生的点击率、对不同课程的访问率等），通过检测一种现象，推出相关的结果。它的优点是能够产生清晰有用的结果，可以支持间接

5、数据挖掘，甚至于变长数据的处理，它计算的消耗量是可以预见的。另一方面，决策树算法则是在分类问题上是很有效的方法,这对教师的评价具有很好地作用，因为通过分类，可以清晰地了解教师在教学过程哪些方面不足，是什么影响的教学质量等。这两种算法，对于基于网络的教学评价系统是很有效的方法。本文仅对决策树技术的应用进行来分析论述。2、决策树技术的应用决策树安其字面意思既是一种以树形结构的方式来体现数据挖掘结果，并按树枝给岀分类规则的一种挖掘算法。是数据挖掘技术的核心算法之一，它通过将大量数据有目的的分类，从中找出一些潜在的、对决策价值的信息，常

6、用于预测模型⑴。决策树的算法很多，如1986年Quinlan提出的ID3算法，后于1993年改进算法C4.5,LeoBreiman等人提出的CART算法，Melhaetal提出的SLIQ算法等。在诸多算法中，本系统的分类挖掘算法采用C4.5算法，用来构造决策树生成分类模型，以期通过教师的基本信息如教师素质、教师职责、教学能力等等的数据挖掘对其进行预测，供决策者使用，从而做到人尽其才，激发教师工作积极性，提高教学质量的目的。(1)数据准备构造决策树的前提条件是数据的准备，在本实例中，对教师的评价数据来源于系统的数据库，包括同行评价

7、、学生评价、教师自评及专家评价等，这部分数据可通过数据库表的读取来获得；另外一方面是调查问卷整理获得的数据。教学评价数据统计表如表1所示。由于分析表中包含多个字段，在这里只给出几个方面的数据采集情况。如同行教师对教师的评价包括了平时教师的业务情况，听评课、教学方法、教学效果等等。而调查问卷则针对学生在学习过程中存在的问题及对教师的教学过程进行的。表1教学评价分析表序号教师姓名学生评价同行评价综合评价1张宁良好中一般2高辉良好良3王藏一■■■八、、中中一般4刘新一般中中••••••••••••(2)数据预处理对数据的预处理，也就是

8、针对样本集获得的数据，将其转换为适合数据挖掘统一格式，由于教师评价分析数据库中的属性字段很多，经过预处理，在决策树模型建立吋，根据具体实际情况，将教学内容、课堂控制、教学方法、教学效果等为非类别属性，评价是否良好为类别属性。在本例中选取了300多数据作为训练样本