基于模糊聚類的寧波大紅鷹學(xué)院教學(xué)質(zhì)量評價(jià)研究

寇小鴻

摘要：結(jié)合實(shí)際工作將模糊聚類的理論應(yīng)用于教師評價(jià)中，對數(shù)據(jù)進(jìn)行了預(yù)處理，將清洗后的數(shù)據(jù)經(jīng)過多次迭加，得到科學(xué)的分類。聚類結(jié)果為三類，其中第三類的教師教學(xué)水平最高，對課程投入較好；第二類的教師的教學(xué)水平較好，教師的教學(xué)風(fēng)格比較受學(xué)生們喜愛；第一類教師的水平一般，課程難度卻相對簡單。運(yùn)用逐步聚類方法分析教師教學(xué)質(zhì)量，從而為具有不同教學(xué)特征的教學(xué)質(zhì)量評價(jià)提供一定的參考。

關(guān)鍵詞：模糊聚類；教學(xué)質(zhì)量；數(shù)據(jù)挖掘

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2015）36-0092-03

高校是教學(xué)科研和培養(yǎng)人才的重要場所，教師資源作為高校中最重要的資源，對高校的生存和發(fā)展具有決定性影響。近年來，社會對教師的工作質(zhì)量和效率提出了更高要求。學(xué)生對教師的評價(jià)在從中扮演著一個(gè)極為重要的角色，它把學(xué)生對教師在教學(xué)過程中遇到的問題反饋給教師，教師對一些在教學(xué)過程中出現(xiàn)的問題進(jìn)行調(diào)整，從而達(dá)到最理想的教學(xué)模式。高校教師評價(jià)研究是高校師資隊(duì)伍建設(shè)的重要環(huán)節(jié)，也是高等教育改革與發(fā)展的最為重要的基石。教師評價(jià)不僅僅是一種客觀性評價(jià)，而且是用于診斷教學(xué)中存在的問題，以利于進(jìn)一步改進(jìn)教師的工作，為他們提供培訓(xùn)和自我發(fā)展的機(jī)會[1]。

本文以寧波大紅鷹學(xué)院機(jī)電學(xué)院師生評教作為研究對象，運(yùn)用數(shù)據(jù)挖局中模糊聚類的方法處理這些數(shù)據(jù)。從這些數(shù)據(jù)中挖掘出有價(jià)值的信息，進(jìn)行不斷的歸納總結(jié)，分析出教師在教學(xué)任務(wù)中存在利與弊。從而達(dá)到更深層次的教學(xué)質(zhì)量，全面提高教師的教學(xué)素質(zhì)。

1 研究方法

Zadeh提出的模糊集理論為軟劃分提供了充分有力的分析工具， 人們開始用模糊的方法來處理一些聚類問題，并稱之為模糊聚類分析，由于模糊聚類得到的樣本類別程度的不確定，體現(xiàn)了樣本類屬的中介性，即建立起了樣本對于類別的不確定性的描述，又能客觀地反映現(xiàn)實(shí)，從而成為現(xiàn)代聚類分析研究的主流。模糊聚類能夠有效對類與類之間有聯(lián)系的數(shù)據(jù)集進(jìn)行分類，能夠提高算法的尋優(yōu)的概率[2]。

1.1 研究的數(shù)據(jù)

本課題的原始數(shù)據(jù)資料來源于寧波大紅鷹學(xué)院某學(xué)院的數(shù)據(jù)，收集了2014—2015學(xué)年第二學(xué)期教師評價(jià)的數(shù)據(jù)6000個(gè)。通過計(jì)算機(jī)將服務(wù)器ACCESS數(shù)據(jù)庫中的數(shù)據(jù)，提取到EXCEL文件中，錄入到EXCEL中，如表1。

1.2 數(shù)據(jù)的清洗和簡化

數(shù)據(jù)清洗的目的不只是要消除錯(cuò)誤、冗余和數(shù)據(jù)噪聲，還要將按不同的、不兼容的規(guī)則所得的各種數(shù)據(jù)集一致起來[3]。

數(shù)據(jù)簡化是在對發(fā)現(xiàn)任務(wù)和數(shù)據(jù)本身內(nèi)容理解的基礎(chǔ)上，尋找依賴于發(fā)現(xiàn)目標(biāo)的表達(dá)數(shù)據(jù)的有用特征，以縮減數(shù)據(jù)模型，從而在盡可能保持?jǐn)?shù)據(jù)原貌的前提下最大限度的精簡數(shù)據(jù)量。由于教師和學(xué)生數(shù)量過多，本文隨即抽取了100個(gè)教師和教師所對應(yīng)的100個(gè)學(xué)生。并且以9個(gè)指標(biāo)來評價(jià)老師X1，X2…，X9。每個(gè)指標(biāo)分為四個(gè)等級，A B C D，其中A最高4分，B其次3分，C為2分，D為1分。

1.3數(shù)據(jù)的變換

數(shù)據(jù)變換是找到數(shù)據(jù)的特征表示，用維變換或轉(zhuǎn)換來減少有效變量的數(shù)目或找到數(shù)據(jù)的不變式，包括規(guī)格化、歸約、切換和投影等操作。

根據(jù)簡化后的數(shù)據(jù)，計(jì)算每一個(gè)老師的每一個(gè)指標(biāo)的平均數(shù)，表2為最終整理得到的最終數(shù)據(jù)。

（X1表示為該任課老師對教學(xué)非常投入；X2表示為該老師的教學(xué)能力和水平很高；X3表示為任課老師的總體滿意程度高；X4表示為該課程較難掌握；X5表示非常投入的學(xué)習(xí)該門課程；X6表示為通過課程學(xué)習(xí)，我收獲很大；X7表示為學(xué)習(xí)完該門課程后，我的收獲很大；X8表示為該課程的設(shè)置價(jià)值較高；X9表示為對課程的總體滿意程度高。）

1.4根據(jù)所選的凝聚點(diǎn)，每個(gè)樣品按最近凝聚點(diǎn)分成幾類

若與該數(shù)接近的整數(shù)為[k]，則將樣本[xi]歸入[k]類（[1≤k≤K]）。其中由表2中可得，

[MI=min1≤i≤nSUMi]=1.11319，[MA=max1≤i≤nSUMi]= 6.0087，[.]表示取整運(yùn)算。對于[k]值的選取，根據(jù)醫(yī)學(xué)知識的經(jīng)驗(yàn)以及反復(fù)上機(jī)調(diào)試實(shí)驗(yàn)，將100個(gè)樣本初始分為3類較為合適，根據(jù)公式（1）、（2），在DPS軟件系統(tǒng)中進(jìn)行初始分類。

1.5根據(jù)分類結(jié)果，再找出新的凝聚點(diǎn)

計(jì)算與上一組的凝聚點(diǎn)差異，若差異小于摸個(gè)設(shè)定值，則認(rèn)為分類合理，過程結(jié)束。若差異大于設(shè)定值則分類不合理，繼續(xù)按照前面方法進(jìn)行分類。

因?yàn)檫x取的樣品數(shù)量比較多，所以本文采用的是重心法[5]，初始凝聚點(diǎn)采用該樣品的均值，計(jì)算公式為：

其中[gj]（[j=1，2，...m]）為第k類（[1≤k≤K]）類的重心坐標(biāo)，[nk]為第k類的樣本數(shù)。那么，根據(jù)（3）式計(jì)算初始分類的重心，得到凝聚點(diǎn)，由重心計(jì)算公式得到初始分類重心坐標(biāo)如表3。

1.6 將所有的樣本按最近凝聚點(diǎn)歸類

這里，[ni]為第[i]個(gè)樣本組的樣本數(shù)，[xi]為其均值，[x]為N個(gè)樣本的總均值，m為N個(gè)樣本所分類的組數(shù)，[N=i=1mni]，S為樣本[xi]與類凝聚點(diǎn)的距離。

從計(jì)算公式上可以看出，當(dāng)[ni=1]時(shí)，[S]為[N]個(gè)樣本分[N]組的總離差平方和；當(dāng)[ni≥2]時(shí)，此時(shí)[S]則為[N]個(gè)樣本被分為[m]組的組間平方和。根據(jù)方差分析的思想。如果分類正確，那么同類樣品的離差平方和應(yīng)當(dāng)較小，即組內(nèi)的同質(zhì)性就越大，異質(zhì)性就越小，類間離差平方和應(yīng)當(dāng)較大，即組內(nèi)的同質(zhì)性就越小，異質(zhì)性就越大。計(jì)算所有樣本到每一個(gè)類凝聚點(diǎn)的距離，并將樣本歸入到最近凝聚點(diǎn)所在的類[6]。

1.7修改分類，使分類趨于合理

本文將采用成批修改法，其步驟如下：在樣品初始分類后，計(jì)算每一類的重心，并將重心作為新的凝聚點(diǎn)，重新將樣品按最近的新凝聚點(diǎn)聚類。如果新的分類結(jié)果和原始分類有差異，再計(jì)算新的凝聚點(diǎn)，并重新進(jìn)行分類，如無差異則分類終止。這樣一直重新分類直到所有樣品不再變動類別為止[7]。經(jīng)過七次迭代得到的結(jié)果，如表4。

2 逐步聚類結(jié)果及結(jié)果分析

在DPS軟件中完成上述逐步聚類算法的整個(gè)過程，包括初始分類、每次迭代后各個(gè)樣本的類別，與距凝聚點(diǎn)的距離、最終分類結(jié)果見表5。聚類結(jié)果是，其中第一類樣本12個(gè)，第二類樣本66個(gè)，第三類樣本22個(gè)。

（X1表示為該任課老師對教學(xué)非常投入；X2表示為該老師的教學(xué)能力和水平很高；X3表示為對任課老師的總體滿意程度高；X4表示為該課程較難掌握；X5表示非常投入的學(xué)習(xí)該門課程；X6表示為通過課程學(xué)習(xí)，我收獲很大；X7表示為學(xué)習(xí)完該門課程后，我的收獲很大；X8表示為該課程的設(shè)置價(jià)值較高；X9表示為對課程的總體滿意程度高。）

由表5可以得出：

1、第三類的教師水平最好，尤其是對教學(xué)非常投入，教學(xué)水平和能力很高，很受學(xué)生歡迎，但所教課程也有一定的難度，教師的教學(xué)經(jīng)驗(yàn)豐富，由于課程難度較大導(dǎo)致學(xué)生對于知識的理解和吸收相對較低，所以本文覺得這類課程通常為專業(yè)必修課，課程時(shí)間安排比較緊湊，同學(xué)消化課程內(nèi)容又相對較慢，另外由于學(xué)生的一些個(gè)人因素，使得同學(xué)對這類課程失去學(xué)習(xí)的興趣，老師在上課的時(shí)候雖然把各類知識重點(diǎn)都講到了，但是巨大的內(nèi)容還是讓學(xué)生感覺到學(xué)習(xí)壓力。所以這類教師應(yīng)該更加注重創(chuàng)新化教育，從學(xué)校培養(yǎng)人才計(jì)劃的方向，從學(xué)生的角度出發(fā)，根據(jù)學(xué)生的自身能力安排課程。否則再好的師資力量，再好的課本，也無法教出優(yōu)質(zhì)的學(xué)生。

2、第二類教師的水平較高。課程難度卻相對簡單，學(xué)生相對來說也比較容易接受這類課程，并且收獲也不小。教師的教學(xué)風(fēng)格比較受學(xué)生們喜愛，學(xué)生接受知識的速度也較快，使得教師和同學(xué)之間的關(guān)系比較融洽，這類教師可能是一些年輕教師。學(xué)生和教師之間的溝通很重要，而這類教師又善于改變課堂教學(xué)模式，從學(xué)生角度出發(fā)，使得枯燥的課堂環(huán)境變成一個(gè)理想的吸收知識的海洋。

3、第一類的教師水平一般，并且而師資力量相對來說比較薄弱，學(xué)生的學(xué)習(xí)熱情更不夠高，無法激起對這門課程的興趣。本文認(rèn)為這類課程通常為選修課，由于這類課程性質(zhì)的特殊性，使得很多學(xué)生覺得這類課程可學(xué)可不學(xué)，通常是為修滿學(xué)分而學(xué)，因此這類教師應(yīng)該忽略課程特殊性問題，所開課程應(yīng)該轉(zhuǎn)移課堂外為主，而不是傳統(tǒng)的課堂PPT模式，多增加學(xué)生團(tuán)隊(duì)合作，動手能力，使乏味的課堂增加一些年輕人的活力。比如電影賞析這類課程，不是一味地在課堂上放電影，然后寫觀后感，在欣賞完好看的 電影后，而是讓學(xué)生自己拿起工具去拍一部微電影，哪怕是一段小視頻，同時(shí)在某一節(jié)課堂上與同學(xué)們分享他們的勞動成果。

3逐步聚類方法的討論

本文采用的模糊聚類中逐步聚類法優(yōu)缺點(diǎn)。

逐步聚類法是在一個(gè)平面層次上對所有的樣本先做出某一種較為粗略的分類，然后按照最小距離值進(jìn)行修正，通過算法的迭代執(zhí)行，得到一個(gè)較為合理的聚類分類。其運(yùn)算量小，能用于處理龐大的樣本數(shù)據(jù)，也為實(shí)時(shí)處理提供了一定可能性。

缺點(diǎn)是它傾向于識別密度相近的，距離和大小相近的聚類，不能識別分布形狀比較錯(cuò)綜復(fù)雜的聚類，它要求類別數(shù)目K可以合理地估計(jì)，且初始聚類中心的選擇和噪聲會對聚類結(jié)果產(chǎn)生很大影響，一旦初始值選擇的不好，可能無法得到有效的聚類結(jié)果。還需要用戶預(yù)先指定聚類個(gè)數(shù)。

由于實(shí)際問題的復(fù)雜性和數(shù)據(jù)的多樣性，使得無論采用哪一種算法都只能解決某一方面的問題。因此，我們應(yīng)該根據(jù)具體問題具體分析的原則，選擇適合自己的聚類算法。

參考文獻(xiàn)：

[1] 石娟.高校教育質(zhì)量發(fā)展性評價(jià)的研究與實(shí)踐[J].現(xiàn)代教育管理，2009（1）：65-67

[2] 張維朋.基于模糊聚類的數(shù)據(jù)挖掘在臨床檢驗(yàn)信息系統(tǒng)中的應(yīng)用研究[J]. 電腦知識與技術(shù)，2009，5（23）.

[3] 陳明浩.模糊分析學(xué)新論[M].北京：科學(xué)出版社，2009

[4] 唐啟義，馮明光.實(shí)用統(tǒng)計(jì)分析及其DPS數(shù)據(jù)處理系統(tǒng)[M].北京：科學(xué)出版社，2013

[5] 朱星宇，陳勇強(qiáng). SPSS多元統(tǒng)計(jì)分析方法及應(yīng)用[M]. 北京：清華大學(xué)出版社，2011

[6] 張旭鵬，孫莉，于佳涵，等. 基于聚類分析和神經(jīng)網(wǎng)絡(luò)的風(fēng)電場日前功率預(yù)測研究[J].黑龍江科技信息，2015（29）：29-29

[7] 李遠(yuǎn)成 陰培培 趙銀. 基于模糊聚類的推測多線程劃分算法[J].計(jì)算機(jī)學(xué)報(bào)，37（3）：580-592