基于决策树C5.0的高职教师教学质量影响因素分析

邓玲玲

摘要：高职教师教学质量的提高是提高我国高等职业教育质量的关键，因此，本文以长沙某一高职院校的639名教师为研究对象，首先将学生对教师教学质量的评价数据进行异常值处理后，将其划分为四个等级，然后以评价等级数据为输出变量，以11个影响因素为输入变量，利用C5.0算法构建决策树模型对影响高职教师教学质量的因素进行分析，研究发现，不同岗位类型的教师，影响其教学质量的因素各不相同。因此，学校管理者根据影响不同类型教师教学质量因素的差异性，分别制定不同的政策来提升高职教师的教学质量， 有利于实现教学资源的有效配置。

关键词：高职教师 教学质量评价 影响因素 决策树C5.0 SPSS Modeler

中图分类号：G434 文献标识码：A 文章编号：1009-5349（2018）19-0102-02

教师以教书育人为天职，提高高等职业教育教学质量的关键在于不断提高高职院校教师的教学质量。目前，关于高职教师教学质量的研究主要分为两类，一类是关于高职教师教学质量评价体系的研究[1][2]，另一类是从机制、体制等定性的角度对高职教师教学质量影响因素进行分析并提出对策的研究[3]。由于定性研究存在主观性，并且不能从众多的影响因素中分析出主要因素以及因素之间的交互作用，因而不能有针对性地提出提升教师教学质量的对策。基于此，本文以长沙某一高职院校的教师为研究对象，利用学生对教师进行教学质量评价的数据，构建C5.0决策树模型，研究各影响因素与高职教师教学质量之间的因果关系，为高职院校提升教师教学质量提供有價值的依据。

一、教师教学质量评价分析

学生是课堂教学活动的主体与受益者，学生评教仍然是评价教师教学质量的主要形式。本文选取长沙某一高职院校的639名教师作为本次研究的对象，评价数据来源于该校教务系统里面学生对教师的教学质量评价打分，教学质量评价指标体系一共包含10个指标，每项指标的权重都是0.1。

本文首先对评价数据进行异常值处理，即某一个学生对某一个老师的打分超过他给所有任课教师打分的Q1-1.5*IQR～Q3+1.5*IQR范围，将剔除这个异常分数，其中，Q1表示第一分位数，Q3表示第三分位数，IQR=Q3-Q1。为了便于分析，将评价结果数据划分为四个等级，记为rank， 9.8分～10分划分为第一等级，共有49名教师，9.6分～9.8分划分为第二等级，共有390名教师，9.4分～9.6分划分为第三等级，共有187名教师，9.4分以下划分为第四等级，共有13名教师。

二、高职教师教学质量影响因素分析

（一）影响因素选取

本文选取以下11个影响因素考察其对教师教学质量的交互影响作用：X1：在校工作年数（YearsAtSchool）；X2：岗位类型（JobRole）、X3：职称（Professional_title）、X4：学历（Education_background）、X5：性别（gender）、X6：年龄（age）、X7：近3年指导学生参赛获奖次数（省级及以上）（Num_Instructor）、X8：近3年信息化教学设计比赛获奖次数（校级及以上）（Num_information_competition）、X9：发表论文总数（Total_Papers）、X10：近5年发表论文数（Nearly_5_years_papers）、X11：近10年发表论文数（Nearly_10_years_papers）。利用八爪鱼软件在iData网站获取教师发表论文数，其余8个影响因素数据来源于该校教务处、人事处和科研处等职能部门。对岗位类型、职称、学历、性别这些分类变量进行量化处理，量化结果为：6——专任教师，5——中层干部，4——校领导，3——教辅工勤人员，2——行政管理人员，1——辅导员；4——教授，3——副教授，2——讲师，1——助教，0——其他；3——博士研究生，2——硕士研究生，1——大学本科；1——女，0——男。

（二）高职教师教学质量影响因素分析模型

C5.0是经典的决策树算法之一，可生成多分枝决策树，目标变量为分类变量，根据信息增益率确定最佳分组变量和分割点。即对于给定的样本集合，分别计算该样本集合中每个特征属性（输入变量）的信息增益率，选取信息增益率最高的属性作为分组属性，以被选取的分组属性作为当前节点。然后对该属性的每个值创建一个分枝，并据此将数据样本划分成若干个子集，为每个子集创建一个新的节点。针对得到的每个新节点，重复以上步骤，直到整棵树各个分枝的继续分组不再有意义为止。[4][5]

（三）高职教师教学质量影响因素实证分析

1.决策树建立

本文将第二部分评价高职教师教学质量的结果rank作为分类输出变量，第三部分分析选取的11个影响因素作为输入变量，利用SPSS Modeler 15.0软件进行分层抽样，抽取85%的样本作为训练样本，剩余15%的样本作为测试样本，通过SPSS Modeler 15.0软件中C5.0算法建立决策树模型。

2.决策树剪枝

为提高决策树模型精确率，在模型参数设置中，模式选项设置为简单，即自动调整参数进行剪枝，Boosting技术迭代10次，即基于此建立10次模型[6]，接着，将交互验证折叠次数设置为10。

3.决策树生成

对决策树剪枝后将会生成决策树模型，剪枝后的决策树深度为12，决策树推导出的叶子节点分类规则见图1。

4.决策树评价

本文分别利用训练样本集和测试数据集对决策树模型的预测准确率进行了分析，训练集的样本数为544，分类准确率为75.18%，测试集的样本数为95，分类准确率为67.37%，即训练集的分类准确率略高于测试集，说明模型的整体分析结果较为理想。

（四）影响高职教师教学质量的因素分析

（1）不同的岗位类型，影响教师教学质量的因素不同。首先根据教师的岗位类型决策树将教师分为5类，对于岗位类型为辅导员、教辅工勤人员、校领导的教师，影响其教学质量的因素相对较少，而对于岗位类型为行政管理人员、中层干部、专任教师的教师，影响其教学质量的因素较多，因而针对不同的岗位类型，学校管理者可以制定不同的政策提高教师的教学质量，有利于实现教学资源的有效配置。

（2）岗位类型为行政管理人员、教辅工勤人员、中层干部、专任教师的教师，指导学生参加比赛获奖是影响其教学质量的一个重要因素。指导学生参加职业技能竞赛、学科竞赛等可以促进教师专业水平的提升从而提高教学质量，同时教师把一些与参赛有关的课程纳入教学计划，让课程与实际相结合，为课堂教学提供丰富的教学案例，激发學生自主学习的能力，提高高职学生的学习兴趣和积极性。此外，影响其教学质量的因素还包括发表论文，教师要上好课，必须有渊博的知识，开阔的眼界，教师的科研水平越高，那么他将更加深入透彻地思考教学内容，并将其科研成果深入浅出地引入教学内容中，使得课堂教学更加生动有趣，从而有助于高职学生的理解和学习，同时可以提高学生分析问题、解决问题的能力，极大地提升教学效果。

（3）岗位类型为辅导员、行政管理人员、中层干部、专任教师的教师，近3年参加信息化教学设计比赛获奖的次数影响其教学质量。信息化教学设计比赛促进教师教育理念的转变，推动教师的教学方法的创新，有助于提高教师运用信息技术、数字资源解决教学难点的能力，增加了课堂上师生互动的可能性，可以极大地改善其教学质量。

三、结语

本文主要从高职教师自身因素出发，构建C5.0决策树研究这些因素对其教学质量的影响，可以为学校管理者制定相关政策提供有价值的依据。但是，影响高职教师教学质量的因素还有很多，比如，教师的收入水平，参加提高教学质量培训的机会，学校对教学质量的激励政策，等等。因此，在这些因素可量化为指标数据并可获得的情况下，可以引入模型以提高模型的精确度。

参考文献：

[1]邓忍，吁娟.国际化视野下高职教学质量评价研究——以苏州工业职业技术学院为例[J].西北成人教育学院学报，2017（7）.

[2]冯娴.工学结合模式下高职教学质量评价系统设计与开发[D].湖南大学，2011.

[3]樊明成.高职院校教学质量影响因素概观[J].职业技术教育，2012（13）.

[4]庞素琳，巩吉璋.C5.0分类算法及在银行个人信用评级中的应用[J].系统工程理论与实践，2009（12）.

[5]薛薇，陈欢歌.SPSS Modeler数据挖掘方法及应用[M].北京：电子工业出版社，2017.

[6]张琳瑜，王凤超，韩子玥.基于决策树的大学本科毕业生就业影响因素分析——以北京林业大学信息学院为例[J].中国林业教育，2017（3）.

责任编辑：张蕊