基于数据挖掘技术的教学测评

2011-01-05 08:53叶若芬孙书明
河北工业科技 2011年6期
关键词:项集子集态度

叶若芬,孙书明

(沧州职业技术学院,河北沧州 061001)

基于数据挖掘技术的教学测评

叶若芬,孙书明

(沧州职业技术学院,河北沧州 061001)

学院为保障教学质量,每学期对教师教学情况进行测评,其中学生的测评结果占教师总测评成绩的70%。通过多年的实证性研究表明:学生教学评价问卷具有很高的可信度,较客观地反映了任课教师的教学效果。由于学生测评数据量较大,又没有分类标准,应用SPSS软件进行聚类分析,可以较好地进行教学效果的等次划分。用关联规则分析教学测评数据可深层地挖掘与教学效果相关联的教学因素,为教学管理者和任课教师提供有力的反馈信息,学院监督部门据此可有效调节和控制教学活动的实施。

教学态度;教学测评;认知;情感;教学效果

在高职高专教学中,以就业为导向,以培养学生实际操作能力为核心展开教学是培养学生适应社会需求的得力举措。操作性较强的专业课,实训课时数占课程总时数的50%以上,实训教师的业务能力、教学态度、教学方法和教学效果直接影响高职的教学水平和教学质量。为了能够有效调节和控制实训课程的教学活动情况,学校每学期都要对实训教师进行教学评价,评价结果将对教学活动监督和控制起导向作用。在教学评价体系中学生对教师的评价是教学质量测评工作中重要的一项,经过多年的应用表明学生测评结果具有较高的可信度。但是对于几千名学生对几百名教师的测评产生的大量数据,常常是在Excel中进行总分大排序,并在其中找出教学质量好的前几名和较差的后几名。这种简单的排序不能直观地反映影响教学质量的各个因素产生的效果,也就不能体现分类的语义效果。如果对测评数据进行聚类分析,可以通过簇类中心发现每个簇类的特征值,再在生成的簇上进行关联规则分析,可找到影响实训教学质量的因素,然后有的放矢地采取措施进行严格管理。SPSS软件即社会科学统计软件包(statistical package for the social sciences),是基于k-means(k-平均值)和k-medoids(k-中心点)等算法的一种集成化的聚类分析工具,该软件统计方法成熟、实用和易用,而且与用户的可交互性强。

1 基于数据挖掘技术分析教学的测评数据

1.1 问题描述

根据教师的业务能力、教学态度、教学方法和教学效果4个方面设计了问卷调查,问卷中共有20项内容,每项5分。学生在教学测评问卷中进行打分,业务能力、教学态度、教学方法和教学效果4个方面的满分分别是25,30,20,25分,总分是100分。如表1所示,是某个实验员的测评结果。为了保证分析的有效性,对测评后得到的原始数据进行极值点的删除,如各项都是100分或者都是0分的记录进行筛除,对问卷数据粗略统计中发现分数较差的记录极少,作为噪声数据去除。

表1 测评结果初始数据示例Tab.1 Some initial data of evaluation result分

1.2 聚类分析教学测评数据

聚类分析采用SPSS软件处理数据,用k-平均值聚类方法。在聚类分析过程中要设置下面几个参数:聚类数3,迭代次数10,收敛性标准0。表2是聚类结果,在“聚类”列中:“1”代表是优秀集合类,“2”代表良好集合类,“3”代表一般集合类。即对教师教学情况分成了优秀、良好、一般3种分类。由聚类结果可以看出,1类(优秀)和2类(良好)占70%,3类(一般)占30%,符合正常教学状态。

表2 部分聚类结果Tab.2 A part of the clustering results

在表3中,“1”代表优秀,“2”代表良好,“3”代表一般。由表3可以看出,即使是在业务能力、教学态度、教学方法和教学效果4个方面的总分能够达到91分左右的“一般者”,成绩也良好。从代表各类的聚类中心的各属性值比较:“一般者”比“优秀者”的业务能力差1.45分,教学态度差2.54分,教学方法差1.67分,教学效果差2.08分。这说明对测评成绩为“一般”的主要因素是教学态度差。教学态度对教学质量的影响可以通过关联规则数据挖掘技术进行分析解释。

表3 3个类别的最终聚类中心Tab.3 Final cluster centers of three categories分

1.3 关联规则分析影响教学质量的因素

第1步,对原始数据进行预处理。

为了便于关联规则分析,对原始数据进行预处理,根据原始数据的规律,可以把原始数据按如下方法进行概化。用符号A表示业务能力,符号概化分数段为A1(25分),A2(24分),A3(22~23分);用符号B表示教学态度,符号概化分数段为B1(30分),B2(29分),B3(27~28分);用符号C表示教学方法,符号概化分数段为C1(20分),C2(19分),C3(17~18分);用符号D表示教学效果,符号概化分数段为D1(25分),D2(24分),D3(22~23分)。原始数据概化后如表4所示。

表4 测评结果的概化表示Tab.4 Line symbols of evaluation result

第2步,关联规则分析过程。

设关联规则的最小支持度为30%,最小置信度为80%。按照Apiori算法对表4所示的概化数据进行逐层搜索出现频率超过最小支持度的频繁项集Q1。

1)从候选项集Q1中找出单项频繁项集L1,根据最小支持度30%产生单项频繁项集L1的过程如表5所示。

表5 单项的频繁项集L1的产生过程Tab.5 Production of single frequent itemsets L1

2)连接L1产生2-项候选项集Q2,扫描原始数据项集找到候选项集Q2中各个子集的支持度,产生2-项频繁项集L2的过程如表6所示,Q2=L1×L1。

3)连接L2找到候选项集Q3。

Q3=L2×L2={{A2,B2,C2},{A2,B2,D2},{A2,C2,D2},{A3,B2,B3},{A3,B2,C3},{A3,B2,D3},{A3,B3,C3},{A3,B3,D3},{A3,C3,D3},{B3,C3,D3}}。对候选项集Q3使用 Apiori性质剪枝:频繁项集的所有子集必须是频繁的[1]。只要在Q3中有不频繁的子集的2-项子集就剪掉。

{A2,B2,C2}的2-项子集是{A2,B2},{A2,C2},{B2,C2},3个2-项子集都是频繁项集L2中的元素,因此保留{A2,B2,C2}。

{A3,B2,C3}的2-项子集是{A3,B2},{A3,C3},{B2,C3},3个2-项子集中{B2,C3}不是频繁项集L2中的元素,因此删除{A3,B2,C3}。

依次寻找下去,因此3-项频繁项集L3={{A2,B2,C2},{A2,B2,D2},{A3,B3,C3}}。

4)同样用连接L3找到候选项集Q4,对候选项集Q4进行裁剪找到4-项频繁项集L4。

L4= {A2,B2,C2,D2}。

对4-项频繁项集{A2,B2,C2,D2}找出各项之间的关联规则。首先找出频繁项集的置信度,求置信度的方法是用4-项频繁项集L4的所有子集的概率除以该子集在L4中补集的概率。

表6 2-项频繁项集L2的产生Tab.6 Production of 2-item frequent itemsets L2

其中,sup port_count(X∪Y)是包含项集X∪Y的频率,sup port_count(X)是包含项集X的频率。

如果confindence(X⇒Y)≥min_conf,则X和Y满足强关联规则。其中,min_conf是最小置信度。

4-项频繁项集{A2,B2,C2,D2}的所有子集为{A2,B2,C2},{A2,B2,D2},{A2,B2},{A2,C2},{A2,D2},{B2,C2},{B2,D2},{C2,D2},{A2},{B2},{C2},{D2}。计算这些子集的置信度,以求出4-项频繁项集的强关联规则。

根据最小置信度 min_conf=80%得出,大于min_conf的强关联规则如下。

A2∧B2∧C2⇒D2 confidence=4/5=80%,其含义为良好的业务能力、教学态度和教学方法,80%的是有良好的教学效果。

A2∧B2∧D2⇒C2 confidence=4/5=80%,其含义为良好的业务能力、教学态度和教学效果,80%的是有良好的教学方法。

C2∧D2⇒A2∧B2 confidence=3/3=100%,其含义为良好的教学方法和教学效果一定是业务能力较强,并具有良好的教学态度。

D2⇒A2∧B2∧C2 confidence=4/4=100%,其含义为良好的教学效果一定是有良好的业务能力、教学态度和教学方法。

在此4个强关联规则中唯一单一要素起决定作用的是良好的教学效果必然具有较强的业务能力,具有可人的教学态度和适合的教学方法。

2 搞好教学必备的三要素

实训教师的业务能力是掌握专业知识、拥有处理专业问题的能力,这是一名合格教师必须具备的要素;教学方法是教师传授知识这一行为实施的技巧,合适的教学方法能够根据教学对象和教学内容灵活多变,是影响教学质量的直接要素。教学态度是指教师的教育态度,是教师对学生和教育所具有的认识、情感、行为特征各个侧面的比较持续性的反应倾向或反应准备状态[2]。学生和教师朝夕相处,教师的一言一行,都会在学生心灵上打上深深的烙印。教师对待学生的态度,关系着学生的健康成长。人本主义心理学家罗杰斯从心理治疗法出发认为,能促使学生自我启动和学习动能的是教师的态度[3]。教师的教育态度是教师发挥教育能动性的基础,如果教师能够清醒地意识到自己的职责,能有意识地调节和保持理智的教育行为,使自己的情绪情感反应、语言反应、行为反应在教育活动中处于理想状态,教师的教学方法就会更规范,更符合教育的内在规律,就会对学生因材施教、因地制宜、相时而动,必然产生较好的教学效果。

3 结 语

教师在实际工作中应注意到态度的知、情、意对学生的影响,这种影响不仅体现在学生学习效果上,在学生正确价值观的形成、良好社会适应能力的培养、健康心理的维持中也发挥着很大的作用[4]。通过此次调查的结果可以看出,教学态度是影响教学质量的主观因素。从管理层角度调动教师的爱心——“爱学生、爱教师这份职业”,这是当前提高教学质量的必然要素。要把教师的认识、情感、意向、行为一步步转到积极的教学行为上来,当良好的态度形成后一定要有一个强化过程,教师必须持之以恒,坚持下去。

[1]HAN Jia-wei,KAMBER M.数据挖掘概念与技术[M].范明,孟小峰译.北京:机械工业出版社,2001.

[2]李建周.管理心理学[M].北京:教育科学出版社,1992.

[3]周忠生.罗杰斯的教师态度观[J].九江师专学报(哲学社会科学版),1999,18(1):80-83.

[4]周 平.谈教师态度对学生的影响[J].现代教育科学(普教研究),2008(1):10-11.

Teaching evaluation based on data mining technology

YE Ruo-fen,SUN Shu-ming
(Cangzhou Vocational College of Technology,Cangzhou Hebei 061001,China)

Quality of teaching is evaluated in every semester to ensure teaching quality.Evaluation by students take up 70%of assessment result on teachers.The fact in years of application indicates that students'evaluation of teaching questionnaire has high reliability.The questionnaire reflects objectively the teaching effect.Due to the large amount of student evaluation data and the lack of classification standard,teaching effectiveness can be better classified by the application of cluster analysis SPSS software.The association rules can be used to analyze the factors influencing teaching quality,and provide feedback information for teaching managers and teachers.Then the implementation of the teaching activities can be adjusted effectively.

teaching attitude;teaching evaluation;cognition;emotion;teachingeffect

TP311.12

A

1008-1534(2011)06-0383-04

2011-03-16;

2011-09-23

陈书欣

叶若芬(1968-),女,河北沧州人,副教授,硕士,主要从事数据挖掘技术方面的研究。

猜你喜欢
项集子集态度
拓扑空间中紧致子集的性质研究
连通子集性质的推广与等价刻画
关于奇数阶二元子集的分离序列
态度
别人对你的态度,都是你允许的
不确定数据的约束频繁闭项集挖掘算法
夏天好烦 懒也能穿出态度
态度决定一切
每一次爱情都只是爱情的子集
一种新的改进Apriori算法*