K-Means聚類在教育教學(xué)評價中的研究與應(yīng)用

張曉麗

【摘要】

我國高校現(xiàn)行的課堂教學(xué)質(zhì)量評價體系主要是從學(xué)生學(xué)習(xí)效果和教師教學(xué)效果兩方面進行評價，本文主要在定性分析的基礎(chǔ)上，結(jié)合KMeans聚類分析，從定量的角度評價學(xué)生的學(xué)習(xí)效果，并依據(jù)學(xué)生類別的不同以及課程的特點，改進教學(xué)策略，選取科學(xué)的教學(xué)方法，增強教師教學(xué)效果并提高教師教學(xué)質(zhì)量.

【關(guān)鍵詞】教育教學(xué)評價;KMeans聚類;系統(tǒng)聚類

一、引言

教學(xué)質(zhì)量評價的實施對教學(xué)改革和教學(xué)管理等一系列教學(xué)工作有一定的指導(dǎo)作用.雖然目前高校教育教學(xué)的形式越來越多樣化，但課堂教學(xué)依然是高校教學(xué)的主要形式.教師如何依據(jù)學(xué)生實際掌握知識的情況和學(xué)生自身的差異（如貧富差距、家庭社會差距、文化背景差異、性別差異、自身個體發(fā)展差異等），在課堂上進行因材施教，采取不同的教學(xué)策略，進而提升教學(xué)質(zhì)量，促進課程體系改革，對今后的教育教學(xué)質(zhì)量的提高以及學(xué)生的全面發(fā)展起著舉足輕重的作用.

二、問題及現(xiàn)狀

我國傳統(tǒng)的教育教學(xué)形式基本上都采取一刀切的標(biāo)準(zhǔn)，教學(xué)設(shè)計以及課堂評價標(biāo)準(zhǔn)的統(tǒng)一，直接限制了學(xué)生自身的成才與發(fā)展.我國高?，F(xiàn)行的課堂教學(xué)質(zhì)量評價體系的不規(guī)范、不科學(xué)以及反饋的時效性不強，使得教師往往只關(guān)注學(xué)生的分?jǐn)?shù)以及基礎(chǔ)知識，忽視了學(xué)生的情感、價值觀等因素，因此，當(dāng)下的評價手段不能很好地引導(dǎo)教師教學(xué)和學(xué)生學(xué)習(xí)，這嚴(yán)重影響了教學(xué)質(zhì)量的提高和學(xué)生的全面發(fā)展.我們可以將聚類分析算法引用到學(xué)生學(xué)情的分析中，而考試作為檢驗學(xué)生學(xué)習(xí)情況的重要手段，我們可以結(jié)合學(xué)生的考試成績，進行分類，從而對學(xué)生的學(xué)習(xí)能力和知識水平進行綜合評價，進而提升高校教育教學(xué)質(zhì)量和學(xué)生學(xué)習(xí)積極性.

三、K-Means聚類分析理論

聚類分析也稱為群分析，是一種數(shù)據(jù)挖掘技術(shù)，主要依據(jù)樣品或指標(biāo)的相似程度，進行歸組并類，從而達到對樣品或變量進行精準(zhǔn)分類的目的.常見的聚類分析方法包括兩種，一種是系統(tǒng)聚類分析（分層聚類），另一種是KMeans聚類分析（K-均值聚類）.

系統(tǒng)聚類分析與K-Means聚類分析原理是完全不同的，系統(tǒng)聚類側(cè)重的是樣品中不同類與類之間的合并，而K-Means聚類是讓樣品向選定的聚類中心進行凝聚，通過不停迭代，達到最佳分類效果.

我們對比系統(tǒng)聚類分析和K-Means聚類分析，容易發(fā)現(xiàn)，系統(tǒng)聚類分析對距離和規(guī)則的限制少，無須預(yù)設(shè)聚類數(shù).但該算法計算復(fù)雜度過高，對異常值和缺失值敏感，很可能造成聚類鏈狀，比較適合處理小樣本的聚類問題;而K-Means聚類分析計算量小，占用內(nèi)存少并且處理速度快，比較適合處理數(shù)據(jù)量大、變量較多的聚類分析.同時，基于K-Means聚類結(jié)果的有效性檢驗主要取決于輪廓系數(shù)，對于第i個元素xi，其輪廓系數(shù)s（i）越接近于1，則說明樣本i聚類合理;若s（i）越接近于-1，則說明樣本i更應(yīng)該分到另外的類別;若s（i）越接近于0，則說明樣本i在兩類別的邊界上.聚類結(jié)果的整體輪廓系數(shù)即為所有xi的輪廓系數(shù)的平均值.

四、聚類分析過程

本次教育教學(xué)評價聚類分析的數(shù)據(jù)，主要采用某大學(xué)2015級數(shù)學(xué)教育1504班全班50名同學(xué)在2015-2016學(xué)年第二學(xué)期所修主要課程的考試成績，這里用1-50（序號）來表示每一位學(xué)生;所修主要課程共15門，包括專業(yè)課和通識課.專業(yè)課主要向?qū)W生傳授專業(yè)的知識和技能;通識課的目的在于促進學(xué)生在思想、情感、能力等方面的全面發(fā)展，塑造完整人格.

1.數(shù)據(jù)預(yù)處理.

由于K-Means聚類分析對數(shù)據(jù)相關(guān)性、缺失值、異常值較敏感，因此，在進行聚類分析之前，我們必須對數(shù)據(jù)進行相關(guān)性、異常值檢驗以及數(shù)據(jù)標(biāo)準(zhǔn)化處理.

通過相關(guān)性檢驗發(fā)現(xiàn)，各指標(biāo)間相關(guān)系數(shù)最高為0.7277，因此，我們可認(rèn)為各數(shù)據(jù)間的相關(guān)性較低，在此，不予以處理.我們通過異常值檢驗發(fā)現(xiàn)（表1），數(shù)據(jù)中雖然存

在異常值，但個數(shù)并不是很多，不影響整體效果，可不予以處理.同時，由于所有的數(shù)據(jù)采用的都是百分制，各指標(biāo)間的水平相差不大，具有相同的量綱，因此，我們可直接使用原始指標(biāo)值進行分析.

2.數(shù)據(jù)分析.

通過K-Means聚類分析結(jié)果顯示（表2），整個樣本數(shù)據(jù)分為3類，平均輪廓系數(shù)為0.1008991，這說明聚類效果特別好，且屬于0類的樣本有21個，屬于1類的樣本有16個，屬于2類的樣本有13個.

3.數(shù)據(jù)透視表分析.

為便于分析，這里將所有課程按編號和名稱排序：1.中華詩詞之美、2.閱讀與寫作、3.現(xiàn)代教育技術(shù)、4.數(shù)學(xué)分析、5.解析幾何、6.高等代數(shù)、7.大學(xué)英語、8.音樂、9.漢字文化書寫、10.體育與健康、11.毛中特概論、12.形勢與政策、13.科學(xué)技術(shù)概論、14.心理學(xué)、15.就業(yè)指導(dǎo).數(shù)據(jù)透視表分析結(jié)果如下（表3）：

從該表中，我們可以清晰地看到：整個樣本數(shù)據(jù)的聚類結(jié)果分為3類.0類學(xué)生在中華詩詞之美、大學(xué)英語、體育與健康、科學(xué)技術(shù)概論知識的學(xué)習(xí)中，成績中等偏上，這部分學(xué)生專業(yè)課成績普遍偏低，但通識課成績相對較好一些，這說明這部分學(xué)生在思想和學(xué)習(xí)方面比較主動，在今后的教學(xué)中，教師應(yīng)建立專業(yè)學(xué)科主導(dǎo)模式，加強專業(yè)多元化教學(xué)與實踐相結(jié)合，提升學(xué)生在專業(yè)課方面學(xué)習(xí)的興趣.1類學(xué)生在現(xiàn)代教育技術(shù)、漢字文化書寫、形勢與政策等非專業(yè)學(xué)科學(xué)習(xí)中，成績中等偏下，這部分學(xué)生入學(xué)成績普遍偏低，專業(yè)課成績和通識課成績均不理想.針對這部分學(xué)生，教師應(yīng)加強對其進行思想教育和心理疏導(dǎo)，鼓勵其在興趣愛好及實操能力等方面重點發(fā)展.2類學(xué)生在閱讀與寫作、現(xiàn)代教育技術(shù)、數(shù)學(xué)分析、解析幾何、高等代數(shù)、心理學(xué)、就業(yè)指導(dǎo)等專業(yè)知識和綜合類學(xué)科的學(xué)習(xí)中能力都特別強，其專業(yè)課和通識課成績均良好，教師可將這部分學(xué)生作為來年專升本的重點培養(yǎng)對象，鼓勵其在加強專業(yè)學(xué)習(xí)的同時，多參加各種實踐活動，促進其全面綜合發(fā)展.

五、結(jié)束語

綜上所述，教育教學(xué)質(zhì)量評價對高校教學(xué)質(zhì)量提升和學(xué)生全面發(fā)展至關(guān)重要，而K-Means聚類分析作為數(shù)據(jù)挖掘的一種重要技術(shù)，對完善高校課堂教學(xué)質(zhì)量評價體系舉足輕重.本文將聚類分析算法引用到學(xué)生學(xué)情的分析中，通過檢驗學(xué)生學(xué)習(xí)情況（學(xué)習(xí)成績），對其進行分類，并對不同類別的學(xué)生情況進行綜合評價，這樣可以真正做到因材施教，提升高校教育教學(xué)質(zhì)量和學(xué)生學(xué)習(xí)的積極性.

【參考文獻】

[1]唐成成.聚類分析在高校課堂教學(xué)質(zhì)量評價中的應(yīng)用[D].重慶：重慶師范大學(xué)，2017.

[2]葉晶.高校教學(xué)質(zhì)量評價體系的構(gòu)建分析[J].教育教學(xué)論壇，2017（48）：159-160.

[3]馮國生，劉榮，呂振通，等.SPSS統(tǒng)計分析與應(yīng)用[M].北京：機械工業(yè)出版社，2014.