数据挖掘技术在教学质量评价中应用.docVIP

数据挖掘技术在教学质量评价中应用【摘要】随着高职教育的快速发展，高职院校的教学质量的自我评价已经成为科学管理的的重要保障。本文从分析教学质量评价的作用出发，介绍了数据挖掘技术的常用方法，给出了基于数据挖掘的教学评价流程，及数据挖掘在高职院校教学评价中的作用。 【关键词】数据挖掘教学质量教学评价 随着高职教育的快速发展，高职院校的教学质量的自我评价已经成为学校科学管理的重要保障。教育部为了确保高校的教育质量，于2003年确立了5年一轮的评估制度。各高职院校在推进教育评估工作的同时，积极地组织自评，建立健全了全院教职工共同参与的教学质量内部自我评估机制。而建立健全高职院校教学质量评价系统是提高教师教学质量的重要途径，也是提高教学管理水平的迫切需要。数据挖掘是从大量的数据中提取知识的有效技术，不仅可以实现教学评教数据的知识挖掘。这些知识可以为学校提高教学质量，同时也可以辅助学校管理者决策，为进一步优化教学资源提供可靠的数据依据。 一、教学质量评价的作用 高职院校的教学质量是高等职业教育的生命线，教学质量的评价作为提高教学质量的手段被摆到了越来越重要的位置，而教师在教育工作中担负着沟通教与学的桥梁作用，其工作质量的好与坏会直接影响到教育质量的好坏。在教学管理中，对高职教师进行教学质量测评，是教学活动中提高教学质量的一个重要环节，也是教学管理的核心。教学质量测评在教学过程中发挥着诸多作用，具体表现在以下几个方面： 1、通过教学质量测评，进一步加强人才培养工作的宏观管理与指导，推动学校自觉地按照教育规律不断明确办学指导思想、坚持教育创新、深化教学改革、加强教学基本建设、强化教学管理、全面提高教育质量。 2、教学质量评价能够从整体上对教学活动进行调控，以确保教学活动能够按照预定目标进行，并且能最终达到该目标。 二、数据挖掘概述 1、数据挖掘的定义 简单的说，数据挖掘(Data Mining)就是从大量的、随机的实际应用数据中，提取或挖掘隐含在其中的、人们事先不知道的、但又有用的知识的过程。数据挖掘涉及多学科技术的集成，包括了数据库和数据仓库、机器学习、统计学、人工智能、神经网络、信息检索、模式识别等多个领域的理论和方法。与数据挖掘相近的同义词有知识提取、数据捕捞、数据融合、数据分析、决策支持和从数据中挖掘知识等。 2、数据挖掘的方法 数据挖掘源于多个学科，受多个学科影响，数据挖掘的核心技术融合了数据库、机器学习、统计学、人工智能等多个学科领域的理论和方法，数据挖掘利用的技术越多，得出结果的精确性就会越高。目前数据挖掘方法很多，比较典型的有关联分析、序列模式分析、分类分析、聚类分析等。 (1)关联分析 所谓关联分析，也就是利用关联规则进行数据挖掘，通过关联规则挖掘，可以发现那些隐藏在海量数据间的相互关系，发现那些潜在的、隐含在数据记录中的有用信息。利用关联规则进行数据挖掘是由Rakesh Apwal等人首先提出的。 (2)序列模式分析 序列模式分析，侧重分析数据间的前后序列关系，它能发现数据库中“在一段时间内，先进行了一活动后，又接着进行了另一项活动”之类的知识。 (4)聚类分析 聚类分析是统计学中的一种研究方法，主要研究”物以类聚”的问题，它是把物理或抽象的集合分割为多个类的过程，使得同一类中的对象具有高度的相似性，而不同类之间对象的差别较明显。与分类分析不同，在聚类分析中，预先不知道记录数据中分类信息，并且目标数据分成几类也不知道，需要依据某种度量标准，合理地划分记录数据到各个簇中。聚类分析的方法很多，具体可以分为系统聚类法、模糊聚类法、基于密度的方法等。 三、教学质量评价存在的问题 现在的教学质量评价中尚存在着一些新的问题。像许多高职院校一样，我院在多年来的教学、管理和教学质量评价工作积累了大量的数据，但目前对这些海量数据的研究处理还仅停留在初级的数据备份、查询及简单基本的统计阶段，使得这些数据不能发挥其应有的价值。如何更有效地利用大这些大量的数据记录信息理性探析并指导高职院校教师更好的教学已变得非常重要。 四、数据挖掘技术在教学评价中的应用 1、基于数据挖掘的教学评价流程 (1)确定挖掘对象。源数据库存储了来自教务系统不同模块的数据，主要有教师基本信息、课程基本信息、评价基本信息等，这些都是评价数据分析的基础。清晰定义问题，认清数据挖掘的目的，是数据挖掘的关键一步，挖掘的最后结果是不可预测的，但是要探索的问题一般是可以预见的。 (2)数据的采集。教师需要在教学过程中，主要收集教学数据信息，有些信息需要可以直接获得，有的信息需要进行调查获得。此项工作繁琐，耗时，工作量大。 (3)数据的预处理。数