數(shù)據(jù)挖掘技術(shù)在高職院校教學(xué)評(píng)價(jià)中的應(yīng)用

陳自力

Abstract： Teaching evaluation is an important part of teaching in higher vocational colleges. This paper applies data mining technology to teaching evaluation， realizes mining algorithm with C#， analyzes the evaluation data， finds the information with practical value. The research provides the decision basis for teaching evaluation method， and improves the teaching quality.

1高職院校教學(xué)評(píng)價(jià)現(xiàn)狀

現(xiàn)在各個(gè)職業(yè)院校都在進(jìn)行教學(xué)質(zhì)量建設(shè)。職業(yè)院校要能夠培養(yǎng)符合企業(yè)需求的高素質(zhì)技能人才，必須要不斷提高教學(xué)水平和質(zhì)量。教學(xué)評(píng)價(jià)是衡量教學(xué)質(zhì)量的重要內(nèi)容之一，也是職業(yè)院校教學(xué)環(huán)節(jié)中的基礎(chǔ)組成部分。主要就是制定評(píng)價(jià)標(biāo)準(zhǔn)，對(duì)教學(xué)過程和結(jié)果進(jìn)行衡量，并給出最終結(jié)果判斷。就筆者院校而言，教學(xué)評(píng)價(jià)整體上包括教師同行互評(píng)、學(xué)生評(píng)價(jià)教師、教師自評(píng)、領(lǐng)導(dǎo)評(píng)分，將其集結(jié)匯總后，再計(jì)算求得結(jié)果分值。其中，學(xué)生評(píng)價(jià)教師是采用網(wǎng)上評(píng)定。其它評(píng)價(jià)如同行互評(píng)、教師自評(píng)等則采用紙質(zhì)評(píng)價(jià)，評(píng)價(jià)比較單一化，未能對(duì)評(píng)價(jià)數(shù)據(jù)予以分析，也不能有效展現(xiàn)教學(xué)質(zhì)量。根據(jù)學(xué)院委托麥可思調(diào)查獲得的大量一手評(píng)價(jià)數(shù)據(jù)，通過對(duì)這些教學(xué)評(píng)價(jià)數(shù)據(jù)進(jìn)行篩選和清洗，由此提煉得到關(guān)于教學(xué)評(píng)價(jià)更加全面的信息，這樣就能為提高教學(xué)效果和加強(qiáng)質(zhì)量建設(shè)優(yōu)選推薦更好的方法和手段。通過數(shù)據(jù)挖掘與數(shù)據(jù)分析技術(shù)結(jié)合信息處理技術(shù)對(duì)評(píng)價(jià)信息進(jìn)行分析，同時(shí)利用關(guān)聯(lián)規(guī)則對(duì)產(chǎn)生的頻繁項(xiàng)目集進(jìn)行約簡，能夠發(fā)現(xiàn)評(píng)價(jià)數(shù)據(jù)中具有普適性的信息，總結(jié)出教師信息與教學(xué)效果之間的相對(duì)關(guān)系，為學(xué)院開展下一步教學(xué)評(píng)價(jià)提供綜合技術(shù)基礎(chǔ)依據(jù)[1]。

2數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘[2]是從大量的、不完整的、含有噪聲數(shù)據(jù)的、未經(jīng)清洗的、隨機(jī)的數(shù)據(jù)中，抽取蘊(yùn)蓄在其中的、但又隱含著有實(shí)用價(jià)值的信息和知識(shí)的過程。數(shù)據(jù)挖掘的方法主要有決策樹[2]、關(guān)聯(lián)規(guī)則、聚類分析[3]、神經(jīng)元網(wǎng)絡(luò)[2-3]和粗糙集等。其中，關(guān)聯(lián)規(guī)則應(yīng)用比較廣泛。關(guān)聯(lián)規(guī)則挖掘技術(shù)是發(fā)現(xiàn)數(shù)據(jù)庫一組數(shù)據(jù)項(xiàng)之間存在某種關(guān)聯(lián)規(guī)則的一種研究過程。其設(shè)計(jì)原理是從數(shù)據(jù)庫中找出經(jīng)常出現(xiàn)的屬性集，再使用頻繁出現(xiàn)的屬性集尋獲強(qiáng)的關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則中最常使用的是Apriori算法，其在多次掃描數(shù)據(jù)庫后發(fā)現(xiàn)所有頻繁項(xiàng)目集[2-3]。將關(guān)聯(lián)規(guī)則的挖掘算法在教學(xué)評(píng)價(jià)過程中進(jìn)行合理引用，以便發(fā)現(xiàn)教師信息與教學(xué)效果之間的基本關(guān)系，如此即為教學(xué)評(píng)價(jià)手段的研發(fā)奠定了設(shè)計(jì)前提與佐證參考。