聚類算法在教師考評中的應(yīng)用

王君

摘 要采用信息化技術(shù)實現(xiàn)高校教學(xué)質(zhì)量考評是提高工作效率、促進教學(xué)改革的重要手段和發(fā)展趨勢。本文主要是提出一種基于聚類算法的教學(xué)質(zhì)量考評方法，提高教學(xué)質(zhì)量評價結(jié)果的準(zhǔn)確性，為教學(xué)改革提供更好的數(shù)據(jù)參考。

【關(guān)鍵詞】聚類算法 教師考評 計算機技術(shù)

1 傳統(tǒng)考評的不足與改進

傳統(tǒng)的考評方式在考評的時效性、數(shù)據(jù)處理的直觀和準(zhǔn)確性、可操作性等方面已不能很好地滿足現(xiàn)代學(xué)校的要求。隨著計算機技術(shù)的飛速發(fā)展，計算機在學(xué)校管理中應(yīng)用的普及，利用計算機實現(xiàn)教師教學(xué)質(zhì)量測評勢在必行。

可通過層次分析法（Analytic Hierarchy Process，簡稱AHP）設(shè)計不同的指標(biāo)，賦予不同的權(quán)重，從各個不同的維度對考評的結(jié)果進行分析，提供較為科學(xué)與準(zhǔn)確的數(shù)據(jù)，大大增強教學(xué)考評的力度；同時采用數(shù)據(jù)挖掘聚類算法對教師的教學(xué)態(tài)度、教學(xué)成果等因素進行挖掘分類，能為每個教師提供對應(yīng)的教學(xué)意見和教學(xué)幫助。

2 K-means算法

K-Means算法是一種基于劃分方法的經(jīng)典聚類算法，。該算法始于一個簇的中心集合，該集合是隨機選擇的或者根據(jù)一些啟發(fā)式方法選擇。在每次的迭代過程中，每個樣本點根據(jù)計算相似度被分配到最近的簇中，然后重新計算簇的中心，也就是每個簇中所有數(shù)據(jù)的平均值。

每個簇的中心就是所有這個簇的所有樣本點的中心：

，其中Nk是屬于簇k的樣本數(shù)目，μk是指簇k的中心。

K-Means算法有許多可能的收斂條件。例如，搜索可能終止于劃分誤差在重新分配時不再變化時，這表明這個劃分可能是局部最優(yōu)的。另一個終止條件可以是預(yù)先定義好的迭代次數(shù)。K-Means算法有限收斂的嚴(yán)格證明見參考文獻。K-Means算法在樣本點為N，每個樣本點的屬性為m維，聚類的類別數(shù)為K，進行T次迭代的時間復(fù)雜性為O（T*K*N*M）。K-Means聚類算法的步驟的描述如下：

輸入：DS：包含N個數(shù)據(jù)對象的數(shù)據(jù)集合，K：聚類簇的個數(shù)。

輸出：K個聚類簇的集合。

算法：

（1）從DS中任意選擇K個數(shù)據(jù)對象作為初始聚類中心；

（2）repeat

（3）根據(jù)數(shù)據(jù)對象與K個簇的相似度，將每個對象（再）分派到最相似的簇中；

（4）計算每個簇中所有對象的均值形成新的簇中心；

（5）until滿足預(yù)先設(shè)定的終止條件

上述描述中步驟（5）返回步驟（3）循環(huán)執(zhí)行，當(dāng)滿足預(yù)先設(shè)定的終止條件時算法才結(jié)束。

由此可見，K-means算法是一種較好的解決聚類問題的方法，已經(jīng)很成功的運用在高校信息管理等領(lǐng)域，也取得了很好的效果。本文聚類技術(shù)在高校教學(xué)質(zhì)量考評中的應(yīng)用，就是針對聚類技術(shù)當(dāng)中K-means算法的高性能、高準(zhǔn)確性、操作簡單等特性來完成對教學(xué)質(zhì)量成績考評的分析處理。

3 考評指標(biāo)分類

層次分析法（AHP）是指將一個復(fù)雜的多目標(biāo)決策問題作為一個系統(tǒng)，將目標(biāo)分解為多個目標(biāo)或準(zhǔn)則，進而分解為多指標(biāo)（或準(zhǔn)則、約束）的若干層次，通過定性指標(biāo)模糊量化方法算出層次單排序（權(quán)數(shù)）和總排序，以作為目標(biāo)（多指標(biāo)）、多方案優(yōu)化決策的系統(tǒng)方法。

通過調(diào)研和教學(xué)專家評議，依據(jù)層次分析（AHP）考評方法設(shè)計不同的教學(xué)質(zhì)量評價指標(biāo)，構(gòu)造判斷矩陣，由判斷矩陣計算得到各指標(biāo)的權(quán)值，并進行一致性檢驗，計算各層元素對各系統(tǒng)目標(biāo)的合成權(quán)重并進行排序，可以構(gòu)建較為科學(xué)合理的教學(xué)質(zhì)量評價指標(biāo)體系。

4 K-means算法在考評系統(tǒng)中應(yīng)用

根據(jù)教學(xué)質(zhì)量考評的需求和K-means算法特點，對教學(xué)考評指標(biāo)進行聚類分析，根據(jù)系統(tǒng)打分結(jié)果，將聚類劃分成成績差，成績及格，成績中，成績良，成績優(yōu)秀五個類，設(shè)置K=5，預(yù)計迭代次數(shù)=500，成績打分采用百分制。進行綜合考察分析對各個教師進行教學(xué)質(zhì)量考評，根據(jù)挖掘分析結(jié)果對教師教學(xué)薄弱環(huán)節(jié)進行個性化教學(xué)推薦。

如圖1所示，利用歐氏距離公式計算等級“差”“及格”“中”“良”“優(yōu)秀”的聚類中心在“教學(xué)內(nèi)容”“教學(xué)方法”“教學(xué)態(tài)度”3個維度上的距離，可以分析各類之間的差異。與簡單的求和取平均值產(chǎn)生的測評結(jié)果相比，教學(xué)管理者可對各類之間的差異性進行比較，更加準(zhǔn)確地掌握不同層次教師的特點，制定更為有效的培養(yǎng)策略，全面提高教師綜合素質(zhì)提供大力的幫助。

5 結(jié)語

本文的提供的考評思路突破了原有考評方式的問卷設(shè)計局限性，通過層次分析法從各個不同的維度相對科學(xué)、準(zhǔn)確地對教師教學(xué)工作進行評估，將考評打分的主觀性、隨意性降低。采用數(shù)據(jù)挖掘聚類算法K-means對學(xué)院教師的教學(xué)態(tài)度，教學(xué)成果等因素進行挖掘分類，避免大量重復(fù)整理和數(shù)據(jù)統(tǒng)計工作，提高考評效率，能為每個教師及時提供對應(yīng)的教學(xué)意見和教學(xué)幫助。

參考文獻

[1]王向前.高校教學(xué)質(zhì)量評價與分析系統(tǒng)的設(shè)計與實現(xiàn)[D].西安理工大學(xué)，2012.

[2]王輝.基于專家系統(tǒng)的高校教學(xué)質(zhì)量評價系統(tǒng)的研究與實現(xiàn)[D].合肥工業(yè)大學(xué)，2011.

[3]杜祥培.課堂教學(xué)質(zhì)量評價的探討[J].中國大學(xué)教學(xué)，2014（01）：47-48.

[4]高希海.高職高專課堂教學(xué)評價系統(tǒng)設(shè)計和實現(xiàn)[D].山東大學(xué)，2012.

[5]王春秀.AHP-模糊綜合評價法在崗位評價與績效評估中的應(yīng)用研究[D].華北電力大學(xué)，2013.

作者單位

福州大學(xué)物理與信息工程學(xué)院閩南理工學(xué)院 福建省泉州市 362700endprint