数据挖掘技术在中学生个性化评价中与应用.docVIP

数据挖掘技术在中学生个性化评价中的应用 摘要：为落实新课程理念，张扬中学生个性，创新的将数据挖掘技术引入新课改理念下中学生的个性化评价。应用数据挖掘技术进行多指标、多主体、全过程、全方位的整体综合评价。提高教育评价技术水平,提高教育评价的科学性、客观性和公正性,使之更好地为教育服务。具有一定的理论意义和实际应用价值。 关键词：新课改；个性化评价；数据挖掘 一、引言 当前，国内外都非常重视中学生个性化发展，韩国基于学生的能力、个性、发展前途，使教育内容和方法多样化，确立了可以使学生根据自身的个性和素质选择教学科目、能动自律学习的“以学习者为中心”的课程体系[1]。芬兰为学生提供继续学习、工作生活、个人兴趣及多方面的个性发展所需要的知识和技能。提出教育应成为促进学生的终身学习和自我发展机会[2]。美国当代的个性化教育与日本自2O世纪8O年代开始的以个性养成为基本价值取向的第三次教育改革行动如出一辙，均体现了对生命个性的追求与崇尚。因此，科学精神和人文精神的融合、健全人格的养成、素质的提高便成为新世纪教育改革的主题。我国2001年6月1日，《基础教育课程改革纲要（试行）》和义务教育各学科课程标准正式颁布。高中新课程方案改变了中国传统的模式化教育，为学生个性发展，走向自立提供了平台。新一轮基础教育课程改革把课程评价观的转变作为一项主要内容，并明确指出，要“建立促进学生全面发展，促进教师不断提高，促进课程不断发展的评价体系” 。开展合乎时代要求的现代教育评价，将是我国当前教育改革运动顺利进行的有效保障。 由于教育评价具有复杂性、多因素性和模糊性等特点,是一类带有大量不确定因素的半结构化问题或非结构化问题。而现有的教育评价技术并不能把评价主体的内部数据和外部数据进行有效的集成。不能对大量积累的教育数据进行有效地抽取和清理，形成一致的格式，为评价提供支持。同时，现有的教育评价技术在分析数据，特别是在多维、不定因素的半结构化或非结构化问题分析上还存在很多不足之处。由于数据挖掘技术在数据抽取、数据分析上的显著优势，以及其本身分析数据的多维性特点，使得应用数据挖掘技术进行多指标、多主体、全过程、全方位的整体综合评价成为可能。利用数据挖掘中的粗糙集、神经网络、关联规则、决策树等来研究教育评价问题,建立了一种新的基于数据挖掘的教育评价方法。数据挖掘是一新的数据分析技术，这一技术在医学、化学、材料学、地理学、管理科学和金融学等领域的到了广泛应用。 为落实新课程理念，张扬学生个性，本文创新的将数据挖掘技术引入新课改理念下中学生的个性化评价，可以提高教育评价技术水平,提高教育评价的科学性、客观性和公正性,使之更好地为教育服务。具有一定的理论意义和实际应用价值。 二、相关理论 （一）相关教育理论 主要包括教育测量和评价理论，中学生个性化发展的相关理论，以及对多元智能理论、自主学习、探究学习等教育理论的研究。 1．个性化学习理论 当前，国内外都非常重视中学生个性化发展，美国、日本和新西兰等国的教育改革均体现了对生命个性的追求与崇尚，我国的新课程改革也改变了中国传统的模式化教育，为学生个性发展，走向自立提供了平台。 我国古代教育家孔子早在两千余年前就提出“因材施教”的教育基本原则，著名的美国教育家约翰·杜威 John Dewey 在《明日的学校》 Tomorrows Schools 一书中，他曾经用大量笔墨论述了更加灵活的和因材施教的教育取向。在以终身教育为显著特征的学习化社会里，个性化学习也是教育自身发展规律的集中体现。 个性化学习意味着围绕学生不同的学习方式来塑造教学，以及关注发掘每一个学生独特的天资。学生学习的个性化应在学习兴趣、学习积极性的基础上展开。这充分反映了发展学生个性的原则。学生学习的个性化是一种目的性概念，学生学习的目的不仅是打基础，更是个性的发展和主体人格的培养。个性化学习的概念构成见下表。 表：个性化学习的概念构成[3] 19世纪的教育图景 21世纪的教育图景 学生为固定不变的人生而准备 学生的身份和目标是可变的 智力是恒定的 智力是多维度的 学校是相似的 学校是不同的 学校的类型差不多 学校的类型多样化 学校教育是为了少数人 学校教育为所有人都提供个性化学习 学校有严格且明确的边界 教育对每个学生都是终生的 学校以工厂的模式进行运作 教育不受时间和地点的限制 角色是严格确定的且是隔离的 角色是模糊的且有交迭 学校与教师独立工作 学校与教师在复杂的网络中工作 教育是生产者导向的 producer led 教育是消费者导向的 user led 2．多元智能理论 1983年，美国哈佛大学心理学教授霍华德·加德纳 Howard Gardner 提出了多元智能理论 The Theory of Multiple Int