论文部分内容阅读
摘 要：目前很多高校教务管理系统中都设置了教师教学评价，主要通过学生对教师教学效果进行评价，没有对数据进行更深层次的分析。数据挖掘技术帮助我们从大量的数据中寻找具有潜在价值的信息。引入数据挖掘技术对高校学生的评教数据信息分析，将所得到的结论更好的应用于教学。
关键词：数据挖掘；教学评价；应用
引言
教学评价是对教师教学的质量考核的一个重要的指标。教学评价一般包括教学态度，教学方法，教学基本素质、教学效果等方面进行评价。教学评价[1]作用有以下几个方面：1、反映教学质量2、促进教师进行教学反思3、鼓励教师及时解决问题。本文将数据挖掘技术应用到教学评估上，挖掘数据之间的内在联系，更好的服务。
1、数据挖掘技术
数据挖掘是从海量的数据中，提取具有潜在有用的信息或知识的过程，它利用处理大量数据的复杂算法和数据分析方法结合[2]。数据挖掘利用各种分析方法和工具，在大量的原始数据中发现数据中的联系。一般数据挖掘主要包括以下几个阶段：确定业务阶段、数据准备、数据挖掘、结果分析及知识的同化。
2、教学评价模型的构建
2.1教学评价的指标
教学评价主要从如何提高师资队伍的建设来提高教学质量，所以本论文设置的评价指标主要针对教师本身的教学素养和工作态度等方面来进行设置。
课程评价总分设置为100分，共有一级指标4项，每项分值分别为10分（共两项，每项5分），40分（共四项，每项10分），40分（共四项，每项10分），10分（共两项，每次5分）。共设置12项二级指标，每个指标设置A、B、C、D四个等级，其权值分别为0.9、0.7、0.6、0.4，评价总分采用，其中Ki表示第i个条目的权值，Mi表示第i项的分值。
2.2教学评价数据准备
目前很多高校的教学评价体系使用分层的，多目标的复杂系统。我们从某院提取教学质量评估表，将编号、性别、职称、学历、年龄以及评价结果等六项内容作为影响评价结果的因素（忽略其它因素）。我们试图通过数据挖掘找出教师的编号、性别、职称、学历、年龄以及评价结果之间的联系。具体数据表和代码表如下表所示。
3、关联分析
3.1Apriori算法
关联分析可以发现大量的数据中隐藏的有意义的联系。如果属性之间存在关联，那么就可以根据一些属性的值对另一些属性进行预测。关联分析也是数据挖掘应用最广的一个领域，比较有名的是是Apriori算法[3]。建立关联规则可以分为两步，第一要识别频繁项目集，并且频繁项目集不低于用户设定的最低值。第二部找到频繁集中高于用户设定的最低值的规则。所以识别或者发现频繁项目集是算法的核心。
3.2结果分析
设置最小支持度8%，最小置信度60%，利用上述算法进行数据挖掘，得出结论如下：
（1）职称为副教授以上，评价结果为E3的置信度为100%，这说明高职称教师具有良好的教学素养，达到比较好的教学效果。（2）工龄在B2等级，评价结果为E3的置信度为100%，表明当达到一定的工作年限，对于教学理论各个方面以及学生都有了很好的把握，说明工作经验的重要性。
4、结束语
由于采用数据挖掘和被选用的数据有很大的关系，所以数据的选取是数据挖掘成败的关键因素。由于本研究缺乏相应的数据作为相应的技术支持，所以本课题尚处于理论研究阶段。但是数据挖掘在教学评价中的确起着至关重要的作用，而且对今后的教学有着一定的指导作用。
参考文献
[1] 邝涛.数据挖掘技术在高校教务管理系统中的应用研究.硕士论文. 郑州大学，2011.
[2] 勞有兰，潘家英，李若兰.基于关联规则挖掘的教学质量监控系统应用.桂林电子科技大学学报，2008，28（6）： 471-474.
[3] Zhen Liu，Minyi Guo. AProposalof High Performanee Data Mining System.Leeture Notesin Com Puter Seienee.2003，（8）：145-177.
作者简介：候芳、女、汉族、黑龙江省绥化市、青岛黄海学院助教、硕士、研究方向：数据挖掘。
关键词：数据挖掘；教学评价；应用
引言
教学评价是对教师教学的质量考核的一个重要的指标。教学评价一般包括教学态度，教学方法，教学基本素质、教学效果等方面进行评价。教学评价[1]作用有以下几个方面：1、反映教学质量2、促进教师进行教学反思3、鼓励教师及时解决问题。本文将数据挖掘技术应用到教学评估上，挖掘数据之间的内在联系，更好的服务。
1、数据挖掘技术
数据挖掘是从海量的数据中，提取具有潜在有用的信息或知识的过程，它利用处理大量数据的复杂算法和数据分析方法结合[2]。数据挖掘利用各种分析方法和工具，在大量的原始数据中发现数据中的联系。一般数据挖掘主要包括以下几个阶段：确定业务阶段、数据准备、数据挖掘、结果分析及知识的同化。
2、教学评价模型的构建
2.1教学评价的指标
教学评价主要从如何提高师资队伍的建设来提高教学质量，所以本论文设置的评价指标主要针对教师本身的教学素养和工作态度等方面来进行设置。
课程评价总分设置为100分，共有一级指标4项，每项分值分别为10分（共两项，每项5分），40分（共四项，每项10分），40分（共四项，每项10分），10分（共两项，每次5分）。共设置12项二级指标，每个指标设置A、B、C、D四个等级，其权值分别为0.9、0.7、0.6、0.4，评价总分采用，其中Ki表示第i个条目的权值，Mi表示第i项的分值。
2.2教学评价数据准备
目前很多高校的教学评价体系使用分层的，多目标的复杂系统。我们从某院提取教学质量评估表，将编号、性别、职称、学历、年龄以及评价结果等六项内容作为影响评价结果的因素（忽略其它因素）。我们试图通过数据挖掘找出教师的编号、性别、职称、学历、年龄以及评价结果之间的联系。具体数据表和代码表如下表所示。
3、关联分析
3.1Apriori算法
关联分析可以发现大量的数据中隐藏的有意义的联系。如果属性之间存在关联，那么就可以根据一些属性的值对另一些属性进行预测。关联分析也是数据挖掘应用最广的一个领域，比较有名的是是Apriori算法[3]。建立关联规则可以分为两步，第一要识别频繁项目集，并且频繁项目集不低于用户设定的最低值。第二部找到频繁集中高于用户设定的最低值的规则。所以识别或者发现频繁项目集是算法的核心。
3.2结果分析
设置最小支持度8%，最小置信度60%，利用上述算法进行数据挖掘，得出结论如下：
（1）职称为副教授以上，评价结果为E3的置信度为100%，这说明高职称教师具有良好的教学素养，达到比较好的教学效果。（2）工龄在B2等级，评价结果为E3的置信度为100%，表明当达到一定的工作年限，对于教学理论各个方面以及学生都有了很好的把握，说明工作经验的重要性。
4、结束语
由于采用数据挖掘和被选用的数据有很大的关系，所以数据的选取是数据挖掘成败的关键因素。由于本研究缺乏相应的数据作为相应的技术支持，所以本课题尚处于理论研究阶段。但是数据挖掘在教学评价中的确起着至关重要的作用，而且对今后的教学有着一定的指导作用。
参考文献
[1] 邝涛.数据挖掘技术在高校教务管理系统中的应用研究.硕士论文. 郑州大学，2011.
[2] 勞有兰，潘家英，李若兰.基于关联规则挖掘的教学质量监控系统应用.桂林电子科技大学学报，2008，28（6）： 471-474.
[3] Zhen Liu，Minyi Guo. AProposalof High Performanee Data Mining System.Leeture Notesin Com Puter Seienee.2003，（8）：145-177.
作者简介：候芳、女、汉族、黑龙江省绥化市、青岛黄海学院助教、硕士、研究方向：数据挖掘。