粗糙集理论用于教学评价指标修正.docVIP

粗糙集理论用于教学评价指标修正 　　摘要：教学测评是高校教学过程中的重要环节，是评估教学效果的有效手段。其中，试卷质量的高低直接影响对该课程的教学考核。教师命题时，从内容到分值往往带有一定的主观性，其合理性也值得商榷。粗糙集理论认为在决策系统中，不同的条件属性对分类的作用不尽相同，利用条件熵计算出各条件属性的重要性。将试卷的各类题型作为条件属性，根据属性重要性大小修正各题型的分值，提高试卷命题质量。 　　关键词：教学质量评价；粗糙集； 评价指标；信息熵 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）17-3961-03 　　Correction of Teaching Evaluation Index Based on Rough Set Theory 　　HAN Ling 　　（School of Computer Science and Technology， Huaibei Normal University， Huaibei 235000， China） 　　Abstract： Teaching evaluation is an important link in teaching process of colleges and universities， is the effective means for the evaluation of teaching effect. And the examination paper quality decides directly on the teaching evaluation. The teachers set up the paper with subjectivity， from the content to the scores. Its rationality is also questionable. In decision system， effect of different condition attributes on the classification is different in Rough set theory. Conditional information entropy was used to calculate the importance of attribute. All kinds of questions as a condition attributes according to the attribute importance， correct the test score to improve the quality of a examination paper. 　　Key words： teaching quality evaluation； rough set； evaluating index； information entropy 　　目前，我国各类学校已逐步进入“数字化校园”时代，实现从教学环境、教学资源到教学活动的数字化，创建电子校务、教育资源、及网络服务的数字化虚拟大学教育环境，最终实现提高教学质量、科研和管理水平与效率的目的。 　　现在，许多高校都建立了教务平台，学生、教师和管理人员共同参与教学活动。教务平台开通后产生了大量的数据，而其中蕴含着大量有价值的信息。如何从大量的、动态的、不确定的、模糊的甚至是有噪声的数据中快速、有效地挖掘出潜在的、有利用价值的知识？数据挖掘方法和技术是一有效的手段。粗糙集理论与方法是诸多数据挖掘技术中较为有效的一种方法。 　　1 粗糙集理论相关知识 　　粗糙集理论是处理不精确、不一致、不完整等各种不完备的信息有效的理论工具。一方面有成熟数学基础、不需要先验知识，另一方面易于掌握和使用。它直接从给定问题出发，通过不可分辨关系和不可分辨类确定问题的近似域，从中发现隐含的知识，揭示潜在的规律[1]。 　　粗糙集理认为知识就是人类所固有的分类能力。分类是推理、学习与决策的关键问题。因此，粗糙集理论假定知识是一种对对象进行分类的能力[2]。这里“对象”构成了所讨论的论域。 　　定义1 信息系统 S=（U，A，V，f）。S为知识库，U为论域，A为属性有限有限集合，V为属性的值域，[V=a∈AVa]， [f=UO×A→V]为信息函数，[?a∈A，x∈U，f（x，a）∈Va]。 　　如果属性A=C∪D，C∩D=[?]，C为条件属性集，D为决策属性集，信息系统也称为决策系统[3]。决策系统是最为常见的信息系统。 　　分类的依据是属性的值，在多属性中，它们对分类的重要性是不同的，甚至有些属性是冗余的。常用的度量属性