数据挖掘技术在高职院校教学评价中的应用

陈自力

Abstract： Teaching evaluation is an important part of teaching in higher vocational colleges. This paper applies data mining technology to teaching evaluation， realizes mining algorithm with C#， analyzes the evaluation data， finds the information with practical value. The research provides the decision basis for teaching evaluation method， and improves the teaching quality.

1高职院校教学评价现状

现在各个职业院校都在进行教学质量建设。职业院校要能够培养符合企业需求的高素质技能人才，必须要不断提高教学水平和质量。教学评价是衡量教学质量的重要内容之一，也是职业院校教学环节中的基础组成部分。主要就是制定评价标准，对教学过程和结果进行衡量，并给出最终结果判断。就笔者院校而言，教学评价整体上包括教师同行互评、学生评价教师、教师自评、领导评分，将其集结汇总后，再计算求得结果分值。其中，学生评价教师是采用网上评定。其它评价如同行互评、教师自评等则采用纸质评价，评价比较单一化，未能对评价数据予以分析，也不能有效展现教学质量。根据学院委托麦可思调查获得的大量一手评价数据，通过对这些教学评价数据进行筛选和清洗，由此提炼得到关于教学评价更加全面的信息，这样就能为提高教学效果和加强质量建设优选推荐更好的方法和手段。通过数据挖掘与数据分析技术结合信息处理技术对评价信息进行分析，同时利用关联规则对产生的频繁项目集进行约简，能够发现评价数据中具有普适性的信息，总结出教师信息与教学效果之间的相对关系，为学院开展下一步教学评价提供综合技术基础依据[1]。

2数据挖掘技术

数据挖掘[2]是从大量的、不完整的、含有噪声数据的、未经清洗的、随机的数据中，抽取蕴蓄在其中的、但又隐含着有实用价值的信息和知识的过程。数据挖掘的方法主要有决策树[2]、关联规则、聚类分析[3]、神经元网络[2-3]和粗糙集等。其中，关联规则应用比较广泛。关联规则挖掘技术是发现数据库一组数据项之间存在某种关联规则的一种研究过程。其设计原理是从数据库中找出经常出现的属性集，再使用频繁出現的属性集寻获强的关联规则。关联规则中最常使用的是Apriori算法，其在多次扫描数据库后发现所有频繁项目集[2-3]。将关联规则的挖掘算法在教学评价过程中进行合理引用，以便发现教师信息与教学效果之间的基本关系，如此即为教学评价手段的研发奠定了设计前提与佐证参考。