中一职称论文免费称论文：关联规则算法在高职教学评价中的应用.doc

中一职称论文免费职称论文： 关联规则算法在高职教学评价中的应用 摘要：教学评价是一个复杂的过程，是指根据政策、法规和学校的人才培养目标、要求，运用教育评价的理论、方法和技术，对教师的素质、工作过程及工作绩效进行全面、客观、公正的价值判断的活动。因此，提高教学评价的科学性、客观性和准确性，是现代教学评价中一个十分重要的课题。本文结合无锡旅游商贸学校实际，提出了一套教师教学评价指标体系，在此基础上设计并实现了无锡旅游商贸学校教学质量评价系统。 关键词：数据挖掘；关联规则算法；教学评价 引言 数据挖掘作为一个新兴的、多学科交叉的应用领域，正在各行各业的以信息分析为基础的决策支持系统活动中扮演着越来越重要的角色。关联规则挖掘作为数据挖掘的一个重要研究分支，其主要目的是用于发现数据集中项之间的相关联系，即关联规则。由于形式简单、易于理解，且是从大型数据库中提取知识的主要手段，因此，关联规则已广泛应用各个领域，用来检验行业内长期形成的知识模式，或发现隐藏的新规律，但在教育领域中的应用却并不广泛。 关联规则的发现可以分成两个步骤：首先发现所有频繁项集，然后用这些频繁项集生成强关联规则。Apriori算法是经典的频繁项目集生成算法，在数据挖掘界起着里程碑的作用，它的基本思想是利用一个层次顺序搜索的迭代方法来生成频繁项集，即利用K-项集来生成（K+1）-项集，用候选项集Ck找频繁项集Lk。这个方法要求多次扫描可能非常大的交易数据库。而用于关联规则挖掘的事物数据库的规模通常是非常大的，这样一来，开销就非常大。而在有限的内存容量下，系统I/O负载相当大，每次扫描数据库的时间就会很长，这样，其效率就非常低。 本文借鉴国内外高校教师教学评价经验，结合无锡旅游商贸学校实际，提出了一套教师教学评价指标体系，在此基础上设计并实现了无锡旅游商贸学校教学质量评价系统。为了有效利用评价系统中收集到的大量数据，利用数据挖掘中的关联规则挖掘对这些数据进行数据挖掘研究。分析了关联规则挖掘中经典Apriori算法的性能瓶颈，给出了本文对Apriori算法的改进算法。最后，将该算法应用于教学质量评价数据和学生成绩数据的挖掘之中，分别得出了教学效果的好坏与教师职称、年龄之间的联系，某门课程的成绩好坏与其它课程成绩之间的联系。 2.Apriori算法及其过程描述 Apriori算法是现今研究关联规则中最具代表性的方法，虽然之后有许多算法被提出，但皆是依据此架构做改进或延伸。Apriori算法的基本思想是生成特定规模的侯选项目集，然后扫描数据库并进行计数，以确定这些侯选项目集是否频繁。具体实现过程是首先扫描数据库的所有事务，计算每个项目的发生次数，产生1候选集C1，再根据预先给定的最小支持度确定1频繁集L1。然后由L1*L1进行连接运算生成2候选集C2，再次扫描数据库中的所有事务，计算出C2中每个元素的出现次数，并根据预先给定的最小支持度确定2-频繁集L2。这一过程反复进行直到生成k频繁集Lk，并且不可能再生成满足最小支持度的k+1项目集。 改进Apriori算法的实现是系统设计时考虑的重点问题。根据需求描述，系统要求为某一生成的数据集运行数据关联规则挖掘 数据集已被转化为布尔数据集 ，并将数据关联规则打印出来。此任务可以描述为：给定任意的布尔数据集、最小置信支持度和最低置信度，以某一算法 本系统使用改进Apriori算法 遍历挖掘其频繁项，并列出满足最低置信度数据关联规则的过程。 3.数据挖掘在教学评价中的应用 课堂教学评价不仅对教学起着调节、控制、指导和推动作用，而且有很强的导向性，是学校教学管理工作的重要组成部分，是评价教学工作成绩的主要手段。学校每学期都要搞课堂教学评价调查，积累了大量的数据，而目前对教学评价主要基于数值计算，把学生的评价做一总结，将结果通报给老师，作为晋升职称、评优等的依据，系里对老师做一奖惩及引导，不曾做深层的思考。接触到数据挖掘技术后，笔者在考虑，从教学评价数据中进行数据挖掘，探讨教学效果的好坏与教师的年龄、职称之间有无必然的联系？课堂教学效果与教师整体素质关系如何?合理调配一个班的上课老师，使学生能够较好地保持良好的学习状态，从而为教学部门提供了决策支持信息，促使更好地开展教学工作，提高教学质量。 将上述关联规则的挖掘算法部分应用于无锡旅游商贸学校教务评价系统中，根据该校现有的评价结果数据可以获得一些关联规则。现以所有数据为例，采用教师职称，教师最高学历、教师年龄及教师教学评价结果等属性间的关联规则挖掘，随机从教学评价数据库中抽取教师教学质量评估数据200份，将年龄、职称和评定分数三项输入数据库，忽略其它信息。 大学教学内容专业化程度高，科学性强，信息量大，具有一定的宽广度和深度，并且大学课堂教学具有较强的学术性。中级职称以上教师科研水平较高，有宽