課程評(píng)價(jià)中考慮誤導(dǎo)抑制的關(guān)聯(lián)規(guī)則高效提?、?/h1>

2021-05-21 07:22:32張利生薛頌東楊曉梅

計(jì)算機(jī)系統(tǒng)應(yīng)用訂閱 2021年5期 收藏

關(guān)鍵詞：項(xiàng)集置信度關(guān)聯(lián)

張利生,薛頌東,楊曉梅

1(太原科技大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,太原030024)

2(太原科技大學(xué) 經(jīng)濟(jì)與管理學(xué)院,太原030024)

1 引言

課程是人才培養(yǎng)的核心要素.教育部部署進(jìn)行的高?！敖鹫n”建設(shè),即一流課程建設(shè),事關(guān)一流專業(yè)這個(gè)人才培養(yǎng)基本單元的建設(shè)成效和一流本科教育的成敗[1].課程評(píng)價(jià)是課程建設(shè)的有力抓手,評(píng)價(jià)結(jié)果可用來(lái)指導(dǎo)課程建設(shè)方向和課程改革實(shí)踐.為此,教育部制定了包括教學(xué)隊(duì)伍、教學(xué)內(nèi)容、教學(xué)資源等維度的課程評(píng)價(jià)指標(biāo)體系[2].洞悉評(píng)價(jià)指標(biāo)間關(guān)系,可為高校的教育管理決策提供有效支撐.數(shù)據(jù)驅(qū)動(dòng)的管理與決策,是傳統(tǒng)的模型驅(qū)動(dòng)或流程驅(qū)動(dòng)決策范式的有益補(bǔ)充和拓展[3].數(shù)據(jù)分析和數(shù)據(jù)挖掘,則為數(shù)據(jù)驅(qū)動(dòng)的管理決策提供了技術(shù)支持.通過(guò)挖掘課程評(píng)價(jià)數(shù)據(jù),能夠提取有價(jià)值的知識(shí),為課程管理決策提供依據(jù).

評(píng)價(jià)指標(biāo)體系直接關(guān)系課程評(píng)價(jià)結(jié)果.2010年,國(guó)家精品課程評(píng)審指標(biāo)(本科)制定,體現(xiàn)了《教育部財(cái)政部關(guān)于實(shí)施高等學(xué)校本科教學(xué)質(zhì)量與教學(xué)改革工程的意見(jiàn)》(教高[2007] 1 號(hào))、《教育部關(guān)于進(jìn)一步深化本科教學(xué)改革全面提高教學(xué)質(zhì)量的若干意見(jiàn)》(教高[2007] 2 號(hào))和《教育部關(guān)于啟動(dòng)高等學(xué)校教學(xué)質(zhì)量與教學(xué)改革工程精品課程建設(shè)工作的通知》(教高[2003] 1 號(hào))等文件精神[4].某高校也結(jié)合自身實(shí)際,制定了涵蓋教學(xué)隊(duì)伍、教學(xué)內(nèi)容、教學(xué)資源等維度的精品課程評(píng)價(jià)指標(biāo)體系,設(shè)置了包括教師風(fēng)范、教學(xué)水平、教研活動(dòng)及成果、教師知識(shí)結(jié)構(gòu)、年齡結(jié)構(gòu)的觀測(cè)點(diǎn).

課程評(píng)價(jià)的目的,在于輔助教學(xué)管理決策,指導(dǎo)課程建設(shè).鑒于評(píng)價(jià)指標(biāo)間存在關(guān)聯(lián)關(guān)系,故可用關(guān)聯(lián)規(guī)則挖掘算法來(lái)提取關(guān)聯(lián)規(guī)則.任高舉等[5]通過(guò)視圖對(duì)Apriori 算法的頻繁項(xiàng)集產(chǎn)生進(jìn)行了改進(jìn),使用改進(jìn)的Apriori 算法挖掘教學(xué)評(píng)價(jià)數(shù)據(jù),發(fā)現(xiàn)學(xué)歷、職稱和教齡等影響課程質(zhì)量,但僅考慮教師對(duì)課程的影響,分析因素比較單一.郭鵬等[6]通過(guò)加入興趣度的方式對(duì)Apriori 算法產(chǎn)生的強(qiáng)規(guī)則進(jìn)行了過(guò)濾,使用改進(jìn)的Apriori 算法對(duì)不同課程的成績(jī)進(jìn)行挖掘分析,發(fā)現(xiàn)不同課程成績(jī)之間存在關(guān)聯(lián)關(guān)系.以上工作,從單一角度對(duì)課程教學(xué)數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則的挖掘分析,對(duì)于課程建設(shè)的指導(dǎo)作用有限.為此,選取某校本科生課程作為研究對(duì)象,提出一種基于差異興趣度的Apriori 算法,對(duì)課程評(píng)價(jià)指標(biāo)進(jìn)行多維度的關(guān)聯(lián)規(guī)則提取,期望提升教學(xué)管理的科學(xué)化水平.

2 基于興趣度的Apriori 關(guān)聯(lián)規(guī)則挖掘算法

傳統(tǒng)的Apriori 算法,是一種挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)集的算法,建立在先驗(yàn)原理的廣泛優(yōu)先搜索基礎(chǔ)上[7].為進(jìn)行關(guān)聯(lián)規(guī)則篩選,提出了支持度和置信度兩個(gè)概念.

(1)關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則,是描述事務(wù)的某些屬性與其他事務(wù)的若干屬性同時(shí)出現(xiàn)的規(guī)則和模式[8].對(duì)于課程評(píng)價(jià),關(guān)聯(lián)規(guī)則可描述如下:設(shè)數(shù)據(jù)集合I={i1,i2,···,im}是課程評(píng)價(jià)屬性中所有屬性數(shù)據(jù)的集合,m是課程評(píng)價(jià)數(shù)據(jù)中屬性的個(gè)數(shù).一個(gè)關(guān)聯(lián)規(guī)則是形如X?Y的蘊(yùn)含式,X?I,Y?I,且X∩Y=?.這里,X稱為規(guī)則前件,Y是后件.

關(guān)聯(lián)規(guī)則的強(qiáng)度用支持度和置信度衡量[9].支持度指事務(wù)數(shù)據(jù)集D中包含項(xiàng)集X和Y的事務(wù)個(gè)數(shù)占總數(shù)的比例,記為S upport(X?Y);置信度指D中同時(shí)包含項(xiàng)集X和Y的事務(wù)個(gè)數(shù)占包含X事務(wù)個(gè)數(shù)的比例,記為Con fidence(X?Y),見(jiàn)式(1)和式(2).

要確定一條規(guī)則為強(qiáng)關(guān)聯(lián)規(guī)則,須看其是否同時(shí)滿足最小支持度和最小置信度閾值條件.最小支持度用來(lái)測(cè)量項(xiàng)集在統(tǒng)計(jì)中出現(xiàn)的最小頻率,記為min_sup(0＜min_sup＜1),最小置信度用來(lái)衡量關(guān)聯(lián)規(guī)則的最小可靠性,記為min_conf(0＜min_con f＜1).

(2)興趣度

傳統(tǒng)Apriori 算法,僅使用支持度和置信度閾值來(lái)提取關(guān)聯(lián)規(guī)則,結(jié)果可能并非均屬有趣,甚至可能引起誤解[10].其原因是,支持度缺陷會(huì)導(dǎo)致部分有意義的規(guī)則由于支持度小而遭忽略;置信度的缺陷,則由于忽視了規(guī)則后件項(xiàng)集在事務(wù)中的支持度導(dǎo)致非有趣結(jié)果的產(chǎn)生.如式(3)所示,文獻(xiàn)[11]引入差異興趣度進(jìn)行規(guī)則的有趣性判斷,進(jìn)而對(duì)頻繁項(xiàng)集進(jìn)行篩選.

這里,興趣度Interest的取值范圍為[-1,1].當(dāng)Interest=0 時(shí),表示X和Y相互獨(dú)立,Interest＞0為正相關(guān),Interest＜0時(shí),表示負(fù)相關(guān).

(3)基于興趣度的Apriori 算法

頻繁項(xiàng)集篩選的目的,在于抑制誤導(dǎo)性關(guān)聯(lián)規(guī)則的生成.基于差異興趣度的頻繁項(xiàng)集篩選,以及改進(jìn)的Apriori 算法流程見(jiàn)算法1.

算法1.改進(jìn)的Apriori 算法輸入:數(shù)據(jù)集D,最小支持度,最小置信度,最小興趣度過(guò)程:C1k=1 1)掃描全部數(shù)據(jù)D,產(chǎn)生候選頻繁1-項(xiàng)集的集合,;C1 L1 2)根據(jù)最小支持度,由候選1-項(xiàng)集的集合 產(chǎn)生頻繁1-項(xiàng)集的集合;

3)對(duì),重復(fù)執(zhí)行步驟4)～ 6);Lk (k+1)-Ck+1 k＞1 4)由 執(zhí)行連接和減枝操作,產(chǎn)生候選 項(xiàng)集的集合;(k+1)-Ck+1 (k+1)-Lk+1 5)根據(jù)最小支持度,由候選 項(xiàng)集的集合,產(chǎn)生頻繁 項(xiàng)集的集合;L ? k=k+1 6)若 不等于,則,轉(zhuǎn)4),否則結(jié)束;7)根據(jù)最小置信度和興趣度,由頻繁項(xiàng)集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則,結(jié)束.輸出:符合條件的規(guī)則.

3 挖掘過(guò)程及結(jié)果分析

3.1 數(shù)據(jù)采集

用于分析的420 條數(shù)據(jù),來(lái)自某校10 門本科生課程的問(wèn)卷調(diào)查,面向?qū)W生、教師、同行專家和教學(xué)督導(dǎo)組等4 類人群,經(jīng)由課程評(píng)價(jià)指標(biāo)設(shè)計(jì)的課程評(píng)價(jià)問(wèn)卷調(diào)查系統(tǒng)采集,課程評(píng)價(jià)部分指標(biāo)見(jiàn)表1,其中每個(gè)二級(jí)指標(biāo)評(píng)分可取A、B、C、D、E 五個(gè)等級(jí)中的一個(gè),數(shù)據(jù)結(jié)構(gòu)見(jiàn)表2.經(jīng)過(guò)集成,每條記錄包括教學(xué)隊(duì)伍、教學(xué)內(nèi)容、教學(xué)資源、教學(xué)方法與手段等4 個(gè)維度的12 個(gè)屬性.部分原始數(shù)據(jù)見(jiàn)表3.

3.2 數(shù)據(jù)預(yù)處理

為了提高數(shù)據(jù)挖掘結(jié)果的準(zhǔn)確性,需要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理.數(shù)據(jù)預(yù)處理主要包括數(shù)據(jù)清洗和數(shù)據(jù)變換等環(huán)節(jié).

表1 課程評(píng)價(jià)指標(biāo)

表2 數(shù)據(jù)結(jié)構(gòu)

(1)數(shù)據(jù)清洗

通過(guò)問(wèn)卷調(diào)查系統(tǒng)采集的原始數(shù)據(jù)中,由于人為因素存在極端現(xiàn)象,譬如全部好評(píng)或差評(píng),對(duì)這部分?jǐn)?shù)據(jù)做了刪除處理.由于問(wèn)卷調(diào)查系統(tǒng)采集數(shù)據(jù)時(shí)存在系統(tǒng)或者人為因素影響,有部分指標(biāo)的采集結(jié)果缺失,對(duì)于缺失的數(shù)據(jù)項(xiàng),受數(shù)據(jù)集的限制,不宜進(jìn)行刪除,經(jīng)分析之后,發(fā)現(xiàn)其中某選項(xiàng)出現(xiàn)的頻率在50%以上,為此我們采用眾數(shù)的填補(bǔ)方法.因?yàn)槌霈F(xiàn)頻率最高的選項(xiàng),比例已經(jīng)超過(guò)一半,所以使用眾數(shù)對(duì)部分空白的填補(bǔ)并不會(huì)影響整個(gè)數(shù)據(jù)的分析.經(jīng)過(guò)數(shù)據(jù)清理,記錄數(shù)為412,占樣本數(shù)據(jù)的98.1%.

表3 部分原始數(shù)據(jù)

(2)數(shù)據(jù)轉(zhuǎn)換

Apriori 算法主要適用于單維屬性值數(shù)據(jù),換言之,數(shù)據(jù)的屬性值都可以看成A是否存在的簡(jiǎn)單形式[10].但在現(xiàn)實(shí)中,數(shù)據(jù)常是多維的,意味著無(wú)法直接使用Apriori 算法來(lái)挖掘關(guān)聯(lián)規(guī)則.根據(jù)國(guó)家精品課程的評(píng)審及教育教學(xué)的改革要求,設(shè)計(jì)的一級(jí)評(píng)價(jià)指標(biāo)教學(xué)隊(duì)伍、教學(xué)內(nèi)容教學(xué)條件等,為了更加全面的表述一級(jí)指標(biāo),需要在一級(jí)指標(biāo)下設(shè)計(jì)二級(jí)指標(biāo),包含課程負(fù)責(zé)人與主講、教學(xué)隊(duì)伍結(jié)構(gòu)及整體素質(zhì)、教學(xué)改革與研究等.而根據(jù)課程評(píng)價(jià)指標(biāo)采集到的數(shù)據(jù)涉及到多個(gè)維度,無(wú)法直接使用Apriori 算法進(jìn)行分析.

針對(duì)上述問(wèn)題,提出一個(gè)解決辦法.其思想是,用3 位十進(jìn)制數(shù)表征課程評(píng)價(jià)數(shù)據(jù)的屬性,其中,第一位數(shù)表示一級(jí)指標(biāo),分別取1,2,…;第二位數(shù)表示二級(jí)指標(biāo),根據(jù)觀測(cè)點(diǎn)的實(shí)際設(shè)置情況,分別取1,2,…;第三位數(shù),按照采樣數(shù)據(jù)等級(jí)A/B/C/D/E,分別表示為1/2/3/4/5,見(jiàn)圖1.

圖1 數(shù)據(jù)轉(zhuǎn)換規(guī)則

依據(jù)轉(zhuǎn)換規(guī)則構(gòu)造完成數(shù)據(jù)集.譬如,將“一級(jí)指標(biāo)=‘1 教學(xué)隊(duì)伍’”“二級(jí)指標(biāo)=‘1-1 課程負(fù)責(zé)人與主講教師’”,與“課程主要觀測(cè)點(diǎn)=‘教師風(fēng)范、學(xué)術(shù)水平與教學(xué)水平’”對(duì)應(yīng)的“等級(jí)=‘B’”評(píng)價(jià)數(shù)據(jù),轉(zhuǎn)換表征為112.轉(zhuǎn)換后的部分?jǐn)?shù)據(jù)見(jiàn)表4.

表4 部分?jǐn)?shù)據(jù)轉(zhuǎn)化結(jié)果

3.3 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)環(huán)境為i5-6300HQ(2.3 GHz)CPU、16 GB 內(nèi)存和Microsoft Windows 10 專業(yè)版操作系統(tǒng).在Jetbrains-PyCharm2019.3 集成開(kāi)發(fā)環(huán)境下,使用Python3.6 作為編程語(yǔ)言,anaconda 作為解釋器.

3.4 規(guī)則提取與分析

分別使用傳統(tǒng)Apriori 算法、基于文獻(xiàn)[11]概率興趣度的Apriori 算法和本文采用的基于差異興趣度的Apriori 算法,對(duì)形如表3的轉(zhuǎn)換后課程評(píng)價(jià)數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘,并分析結(jié)果.

(1)誤導(dǎo)抑制效果分析

經(jīng)過(guò)多次重復(fù)實(shí)驗(yàn),設(shè)定最小支持度Smin=0.2,最小置信度Cmin=0.45,最小興趣度Imin=0.5.此時(shí),使用傳統(tǒng)Apriori 算法可獲取25 條關(guān)聯(lián)規(guī)則.這些關(guān)聯(lián)規(guī)則中,很多系無(wú)意義或誤導(dǎo)性的,部分誤導(dǎo)性規(guī)則見(jiàn)表5.引入興趣度后只能提取18 條關(guān)聯(lián)規(guī)則.

表5 提取的部分無(wú)意義或誤導(dǎo)性關(guān)聯(lián)規(guī)則

以表5中的規(guī)則1為例.現(xiàn)實(shí)世界中,指標(biāo)項(xiàng)“網(wǎng)絡(luò)教學(xué)資源”與“教學(xué)隊(duì)伍結(jié)構(gòu)及整體素質(zhì)”之間存在內(nèi)在關(guān)聯(lián)的支持度并不高,很難揭示資源類和人員類事務(wù)間的邏輯蘊(yùn)含關(guān)系.但規(guī)則1 卻顯示,網(wǎng)絡(luò)教學(xué)資源獲評(píng)“優(yōu)”時(shí),教學(xué)隊(duì)伍結(jié)構(gòu)及整體素質(zhì)將以較大概率獲評(píng)“中”,顯得牽強(qiáng).類似地,規(guī)則2 顯示,條件類事務(wù)與人員類事務(wù)間存在關(guān)聯(lián)關(guān)系,也很難成立.

進(jìn)一步地,分別改變參數(shù)設(shè)置(最小置信度Cmin=0.3,最小興趣度Imin=0.5 )、(最小支持度Smin=0.2,最小興趣度Imin=0.5)、(最小支持度Smin=0.2,最小置信度Cmin=0.3),使用Apriori的傳統(tǒng)算法、概率興趣度的Apriori 算法和改進(jìn)算法在不同條件下,進(jìn)行提取規(guī)則實(shí)驗(yàn),以考察改進(jìn)的Apriori 算法對(duì)提取有趣規(guī)則的篩選作用.圖2至圖4顯示了不同組合條件下,3 個(gè)算法提取的關(guān)聯(lián)規(guī)則數(shù)量變化.

圖2至圖4顯示,在支持度、置信度、興趣度等參數(shù)組合的各自設(shè)定范圍內(nèi),提取的規(guī)則數(shù)量分別隨支持度、置信度、興趣度的增大而減少.

圖2 不同支持度下3 種算法提取規(guī)則數(shù)量比較(Cmin=0.3,Imin=0.5)

圖2在設(shè)定置信度和興趣度參數(shù)的前提下,隨著支持度增大,使用改進(jìn)的Apriori 算法提取的規(guī)則數(shù)量開(kāi)始時(shí)較使用傳統(tǒng)算法減少較多,最后逐漸接近,而改進(jìn)的Apriori 算法提取的規(guī)則數(shù)量較概率興趣度的Apriori 算法雖然有部分較多,但整體趨勢(shì)還是少于概率興趣度的Apriori 算法,表明加入興趣度的Apriori算法可減少誤導(dǎo)性規(guī)則產(chǎn)生,改進(jìn)的Apriori 算法更能減少誤導(dǎo)性規(guī)則的產(chǎn)生.

圖3 不同置信度下3 種算法提取規(guī)則數(shù)量比較(Smin=0.2,Imin=0.5)

圖3在設(shè)定支持度和興趣度參數(shù)的前提下,隨著置信度增大,使用改進(jìn)的Apriori 算法產(chǎn)生的規(guī)則數(shù)量開(kāi)始時(shí)較使用傳統(tǒng)Apriori 算法少許多,最后逐漸接近,而改進(jìn)的Apriori 算法產(chǎn)生的規(guī)則數(shù)量整體趨勢(shì)少于概率興趣度Apriori 算法,表明引入興趣度之后可減少誤導(dǎo)性規(guī)則生成的數(shù)量,改進(jìn)的Apriori 算法更能減少誤導(dǎo)性規(guī)則的產(chǎn)生.

圖4在設(shè)定支持度和置信度參數(shù),且在Apriori 算法中引入興趣度的前提下,隨著興趣度增大,概率興趣度Apriori 算法以及改進(jìn)的Apriori 算法提取的規(guī)則數(shù)量逐漸變少,從整體趨勢(shì)觀察,改進(jìn)的Apriori 算法產(chǎn)生的規(guī)則數(shù)量要少于概率興趣度Apriori 算法.與之相比,使用傳統(tǒng)Apriori 算法進(jìn)行挖掘,提取的規(guī)則數(shù)量沒(méi)有變化,表明引入興趣度可減少誤導(dǎo)性規(guī)則的產(chǎn)生,改進(jìn)的Apriori 算法更能減少誤導(dǎo)性規(guī)則的產(chǎn)生.

圖4 不同興趣度下3 種算法提取規(guī)則數(shù)量比較(Smin=0.2,Cmin=0.3)

綜上所述,使用本文算法較使用傳統(tǒng)Apriori 算法以及概率Apriori 算法提取的規(guī)則數(shù)量少,能夠有效抑制無(wú)意義的誤導(dǎo)性關(guān)聯(lián)規(guī)則的產(chǎn)生,提高了數(shù)據(jù)挖掘的效率和數(shù)據(jù)中隱含的知識(shí)的精確性.

(2)提取的規(guī)則解析

設(shè)定支持度Smin=0.2,最小置信度Cmin=0.45,最小興趣度Imin=0.5,運(yùn)行改進(jìn)的Apriori 算法,提取到18 條強(qiáng)關(guān)聯(lián)規(guī)則.部分規(guī)則及其解析見(jiàn)表6.

根據(jù)獲得的關(guān)聯(lián)規(guī)則,繪制課程評(píng)價(jià)關(guān)聯(lián)規(guī)則網(wǎng)絡(luò)圖,以直觀了解課程指標(biāo)間的關(guān)系以及不同指標(biāo)的重要性差異,見(jiàn)圖5.由18 條強(qiáng)關(guān)聯(lián)規(guī)則構(gòu)成的網(wǎng)絡(luò)圖中,點(diǎn)代表課程評(píng)價(jià)指標(biāo),點(diǎn)的大小取決于點(diǎn)的粗度;邊為有向邊,由規(guī)則前件指向規(guī)則后件,邊的粗細(xì)由規(guī)則的置信度決定,越粗代表置信度越大;各點(diǎn)之間的連通反映了各指標(biāo)之間的影響.

表6 提取的部分強(qiáng)關(guān)聯(lián)規(guī)則及其解析(Smin=0.2,Cmin=0.45,Imin=0.5)

考察提取到的關(guān)聯(lián)規(guī)則,可以發(fā)現(xiàn)人的因素對(duì)于課程建設(shè)的重要性.表6中的規(guī)則1 至4 顯示,在一支教學(xué)團(tuán)隊(duì)中,可通過(guò)發(fā)揮教師的能動(dòng)性,提升教材選用、教學(xué)改革及教學(xué)設(shè)計(jì)等的質(zhì)量.由此啟發(fā)高校的教學(xué)管理者,應(yīng)在課程建設(shè)過(guò)程中,注意發(fā)揮人的中心地位,對(duì)課程負(fù)責(zé)人和主講教師的遴選給予足夠重視.對(duì)于教師團(tuán)隊(duì)建設(shè),應(yīng)優(yōu)先選用學(xué)歷高教齡長(zhǎng)的教師出任課程負(fù)責(zé)人,同時(shí)保持學(xué)歷結(jié)構(gòu)和年齡結(jié)構(gòu)等的平衡,以提高課程教學(xué)設(shè)計(jì)、教學(xué)改革與研究的水平,奠定教學(xué)質(zhì)量提升的基礎(chǔ).

圖5 課程評(píng)價(jià)指標(biāo)間的關(guān)聯(lián)規(guī)則網(wǎng)絡(luò)圖

接著考察教學(xué)資源對(duì)課程建設(shè)的物質(zhì)保障作用.表6中的規(guī)則5,6 及規(guī)則9 顯示,各類教學(xué)資源對(duì)于課程內(nèi)容遴選、教學(xué)設(shè)計(jì)等具有基礎(chǔ)性物質(zhì)保障作用.由此啟發(fā)高校的教學(xué)管理者,在課程建設(shè)中,資源配置要更多地向教學(xué)資源傾斜.特別是,在教育部倡導(dǎo)并加大線上線下混合式一流課程建設(shè)力度的今天,網(wǎng)絡(luò)教學(xué)資源的重要性愈發(fā)凸顯.若在網(wǎng)絡(luò)教學(xué)資源建設(shè)方面掉隊(duì),人的作用縱然能充分發(fā)揮,也難免會(huì)有“無(wú)米之炊”之虞.

最后考察信息技術(shù)和教學(xué)方法對(duì)課程建設(shè)的支撐性作用.表6中規(guī)則7,8 顯示,信息技術(shù)和多種教學(xué)方法的綜合使用,有利于提高教學(xué)設(shè)計(jì)、教學(xué)改革與研究的水平.反之,信息技術(shù)素養(yǎng)欠缺,以及基于信息技術(shù)教學(xué)方法落伍,將以較大概率導(dǎo)致教學(xué)設(shè)計(jì)質(zhì)量變差.作為高校的教學(xué)管理者,應(yīng)重視教學(xué)方法和信息技術(shù)在發(fā)揮教師能動(dòng)性和教學(xué)資源物質(zhì)保障作用中的支撐和橋梁作用,一方面提高學(xué)校的教育信息化建設(shè)水平,另一方面,通過(guò)加強(qiáng)建設(shè)信息技術(shù)的校園文化,營(yíng)造學(xué)習(xí)和提高信息技術(shù)水平的氛圍,同時(shí)引進(jìn)社會(huì)資源,加大教師培訓(xùn)力度,提高教師的信息化素養(yǎng),掌握更多的基于現(xiàn)代信息技術(shù)的工具使用技能.

4 結(jié)論

從服務(wù)課程建設(shè)的目的出發(fā),對(duì)數(shù)據(jù)驅(qū)動(dòng)的課程評(píng)價(jià)方法進(jìn)行研究.通過(guò)挖掘多維度課程評(píng)價(jià)數(shù)據(jù),提取隱含的知識(shí)和模式,將發(fā)現(xiàn)的知識(shí)用于指導(dǎo)課程建設(shè),輔助教學(xué)管理決策.在不同支持度、置信度和興趣度下,使用改進(jìn)Apriori 算法對(duì)課程評(píng)價(jià)數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘的結(jié)果,與使用傳統(tǒng)Apriori 算法所得結(jié)果的比較顯示,本文方法能明顯抑制誤導(dǎo)性規(guī)則的生成,提高挖掘效率,增強(qiáng)隱含在多維度評(píng)價(jià)數(shù)據(jù)中知識(shí)指導(dǎo)的精準(zhǔn)度.未來(lái)研究,將重點(diǎn)圍繞高等教育領(lǐng)域更多的數(shù)據(jù)驅(qū)動(dòng)管理決策需求和數(shù)據(jù)挖掘效率提升展開(kāi).

猜你喜歡

項(xiàng)集置信度關(guān)聯(lián)

硼鋁復(fù)合材料硼含量置信度臨界安全分析研究

核科學(xué)與工程(2021年4期)2022-01-12 06:30:22

“一帶一路”遞進(jìn)，關(guān)聯(lián)民生更緊

當(dāng)代陜西(2019年15期)2019-09-02 01:52:00

正負(fù)關(guān)聯(lián)規(guī)則兩級(jí)置信度閾值設(shè)置方法

計(jì)算機(jī)應(yīng)用(2018年5期)2018-07-25 07:41:26

奇趣搭配

學(xué)苑創(chuàng)造·A版(2018年11期)2018-02-01 06:29:20

智趣

讀者(2017年5期)2017-02-15 18:04:18

置信度條件下軸承壽命的可靠度分析

軸承(2015年2期)2015-07-25 03:51:04

關(guān)聯(lián)規(guī)則中經(jīng)典的Apriori算法研究

卷宗(2014年5期)2014-07-15 07:47:08

一種頻繁核心項(xiàng)集的快速挖掘算法

計(jì)算機(jī)工程(2014年6期)2014-02-28 01:26:12

多假設(shè)用于同一結(jié)論時(shí)綜合置信度計(jì)算的新方法?

電訊技術(shù)(2011年11期)2011-04-02 14:00:37

語(yǔ)言學(xué)與修辭學(xué)：關(guān)聯(lián)與互動(dòng)

當(dāng)代修辭學(xué)(2011年2期)2011-01-23 06:39:12

計(jì)算機(jī)系統(tǒng)應(yīng)用2021年5期

計(jì)算機(jī)系統(tǒng)應(yīng)用的其它文章

多通信方式下的配電通信網(wǎng)融合管理信息模型①

無(wú)人機(jī)目標(biāo)分類的深度卷積網(wǎng)絡(luò)設(shè)計(jì)與優(yōu)化①

可穿戴傳感步態(tài)模式深度學(xué)習(xí)融合判別模型①

一種安全的多使用門限多秘密共享方案①

結(jié)合數(shù)據(jù)平衡和注意力機(jī)制的CNN+LSTM的自然語(yǔ)音情感識(shí)別①

配電網(wǎng)自動(dòng)化DTU終端的103規(guī)約的安全性分析①