数据挖掘在教学质量监控中的应用研究

陈海涛，沈 欢

(张家口职业技术学院，河北张家口 075000)

一、引言

随着高职教育的不断发展和社会对高职教育要求的不断变化,高职教育由外在式发展转向内涵发展，教育理念发生了深刻的变革。基于工作过程的课程设计改革要求以职业活动为导向、以素质为基础，突出能力目标，以学生为主体、以项目为载体、以实训为手段，设计出知识、理论、实践一体化的课程。这无疑对传统的课堂教学质量评价监控体系带来了新的挑战，现行的重结果评价，轻过程监控的教学质量评价监控体系已经难以适应这一新的形势。同时，随着学校信息化建设的深入，以网络为平台的教学质量评价已经在高职院校普遍开展，这无疑延伸了评价的时间、拓宽了评价的空间、丰富了监控的内容。但同时也带来了数据库的数据日益庞杂，而这些数据的背后隐藏着许多重要的信息。如何快速而又准确地从浩瀚的教学信息资源中提取出所需信息,是从事教学质量评价监控工作的教育工作者所面临的一个全新的问题。

二、高职院校教学质量评价中存在的问题

高职院校的教学质量评价一般通过学生评教、领导(督导)评价和教师同行评价三个环节分别进行，并综合出最后的评价结果，以此作为教师教学能力考核的主要依据。但各个院校在教学质量评价的实施过程中仍存在一些问题：

1.评价指标体系的全面性

各院校在设计评价指标体系过程中，一般侧重考虑对教学态度、教学内容和教学基本技能的评价。但对教师综合素质的评价，还应该包括教师的知识能力、课程开发能力、教学设计创新能力和对网络、多媒体等现代化教学手段的应用能力等方面。因此教学质量评价中各项指标应随着教育教学思想的发展而动态变化，以适应新时期对教师的要求。

2.指标权重分配的合理性

各评价指标对评价结果的影响肯定存在差异，应分配不同的权重。但在实际应用中缺乏合理的权重分配方案，往往是主观确定一个权重分配表来建立评价体系，这不仅降低了评价结果的可信度，还会为进一步评价数据的挖掘设置障碍。

3.评价方法和评价数据的处理

传统的评价方法一般就是“加权求和”，虽然简单，但容易降低评价的可靠性，无法对评价结果进行跨班级、跨专业和跨系部进行比较。网络评价在数字化校园中的普遍开展，无疑延伸了评价的时间、拓宽了评价的空间、丰富了监控的内容。但同时也使评价数据库的数据急剧增多，这些浩瀚的数据背后隐藏着许多重要的信息。传统的数据分析手段只能获取这些数据的表层信息，难以从中挖掘出有助于教学决策的有价值的信息，来构建有效的教学质量预警机制。

三、基于数据挖掘的教学质量评价体系构建模型的研究

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、潜在有用的信息和知识的过程,它能高度自动化地分析原有数据,做出归纳性推理,从中挖掘出潜在的模式。因而建立基于数据挖掘的课堂教学质量评价监控体系，无疑有助于提高学校的教学质量和人才培养水平。教学质量评价体系是一个分层次、多目标的复杂系统，层次分析法(analytic hierarchy process)是一种定量与定性相结合的多目标决策分析方法，无疑是建立评价体系最常用的方法。本文从学生评教表，领导(督导)评价表和教师同行评价表中，提取影响评价结果的主要指标，并利用专家智能构建评价指标体系，从而解决权重分配问题，最终实现评价体系的构建。

1.建立评价指标层次结构模型

以我院教学质量评价为例，从学生评教表，领导(督导)评价表和教师同行评价表中提取的一级评价指标记为u1-u4，相应的二级评价指标分别记为u11-u13,u21-u23,u31-u33,u41-u43，并以此来建立树状层次模型。具体内容如表1所示。

表1 评价指标树状层次结构模型

2.利用专家智能构造判断矩阵

利用专家智能，按照成对比较标准构造的判断矩阵如下所示：

3.使用规范列平均法计算权重并进行一致性校验

对应教学质量评价的一级和二级指标，对两层准则层次结构模型计算各级指标的权重，方法是规范列平均法。

表2 权重分配表

(3)最后利用最大特征值方法进行一致性校验，一级指标的CR=0.03<0.1，二级指标的CR分别为0.01,0，0,0.01，由此可以看出权重分配比较合理。

在实际的操作中，对历年评价数据可以考虑使用Apriori算法进行关联规则挖掘，不但可以验证评价指标权重的合理性并适当做出动态的调整，还可以将挖掘的规则存入知识库，用于指导教学决策。

四、建立基于评价体系的教学质量监控预警模型

高职院校教学质量评价的目的，不仅仅在于简单地给教师一个评价等级，而是借助教学质量评价促进教师找出教学中需要改进的地方，并及时调整教学策略，不断完善教学手段，提高教学水平。因此建立基于评价体系的教学质量监控预警模型有重要的现实意义。考虑到各学校采用的评价指标的模糊性和评价主体的复杂性，预警模型的构建一般采用模糊分析的方法。预警模型的建立可以考虑根据k个评价等级(一般为：优，良，一般，较差)确定一个最小安全级f，同时利用模糊分析方法设置一个模糊预警矩阵M=(mf+1mf+2…mk),并对评价结果中的R=(rr+1rf+2…rk) 对应比较，如发现rs>ms，则说明在这个评价指标上该教师超出了安全阈值，应提出相应的预警。当然这种情况也可能是由意外因素(如个别学生的异常评价)所引起，在实际操作中，教育管理者应仔细分析产生的原因，减少此类事件发生的概率。

数据挖掘是新兴的前沿科学，利用该技术建立的课堂教学质量评价监控系统，对高职院校加强教学管理，提升办学水平、提高人才培养质量意义重大。

参考文献：

[1]李志刚，马刚.数据仓库与数据挖掘的原理及应用[M].北京:高等教育出版社,2008.

[2]Paolo Giudici.实用数据挖掘.袁方 等译[M].北京：电子工业出版社，2004.

[3]杨永斌.数据挖掘技术在教育中的应用研究[J].计算机科学，2006，(33):284-286.