基于数据挖掘的教学质量评价体系研究
来源:用户上传
作者:赵倩
摘 要：基于数据挖掘技术的教学质量评价体系能够客观、精准地反映出影响教学质量的关键因素。文章利用大数据关联规则技术，通过数据采集、数据预处理等过程构建关联规则数据库，形成基于数据挖掘技术的教学质量评价模型。
关键词：数据挖掘;教学质量;评价;关联规则
1 基于数据挖掘的教学质量评价指标设计
1.1 评价指标
教学质量评价体系是教学管理部门和教师了解和提高教学质量的平台，其主要是对组织教学质量评价、收集评价对象的评价数据[1]。教学评价质量结果的优劣受教学质量评价因素的影响，不同的教学质量评价指标对于评价结果的影响是不同的，因此，构建基于数据挖掘的教学质量评价体系关键就是要明确教学质量评价指标。评价指标的设立必须要尊重客观性原则、导向性原则、可行性原则以及科学性原则。在整个教学质量评价体系中必须要实现多元化的教学评价主体，例如要实现学生评价、同行评价、教务督导组专家评价以及教师本人自评4个组成部分。结合相关的文献资料，本次设计的数据挖掘教学质量评价体系指标主要包括3级：教学态度（学生评价、同行评价、督导评价以及本人评价）、教学内容（学生评价、同行评价、督导评价以及本人评价）、教学方法以及教学效果[2]。
1.2 指标权重确定
质量评价体系主要包括指标的建立和权值的建立，本次设计确定为40多个3级指标，因此，评价指标权值将在很大程度上影响总评结果。权重就是指标在整个评价体系的重要程度，权重值越大，该指标对教学质量评价结果的影响也就越大。结合本文研究对象的实际情况考虑，选择层次分析法和专家意见平均法相结合的方式，以确定各级指标的对应权重。（1）层次分析法。本次采取的“1—9尺度”分析法，结果表明采取此种方法能够准确地反映出指标的价值。（2）专家意见平均法。本次邀请10位专家对指标进行指标权重的分配。
2 基于数据挖掘的教学质量评价系统的总体设计
2.1 教学质量评价系统的分析
教学质量评估是教学工作评估的重要指标，通过构建教学质量评价体系不仅可以改变传统的人为因素影响评分的现象，而且还可以通过运用数据挖掘技术实现对教学质量评价指标的精准分析，客观反映影响教学质量的因素。结合高职教学质量评价体系的原则[3]，本系统所应该具备的功能主要如下：（1）用户权限的管理。是教学质量评价体系设计的基础，也是满足不同需求者的基本功能。由于高校教学质量评价参与主体不同，其评价的赋值分数也不同，因此，需要设定相应的权限。例如学生具备登入系统的权限，但是没有修改的权限。而教学管理者则具有修改、查询数据挖掘结果的权限。（2）关联规则挖掘。通过关联规则挖掘出对客观评价教学质量结果的数据，为精准调整教学策略提供依据。（3）网上评价。主要是适应教育信息化发展而产生的，其主要是为了满足不同评价主体的需求，通过开展网上评价，减少中间人为干预教学评价结果的因素。
2.2 基于数据挖掘的教学质量评价体系的总体框架
基于数据挖掘的教学质量评价体系主要是为用户提供最佳的决策信息，因此，所设计的系统必须要具备投资少、实用性强以及易维护的特点。
（1）操作层。用户在操作层面上输入相关的质量评价数据，选择相关的数据源以及设置挖掘参数等实现对所有数据的管理，并且将经过数据挖掘产生的各种信息结果在该层面展现出来。
（2）数据挖掘层。数据挖掘主要是利用用户设置的挖掘参数对数据库实施挖掘，进而产生关联规则，将关联规则显示在操作界面层。
（3）数据存储层。主要是将存储的各种数据储存，并且将操作数据提供给系统各层。
2.3 系统模块设计
根据教学质量评价要求，本系统主要分为5个模块：（1）用户管理模块。其主要包括添加用户、修改用户以及删除用户功能。（2）数据管理模块。主要包括数据源管理和基本信息的管理。（3）网上评价模块。包括学生评价、同事互评以及专家评价。（4）数据挖掘模块。（5）查询模块。
2.4 数据库设计
数据库是整个教学质量评价体系的核心，其主要是通过E-R模型设计的。根据该模型所设计的数据库主要包括：（1）用户表。标识为YHB，包含的字段有用户名、密码、用户类型。（2）学生表。标识为XSB，包含的字段有学号、姓名、性别、班级以及系。（3）教师表。主要包括教师的基本信息，例如教师编号、年龄、性别、学历以及毕业院校等。（4）学生评价。主要包括教师态度、教学内容、教学效果、教学方法以及评价总分等方面信息的数据。（5）专家评价表。主要包括评价专家的编号、教师姓名、教学态度、教学内容以及教学方法等方面的数据信息。
3 教学质量评价系统的实现
3.1 系统开发工具
实现教学质量评价体系的关键就是要构建基于数据挖掘技术的应用程序平台。目前ASP NET是统一的Web应用程序平台，其可以面向所有的设备和浏览器，因此，可以认为其具有较高安全性、更强的可升级性的基础结构。本系统的开发工具为：（1）硬件环境。由于本次所设计的数据挖掘系统所需要处理的数据比较多，而且还要求系统要具有更快的响应速度，因此，对于硬件设备的要求比较高。例如本次系统所存在的计算机设备内存达到32 GB以上，硬盘100 GB以上。（2）软件环境。对系统的运行安全较为关键，因此，本次系统软件的环境为Windows系统，具有稳定性强、界面美觀大方、使用方便、快捷的特点。为了保证系统的安全，系统采取了较大规格的查杀病毒软件系统。（3）系统开发工具选用ASP.NET，后台数据库开发工具选择Microsoft SQL Server2008。 3.2 數据的预处理
高职教学质量评价体系的数据比较多，因此，需要对相关的数据进行集成、清洗、离散以及归纳等各项的处理工作，然后再进行数据挖掘。传统的高职教学质量评价体系主要采取的是百分制评价，其较为主观，难以客观反映教学质量，因此，采取等级评分制。设定为优、良、中、差4级评分制，相对于传统的百分制而言，评价过程更加简单，评价结果更具有参考性，因此，一般通过下面的方法实现转换，将百分制的结果转换为5级评分制：（0～60分）差、（60～70分）及格、（70～80分）中、（80～90分）良、（90～100分）优。在数据挖掘的过程中，真正需要的并不是评价所得的原始数据，而是在评价数据的基础上运用合适的数学方法经过分析计算得到的结果数据，这种数据称为评价结果。评价结果数据、相关文件及其他数据库等数据形式才是数据挖掘技术主要研究对象，因此，只有正确地评价结果数据才能得出正确的数据挖掘结果。
3.3 基于关联规则挖掘在本评价系统中的应用
3.3.1 “专业老师”关联分析
对专业教师评价是教学评价体系的重要内容，关联规则挖掘对专业教师的评价应用主要表现为：（1）数据准备。系统设计人员根据教学评价指标的设定原则，组织全校师生对专业教师进行综合打分评价，然后计算机系统在整个教学评价系统中提取被评价专业教师的得分数据，然后按照不同指标原则的科目，计算各级指标的数据和关联规则。（2）对关于被评价教师的得分数据进行汇总，并且按照系统预定的计算方式对专业教师的评价分值进行计算，以此得出专业教师的教学分数。教学评价分值在90～100分的设定为优，在80～89分的为良，在70～79分的为中，60～69分的为及格。（3）根据教学评价得分，进行数据表格统计，关联规则挖掘。同时，高校管理者根据教学评价分值与被评价专业教师进行交谈，以此寻求提升专业教师能力的方法。
3.3.2 “专业科目”关联分析
对于专业教师评价得分较低的教师，如果按照教师进行关联并不能得到明显的结果，因此，可以从“专业科目”角度进行关联，通过对课程的客观评价，找出提高课程教学质量的对策。例如，当专业教师得分不高时，可能是因为该课程难度比较高造成的，因此，可以通过专业课程的关联挖掘，寻求提升该课程教学质量的对策。对于专业科目的关联分析，第一步，是要对该课程的“教学内容”和“教学效果”进行关联分析。第二步，设定评价结果。评价分值在90～100分的设定为优，在80～89分的为良，在70～79分的为中，60～69分的为及格。第三步，教学评价管理人员根据结果对该课程的实际教学问题去客观分析，并且组织相关专家进行研讨，以此尽快解决课程教学质量不高的问题。
3.3.3 对教师档案和教师评分进行关联规则挖掘
教师知识结构对教学质量的影响非常大，因此，为了客观评价教学质量应用因素，本文以双师型教师的关联挖掘为例。具体的得分设计划分为4个层次：优秀（90～100分）、良（80～89分）、中（70～79分）和及格（60～69分）。通过运用Apriori 算法对相关问题进行计算，得出的数据之间存在较大的关联性。根据系统的关联计算得出以下结论：双师型教师与总评价分之间具有较高的关联规则，由此表明学生对于双师型教师的教学内容比较容易接受，而且学生的学习质量也比较高。这充分说明双师型教师在具体的教学中能够将社会实践中的经验引入到教学过程中，有助于提高学生的学习兴趣，增强学生学习的实效性。通过对教师档案和教师评分的关联规则挖掘为高职院校的教学工作提供科学指导：高职院校通过实施校企合作，引入双师型教师队伍能够提升高职教学质量。因此，作为高职院校而言，必须要加大双师型教师队伍的建设力度，鼓励本校教师积极参与到企业实践活动中。
4 结语
基于数据挖掘技术在高职教学评价体系中的应用价值很高，构建基于数据挖掘的教学评价体系是促进高职教学质量、客观反映教学问题、实现高职核心素质教育的关键举措。因此，我们要强化数据挖掘在教学评价体系中的应用效果。
[参考文献]
[1]张程程.基于数据挖掘技术的教学质量评价系统的研究[D].大连：大连理工大学，2017.
[2]杨辉，张立波，王利.基于数据挖掘的教学质量评价体系研究[J].黑龙江科学，2019（3）：32-33.
[3]裴琴娟.基于数据挖掘法的高职教学质量评价体系的研究[J].教育现代化，2017（37）：285-286.
Research on teaching quality evaluation system based on data mining
Zhao Qian
（Sanmenxia Polytechnic， Sanmenxia 472000， China）
Abstract：The evaluation system of teaching quality based on data mining technology can objectively and accurately reflect the key factors that affect the teaching quality. In this paper， big data association rules technology is used to construct association rules database through data acquisition， data preprocessing and so on， and a teaching quality evaluation model based on data mining technology is formed.
Key words：data mining; teaching quality; evaluation; association rules
转载注明来源:https://www.xzbu.com/8/view-15019923.htm
