基于数据挖掘技术的高校教学质量监控分析

贾轶凡

（天津财经大学 天津 300171）

1 引言

随着计算机技术的发展，国家对于教育信息化的发展提出了明确规划，而高校通过搭建“互联网+”平台，将计算机及相应的信息技术逐渐融入到教育教学管理体系中来，这使得教育管理体系生成、收集、存贮和处理数据的能力大大提高，数据资源也不断增加。海量的数据资源对于高校监控教学质量而言，无异于一个巨大的宝库，而利用数据挖掘技术将原本价值稀薄的数据信息转化为有用的资源，指导教育管理决策，则成为高校实现信息化发展的重要举措[1]。

2 在高校教学质量监控中运用数据挖掘技术的意义

在教育教学领域发展中，数据挖掘技术对于高校教学质量监控的优化与创新发展具有重要意义。

首先，有利于提升高校质量，促进高校教学监管的常态化、规范化发展。数据挖掘技术的应用能够从多方面收集信息，并分阶段研究和监管不同种类的信息数据，及时精准地掌握各个院校教育教学活动的真实状态，利用数据形成完善的监控体系，从而监督各院校教学活动运行，提升教育教学质量。

其次，有利于构建公平合理的评估体系，激励各院校不断优化教学工作效果。数据挖掘技术能够通过数据分析，为不同级别、不同种类的评估提供参考和依据，摆脱常规评价中人为干预的弊端，让数据说话，用严格、规范的数据标准，形成科学合理的评价体系。

最后，有利于提高高校教育管理决策的科学性。数据挖掘技术应用于监控系统之中，不仅能够实现信息的分析研究，还会生成报表，形成教育教学质量相关模型，教育管理者通过系统及时查找和审查各种信息，并根据监控结果，对不同教育管理方案进行比较、反思，预测教育管理活动的发展方向和形势，进而优化教育管理方案，制定更加科学、精准的教育管理决策[2]。

3 基于数据挖掘技术优化高校教学质量监控的实现路径

3.1 把握教育发展规律，明确教学质量监控要求

在教育信息化背景下，高校应基于数据挖掘技术，完善院校顶层设计，构建教学质量监控系统，形成一个能够涵盖院校各类信息的平台，监测评价各院校教育教学质量，协调教育管理方案，促进教育教学资源的优化配置。当然，数据挖掘技术在高校教学监控体系中的运用需要良好的环境支撑。教育管理者应把握大数据时代教育发展规律，协调技术运用与管理目标之间的关系，构建高效的教学质量监控系统。

在教学质量监控系统建设中，高校首先应从宏观层面，明确数据挖掘技术的应用要求，并通过构建完善可靠的管理机制，保障监控体系的建设。例如高校应充分深入分析教学质量监控系统建设对于教育教学管理工作的意义，并结合当前大数据背景出台院校教学质量监控政策，确立不同职能部门以及相关教育机构在教学质量监控当中的详细工作职责以及任务，为规范数据挖掘技术的应用提供依据。其次，明确数据挖掘技术在教学质量监控中的运用要点，将技术融入教学活动的各个环节，确保数据收集的全面性。例如高校应按照国家相关专业以及课程指标，根据专业人才培养的现实情况，针对教学质量的重点把控方向，制定全面、全程的质量指标体系，并将数据挖掘技术运用于日常课堂教学、课下培训、实践活动以及课程考试等不同环节，形成多元化评价，以全面保证教学质量监控的有效性。

3.2 结合质量监控要求，明确数据挖掘任务

高校实施教学质量监控的目的为了通过持续监督，定期收集有关教学工作质量、教学成果质量和办学条件质量等方面的信息，并在分析整理的基础上发现可能存在的质量问题，进而对教学行为及时调控，以稳定与提高教学质量。基于这一目的，高校在引入数据挖掘技术的过程中，应明确工作任务，并通过数据系统的操作，完善教学质量数据的分析和处理，为提升教学质量提供支持。

数据挖掘技术在教学质量监控中的任务主要体现为：（1）做好关联分析，即通过数据挖掘探求两个或两个以上变量的取值之间存在的规律性。任何教学活动都会导致一定的教学结果，进而影响教学质量，在数据挖掘中，信息系统需要对这其中的关联进行剖析，明确简单关联、时序关联和因果关联等不同形式，并找出影响教学质量的原因，为调整教学参数提供依据。（2）做好聚类分析。教学质量监管是高校实现宏观管理的重要步骤，而数据挖掘技术可以通过聚类分析，对某一种教学现象进行归类，进而建立宏观概念，形成数据分布模型，为教育管理的宏观规划提供参考。（3）分类与预测，即通过对影响教学质量的各类因素的归纳总结，对规律、规则进行描述，这对于某种尚未发生的教学现象具有一定的预测作用，而在预测模型的基础上，对当前的教学行为以及可能产生的教学结果进行分析，及时纠正不合理的教学行为，提高教学管理的科学性和预见性。（4）偏差分析，通过数据挖掘，教学数据中会出现与教学质量标准相偏离的情况，这些数据库中存在的异常会引起教育管理者的注意，进而给出纠正偏差，优化教学活动，提升教学质量的相关对策[3]。

3.3 充分运用数据挖掘技术，强化数据分析

在高校教学质量监控中，教育管理者可以结合实际工作需要，合理选择不同的数据挖掘技术手段，推动教学质量监管系统的构建。

在教学质量监控中，统计分析方法是最为常见的数据挖掘方法，其中判别分析、主成分分析、因子分析、相关分析、多元回归分析等能够从统计学角度对教学质量形成的原因进行分析、判断，找出其中关联因素。例如高校可以根据因子分析法对学生成绩进行综合评价，在评价中管理者可以根据专业课程确定参数，并判断各个因子代表的能力，通过算法对学生的成绩进行综合评价，计算各个因子在成绩中的贡献率，结合分析结果对学生进行综合定位。这样的统计学分析方法就是通过对成绩这一最为常见的数据资源进行挖掘，最终分析影响学生成绩的各类因子，并通过结果分析教学质量，从而达到了教学质量监控的目的。

此外，高校还可以利用决策树分类技术，通过数据挖掘实现对教学活动的分类或决策集合，从而产生规则和发现规律。例如在学生专业成绩预测中，信息系统可以确定优、良、中、差四个等级，并通过系统的逻辑判断对学生某一科成绩的变化情况分析，形成最终判断。这样的数据挖掘能够及时预测学生在学习中存在的问题，并提早做出预警，提升教育教学指导的预见性。

当然，在教学质量监控中，可利用的数据挖掘技术很多，如遗传基因算法、规则归纳、可视化技术等等，这些技术对应一定的应用范围，教育管理者应科学选择，实现教学质量监控系统的有效构建。

3.4 优化教学质量监控过程，提高数据运用效率

高校在运用数据挖掘技术构建教学质量监控系统的过程中，应把握教育管理过程，完善教学质量监控步骤，进而最大限度发挥数据分析技术的应用价值[4]。

在教学质量监控系统的构建中，教育管理者首先要明确教学质量监控的目标和需求，并从数据挖掘的角度进行重新定义，形成科学合理的设计与规划；其次，收集初步的数据，进行教育教学中各种熟悉数据处理的活动；再次，准备数据信息，将各院校教育教学活动中形成的成绩单、教学记录、活动报告等等，形成数据资源，并实现数据的转化和处理，统一数据表达，奠定数据挖掘技术；然后，选择和应用各种建模技术，并对其参数进行优化，形成教学质量监控模型，并通过信息系统对模型进行全面评价；最后，根据模型分析结果将数据挖掘形成的有价值的信息，融入到决策制定的过程中去，生成教学质量监控报告，指导教育教学工作的创新与优化。

4 结语

综上所述，在教育信息化背景下，数据挖掘技术在高校教学质量监控中的运用具有重要意义。高校结合信息化教育发展背景，利用技术手段，从数据中分析规律，找出教育质量中存在的问题，进而探求解决思路，并做出科学决策，这对于提升高校教育教学质量，促进高校教育信息化发展是十分重要的。