数据挖掘在高校课堂教学质量评价体系中的应用

李超锋

摘 要：课堂教学质量是高校办学实力与教学水平的一个体现，高校要想实现稳定发展和扩大，需要不断优化课堂教学质量，这就要注重课堂教学质量评价工作。通过对课堂教学质量的客观、全面评价及结果利用，实现高校的自我监督与自我调节，促进课堂教学质量的提高。鉴于课堂教学质量评价工作的重要性，本文对数据挖掘在高校课堂教学质量评价中的应用进行了思考分析，并具体论述了评价体系建立的相关问题。

关键词：高校课堂 数据挖掘 教学质量评价体系 应用分析 关联规则

对于高校而言，课堂教学质量评价是其在自我监督、自我调节的一种有效机制，是教学管理的一个重要方面。随着新一轮高校教学改革工作的逐步展开与深入，人们对课堂教学更加关注，如何建立一个多元的课堂教学质量评价体系成为教学改革工作中的重中之重。在这样的大背景下，提出把数据挖掘技术中的关联规则引用到高校课堂教学质量评价体系建立工作中去。实践证明，这一想法是可行的、可操作的，且有效的。所以，下面具体论述了基于数据挖掘技术的高校课堂教学评价体系的建立。

一、数据挖掘在高校课堂教学质量评价中的应用思考

数据挖掘，是近几年快速发展起来并广泛应用的数据处理技术，其能够在海量的数据中挖掘出满足用户需求的数据类型。这一技术在高校课堂教学质量评价体系中的应用，主要体现在关联规则上，因为关联规则是从数据背后发现事物之间可能存在的关联或联系的关键。如果没有从数据中挖掘出关联，就无法发现事物间的隐藏联系，所以高校课堂教学质量评价体系对数据挖掘的应用，主要是利用关联规则。

数据挖掘在高校课堂教学体系中的应用，应按照以下步骤进行：

第一步：对数据进行预处理。在这一环节中，先对教师的基本信息（学历、职称等）、教师授课程，以及学生信息、课表等信息进行初始数据记录。然后，需要建立一个挖掘数据库，把初始数据记录输入到数据库中聚焦起来，系统将汇集与教学质量评价相关的数据，并把这些数据插入到初始关系表中，得到关于教师基本信息、教师授课程、学生信息等信息的关系表。之后，根据对课堂教学质量评价的条件和需求确定评价项目、评价内容、评价等级，设置各评价内容对应的分值，确定课堂教学质量评价表。在实际的评价活动中，要根据各分项分值计算得出总分，作为评价课堂教学质量的一个考量。学生完成对教师教学质量评价表填写后，对数据进行规格化转换，把连续值属性离散化处理，方法可以采用直方图。以上这些工作都属于数据预处理的重要工作，认真、细致的做好这一环节的准备工作，便于节省挖掘模型建立精力，提高数据挖掘结果的准确性。

第二步，进行关联规则挖掘。先从数据库中提取与评价相关的数据，如学历、职称等，然后再提取相关属性，与学生对教师教学质量评价结果合成一张关系表，作为数据挖掘的对象。进行数据挖掘前，需要确定算法，建立相应的数据挖掘模型，处理后得到相应的关系规则库。对关系规则库进行分析讨论后，得到教学的基本信息、教师授课程、学生信息等与课堂教学质量之间的关联，为课堂教学质量的完善与优化提供可靠的数据支持。

二、基于数据挖掘建立高校课堂教学质量评价体系

数据预处理和关联规则挖掘是数据挖掘在高校课堂教学质量评价体系中应用的两个关键环节，而且，课堂教学质量评价表的确定是数据预处理中的关键，应当确保评价表全面、有针对性。基于这样的考量，建立了高校课堂教学质量评价体系。

1.确定评价指标，建立评价表

根据当前各大高校课堂教学评价表建立情况，以及对教师教学评价的实际需求，确定了评价指标，建立了评价表的基本框架，如表1所示。从表1可以看出，评价项目包括教学态度、教学内容、教学方法、教学效果四个方面，评价指标包括14项。其中，教学内容与教学质量的关联性是显而易见的，这一评价项目的重要性更高一些，进行评价指标权重确定时要充分考虑到这一点。

2.确定权值

在评价指标权值确定上，可以采用问卷调查法和优序比较法。目前，比较常用的方法是后一种。利用优序比较法，14个评价指标进行两两比较，评价中要充分考虑指标之间的关联性，根据比较结果确定各评价指标的权重。在比较评价过程中，先建立1.2.3.4.5等级判断尺度，然后建立两两指标比较的优序矩阵，如公式1所示。这一公式表示，第i项指标与第j项指标的权重比较结果，计算的结果越大，说明第i项指标的越重要。根据重要性结果，建立优序矩阵。

公式1

建立优序矩阵后，利用公式2计算权值。然后，根据计算得到的权值确定每一评价指标的分值。

公式2

3.教学质量评价

依据每一评价指标的权值，确定评价表中每一评价内容的标准分。为客观评价教师课堂教学质量，向每位学生发放评价表，进行不记名投票。以学生填写的评价表为基础，计算得出每份评价表的总分，然后除以相应的评价表数据，得出分均分，作为教学质量评价的最基本的依据。

4.数据挖掘

在高校课堂教学质量评价体系中，对教师课堂教学质量的评价只是其中的一部分，利用关联规则从众多的评价数据中挖掘出各项评价指标与课堂教学质量之间的隐藏关联才是更为重要的。因为这一关联关系的发现，能较为真实的反映出教师课堂教学中哪一方面存在不足，有助于教学内容的丰富与调整、教学方法的改革与创新、教学效果的完善与优化。

在关联规则挖掘中，立足于学生对教师质量的评价结果，从海量数据中提取中与这14项评价指标相关的有用数据的初始记录，然后进行关联性分析，确定每个评价指标对评价结果的影响。根据影响的重要程度，确定每个评价指标与评价结果之间存在的某种关联性。同时，可以利用这种关联性验证评价指标确定和权值分配的科学性、合理性。

三、结语

综上所述，数据挖掘在高校课堂教学质量评价体系中的应用是比较普遍的，其可以很好的发现各项评价指标与课堂教学质量之间的隐藏关联，为教学内容、教学方法、教学效果的优化与完善提供有力的依据。考虑到数据挖掘在高校教学质量评价体系建立及教学质量提高中所起到的作用，在今后的教学工作中应加强对关联规则的研究，使之更好的运用于教学质量评价工作中来，充分发挥数据挖掘技术的作用和价值。

参考文献

[1]闫魁颖.数据挖掘在高校课堂教学评价中的应用与研究[D].中山大学，2014.

[2]李忻.数据挖掘在高校教学质量评价系统中的应用研究[D].华北电力大学，2011.

[3]刘华，李瑗.基于高校课堂教学质量评价系统的数据挖掘方法与应用[J].石家庄学院学报，2011，03：116-120.

[4]姜文秀.数据挖掘技术在高校教学质量监控与评估系统中的应用研究[D].南京理工大学，2012.