數(shù)據(jù)挖掘在教學(xué)評價中的應(yīng)用研究教育資料

1、數(shù)據(jù)挖掘在教學(xué)評價中的應(yīng)用研究雖然高等院校經(jīng)過多年的教學(xué)實(shí)踐已經(jīng)積累了很多教學(xué)治理的數(shù)據(jù),但是對這些數(shù)據(jù)的利用還只是停留在分析外表信息的階段,而且教師的評優(yōu)評先也是以此為依據(jù)的.然而實(shí)際上,有很多重要的信息都隱藏在這些數(shù)據(jù)中.所以,怎樣深入的利用這些數(shù)據(jù),并將其轉(zhuǎn)化為可以為學(xué)校治理者提供決策支持的信息,是目前教學(xué)領(lǐng)域中急需解決的問題.1數(shù)據(jù)挖掘概述人們通常數(shù)據(jù)挖掘(DataMining)稱為數(shù)據(jù)的開采,以全新的角度將相關(guān)的技術(shù)領(lǐng)域緊密結(jié)合是其建立的主要根底,而在這其中那么主要包含了數(shù)據(jù)庫技術(shù)、知識發(fā)現(xiàn)技術(shù)(KDDfe術(shù))、數(shù)據(jù)統(tǒng)計(jì)技術(shù)等.將相關(guān)的數(shù)據(jù)通過數(shù)據(jù)庫進(jìn)行搜索,同時對搜索出的數(shù)據(jù)進(jìn)行深

2、入的挖掘分析后,對其中利用價值以及具備潛在利用價值的進(jìn)行存儲,這樣對數(shù)據(jù)進(jìn)行挖掘以及高級處理就是數(shù)據(jù)挖掘主要的工作原理.而數(shù)據(jù)挖掘那么可以從以下兩個方面進(jìn)行詳細(xì)的解釋：首先,在淺層次上.在進(jìn)行數(shù)據(jù)挖掘時可以充分的利用數(shù)據(jù)庫治理系統(tǒng)的數(shù)據(jù)查詢功能、數(shù)據(jù)探索功能以及數(shù)據(jù)報表功能等,進(jìn)相關(guān)數(shù)據(jù)分析的結(jié)合使用,其中通常會應(yīng)用多維數(shù)據(jù)分析法和數(shù)據(jù)統(tǒng)計(jì)分析法,進(jìn)行聯(lián)機(jī)數(shù)據(jù)分析的處理,從而獲得所需要的相關(guān)參考數(shù)據(jù).其次在深層次上.其主要的目的是在針對高校數(shù)據(jù)的挖將在數(shù)據(jù)庫中隱蔽性極強(qiáng)的數(shù)據(jù)探索出來.掘和索取時應(yīng)用這一方法,不但可以將更加全面的參考數(shù)據(jù)提供給人們,同時也實(shí)現(xiàn)了對相關(guān)數(shù)據(jù)的科學(xué)合理的應(yīng)用.2數(shù)據(jù)

3、挖掘方法2.1 傳統(tǒng)統(tǒng)計(jì)分析方法傳統(tǒng)的統(tǒng)計(jì)分析方法主要有：判別分析、回歸分析、聚類分析、探索分析以及支持量分析等幾方面的數(shù)據(jù)分析.而先由用戶提供所需要假設(shè)的相關(guān)數(shù)據(jù),而后再通過系統(tǒng)對相關(guān)的參數(shù)進(jìn)行數(shù)據(jù)驗(yàn)證,就是傳統(tǒng)的統(tǒng)計(jì)分析的主要原理.而且傳統(tǒng)的統(tǒng)計(jì)分析方法自身存在的弊端也相對較多,比方相關(guān)的數(shù)據(jù)必須經(jīng)過驗(yàn)證之后才能進(jìn)行使用,而且為了保證數(shù)據(jù)探索時的真實(shí)性,需要用戶不斷地進(jìn)行操作.而在廣泛應(yīng)用的統(tǒng)計(jì)學(xué)理論中,支撐矢量機(jī)(SVM就是人們探索出的新型的學(xué)習(xí)方法,其主要是以風(fēng)險相對較小的計(jì)算學(xué)習(xí)理論結(jié)構(gòu)為根底的,其目的是為了推動學(xué)習(xí)機(jī)的廣泛應(yīng)用水平.2.2 機(jī)器學(xué)習(xí)方法歸納學(xué)習(xí)法、以范例為推理根底的

4、方法以及貝葉斯網(wǎng)絡(luò)方法等是機(jī)器學(xué)習(xí)方法最常用的三種方法.以范例為推理根底的方法其主要的原理就是利用實(shí)驗(yàn)的方式對已經(jīng)制定的問題進(jìn)行解答.就目前的情況而言,將范例推理和最近鄰原理相結(jié)合是我國機(jī)器學(xué)習(xí)法研究和探索的主要方向.另外,一多關(guān)聯(lián)規(guī)那么為根底的分類算法也是效率相對較高且適應(yīng)功能較強(qiáng)的機(jī)器學(xué)習(xí)法.數(shù)據(jù)庫方法2.3OLAP數(shù)據(jù)庫方法主要有以可視化多維數(shù)據(jù)分析為根底的方法、方法以及面向?qū)傩缘臍w納方法等三種方法.3數(shù)據(jù)挖掘在教學(xué)評價中的應(yīng)用根據(jù)一定的教學(xué)標(biāo)準(zhǔn)標(biāo)準(zhǔn)和教學(xué)目標(biāo),對學(xué)院教育學(xué)的相關(guān)情況進(jìn)行系統(tǒng)的檢測與考核是教學(xué)評價的主要依據(jù),同時根據(jù)教學(xué)效果和教學(xué)目標(biāo)實(shí)現(xiàn)的程度,對其進(jìn)行相應(yīng)的改良.3.1

5、 數(shù)據(jù)準(zhǔn)備數(shù)據(jù)準(zhǔn)備包括數(shù)據(jù)選擇和數(shù)據(jù)預(yù)處理.1數(shù)據(jù)選擇.確定最終的任務(wù)對象并根據(jù)相關(guān)用戶的需要,提取原始數(shù)據(jù)庫的數(shù)據(jù)形成實(shí)際的目標(biāo)數(shù)據(jù)就是數(shù)據(jù)選擇的最終目的.一般情況下教師的工號、職稱、學(xué)歷、年齡以及教齡等根本信息都是從院校的教務(wù)系統(tǒng)中提取的,相關(guān)數(shù)據(jù)提取完成之后再提取最終的評價數(shù)據(jù).2數(shù)據(jù)預(yù)處理.去除噪聲、缺失值以及刪除一些無效的數(shù)據(jù)就是數(shù)據(jù)處理的主要內(nèi)容.比方,如果學(xué)生對教師評價時出現(xiàn)了極端的0分或者100分的話,就必須對這些數(shù)據(jù)進(jìn)行相應(yīng)的處理.此外,如果由于學(xué)生的學(xué)號或者班級號等內(nèi)容出現(xiàn)了缺失,而造成的缺失值可以對其予以忽略；一旦造成最終評價結(jié)果的缺失,那么就必須對相關(guān)的數(shù)據(jù)及時的進(jìn)行處

6、理.3.2 數(shù)據(jù)挖掘?qū)⒁呀?jīng)獲得的所有的數(shù)據(jù)進(jìn)行挖掘就是我們所說的數(shù)據(jù)挖掘.1內(nèi)部挖掘.當(dāng)前,學(xué)生評價是高校教學(xué)評價體系的主體,教學(xué)態(tài)度以及教學(xué)模式進(jìn)行教學(xué)內(nèi)容、其主要是針對教師水平、.評價,經(jīng)過對學(xué)生評價數(shù)據(jù)中的相關(guān)指標(biāo)進(jìn)行挖掘分析,就可以將其在的關(guān)鍵指標(biāo)明確.2內(nèi)部與外部特征之間的關(guān)聯(lián)規(guī)那么挖掘.通過采用關(guān)聯(lián)規(guī)那么,實(shí)現(xiàn)了對學(xué)生評價數(shù)據(jù)和教師根本信息的掌握,而對高校教師的教學(xué)效果、教師的學(xué)歷、年齡以及支撐等數(shù)據(jù)之間關(guān)系的研究,可以將挖掘過程主要分為以下三步：第一,數(shù)據(jù)準(zhǔn)備.通過隨機(jī)抽取某高校的500份學(xué)生評教數(shù)據(jù),并將職稱、年齡以及評教分?jǐn)?shù)等相關(guān)的數(shù)據(jù)信息調(diào)入數(shù)據(jù)庫.一般情況下評定分?jǐn)?shù)以及年

7、齡都屬于數(shù)值型數(shù)據(jù),而職稱那么為文本型數(shù)據(jù),那么就可以將這些數(shù)據(jù)先轉(zhuǎn)換為布爾型,然后再進(jìn)行相關(guān)數(shù)據(jù)的離散處理,并對評定分?jǐn)?shù)和年齡進(jìn)行分組,例如將年齡分為M124,29,M230,39,M340,49,M450,60四組；評定分?jǐn)?shù)分為N190,100,N280,89,N360,79,N40,59四組；將職稱的級別分為G1初級,G2中級,G3副高,G4t高.從而實(shí)現(xiàn)了在數(shù)據(jù)準(zhǔn)備的階段就奠定了以上三者之間的關(guān)系根底.第二,關(guān)聯(lián)規(guī)那么挖掘.如果所獲得的評定分?jǐn)?shù)為90,100,那么就證實(shí)其課堂效果相對較好,同過挖掘技術(shù)以及關(guān)聯(lián)規(guī)那么算法的應(yīng)用,可以及時的發(fā)現(xiàn)并掌握教師課堂效果的根本信息.第三,模式評估,

8、就是對關(guān)聯(lián)規(guī)那么信息進(jìn)行初步的挖掘.例如表1是某高校應(yīng)用B/S結(jié)構(gòu),經(jīng)過對原始的數(shù)據(jù)片段進(jìn)行網(wǎng)上評教,得出實(shí)際的數(shù)據(jù),表2是教師根本情況.其中SID是學(xué)生編號,TID是教師編號,CID是課程編號,是總評,數(shù)字代表對應(yīng)的分?jǐn)?shù).這里以J是各種評教指標(biāo),-I.表1中的B列指標(biāo)為例,建立關(guān)聯(lián)函數(shù).根據(jù)上面所講述的關(guān)聯(lián)函數(shù)的相關(guān)內(nèi)容,就可以很容易的計(jì)算出教師學(xué)生評教的平均分?jǐn)?shù)為89,而這項(xiàng)指標(biāo)的平均分?jǐn)?shù)為10,總分?jǐn)?shù)應(yīng)該為15,而對其中影響較大關(guān)鍵因素的百分比必須至少達(dá)至Ua=9%貝Ux=10/89=11%,b=15/89=17%,X0=X或入關(guān)聯(lián)函數(shù),得f(x)=0.48>0,這樣也就進(jìn)一步證實(shí)

9、了這項(xiàng)指標(biāo)對教學(xué)評價所帶來的影響.然后,將相關(guān)的重要因素與教師的根本信息進(jìn)行關(guān)聯(lián).同時將職稱、年齡以及評教分?jǐn)?shù)存入相應(yīng)的數(shù)據(jù)庫,并將其轉(zhuǎn)化為布爾型-弓I.通過對相關(guān)數(shù)據(jù)庫的搜索,發(fā)現(xiàn)在所有的數(shù)據(jù)中一共有5條大魚或者等于90的評定分?jǐn)?shù),如果將其最小支持度設(shè)定為5%那么其最小的可信度就是18%經(jīng)過這樣的數(shù)據(jù)挖掘,可以看出實(shí)際年齡M230,39所取得的評定分?jǐn)?shù)為Nl90,100的可能性是36%支持度是9%,“職稱為G2中級,評定分?jǐn)?shù)為N190,100的可能性是27%支持度是10%初步結(jié)果.最后再利用相關(guān)的模式評估,通過進(jìn)一步挖掘發(fā)現(xiàn)31-49歲年齡段的教師其課堂教學(xué)的經(jīng)驗(yàn)十分的豐富,而且其所獲得的支持度和可信度也相對較高,這些都為高校的治理部門提供了重要的決策支持,對于可續(xù)合理的安排和調(diào)配師資資源為學(xué)生效勞具有極大的幫助.4結(jié)束