基于SAWFCM算法的高职院校教学质量评价研究

任丽娜

(贵州轻工职业技术学院 信息工程系，贵阳 550001)

目前，高职教育存在几点不足：产学研用融合程度有待进一步提高，学校与社会、企业的合作有待进一步加强，课程体系和高职教材建设体系不够完善，有些专业的设置缺乏针对性，与市场需求相脱节现象。本研究根据实际数据样本设计出了基于SAWFCM算法的高职院校教学质量评价算法，用以改进聚类效果[1]，以期对高职院校教学质量作出准确评价。

1 基于大数据的高职院校教学质量评价体系

为了对传统教学质量评价体系进行积极改进、构建、完善、考量，本研究构建了由信息收集、数据处理、数据挖掘、结果公示、申诉机制这几部分组成的大数据背景下高职院校教学质量评价体系[2]。

2 基于SAWFCM的高职院校教学质量评估模型

数据挖掘阶段是整个基于大数据的高职院校教学质量评估体系的核心部分，可通过给定的聚类算法对该阶段从数据处理阶段得到的标准化数据进行分析，进而得到高职院校教师的教学质量分类。

将SAWFCM算法应用于数据挖掘阶段，将教学质量相关影响因素作为特征空间中的样本于迭代中，对所获取的当下最新数据予以重新的状态划分，重新计算并更新各样本的权重，不过高依赖随机选取的初始聚类中心和随机生成的初始隶属矩阵，进而提高高职院校教学质量评价的准确率。

对于给定教学质量评价数据集X={xi,i=1,…,n}，uik为样本xi对于第k个类的隶属度，其取值范围为[0，1]；ck为第k个类Ck的聚类中心；dik=‖xi-ck‖为ck与xi两者的欧式距离；m为模糊因子，其数据的设置可对样本的模糊度产生正向相关性，无特殊要求前提下m值取2。可由SAWFCM的自适应权重及距离的计算方法给出高职院校教学质量评价模型的具体步骤。

输入：数据集X，聚类数量c。

输出：c个聚类。

3 实验验证与分析

3.1 院校情况及实验数据

为验证基于SAWFCM算法的高职院校教学质量评价模型的准确性及有效性，以贵州轻工职业技术学院为例进行分析，评估人员由被评教师任教班级的全体学生、同行教师、院(系) 领导及教学督导员组成，该评价体系主要以学生评价为主，再综合其他评估员的测评确定考核结论。学生评价指标分为教学态度、教学内容、教学方法及教学效果4个一级指标和10个二级指标，具体评价内容如图1所示，以信息工程系一个专业90名学生对其专业2018—2019学年授课的10名教师评分作为样本数据。

图1 学生评价指标体系Fig.1 Student assessment indicator system

3.2 实验结果与分析

应用基于SAWFCM算法的高职院校教学质量评价模型，通过模型计算最终得到表1中的实验结果，教学质量分为A、B、C类，其中A类为优秀，B类为良好，C类为合格。

表1 实验结果Tab.1 Experimental results

从表1可知，职称高且具有丰富教学经验、实践经验的双师型教师更能获得学生的好评。一些青年教师教学经验相对缺乏，不熟悉相关授课内容，造成了教学评价不太理想。高职院校应积极组织可促进同行教师间的经验交流等活动，如说课、微课竞赛、教案分享等，以达到相互借鉴与提高的良好效果，提升全校教学质量。高职教师可根据实验结果及时认识到自身的不足，以便有目的性、针对性的提高自身教学水平。

4 结语

本研究提出了一种基于SAWFCM算法的高职院校教学质量评价模型，并以贵州轻工职业技术学院为例进行实验分析，论证了评价模型的可行性。但评价体系不全面，算法准确度有待提高，算法不能自动获取聚类数量，下一步需完善基于大数据的教师教学质量评价体系，改进该模糊聚类算法，以便对高职院校教学质量作出更加准确的评价。