关联规则在高校评教系统中的应用研究.docVIP

关联规则在高校评教系统中的应用研究 　　摘要：数据挖掘技术在商业、金融等方面应用广泛，但在高校教评教系统中应用的比较少。在高校中，每年都产生大量和教学相关的数据，这些数据真实的反映了高校教师的教学情况，但并没有充分利用这些数据来挖掘出有用的信息来评教。通过对数据挖掘技术的研究，采用改进的关联规则Apriori算法，利用面向对象的程序设计语言开发应用软件，对收集的评教相关数据进行分析，找出学生评教结果和教师自身素质之间的联系，更好的为高校评教工作提供依据。 　　关键词： 关联规则；Apriori算法；数据挖掘；高校评教系统 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2011)24-5818-02 　　Application of Association Rules in College Teaching Evaluation System 　　LU Zhou 　　(Baotou Light Industry Vocational Technical College, Baotou 014035, China) 　　Abstract: Data mining technology in the commercial, financial and other aspects of a wide range of applications, but application of the college teaching evaluation system was less. In Colleges, every year have a large amount of teaching and related data, these data reflect the college teachers teaching situation, but did not make full use of these data to dig out the useful information to the evaluation of teaching. Through the research on data mining association rules, using the improved Apriori algorithm, by using the object oriented programming language software development and application of teaching evaluation, collect relevant data for analysis, to find out the studentsevaluation result of teaching and the teacher own quality links between, the better for the teaching evaluation in colleges provide a basis. 　　Key words: association rules; Apriori algorithm; data mining; college teaching evaluation system 　　数据挖掘是应用一系列技术从大量的数据中提取人们感兴趣的信息和知识，它能够自动分析数据，进行归纳性推理，从中挖掘出数据间潜在的模式或产生联想，建立新的业务模型帮助决策者找到正确的决策[1]。数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联分析的目的是找出数据库中隐藏的关联网。通过关联规则在评教系统中的研究，找出学生评教结果和教师自身素质之间的联系。 　　数据挖掘过程一般由确定挖掘对象、数据准备、模型建立、结果分析表述这几个主要阶段组成[2]。本文的挖掘对象以我院部分教师和学生数据为基础进行分析。 　　1 数据准备 　　数据准备阶段可分成3个子步骤[2]：数据集成、数据预处理和数据转换。 　　1.1 数据集成 　　数据集成是将多文件或多数据库运行环境中的数据进行合并处理，解决语义模糊性，处理数据中的遗漏和清洗数据等。 　　在高校教务管理系统中，记录了学生基本信息表、教师基本信息表、教师任课记录表、学生评教数据表（表2所示）、教师总评得分表，把这些和数据挖掘相关的数据导入到新数据库中。课堂教学评价表如表1所示。 　　1.2 数据预处理 　　在处理遗漏数据时，由于遗漏数据相对偏少，可以采用属性值多的数值来代替填充。对于表1中最后得分为零或是满分的记录，由于这部分记录可能是教师没有带课、学生没