数据挖掘技术在高校教学评价中的应用研究

孙健　赵鹏　雷鸣

摘 要：本文概要论述了目前高等院校教学评价的现状，并以高校教学评价系统为数据挖掘平台，利用数据挖掘技术，运用多种数据挖掘方法对教学相关数据进行分析。重点阐述了数据挖掘技术在高校教学评价系统中的应用研究。从而达到促进高校教师改进教学方法，提高教学质量的目的，对高校教学评价具有深远的影响。

关键词：数据挖掘 教学评价 教学质量

中图分类号：G71 文献标识码：A 文章编号：1672-3791（2014）06（b）-0146-01

近年来，随着我国高校信息化程度的不断提高，教学管理系统中积累了大量的数据信息。这些数据信息除了用于日常的教学管理以外，一般只用来做一些常规的业务数据统计或排序。针对这些信息的处理方式都是对数据进行简单的数字处理，而不能对这些数据进行深层次的分析。而数据挖掘技术通过对海量数据的分析，可以发现数据之间的潜在联系，有效的为教学管理者提供科学的决策，降低成本，提高教学质量。

1 数据挖掘的相关研究

1.1 数据挖掘定义

数据挖掘技术是一门新兴学科，集众多学科交叉融合而成的工具和技术，其中包含了：数据库技术、统计学、人工智能、信息检索、模式识别等多种技术。数据挖掘（Data Mining），是指从海量的数据或数据库中分析和提取出人们感兴趣的知识的过程。目前数据挖掘在银行、电信、保险、交通和零售业等各个领域已经有了较为深入的研究，但是在煤炭企业信息管理方面的应用并没有得到广泛的应用，还不能对信息管理中的海量数据进行分析评估与挖掘，缺乏综合分析和决策支持能力。

1.2 数据挖掘的分类方法

数据发掘的分类有很多方法，可以根据数据挖掘的任务、数据挖掘的方法等进行分类。

（1）根据数据挖掘的任务可以分为如下几种：分类或预测模型数据挖掘、数据总结、数据聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等。

（2）根据数据挖掘的方法可以分为：统计方法、机器学习方法、神经网络方法和数据库方法。

1.3 数据挖掘的分类算法

分类算法是数据挖掘算法中很重要的一种，主要分类算法有决策树算法、关联规则分类算法、K近邻分类算法、贝叶斯分类算法和基于模糊逻辑、遗传算法、粗糙集和神经网络的分类算法。

2 数据挖掘过程

数据挖掘是一个不断反馈的过程，一般情况下，它可以分为三个阶段：数据准备、数据挖掘、模式评估与表示。

（1）数据准备与数据预处理。

数据挖掘的前提条件是数据的准备，对教师的评价数据来源于系统的数据库，包括：同行评价、学生评价、教师自评及专家评价等，这部分数据可通过数据库表的读取来获得；另外一方面是调查问卷整理获得的数据。对数据的预处理，也就将样本集数据转换为适合数据挖掘的格式。

（2）数据挖掘。

首先，根据数据的性质，在神经元网络、归纳技术、聚类分析技术、关联分析技术等诸多算法中选择适合的技术。其次，选择合适的算法，如：ID3算法、BP算法、Apriori算法等。接下来，用选定的技术及算法对于预处理的数据进行挖掘。

（3）模式评估与表示。

将原始数据通过数据挖掘转换成为更易理解、可明确关系的形式，利用统计方法对于分析结果进行评价，从而得到最为适合的模式，并且预测未来可能发生的情况，供决策者进行决策。

3 数据挖掘技术在教学评价中的应用研究

教学评价是教学过程中的重要组成部分，是科学合理的分析手段，主要研究教师的教和学生学的价值过程。因此，把数据挖掘技术应用到高校教学评价中，从大量的数据分析中，发现影响学生、专家、同行评教结果的关键因素，分析教学行为和教学效果质检的关系。帮助高校教师及管理人员分析影响教学质量的因素，找出教学管理中的问题，为教学管理者提供决策支持，为改进教学方法提供依据。

（1）数据挖掘应用于教学评价，有利于建立科学可行的教学质量评价指标体系。通过专门的部门测评，可以对教学质量有个准确的价值判断。目前，高校教学水平的评定没有一个合理的办法，测评结果并不合理，不能达到预期的效果。所以，通过数据挖掘技术，对教师的教学等级进行判断，促进教师改进教学技术，提高教学质量。

（2）将数据挖掘技术引入到教学评价过程中，可以指导教学管理，提高教学质量。用科学的手段收集、分析处理所获得的资料，找出教学质量好的教师所具备的集中特征，家偶尔管理者可以正确及时的采取主动有力的措施进行指导、更好的发挥管理功能，从而促进教学工作质量的提高。

（3）将数据挖掘技术引入到教学评价的过程中，可以推动教学改革。通过数据挖掘，教师可以根据所得数据判断，教学方法、教学手段是否合理，教学的重点、难点是否清晰明白，从而调整教学策略，改进教学手段。促使教师尽快转变教学思想，优化教学过程。

4 结论

作为新兴的数据分析技术，数据挖掘在对高校的教学质量评价中，对高校中与教学相关的数据进行分析，从而发现高校教学中存在的问题，找出影响教学效果的关键因素，不仅可以提高效率，降低成本，更加有利于数据分享，保证数据的安全性，能够更好的为服务高校的教学及发展。同时也有利于进一步促进高校教育信息化建设的发展。

参考文献

[1] 贺瑶，王文庆，薛飞.基于云计算的海量数据挖掘研究[J].计算机技术与发展，2013（2）.

[2] 董琳.数据挖掘技术在高职院教学评价中的应用研究[J].电脑知识与技术，2013（4）.

[3] 江敏，徐艳.数据挖掘技术在高校教学管理中的应用[J].电脑知识与技术，2012（8）.

[4] 吕慎敏.基于数据挖掘的高校教学管理决策支持系统研究[D].山东师范大学，2012（6）.

[5] 高晓佳.数据挖掘在教育信息化中的应用研究[J].电脑知识与技术，2012（2）.

[6] 赵林莉，尹绍宏.数据挖掘技术在高校教学质量评价中的应用[J].廊坊师范学院学报：自然科学版，2011（12）.endprint

摘 要：本文概要论述了目前高等院校教学评价的现状，并以高校教学评价系统为数据挖掘平台，利用数据挖掘技术，运用多种数据挖掘方法对教学相关数据进行分析。重点阐述了数据挖掘技术在高校教学评价系统中的应用研究。从而达到促进高校教师改进教学方法，提高教学质量的目的，对高校教学评价具有深远的影响。

关键词：数据挖掘 教学评价 教学质量

中图分类号：G71 文献标识码：A 文章编号：1672-3791（2014）06（b）-0146-01

近年来，随着我国高校信息化程度的不断提高，教学管理系统中积累了大量的数据信息。这些数据信息除了用于日常的教学管理以外，一般只用来做一些常规的业务数据统计或排序。针对这些信息的处理方式都是对数据进行简单的数字处理，而不能对这些数据进行深层次的分析。而数据挖掘技术通过对海量数据的分析，可以发现数据之间的潜在联系，有效的为教学管理者提供科学的决策，降低成本，提高教学质量。

1 数据挖掘的相关研究

1.1 数据挖掘定义

数据挖掘技术是一门新兴学科，集众多学科交叉融合而成的工具和技术，其中包含了：数据库技术、统计学、人工智能、信息检索、模式识别等多种技术。数据挖掘（Data Mining），是指从海量的数据或数据库中分析和提取出人们感兴趣的知识的过程。目前数据挖掘在银行、电信、保险、交通和零售业等各个领域已经有了较为深入的研究，但是在煤炭企业信息管理方面的应用并没有得到广泛的应用，还不能对信息管理中的海量数据进行分析评估与挖掘，缺乏综合分析和决策支持能力。

1.2 数据挖掘的分类方法

数据发掘的分类有很多方法，可以根据数据挖掘的任务、数据挖掘的方法等进行分类。

（1）根据数据挖掘的任务可以分为如下几种：分类或预测模型数据挖掘、数据总结、数据聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等。

（2）根据数据挖掘的方法可以分为：统计方法、机器学习方法、神经网络方法和数据库方法。

1.3 数据挖掘的分类算法

分类算法是数据挖掘算法中很重要的一种，主要分类算法有决策树算法、关联规则分类算法、K近邻分类算法、贝叶斯分类算法和基于模糊逻辑、遗传算法、粗糙集和神经网络的分类算法。

2 数据挖掘过程

数据挖掘是一个不断反馈的过程，一般情况下，它可以分为三个阶段：数据准备、数据挖掘、模式评估与表示。

（1）数据准备与数据预处理。

数据挖掘的前提条件是数据的准备，对教师的评价数据来源于系统的数据库，包括：同行评价、学生评价、教师自评及专家评价等，这部分数据可通过数据库表的读取来获得；另外一方面是调查问卷整理获得的数据。对数据的预处理，也就将样本集数据转换为适合数据挖掘的格式。

（2）数据挖掘。

首先，根据数据的性质，在神经元网络、归纳技术、聚类分析技术、关联分析技术等诸多算法中选择适合的技术。其次，选择合适的算法，如：ID3算法、BP算法、Apriori算法等。接下来，用选定的技术及算法对于预处理的数据进行挖掘。

（3）模式评估与表示。

将原始数据通过数据挖掘转换成为更易理解、可明确关系的形式，利用统计方法对于分析结果进行评价，从而得到最为适合的模式，并且预测未来可能发生的情况，供决策者进行决策。

3 数据挖掘技术在教学评价中的应用研究

教学评价是教学过程中的重要组成部分，是科学合理的分析手段，主要研究教师的教和学生学的价值过程。因此，把数据挖掘技术应用到高校教学评价中，从大量的数据分析中，发现影响学生、专家、同行评教结果的关键因素，分析教学行为和教学效果质检的关系。帮助高校教师及管理人员分析影响教学质量的因素，找出教学管理中的问题，为教学管理者提供决策支持，为改进教学方法提供依据。

（1）数据挖掘应用于教学评价，有利于建立科学可行的教学质量评价指标体系。通过专门的部门测评，可以对教学质量有个准确的价值判断。目前，高校教学水平的评定没有一个合理的办法，测评结果并不合理，不能达到预期的效果。所以，通过数据挖掘技术，对教师的教学等级进行判断，促进教师改进教学技术，提高教学质量。

（2）将数据挖掘技术引入到教学评价过程中，可以指导教学管理，提高教学质量。用科学的手段收集、分析处理所获得的资料，找出教学质量好的教师所具备的集中特征，家偶尔管理者可以正确及时的采取主动有力的措施进行指导、更好的发挥管理功能，从而促进教学工作质量的提高。

（3）将数据挖掘技术引入到教学评价的过程中，可以推动教学改革。通过数据挖掘，教师可以根据所得数据判断，教学方法、教学手段是否合理，教学的重点、难点是否清晰明白，从而调整教学策略，改进教学手段。促使教师尽快转变教学思想，优化教学过程。

4 结论

作为新兴的数据分析技术，数据挖掘在对高校的教学质量评价中，对高校中与教学相关的数据进行分析，从而发现高校教学中存在的问题，找出影响教学效果的关键因素，不仅可以提高效率，降低成本，更加有利于数据分享，保证数据的安全性，能够更好的为服务高校的教学及发展。同时也有利于进一步促进高校教育信息化建设的发展。

参考文献

[1] 贺瑶，王文庆，薛飞.基于云计算的海量数据挖掘研究[J].计算机技术与发展，2013（2）.

[2] 董琳.数据挖掘技术在高职院教学评价中的应用研究[J].电脑知识与技术，2013（4）.

[3] 江敏，徐艳.数据挖掘技术在高校教学管理中的应用[J].电脑知识与技术，2012（8）.

[4] 吕慎敏.基于数据挖掘的高校教学管理决策支持系统研究[D].山东师范大学，2012（6）.

[5] 高晓佳.数据挖掘在教育信息化中的应用研究[J].电脑知识与技术，2012（2）.

[6] 赵林莉，尹绍宏.数据挖掘技术在高校教学质量评价中的应用[J].廊坊师范学院学报：自然科学版，2011（12）.endprint

摘 要：本文概要论述了目前高等院校教学评价的现状，并以高校教学评价系统为数据挖掘平台，利用数据挖掘技术，运用多种数据挖掘方法对教学相关数据进行分析。重点阐述了数据挖掘技术在高校教学评价系统中的应用研究。从而达到促进高校教师改进教学方法，提高教学质量的目的，对高校教学评价具有深远的影响。

关键词：数据挖掘 教学评价 教学质量

中图分类号：G71 文献标识码：A 文章编号：1672-3791（2014）06（b）-0146-01

近年来，随着我国高校信息化程度的不断提高，教学管理系统中积累了大量的数据信息。这些数据信息除了用于日常的教学管理以外，一般只用来做一些常规的业务数据统计或排序。针对这些信息的处理方式都是对数据进行简单的数字处理，而不能对这些数据进行深层次的分析。而数据挖掘技术通过对海量数据的分析，可以发现数据之间的潜在联系，有效的为教学管理者提供科学的决策，降低成本，提高教学质量。

1 数据挖掘的相关研究

1.1 数据挖掘定义

数据挖掘技术是一门新兴学科，集众多学科交叉融合而成的工具和技术，其中包含了：数据库技术、统计学、人工智能、信息检索、模式识别等多种技术。数据挖掘（Data Mining），是指从海量的数据或数据库中分析和提取出人们感兴趣的知识的过程。目前数据挖掘在银行、电信、保险、交通和零售业等各个领域已经有了较为深入的研究，但是在煤炭企业信息管理方面的应用并没有得到广泛的应用，还不能对信息管理中的海量数据进行分析评估与挖掘，缺乏综合分析和决策支持能力。

1.2 数据挖掘的分类方法

数据发掘的分类有很多方法，可以根据数据挖掘的任务、数据挖掘的方法等进行分类。

（1）根据数据挖掘的任务可以分为如下几种：分类或预测模型数据挖掘、数据总结、数据聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等。

（2）根据数据挖掘的方法可以分为：统计方法、机器学习方法、神经网络方法和数据库方法。

1.3 数据挖掘的分类算法

分类算法是数据挖掘算法中很重要的一种，主要分类算法有决策树算法、关联规则分类算法、K近邻分类算法、贝叶斯分类算法和基于模糊逻辑、遗传算法、粗糙集和神经网络的分类算法。

2 数据挖掘过程

数据挖掘是一个不断反馈的过程，一般情况下，它可以分为三个阶段：数据准备、数据挖掘、模式评估与表示。

（1）数据准备与数据预处理。

数据挖掘的前提条件是数据的准备，对教师的评价数据来源于系统的数据库，包括：同行评价、学生评价、教师自评及专家评价等，这部分数据可通过数据库表的读取来获得；另外一方面是调查问卷整理获得的数据。对数据的预处理，也就将样本集数据转换为适合数据挖掘的格式。

（2）数据挖掘。

首先，根据数据的性质，在神经元网络、归纳技术、聚类分析技术、关联分析技术等诸多算法中选择适合的技术。其次，选择合适的算法，如：ID3算法、BP算法、Apriori算法等。接下来，用选定的技术及算法对于预处理的数据进行挖掘。

（3）模式评估与表示。

将原始数据通过数据挖掘转换成为更易理解、可明确关系的形式，利用统计方法对于分析结果进行评价，从而得到最为适合的模式，并且预测未来可能发生的情况，供决策者进行决策。

3 数据挖掘技术在教学评价中的应用研究

教学评价是教学过程中的重要组成部分，是科学合理的分析手段，主要研究教师的教和学生学的价值过程。因此，把数据挖掘技术应用到高校教学评价中，从大量的数据分析中，发现影响学生、专家、同行评教结果的关键因素，分析教学行为和教学效果质检的关系。帮助高校教师及管理人员分析影响教学质量的因素，找出教学管理中的问题，为教学管理者提供决策支持，为改进教学方法提供依据。

（1）数据挖掘应用于教学评价，有利于建立科学可行的教学质量评价指标体系。通过专门的部门测评，可以对教学质量有个准确的价值判断。目前，高校教学水平的评定没有一个合理的办法，测评结果并不合理，不能达到预期的效果。所以，通过数据挖掘技术，对教师的教学等级进行判断，促进教师改进教学技术，提高教学质量。

（2）将数据挖掘技术引入到教学评价过程中，可以指导教学管理，提高教学质量。用科学的手段收集、分析处理所获得的资料，找出教学质量好的教师所具备的集中特征，家偶尔管理者可以正确及时的采取主动有力的措施进行指导、更好的发挥管理功能，从而促进教学工作质量的提高。

（3）将数据挖掘技术引入到教学评价的过程中，可以推动教学改革。通过数据挖掘，教师可以根据所得数据判断，教学方法、教学手段是否合理，教学的重点、难点是否清晰明白，从而调整教学策略，改进教学手段。促使教师尽快转变教学思想，优化教学过程。

4 结论

作为新兴的数据分析技术，数据挖掘在对高校的教学质量评价中，对高校中与教学相关的数据进行分析，从而发现高校教学中存在的问题，找出影响教学效果的关键因素，不仅可以提高效率，降低成本，更加有利于数据分享，保证数据的安全性，能够更好的为服务高校的教学及发展。同时也有利于进一步促进高校教育信息化建设的发展。

参考文献

[1] 贺瑶，王文庆，薛飞.基于云计算的海量数据挖掘研究[J].计算机技术与发展，2013（2）.

[2] 董琳.数据挖掘技术在高职院教学评价中的应用研究[J].电脑知识与技术，2013（4）.

[3] 江敏，徐艳.数据挖掘技术在高校教学管理中的应用[J].电脑知识与技术，2012（8）.

[4] 吕慎敏.基于数据挖掘的高校教学管理决策支持系统研究[D].山东师范大学，2012（6）.

[5] 高晓佳.数据挖掘在教育信息化中的应用研究[J].电脑知识与技术，2012（2）.

[6] 赵林莉，尹绍宏.数据挖掘技术在高校教学质量评价中的应用[J].廊坊师范学院学报：自然科学版，2011（12）.endprint