数据挖掘技术在教学质量评价中的应用.docVIP

数据挖掘技术在教学质量评价中的应用 董军凯 （燕山大学，河北 秦皇岛 066004） 【摘 要】教学质量评价是学校教学管理的重要组成部分，数据挖掘在教学质量评价中的应用广泛。文章概述了数据挖掘 的基本概念和方法，在教学质量评价的数据挖掘中，给出了粗糙集理论、关联规则，以及改进的关联规则算法的应用方法，并 指出了教学质量评价中数据挖掘的详细步骤。 【关键词】教学质量评价；数据挖掘；关联规则；粗糙集 【中图分类号】G420 【文献标识码】A 【文章编号】1008-1151(2009)08-0192-02 （一）引言 2004 年教育部推出了本科教学水平评估标准，这一标准 是在理论研究之上，充分联系本科教学实践而提出的具有可 操作性的评估指标体系，主要是强调对教学质量的一种状态 的监测。教师教学质量是教师教的行为及其效果，对教师教 学质量进行评价，不是为了得到一个评价的结论，主要是被 评价教师在评价过程中利用反馈的各种信息，不断地总结经 验，改进教学，提高教学质量，保证人才培养的质量。课堂 教学评价不仅对教学起着调节、控制、指导和激励作用，而 且有很强的导向性，是学校教学管理重要的组成部分，是评 价教学工作成绩的主要手段。学校每学期都要搞课堂教学评 价调查，积累了大量的数据，利用数据挖掘技术，从教学评 价数据中进行数据挖掘，将相应的数据挖掘方法应用于教师 教学质量评价系统中，探讨教学效果的好坏与老师的年龄、 职称、学历之间的联系，课堂教学效果与教师整体素质关系， 合理配置班级的上课教师，使学生能够较好的保持良好的学 习态度，从而为教学部门提供了决策支持信息，促使更好地 开展教学工作，提高教学质量。 （二）数据挖掘技术 1.数据挖掘的基本概念。数据挖掘就是从大量的、不完全、 有噪声的、模糊的、随机的数据中，提取隐含在其中的，人 们事先不知道的，但又是潜在有用的信息和知识（模型或规 则）的过程，是一类深层次的数据分析方法、一门交叉学科， 包括机器学习、数理统计、神经网络、数据库、模式识别、 粗糙集、模糊数学等相关技术。将数据挖掘技术应用于教学 评价无疑是非常有益的，可以全面地分析教学评价结果与各 种因素之间隐藏的内在联系。在教育领域里,随着数据信息的 不断增长，把数据挖掘技术应用到高校管理领域中，可以促 进教育体制的进一步改革、完善和发展。以前在教学管理与 决策中总是凭经验或学习别人经验，往往产生管理滞后，不 利于培养人才、发现人才和加强学科建设。数据挖掘技术能 较客观地反映高校管理中存在的问题，为决策提供重要依据。 2.数据挖掘的方法。数据挖掘常用的主要方法包括关联 分析、聚类分析、分类、预测、时序模式和偏差分析等。（1） 关联分析。关联规则挖掘是由 rakesh apwal 等人首先提出的。 两个或两个以上变量的取值之间存在某种规律性，就称为关 联。数据关联是数据库中存在的一类重要的、可被发现的知 识。关联分析的目的是找出数据库中隐藏的关联网。一般用 支持度和可信度两个阀值来度量关联规则的相关性，还不断 引入兴趣度、相关性等参数，使得所挖掘的规则更符合需求。 （2）聚类分析。聚类是把数据按照相似性归纳成若干类别， 同一类中的数据彼此相似，不同类中的数据相异。聚类分析 可以建立宏观的概念，发现数据的分布模式，以及可能的数 据属性之间的相互关系。（3）分类。分类就是找出一个类别 的概念描述，它代表了这类数据的整体信息，即该类的内涵 描述，并用这种描述来构造模型，一般用规则或决策树模式 表示。分类是利用训练数据集通过一定的算法而求得分类规 则，可被用于规则描述和预测。（4）预测。预测是利用历史 数据找出变化规律，建立模型，并由此模型对未来数据的种 类及特征进行预测。预测关心的是精度和不确定性，通常用 预测方差来度量。（5）时序模式。时序模式是指通过时间序 列有哪些信誉好的足球投注网站出的重复发生概率较高的模式，是用己知的数据预测 未来的值，但这些数据的区别是变量所处时间的不同。（6） 偏差分析。在偏差中包括很多有用的知识，数据库中的数据 存在很多异常情况，发现数据库中数据存在的异常情况是非 常重要的。偏差检验的基本方法就是寻找观察结果与参照之 间的差别。 3.数据挖掘的流程。（1）定义问题：清晰地定义出业务 问题，确定数据挖掘的目的。（2）数据准备：数据准备包括： 选择数据――在大型数据库和数据仓库目标中提取数据挖掘 的目标数据集；数据预处理――进行数据再加工，包括检查 数据的完整性及数据的一致性、去噪声，填补丢失的域，删 除无效数据等。（3）数据挖掘：根据数据功能的类型和和数 据的特点选择相应的算法，在净化和转换过的数据集上进行 数据挖掘。（4）结果分析：对数据挖掘的结果进行解释和评 价，转换成为能够最终被用户理解的知识。（5）知识的运用： 将分析所得到的