基于數(shù)據(jù)挖掘技術(shù)的高校教學(xué)質(zhì)量評(píng)估算法

汪 瀅

（南昌師范學(xué)院，江西 南昌 330032）

近幾年，在信息化發(fā)展和社會(huì)變革的背景下，教學(xué)質(zhì)量評(píng)估方式在精度和實(shí)施效率方面已經(jīng)無(wú)法滿足信息化和現(xiàn)代化的教學(xué)模式，因此各個(gè)學(xué)科開(kāi)始不斷進(jìn)行改革[1-2]。準(zhǔn)確的高校教學(xué)質(zhì)量評(píng)估結(jié)果直接關(guān)系到教學(xué)質(zhì)量建設(shè)工作的全面開(kāi)展，是高校培養(yǎng)人才方案的關(guān)鍵內(nèi)容。高校教學(xué)質(zhì)量是一項(xiàng)重要的高校水平評(píng)價(jià)指標(biāo)，但是高校教學(xué)質(zhì)量與多種影響因素相關(guān)，十分復(fù)雜，傳統(tǒng)的高校教學(xué)質(zhì)量評(píng)估方法構(gòu)建的評(píng)估模型較簡(jiǎn)單，無(wú)法準(zhǔn)確有效地進(jìn)行教學(xué)質(zhì)量評(píng)價(jià)[3]，因此需要設(shè)計(jì)新的高校教學(xué)質(zhì)量評(píng)估模型。

事實(shí)上，近幾年國(guó)內(nèi)外教育人員針對(duì)高校教學(xué)質(zhì)量評(píng)估進(jìn)行了細(xì)化研究，研究結(jié)果表明，影響高校教學(xué)質(zhì)量的綜合因素較多，涉及的數(shù)據(jù)信息也十分復(fù)雜，傳統(tǒng)的高校教學(xué)質(zhì)量評(píng)估模型無(wú)法有效地統(tǒng)計(jì)全部數(shù)據(jù)信息，導(dǎo)致其評(píng)估效果較差[4]，數(shù)據(jù)挖掘是一種新型計(jì)算機(jī)技術(shù)，可以有效地整合數(shù)據(jù)信息，實(shí)現(xiàn)精準(zhǔn)的影響因素分析。

1 基于數(shù)據(jù)挖掘的高校教學(xué)質(zhì)量評(píng)估模型優(yōu)化設(shè)計(jì)

1.1 灰色關(guān)聯(lián)分析模型

（1）無(wú)量綱處理。由于測(cè)量資料的量綱和量值的差異，使得各指標(biāo)的資料無(wú)法比較，因此必須采用無(wú)量綱處理消除量綱，本文采用了極差法進(jìn)行無(wú)量綱處理。

（2）比較序列和基準(zhǔn)序列的相關(guān)系數(shù)的計(jì)算。

（3）計(jì)算關(guān)聯(lián)度。傳統(tǒng)的關(guān)聯(lián)度計(jì)算公式是求相關(guān)系數(shù)的平均值，它沒(méi)有充分地反映出各指標(biāo)在整體指標(biāo)評(píng)估系統(tǒng)中的重要性，從而導(dǎo)致不準(zhǔn)確的結(jié)果。為此，本文將每個(gè)指數(shù)的相關(guān)系數(shù)乘以權(quán)重，并將其相加，以求出最后的關(guān)聯(lián)度。

1.2 構(gòu)建高校教學(xué)質(zhì)量評(píng)估體系

為了進(jìn)一步提高高校教學(xué)質(zhì)量評(píng)估模型的評(píng)估精度，在設(shè)計(jì)高校教學(xué)質(zhì)量評(píng)估模型前首先需要構(gòu)建有效的評(píng)估體系。首先根據(jù)高校的實(shí)際教學(xué)質(zhì)量，選取信息化評(píng)價(jià)維度，確定評(píng)價(jià)指標(biāo)體系的相關(guān)指標(biāo)種類；其次，為了保證指標(biāo)的可操作性，本文將影響高校教學(xué)質(zhì)量的具體因素劃分出來(lái)，構(gòu)建指標(biāo)群體，設(shè)計(jì)的高校教學(xué)質(zhì)量評(píng)估體系，如圖1所示。由圖1可以判斷教學(xué)質(zhì)量評(píng)估的具體范圍，有效地提高了高校教學(xué)質(zhì)量評(píng)價(jià)的精度。

圖1 高校教學(xué)質(zhì)量評(píng)估體系

1.3 基于數(shù)據(jù)挖掘設(shè)計(jì)高校教學(xué)質(zhì)量評(píng)估算法

本文使用數(shù)據(jù)挖掘技術(shù)設(shè)計(jì)高校教學(xué)質(zhì)量評(píng)估算法，該算法可以根據(jù)各個(gè)數(shù)據(jù)之間的識(shí)別關(guān)系挖掘數(shù)據(jù)規(guī)律，判斷其對(duì)教學(xué)質(zhì)量的影響程度[5]，設(shè)計(jì)的高校教學(xué)質(zhì)量評(píng)估算法S如式（2）所示。

在使用上述算法進(jìn)行決策時(shí)可能會(huì)出現(xiàn)不同的特征單元，為了保證決策最優(yōu)化，本文設(shè)計(jì)的模型結(jié)合CR理論進(jìn)行模型優(yōu)化，可以將設(shè)計(jì)的決策模型使用Charnes-Cooper變換，此時(shí)得出的表達(dá)模型具有優(yōu)化性，可以使用該表達(dá)模型進(jìn)行決策，保證決策結(jié)果最優(yōu)化。

1.4 分析教學(xué)質(zhì)量評(píng)估灰色關(guān)聯(lián)

結(jié)合上述的高校教學(xué)質(zhì)量評(píng)估決策結(jié)果，可以進(jìn)一步分析教學(xué)質(zhì)量評(píng)估灰色關(guān)聯(lián)，在高校教學(xué)質(zhì)量評(píng)估的過(guò)程中，可能會(huì)產(chǎn)生相關(guān)的誤差因子，降低整體評(píng)估效果，因此本文通過(guò)式（3）計(jì)算灰色關(guān)聯(lián)評(píng)估。

式中，g代表灰色關(guān)聯(lián)評(píng)估指標(biāo)；f代表實(shí)際關(guān)聯(lián)度，該計(jì)算式可以有效地計(jì)算出各個(gè)評(píng)估因素的灰色關(guān)聯(lián)數(shù)值，將模型內(nèi)部的相關(guān)評(píng)估因子與實(shí)際灰色關(guān)聯(lián)數(shù)值進(jìn)行比對(duì)，比對(duì)數(shù)值高于1.00證明存在誤差因子，反之則證明不存在誤差因子，可以實(shí)現(xiàn)有效評(píng)估。

1.5 構(gòu)建高校教學(xué)質(zhì)量評(píng)估模型

根據(jù)上文的灰色關(guān)聯(lián)分析情況，可以構(gòu)建DEA數(shù)據(jù)挖掘高校教學(xué)質(zhì)量評(píng)估模型，首先需要假設(shè)模型的實(shí)際投入，并根據(jù)投入系數(shù)設(shè)計(jì)初級(jí)效率評(píng)估向量，此時(shí)該評(píng)估向量與實(shí)際決策標(biāo)準(zhǔn)有重要關(guān)聯(lián)，可以根據(jù)決策單元規(guī)模構(gòu)建教學(xué)質(zhì)量評(píng)估模型K，如式（4）所示。

在實(shí)際使用過(guò)程中發(fā)現(xiàn)，該模型還具有線性規(guī)劃性，因此，可以根據(jù)該模型的線性規(guī)劃標(biāo)準(zhǔn)，對(duì)該模型進(jìn)行進(jìn)一步優(yōu)化，提取全部的決策單元，進(jìn)行綜合求解，保證決策模型內(nèi)部的決策單元與實(shí)際DEA相符，實(shí)現(xiàn)高精度教學(xué)質(zhì)量評(píng)估。

2 實(shí)例分析

2.1 概況及準(zhǔn)備

為了驗(yàn)證本文設(shè)計(jì)的基于數(shù)據(jù)挖掘技術(shù)的高校教學(xué)質(zhì)量評(píng)估模型的實(shí)際評(píng)估效果，選取某大學(xué)進(jìn)行實(shí)例分析，搭建高校教學(xué)質(zhì)量評(píng)估的實(shí)例分析平臺(tái)，CPU為16Core、內(nèi)存為128 GB、磁盤為3 TB、帶寬為1000 Mb/s，硬盤為12 TB，操作系統(tǒng)為CentOS 7，本文主要采集該大學(xué)的影視策劃專業(yè)的教學(xué)質(zhì)量信息作為實(shí)驗(yàn)數(shù)據(jù)，采集到的實(shí)驗(yàn)數(shù)據(jù)集共包含300個(gè)數(shù)據(jù)樣本，隨機(jī)抽取數(shù)據(jù)集中的20名學(xué)生，設(shè)計(jì)高校教學(xué)質(zhì)量灰色關(guān)聯(lián)度系數(shù)r計(jì)算式，如式（5）所示。

式中，n代表教學(xué)質(zhì)量參考系數(shù)；k代表參考灰色關(guān)聯(lián)度，使用該計(jì)算式計(jì)算后可以分別計(jì)算抽取的20名學(xué)生的教學(xué)質(zhì)量灰色關(guān)聯(lián)度評(píng)價(jià)系數(shù)，如表1所示。

表1 灰色關(guān)聯(lián)度系數(shù)

由表1可知，得到的灰色關(guān)聯(lián)度系數(shù)均低于最大關(guān)聯(lián)系數(shù)值，證明選取的學(xué)生符合教學(xué)質(zhì)量模型分析標(biāo)準(zhǔn)，基于此，可以設(shè)計(jì)高校教學(xué)質(zhì)量評(píng)估模型評(píng)估指標(biāo)g計(jì)算式，如式（6）所示。

式中，s代表學(xué)生注意力反饋數(shù)值；a代表教學(xué)質(zhì)量綜合因素系數(shù)，計(jì)算的高校教學(xué)質(zhì)量評(píng)估模型評(píng)估指標(biāo)越高，證明其評(píng)估效果越好，評(píng)估精度越高，可以以此為依據(jù)進(jìn)行后續(xù)的應(yīng)用效果評(píng)價(jià)。

2.2 應(yīng)用效果與討論

結(jié)合上述的實(shí)例分析概況和準(zhǔn)備工作，可以進(jìn)行有效的模型應(yīng)用效果評(píng)估，分別使用本文設(shè)計(jì)的基于數(shù)據(jù)挖掘技術(shù)的高校教學(xué)質(zhì)量評(píng)估算法和傳統(tǒng)的高校教學(xué)質(zhì)量評(píng)估模型對(duì)隨機(jī)抽取的10名學(xué)生進(jìn)行教學(xué)質(zhì)量評(píng)估，使用公式（6）分別計(jì)算兩個(gè)模型的教學(xué)質(zhì)量評(píng)估模型評(píng)估指標(biāo)，應(yīng)用效果如表2所示。

由表2可知，本文設(shè)計(jì)評(píng)估模型的評(píng)估指標(biāo)數(shù)值較高，證明本文設(shè)計(jì)模型的評(píng)估效果較好，具有準(zhǔn)確性，有一定的應(yīng)用價(jià)值。

表2 應(yīng)用效果

并采用兩種模型對(duì)表1中10名學(xué)生的教學(xué)質(zhì)量進(jìn)行評(píng)估，統(tǒng)計(jì)每名學(xué)生的教學(xué)質(zhì)量評(píng)估精度，結(jié)果如圖2所示。

圖2 高校教學(xué)質(zhì)量評(píng)估精度比較

由圖2可知，本文設(shè)計(jì)評(píng)估模型的評(píng)估指標(biāo)數(shù)值較高，證明本文設(shè)計(jì)模型的評(píng)估效果較好，具有準(zhǔn)確性，有一定的應(yīng)用價(jià)值。傳統(tǒng)方法的教學(xué)質(zhì)量評(píng)估精度平均在60%左右，教學(xué)質(zhì)量評(píng)估誤差較大，教學(xué)質(zhì)量評(píng)估效果較差。而本文方法的教學(xué)質(zhì)量評(píng)估精度平均在85%左右，遠(yuǎn)遠(yuǎn)高于傳統(tǒng)方法的教學(xué)質(zhì)量評(píng)估精度，這是因?yàn)楸疚姆椒ㄒ肓藬?shù)據(jù)挖掘技術(shù)，構(gòu)建DEA數(shù)據(jù)挖掘高校教學(xué)質(zhì)量評(píng)估模型，克服了當(dāng)前評(píng)估過(guò)程中存在的一些問(wèn)題，有效提高了評(píng)估效果。

3 結(jié)束語(yǔ)

綜上所述，本文基于數(shù)據(jù)挖掘技術(shù)設(shè)計(jì)了新的高校教學(xué)質(zhì)量評(píng)估模型，將設(shè)計(jì)的決策模型使用Charnes-Cooper變換，使得出的表達(dá)模型具有優(yōu)化性。為了提升整體評(píng)估效果，計(jì)算灰色關(guān)聯(lián)評(píng)估，本文進(jìn)行實(shí)例分析，結(jié)果表明，本文設(shè)計(jì)的高校教學(xué)質(zhì)量評(píng)估模型的評(píng)估指標(biāo)數(shù)值較高，評(píng)估效果較好，具有準(zhǔn)確性，有一定的應(yīng)用價(jià)值，可以作為后續(xù)大學(xué)生教學(xué)優(yōu)化的參考?！?/p>