基于粗糙集理論的網(wǎng)絡(luò)評(píng)教研究本科學(xué)位論文

黃岡師范學(xué)院本科學(xué)位論文基于粗糙集理論的網(wǎng)絡(luò)評(píng)教研究PAGE22PAGE31摘要數(shù)據(jù)的約簡(jiǎn)包括屬性約簡(jiǎn)和屬性值約簡(jiǎn)[1]，現(xiàn)在數(shù)據(jù)約簡(jiǎn)的方法很多，粗糙集理論是數(shù)據(jù)約簡(jiǎn)和數(shù)據(jù)挖掘的重要工具，數(shù)據(jù)約簡(jiǎn)和數(shù)據(jù)挖掘相互聯(lián)系，它們沒有必然的劃分界限，通過粗糙集工具和決策樹工具以及用粗糙集理論建立決策樹的理論可以將數(shù)據(jù)約簡(jiǎn)的理論方法加以開發(fā)推廣，本文通過對(duì)數(shù)據(jù)約簡(jiǎn)理論的發(fā)散研究，結(jié)合現(xiàn)在比較前沿的觀點(diǎn)和實(shí)例闡明數(shù)學(xué)工具和方法理論之間的聯(lián)系。首先介紹數(shù)據(jù)約簡(jiǎn)工具RoughSets理論應(yīng)用范圍和前景，粗糙集理論歷史，特點(diǎn)以及與粗糙集理論相關(guān)的基本概念和基本的約簡(jiǎn)算法（包括A.Skowron提出的分辨矩陣約簡(jiǎn)算法和基于可辨識(shí)矩陣的啟發(fā)式約簡(jiǎn)算法），粗糙集在數(shù)據(jù)挖掘中的應(yīng)用，包括數(shù)據(jù)挖掘的基本概念，數(shù)據(jù)挖掘的基本任務(wù)（重點(diǎn)介紹了現(xiàn)在流行的基于決策樹的數(shù)據(jù)分類算法），并且給出了粗糙集在數(shù)據(jù)挖掘中的應(yīng)用舉例。用粗糙集理論可以建立決策樹，包括決策樹的核心技術(shù)，粗糙集理論構(gòu)造決策樹的方法和決策樹的應(yīng)用介紹，現(xiàn)又新提出的雙論域下粗糙集數(shù)據(jù)約簡(jiǎn)方法。然后分析國內(nèi)外網(wǎng)絡(luò)的教學(xué)評(píng)估系統(tǒng)的研究成果，并且結(jié)合課堂教學(xué)質(zhì)量評(píng)價(jià)表，將數(shù)據(jù)約簡(jiǎn)理論成功運(yùn)用于網(wǎng)絡(luò)評(píng)教中。關(guān)鍵字：數(shù)據(jù)約簡(jiǎn)，RoughSets理論，數(shù)據(jù)挖掘，網(wǎng)絡(luò)的教學(xué)評(píng)價(jià)，離算化。

AbstractReductionofdata,includingattributereductionandattributevaluereduction[1],datareductionisnowalotofmethods,roughsettheoryisthedatareductionandanimportanttoolfordatamining,datareductionanddatamininginterrelated,theyarenotthedelineationofboundariesisboundthroughtheroughsettoolsanddecisiontreetools,aswellastheestablishmentofroughsettheorywiththetheoryofdecisiontreecouldbethetheoryofdatareductionmethodstopromotethedevelopmentofthispaperthedatareductionofthedivergencetheory,incombinationwithcutting-edgeNowviewsandexamplesofmathematicaltoolsandmethodstoclarifythelinkbetweentheory.FirstdatareductiontoolintroducedRoughSetsTheoryandprospectsofapplications,roughsettheoryofhistory,characteristicsoftheroughsettheoryandbasicconceptsandbasicreductionalgorithm(includingA.SkowronproposedreductionalgorithmtodistinguishMatricesandHeuristicattributereductionbasedondiscernibulitymatrixanditsapplication),roughSetintheapplicationofdatamining,includingthebasicconceptsofdatamining,dataminingofthebasictasks(focusingonthenowpopulardata-baseddecisiontreeclassificationalgorithm),androughsetsaregivenintheapplicationofdatamining,forexample.Roughsettheorywiththetheoryofdecisiontree,includingthecoretechnologydecisiontree,decisiontreestructureofroughsettheorymethodsandtheapplicationofdecisiontreethatisalsothenewdual-domainofroughsettheorydatareductionmethods.Analysisofthenetworkathomeandabroadandthenteachingevaluationsystemofresearchresults,andcombinedwiththequalityofclassroomteachingevaluationform,datareductionwillbesuccessfullyappliedtothetheoryofteachingevaluation.Keywords:Thedatareduction,RoughSetstheory,thedatamining,thenetworkteachingappraisal,tocalculates.目錄摘要 IIAbstract III目錄引言 1引言 2第一章．粗糙集的基本理論 31.1粗糙集歷史 31.2粗糙集特點(diǎn) 41.3粗糙集理論的基本概念 4第二章．基于粗糙集在數(shù)據(jù)挖掘算法研究 122.1數(shù)據(jù)挖掘的概念 122.2數(shù)據(jù)挖掘的基本任務(wù) 122.3應(yīng)用實(shí)例 13第三章.基于粗糙集建立決策樹的算法 16第四章．雙論域下粗糙集數(shù)據(jù)約簡(jiǎn)方法 174.1變精度粗糙集模型： 174.2雙論域下的粗糙集模型 17第五章．關(guān)于網(wǎng)絡(luò)的教學(xué)評(píng)價(jià) 185.1教學(xué)評(píng)價(jià)的定義和網(wǎng)絡(luò)教學(xué)評(píng)價(jià)的理論指導(dǎo)思想及定義 185.2國外網(wǎng)絡(luò)教學(xué)評(píng)價(jià)研究成果 195.3國內(nèi)網(wǎng)絡(luò)教學(xué)評(píng)價(jià)研究分析 215.4網(wǎng)絡(luò)教育教學(xué)評(píng)價(jià)過程中應(yīng)該注意的問題 23第六章．?dāng)?shù)據(jù)約簡(jiǎn)理論在網(wǎng)絡(luò)評(píng)教中的應(yīng)用 246.1.數(shù)據(jù)的預(yù)處理 246.2對(duì)決策表進(jìn)行屬性約簡(jiǎn) 276.3決策規(guī)則的生成 27第七章總結(jié)與展望 29參考文獻(xiàn) 30致謝 32引言RoughSets理論是1982年由波蘭數(shù)學(xué)家Z.Pawlak提出的對(duì)不確定知識(shí)進(jìn)行表示的理論。近年來,粗糙集作為一種新生的處理不確定性知識(shí)的數(shù)學(xué)工具，由于其獨(dú)特的計(jì)算優(yōu)勢(shì)，及其在數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)、決策分析、專家系統(tǒng)和決策支持系統(tǒng)等方面的成功應(yīng)用，粗糙集數(shù)據(jù)分析(RSDA)逐漸被公認(rèn)為人工智能領(lǐng)域最具潛力的五大新興技術(shù)(粗糙集理論、神經(jīng)網(wǎng)絡(luò)、演化計(jì)算、模糊系統(tǒng)及混沌系統(tǒng))之一。同時(shí)，該理論還在農(nóng)學(xué)、醫(yī)學(xué)、化學(xué)[2]、材料學(xué)、地理學(xué)、管理科學(xué)和金融等其他學(xué)科得到成功應(yīng)用?，F(xiàn)在決策表又在決策表屬性簡(jiǎn)化、決策規(guī)則的簡(jiǎn)化是粗糙集理論與實(shí)際應(yīng)用的主要研究方向之一。約簡(jiǎn)是粗集理論的重要內(nèi)容，通過刪除知識(shí)庫中多余的屬性集(值)，來保留知識(shí)庫中的重要知識(shí)，以提高知識(shí)的質(zhì)量，方便用戶決策.近年來，許多學(xué)者通過不同的方法從不同的角度對(duì)決策規(guī)則獲取(值約簡(jiǎn))做了深入的研究。約簡(jiǎn)包括屬性約簡(jiǎn)和屬性值約簡(jiǎn)，在進(jìn)行屬性值約簡(jiǎn)之前我們必須先進(jìn)行屬性約簡(jiǎn)。目前，靜態(tài)的屬性約簡(jiǎn)算法主要有兩類,一類是基于信息熵的算法。另一類是基于可辨識(shí)矩陣和可辨識(shí)函數(shù)構(gòu)造的屬性約簡(jiǎn)算法，下面據(jù)此理論進(jìn)行發(fā)散研究，并將其成功運(yùn)用于學(xué)校師生教學(xué)評(píng)價(jià)管理之中，提升教學(xué)管理水平。

第一章．粗糙集的基本理論1.1粗糙集歷史現(xiàn)實(shí)生活中有許多含糊現(xiàn)象并不能簡(jiǎn)單地用真、假值來表示，如何表示和處理這些現(xiàn)象就成為一個(gè)研究領(lǐng)域。早在1904年謂詞邏輯的創(chuàng)始人G.Frege就提出了含糊(Vague)一詞，他把它歸結(jié)到邊界線上，也就是說在全域上存在一些個(gè)體既不能在其某個(gè)子集上分類，也不能在該子集的補(bǔ)集上分類。1965年，Zadeh提出了模糊集，不少理論計(jì)算機(jī)科學(xué)家和邏輯學(xué)家試圖通過這一理論解決G.Frege的含糊概念，模糊集在實(shí)際中仍有比較廣泛的應(yīng)用，模糊集理論采用隸屬度函數(shù)來處理模糊性，以先驗(yàn)知識(shí)為基礎(chǔ)，正因?yàn)榻⒃诳煽康囊阎R(shí)基礎(chǔ)上，對(duì)不確定問題的處理往往會(huì)得到很好的結(jié)果。（比如基于模糊技術(shù)的題庫管理系統(tǒng)，基于模糊推理的高校專業(yè)課程體系評(píng)價(jià)專家系統(tǒng)，基于模糊信息處理的高校選課系統(tǒng)構(gòu)建[3]）。20世紀(jì)80年代初，波蘭的Pawlak針對(duì)G.Frege的邊界線區(qū)域思想提出了粗糙集（RoughSets），他把那些無法確認(rèn)的個(gè)體都?xì)w屬于邊界線區(qū)域，而這種邊界線區(qū)域被定義為上近似集和下近似集之差集。由于它有確定的數(shù)學(xué)公式描述，完全由數(shù)據(jù)決定，所以更有客觀性。自提出以來，許多計(jì)算機(jī)科學(xué)家和數(shù)學(xué)家對(duì)粗糙集理論及其應(yīng)用進(jìn)行了堅(jiān)持不懈的研究，使之在理論上日趨完善，特別是由于20世紀(jì)80年代末和90年代初在知識(shí)發(fā)現(xiàn)等領(lǐng)域得到了成功的應(yīng)用而越來越受到國際上的廣泛關(guān)注。1991年波蘭數(shù)學(xué)家Pawlak教授的第一本關(guān)于粗糙集的專著《RoughSets:TheoreticalAspectsofReasoningaboutData》和1992年R.Slowinski主編的關(guān)于粗糙集應(yīng)用及其與相關(guān)方法比較研究的論文集的出版，推動(dòng)了國際上對(duì)粗糙集理論與應(yīng)用的深入研究。1992年在波蘭Kiekrz召開了第1屆國際粗糙集討論會(huì)。從此每年召開一次與粗糙集理論為主題的國際研討會(huì)。2001年5月在重慶召開了“第1屆中國Rough集與軟計(jì)算學(xué)術(shù)研討會(huì)”，邀請(qǐng)了創(chuàng)始人Z.Pawlak教授做大會(huì)報(bào)告；2002年10月在蘇州第2屆中國粗糙集與軟計(jì)算學(xué)術(shù)研討會(huì)；2003年5月在重慶第3屆中國粗糙集與軟計(jì)算學(xué)術(shù)研討會(huì)；2004年10月中下旬在浙江舟山召開第4屆中國粗糙集與軟計(jì)算學(xué)術(shù)研討會(huì)；2005年8月1日至5日在鞍山科技大學(xué)召開第五屆中國Rough2006第六屆中國粗糙集與軟計(jì)算學(xué)術(shù)研討會(huì)在,浙江師范大學(xué)；2007年粗糙集與軟計(jì)算、Web智能、粒計(jì)算聯(lián)合學(xué)術(shù)會(huì)議,山西大學(xué)；2008年第8屆中國粗糙集與軟計(jì)算學(xué)術(shù)會(huì)議、第2屆中國Web智能學(xué)術(shù)研討會(huì)、第2屆中國粒計(jì)算學(xué)術(shù)研討會(huì)聯(lián)合學(xué)術(shù)會(huì)議（CRSSC-CWI-CGrC2008）,河南師范大學(xué)[4].1.2粗糙集特點(diǎn)粗糙集是一種軟計(jì)算方法。軟計(jì)算的概念是由模糊集創(chuàng)始人Zadeh提出的.軟計(jì)算中的主要工具包括粗糙集(RS),模糊邏輯(FuzzyLogic),神經(jīng)網(wǎng)絡(luò)(NN),概率推理(ProbabilityReasoning),信度網(wǎng)絡(luò)(BeliefNetworks),遺傳算法(GA)與其它進(jìn)化優(yōu)化算法,混沌(Chaos)理論等.傳統(tǒng)的計(jì)算方法即所謂的硬計(jì)算(hardcomputing),使用精確,固定和不變的算法來表達(dá)和解決問題.而軟計(jì)算的指導(dǎo)原則是利用所允許的不精確性,不確定性和部分真實(shí)性以得到易于處理,魯棒性強(qiáng)和成本較低的解決方案,以便更好地與現(xiàn)實(shí)系統(tǒng)相協(xié)調(diào)。1.3粗糙集理論的基本概念人的的分類能力是對(duì)人類以及其他物種，事物的認(rèn)識(shí)能力，是一種知識(shí)。從認(rèn)知科學(xué)的觀點(diǎn)來理解知識(shí)，知識(shí)是基于對(duì)對(duì)象的分類能力，知識(shí)直接與真實(shí)或抽象世界有關(guān)的分類模式聯(lián)系在一起，稱為論域U。設(shè)定有一個(gè)論域U,對(duì)于任何子集XU可成為一個(gè)U中的概念或范疇，U的任何概念族稱為U的抽象知識(shí)，簡(jiǎn)稱知識(shí)。關(guān)于U的一個(gè)劃分定義為：={}其中XiU,Xi,XiXj=,ij,i,j=1,2,…n,=U.U上的一族劃分稱為關(guān)于U的一個(gè)知識(shí)庫（knowledgebase）。設(shè)R是U上的一個(gè)等價(jià)關(guān)系，U/R表示R的所有等價(jià)類，或U上的劃分構(gòu)成的集合，[X]R表示包含元素XU的R等價(jià)類。一個(gè)知識(shí)庫就是一個(gè)關(guān)系系統(tǒng)K=(U,R),其中U為非空有限集，是論域，R是U上的一族等價(jià)關(guān)系。若PR且P,P(P中所有等價(jià)關(guān)系的交集)也是一個(gè)等價(jià)關(guān)系，稱為P上不可區(qū)分關(guān)系（indiscernibility）,記為IND(P),IND(P)=P,且有[X]IND(P)=[X]HHP.U/IND(P)表示等價(jià)關(guān)系族（P）的相關(guān)知識(shí)，稱為K中關(guān)于U的P基本知識(shí)（P為基本集）[5]。1.3.有序?qū)=(U,A),其中U為非空有限集合，稱為全域。A=CD,CD,C表示條件屬性集，D表示決策屬性集。全域U的元素被稱為對(duì)象或者實(shí)例。下面用表1所示的經(jīng)典天氣決策信息系統(tǒng)為例[6]，表1中,a1,a2,a3,a4是條件屬性,分別代表天氣、溫度、濕度、風(fēng)。d是決策屬性,論域U={x1,x2,…,x14[7]}。1.3.2不可區(qū)分關(guān)系R的非空子集P上的不可區(qū)分關(guān)系為ind(P).稱U/ind(P)為K=(U,R)關(guān)于論域U的P基本知識(shí)。稱[x]ind(P)為P的基本概念。Ind(k)=[ind(P)|PR}。例如:空間物體集合U具有“顏色”、“形狀”這兩種屬，“顏色”的屬性值取為紅、黃、綠，“形狀”的屬性值取為方、圓、三角形。從離散數(shù)學(xué)的觀點(diǎn)看，“顏色”、“形狀”構(gòu)成了U上的一族等效關(guān)系。U中的物體，按照“顏色”這一等效關(guān)系，可以劃分為“紅色的物體”、“黃色的物體”、“綠色的物體”等集合；按照“形狀”這一等效關(guān)系，可以劃分為“方的物體”、“圓的物體”、“三角形的物體”等集合；按照“顏色+形狀”這一合成等效關(guān)系，又可以劃分為“紅色的圓物體”、“黃色的方物體”、“綠色的三角形物體”等集合。如果兩個(gè)物體同屬于“紅色的圓物體”這一集合，它們之間是不可分辨關(guān)系，因?yàn)槊枋鏊鼈兊膶傩远际恰凹t”和“圓”。不可分辨關(guān)系的概念是RS理論的基石，它揭示出論域知識(shí)的顆粒狀結(jié)構(gòu)。1.3.3上近似，下近似給定知識(shí)庫K=(U,R)，對(duì)X且XU,一個(gè)等價(jià)關(guān)系，RInd(K).稱RX={YU/R|YX}為X關(guān)于R的下近似。稱X={YU/R|YX}為X關(guān)于R的上近似。1.3.4粗糙集若RXX則X為R粗糙集。否則稱X為R精確集。1.3.5重要性設(shè)R是一族等價(jià)關(guān)系，RR,如果ind(R)=ind(R-{R}),則稱R為R不必要的；否則稱R為R必要的。如果每一個(gè)RR都為R必要的，則稱R為獨(dú)立的；否則稱R為依賴的。1.3.6屬性約簡(jiǎn)對(duì)于A的任意子集B,我們把B叫做A的約簡(jiǎn)，如果IND(B)=IND(A)，且IND(B?{a})≠IND(A)[8]屬性約簡(jiǎn)是粗糙集理論的核心問題之一。1.3.7RS理論中應(yīng)用決策表來描述論域中對(duì)象。它是一張二維表格，每一行描述一個(gè)對(duì)象，每一列描述對(duì)象的一種屬性。屬性分為條件屬性和決策屬性，論域中的對(duì)象根據(jù)條件屬性的不同，被劃分到具有不同決策屬性的決策類。對(duì)于分類來說，并非所有的條件屬性都是必要的，有些是多余的，去除這些屬性不會(huì)影響原來的分類效果。約簡(jiǎn)定義為不含多余屬性并保證分類正確的最小條件屬性集。一個(gè)決策表可能同時(shí)存在幾個(gè)約簡(jiǎn)，這些約簡(jiǎn)的交集定義為決策表的核，核中的屬性是影響分類的重要屬性。從另一個(gè)角度看，決策表中每一個(gè)對(duì)象都蘊(yùn)著一條分類規(guī)則，決策表實(shí)際上也是一組邏輯規(guī)則的集合。1.3.8決策表定義決策表可以定義如下：S=(U,A)為一信息系統(tǒng)，且C,DìA是兩個(gè)屬性子集，分別稱為條件屬性和決策屬性，且CèD=A，C?D=?，則該信息系統(tǒng)稱為決策表，記作T=(U,A,C,D)或簡(jiǎn)稱CD決策表。關(guān)系IND(C)和關(guān)系IND(D)的等價(jià)類分別稱為條件類和決策類。1.3.9決策表的分類：當(dāng)且僅當(dāng)CTD，決策表T=(U,A,C,D)是一致的。由命題1，很容易通過計(jì)算條件屬性和決策屬性間的依賴程度來檢查一致性。當(dāng)依賴程度等于1時(shí)，我們說決策表是一致的，否則不一致[9]。1.3.10決策表的屬性約簡(jiǎn)方法一致決策表的約簡(jiǎn)步驟如下：對(duì)決策表進(jìn)行條件屬性的約簡(jiǎn)，即從決策表中消去某一列；(主要研究點(diǎn))消去重復(fù)的行；消去每一決策規(guī)則中屬性的冗余值。非一致決策表的約簡(jiǎn)：對(duì)于一致的決策表比較容易處理，在進(jìn)行約簡(jiǎn)時(shí)，只要判斷去掉某個(gè)屬性或某個(gè)屬性值時(shí)是否會(huì)導(dǎo)致不一致規(guī)則的產(chǎn)生。而對(duì)不一致表進(jìn)行約簡(jiǎn)時(shí)就不能再使用這種方法了，一般采用下面的方法：一種是考慮正域的變化，另外一種是將不一致表分成完全一致表和完全不一致表兩個(gè)子表。非一致決策表的約簡(jiǎn)步驟與一致決策表的約簡(jiǎn)步驟類似。1.3.11Skowron的約簡(jiǎn)方法決策表屬性約簡(jiǎn)的過程就是從決策表信息系統(tǒng)的條件屬性中去掉不必要的條件屬性，已獲得表示更簡(jiǎn)單，對(duì)決策更有效的決策規(guī)則。屬性約簡(jiǎn)的方法有很多，其中A.Skowron提出一種用分辨矩陣表示知識(shí)的約簡(jiǎn)方法非常著名，另外還有數(shù)據(jù)分析約簡(jiǎn)方法，歸納屬性約簡(jiǎn)算法，基于互信息的屬性約簡(jiǎn)算法，基于特征選擇的屬性約簡(jiǎn)算法，基于搜索策略的屬性約簡(jiǎn)算法，等等。約簡(jiǎn)算法如下：令s=（U,R,V，f）是一個(gè)信息系統(tǒng)，U為論域且U={x1,x2,…xn},R=CèD是屬性集合．子集C和D別是條件屬性集和決策屬性集，V=是屬性值的集合，表示屬性值rR的屬性值范圍，即屬性r的值域，f：URV是一個(gè)信息函數(shù)，它指定U中每一個(gè)對(duì)象r的屬性值。r(x)是對(duì)象x在屬性r上的值，D(x)是記錄x在D上的值，則可辨識(shí)矩陣記為：(Cij)m={rC:r(xi)r(xj)}D(xi)D(xj)=0D(xi)=D(xj)=-1r,r(xi)=(xj)D(xi)D(xj)i,j=1,2,…,n以上公式指出：當(dāng)決策屬性不同且條件屬性也不完全相同時(shí)，元素值為互不相同的屬性組合；當(dāng)決策屬性相同時(shí)，元素值為0；當(dāng)決策屬性不同而條件屬性完全相同時(shí)，元素值為-1，該情況表明數(shù)據(jù)有誤或提供條件屬性不足。一個(gè)數(shù)據(jù)集的所有約簡(jiǎn)可以通過構(gòu)造分辨矩陣并且化簡(jiǎn)由分辨矩陣導(dǎo)出的區(qū)分函數(shù)而得到，在使用吸收律化簡(jiǎn)區(qū)分函數(shù)成標(biāo)準(zhǔn)式后，所有的蘊(yùn)含式包含的屬性就是信息系統(tǒng)的所有約簡(jiǎn)集合。根據(jù)分明函數(shù)與約簡(jiǎn)的對(duì)應(yīng)關(guān)系，A.Skowron提出了計(jì)算信息系統(tǒng)S的約簡(jiǎn)RED(S)的方法：（1）計(jì)算信息系統(tǒng)S的分明矩陣M(S)（2）計(jì)算與分明矩陣M(S)對(duì)應(yīng)的分明函數(shù)fM(S)（3）計(jì)算分明函數(shù)fM(S)的最小析取范式，其中每個(gè)析取分量對(duì)應(yīng)一個(gè)約簡(jiǎn)，將所有的析取表達(dá)式進(jìn)行合并，得到一個(gè)合取范式。（4）將合取范式改為析取范式。（5）輸出屬性約簡(jiǎn)結(jié)果。析取范式中的每個(gè)合取項(xiàng)就對(duì)應(yīng)一個(gè)屬性約簡(jiǎn)的結(jié)為每個(gè)合取項(xiàng)中所包含的屬性組成約簡(jiǎn)后的條件屬性集合[10],[11]。為了對(duì)決策表進(jìn)行約簡(jiǎn)，可以采用分明矩陣的方法對(duì)條件屬性進(jìn)行約簡(jiǎn)，對(duì)決策屬性相同的個(gè)體不予比較?？紤]下面的決策表，條件屬性為a,b,c,d，決策屬性為e。表2U/Aabcdeu110210u200121u320210u400222u511210由下面的分明矩陣很容易得到核為{c}，分明函數(shù)fM(S)為c∧(a∨d)，即(a∧c)∨(c∧d)，得到兩個(gè)約簡(jiǎn){a,c}和{c,d}表3表2對(duì)應(yīng)的分明矩陣uu1u2u3u4u5u1u2a,c,du3a,c,du4a,dca,du5a,b,ca,b,d根據(jù)得到的兩個(gè)約簡(jiǎn)，表5可以簡(jiǎn)化為下列決策表：表4U\Aaceu1120u2011u3220u4022u5120表5U\Acdeu1210u2121u3210u4222u5210所有約簡(jiǎn)的計(jì)算是NP-hard問題（NP是Non-deterministicPolynomial的縮寫，NP問題就是指其解的正確性可以在多項(xiàng)式時(shí)間內(nèi)被檢查的一類問題。比如說數(shù)組求和，得到一個(gè)解，這個(gè)解對(duì)不對(duì)呢，顯然是可以在多項(xiàng)式時(shí)間內(nèi)驗(yàn)證的。再比如說SAT，如果得到一個(gè)解，也是能在多項(xiàng)式時(shí)間內(nèi)驗(yàn)證正確性的。所以SAT和求和等等都是NP問題。然后呢，有一部分NP問題的解已經(jīng)可以在多項(xiàng)式時(shí)間內(nèi)找到，比如數(shù)組求和，這部分問題就是NP中比較簡(jiǎn)單的一部分，被命名為P類問題。那么P以外的NP問題，就是目前還不能夠在多項(xiàng)式時(shí)間內(nèi)求解的問題了。如果所有NP問題都可以多項(xiàng)式歸約到問題A，那么問題A就是NP-Hard）因此運(yùn)用啟發(fā)信息來簡(jiǎn)化計(jì)算以找出最優(yōu)或次優(yōu)約簡(jiǎn)是必要的?，F(xiàn)在在求最優(yōu)或次優(yōu)約簡(jiǎn)的算法一般都使用核作為計(jì)算約簡(jiǎn)的出發(fā)點(diǎn)，計(jì)算一個(gè)最好的或者用戶指定的最小約簡(jiǎn)。算法將屬性的重要性作為啟發(fā)規(guī)則，按照屬性的重要度從大到小逐個(gè)加入屬性，直到該集合是一個(gè)約簡(jiǎn)為止。行的約簡(jiǎn)：對(duì)決策表中的重復(fù)的行要?jiǎng)h除，因?yàn)樗鼈兊臈l件屬性和決策屬性都相同，都表示同一條決策規(guī)則。另外，決策規(guī)則的列表順序不是本質(zhì)性的，所以表4、表5都可進(jìn)行約簡(jiǎn)，如表6可簡(jiǎn)化為下表：表6U\Aaceu1120u1011u3220u4022對(duì)于決策表而言，屬性值的約簡(jiǎn)就是決策規(guī)則的約簡(jiǎn)。決策規(guī)則的約簡(jiǎn)是利用決策邏輯消去每個(gè)決策規(guī)則的不必要條件，它不是整體上約簡(jiǎn)屬性，而是針對(duì)每個(gè)決策規(guī)則，去掉表達(dá)該規(guī)則時(shí)的冗余屬性值，即要計(jì)算每條決策規(guī)則的核與約簡(jiǎn)。1.3.12基于可辨識(shí)矩陣的啟發(fā)式約簡(jiǎn)算法輸入：決策表(U,Atfkxk5r)，其中A=i=1..n。輸出：約簡(jiǎn)：reduct。步驟：<1)令約簡(jiǎn)后得到的屬性集臺(tái)等干條件屬性集臺(tái)，即reduct=R;(2)計(jì)算可辨識(shí)矩陣M，并找出所有不包含核屬性的屬性組合S;(3)將所有不包含核屬性的屬性組合表示析取范式的形式．即P=ai,k:i=1,…s,k=1,…,m};(4)將P轉(zhuǎn)化為析取范式的形式．并按照公式(2)計(jì)算屬性的重要性。(5)選擇其中重要性最小的屬性a，使得reduct,reduct，{a}；(6)判斷約簡(jiǎn)操作是否成立，若成立．刪除因條件屬性約簡(jiǎn)而引入的冗余樣本和不相容樣本，i=i+1，轉(zhuǎn)(5)；否則恢復(fù)約簡(jiǎn)該屬性前的樣本數(shù)據(jù)，結(jié)束約簡(jiǎn)。第(6)步中的判斷條件為P1/Po<a式中P0為執(zhí)行本次約簡(jiǎn)操作前知識(shí)表中樣本的數(shù)量,p1為執(zhí)行約簡(jiǎn)后引入的不相容樣本數(shù)。a為閾值，根據(jù)實(shí)際需要確定，通常取a=5％[12]。1.3.13“約簡(jiǎn)”和“核”概念的重要性“約簡(jiǎn)”和“核”這兩個(gè)概念很重要，是RS方法的精華。RS理論提供了搜索約簡(jiǎn)和核的方法。計(jì)算約簡(jiǎn)的復(fù)雜性隨著決策表的增大呈指數(shù)增長(zhǎng)，是一個(gè)典型的NP完全問題，當(dāng)然實(shí)際中沒有必要求出所有的約簡(jiǎn)。引人啟發(fā)式的搜索方法有助于找到較優(yōu)的約簡(jiǎn)，即所含條件屬性最少的約簡(jiǎn)[13]。

第二章．基于粗糙集在數(shù)據(jù)挖掘算法研究2.1數(shù)據(jù)挖掘的概念數(shù)據(jù)挖掘（DataMining）意在從大量的不完全的，有噪聲的，模糊的，隨機(jī)的數(shù)據(jù)中，提取隱含在其中的，人們事先不知道的，但又是潛在有用的信息和知識(shí)。還有很多和這一術(shù)語相近似的術(shù)語，如從數(shù)據(jù)庫中發(fā)現(xiàn)知識(shí)（KDD）、數(shù)據(jù)分析、數(shù)據(jù)融合（DataFusion）以及決策支持等[14]。2.2數(shù)據(jù)挖掘的基本任務(wù)數(shù)據(jù)挖掘的主要任務(wù)是關(guān)聯(lián)分析、聚類分析、分類、預(yù)測(cè)、時(shí)序模式和偏差分析等。1）關(guān)聯(lián)分析（associationanalysis）關(guān)聯(lián)規(guī)則挖掘由RakeshApwal等人首先提出。兩個(gè)或兩個(gè)以上變量的取值之間存在的規(guī)律性稱為關(guān)聯(lián)。數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫中存在的一類重要的，可被發(fā)現(xiàn)的知識(shí)。關(guān)聯(lián)分為簡(jiǎn)單關(guān)聯(lián)，時(shí)序關(guān)聯(lián)和因果關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)。一般用支持度和可信度兩個(gè)閥值來度量關(guān)聯(lián)規(guī)則的相關(guān)性，還不斷引入興趣度，相關(guān)性等參數(shù)，使得所挖掘的規(guī)則更符合需求。2）聚類分析（clustering）聚類是把數(shù)據(jù)按照相性歸納成若干類別，同一類中的數(shù)據(jù)彼此相似，不同類中的數(shù)據(jù)相異。聚類分析可以建立宏觀的概念，發(fā)現(xiàn)數(shù)據(jù)的分布模式，以及可能的數(shù)據(jù)屬性之間的相互關(guān)系。3）分類（classification）分類就是找出一個(gè)類別的概念描述，并用這種描述來構(gòu)造模型，一般用規(guī)則或決策樹模式表示。分類是利用訓(xùn)練數(shù)據(jù)集通過一定得算法而求得分類規(guī)則。分類可被用于規(guī)則描述和預(yù)測(cè)。分類可描述如下：輸入數(shù)據(jù)，或稱訓(xùn)練集(trainingset)是一條條記錄組成的。每一條記錄包含若干條屬性(attribute)，組成一個(gè)特征向量。訓(xùn)練集的每條記錄還有一個(gè)特定的類標(biāo)簽(類標(biāo)簽)與之對(duì)應(yīng)。該類標(biāo)簽是系統(tǒng)的輸入，通常是以往的一些經(jīng)驗(yàn)數(shù)據(jù)。一個(gè)具體樣本的形式可為樣本向量：(v1,v2,…,…vn:c)。在這里vi表示字段值，c表示類別。分類的目的是：分析輸入數(shù)據(jù)，通過在訓(xùn)練集中的數(shù)據(jù)表現(xiàn)出來的特性，為每一個(gè)類找到一種準(zhǔn)確的描述或者模型。這種描述常常用謂詞表示。由此生成的類描述用來對(duì)未來的測(cè)試數(shù)據(jù)進(jìn)行分類。盡管這些未來的測(cè)試數(shù)據(jù)的類標(biāo)簽是未知的，我們?nèi)钥梢杂纱祟A(yù)測(cè)這些新數(shù)據(jù)所屬的類。注意是預(yù)測(cè)，而不能肯定。我們也可以由此對(duì)數(shù)據(jù)中的每一個(gè)類有更好的理解。也就是說：我們獲得了對(duì)這個(gè)類的知識(shí)。分類技術(shù)有很多，如決策樹、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、遺傳算法、關(guān)聯(lián)規(guī)則等?；跊Q策樹的數(shù)據(jù)分類算法主要有ID3和C4.5算法。Quinlan提出的著名的ID3學(xué)習(xí)算法是較早的經(jīng)典算法。它通過選擇窗口來形成決策樹，是利用信息論中的互信息尋找訓(xùn)練集具有最大信息量的屬性字段，建立決策樹的一個(gè)節(jié)點(diǎn)，再根據(jù)該屬性字段的不同取值建立樹的分支；在每個(gè)分支子集中重復(fù)建立樹的下層節(jié)點(diǎn)和分支過程。C4.5算法和ID3算法相似，它是對(duì)ID3算法的一種改進(jìn)，它是根據(jù)信息增益(InformationGain)值選擇作為分裂結(jié)點(diǎn)的屬性及標(biāo)準(zhǔn),按照此標(biāo)準(zhǔn)將訓(xùn)練集分成若干個(gè)子集。這兩中種方法的優(yōu)點(diǎn)是描述簡(jiǎn)單，分類速度快，分類較準(zhǔn)確特別適合大規(guī)模的數(shù)據(jù)處理。但這兩種算法是借用信息論中的互信息或信息增益作為單一屬性能力的度量，試圖減少樹的平均深度，忽略了葉子數(shù)目的研究，其啟發(fā)式函數(shù)并不是最優(yōu)的，存在的主要問題還有：(1)抗噪性差，訓(xùn)練例子中正例和反例較難控制。(2)在構(gòu)造樹的過程中,需要對(duì)數(shù)據(jù)集進(jìn)行多次的順序掃描和排序,因而導(dǎo)致算法的低效。(3)這兩種算法只適合于能夠駐留于內(nèi)存的數(shù)據(jù)集使用,當(dāng)訓(xùn)練集大得無法在內(nèi)存容納時(shí)程序無法運(yùn)行。4）預(yù)測(cè)（predication）預(yù)測(cè)是利用歷史數(shù)據(jù)找出變化規(guī)律，建立模型，并由此模型對(duì)未來數(shù)據(jù)的種類及特征進(jìn)行預(yù)測(cè)。預(yù)測(cè)關(guān)心的是精度和不確定性，通常用預(yù)測(cè)方差來度量。5）時(shí)序模式（time-seriespattern）。時(shí)序模式是指通過時(shí)間序列搜索出的重復(fù)發(fā)生概率較高的模式。與回歸一樣，他也是用已知的數(shù)據(jù)預(yù)測(cè)未來的值，但這些數(shù)據(jù)的區(qū)別是變量所處時(shí)間的不同。6）偏差分析（deviation）在偏差中包括很多有用的知識(shí)，數(shù)據(jù)庫中的數(shù)據(jù)存在很多異常情況，發(fā)現(xiàn)數(shù)據(jù)庫中數(shù)據(jù)存在的異常情況是非常重要的。偏差檢測(cè)的基本方法就是尋找觀察與參照之間的差別。數(shù)據(jù)挖掘的基本技術(shù)包括統(tǒng)計(jì)學(xué)，聚類分析和模式識(shí)別，決策樹分類技術(shù)，人工神經(jīng)網(wǎng)絡(luò)和遺傳基因算法，規(guī)則歸納，可視化技術(shù)。2.3應(yīng)用實(shí)例粗糙集理論運(yùn)用病例得出規(guī)則，幫助醫(yī)生做出診斷：信息系統(tǒng)如下：表7一知識(shí)信息系統(tǒng)條件屬性決策屬性患者頭疼肌肉疼體溫感冒e1是是正常否e2是是高是e3是是很高是e4否是正常否e5否否高否e6否是很高是e7否否高是e8否是很高否上系統(tǒng)描述了8個(gè)患者的癥狀，U={e1,e2,e3,e4,e5,e6,e7,e8},C={頭疼，肌肉疼，體溫}，D={感冒}。根據(jù)定義計(jì)算知c的d約簡(jiǎn)為{體溫，感冒}，核也為{體溫，感冒}。U/C={x1,x2,x3,x4,x5,x6},其中x1={e1},x2={e2},x3={e3},x4={e4},x5={e5,e7},x6={e6,e8}.U/D={Y1,Y2}.其中，y1={e2,e3,e6,e7},Y2={e1,e4,e5,e8}.確定性規(guī)則有如下幾種。R12:IF(頭疼，是)且（體溫，正常）THEN（感冒，否）。

R21:IF(頭疼，是)且（體溫，高）THEN（感冒，是）。R31:IF(頭疼，是)且（體溫，很高）THEN（感冒，是）。R42:IF(頭疼，否)且（體溫，正常）THEN（感冒，否）。不確定規(guī)則有：R51:IF(頭疼，否)且（體溫，高）THEN（感冒，是）。規(guī)則的確定性因子為0.5。R52:IF(頭疼，否)且（體溫，高）THEN（感冒，否）。規(guī)則的確定性因子為0.5。R61:IF(頭疼，否)且（體溫，很高）THEN（感冒，否）。規(guī)則的確定性因子為0.5。R51:IF(頭疼，否)且（體溫，很高）THEN（感冒，是）。規(guī)則的確定性因子為0.5?；颊?和患者7，患者6和患者8，癥狀相同，但有個(gè)是感冒另一個(gè)卻不是，這種情況稱為不一致（inconsistent）另外在文獻(xiàn)[10]中提出了一種粗糙集屬性約簡(jiǎn)的啟發(fā)式算法本算法的存儲(chǔ)空間主要是用于排序，空間復(fù)雜度是O（|C|），而傳統(tǒng)的算法用分辨矩陣計(jì)算約減屬性的核，空間復(fù)雜度是O(|C|2),空間復(fù)雜度降低了許多，最后得到的決策規(guī)則為：規(guī)則1(a1,晴)∧(a3,高)→(d,N).規(guī)則2(a1,多云)→(d,P).規(guī)則3(a1,雨)∧(a4,否)→(d,P).規(guī)則4(a1,雨)∧(a4,真)→(d,N).規(guī)則5(a1,晴)∧(a3,正常)→(d,P)高效約簡(jiǎn)算法，大數(shù)據(jù)集，并行計(jì)算以及混合計(jì)算等問題是粗糙集在數(shù)據(jù)挖掘中需進(jìn)一步研究的問題。

第三章.基于粗糙集建立決策樹的算法建立決策樹的目標(biāo)是通過訓(xùn)練樣本集，建立目標(biāo)變量關(guān)于各輸人變量的分類預(yù)測(cè)模型，全面實(shí)現(xiàn)輸入變量和目標(biāo)變量不同取值下的數(shù)據(jù)分組，進(jìn)而用于對(duì)新數(shù)據(jù)對(duì)象的分類和預(yù)測(cè)。當(dāng)利用所建決策樹對(duì)一個(gè)新數(shù)據(jù)對(duì)象進(jìn)行分析時(shí)，決策樹能夠依據(jù)該數(shù)據(jù)輸入變量的取值，推斷出相應(yīng)目標(biāo)變量的分類或取值。決策樹技術(shù)中有各種各樣的算法，這些算法都存在各自的優(yōu)勢(shì)和不足。目前，從事機(jī)器學(xué)習(xí)的專家學(xué)者們?nèi)栽跐撔膶?duì)現(xiàn)有算法的改進(jìn)，或研究更有效的新算法。總結(jié)起來，決策樹算法主要圍繞兩大核心問題展開:第一，決策樹的生長(zhǎng)問題，即利用訓(xùn)練樣本集，完成決策樹的建立過程。第二，決策樹的剪枝問題，即利用檢驗(yàn)樣本集，對(duì)形成的決策樹進(jìn)行優(yōu)化處理[15]。在數(shù)據(jù)挖掘中，分類是一個(gè)很重要的問題，有很多流行的分類器可以創(chuàng)建決策樹來產(chǎn)生類模型。文獻(xiàn)[16]提出了一種基于粗糙集理論構(gòu)造單變量決策樹的優(yōu)化算法，文獻(xiàn)[17]介紹了通過信息增益或熵的比較來構(gòu)造一棵決策樹的數(shù)據(jù)挖掘算法思想，給出了用粗糙集理論構(gòu)造決策樹的一種方法，并用曲面造型方面的實(shí)例說明了決策樹的生成過程。通過與ID3方法的比較，該種方法可以降低決策樹的復(fù)雜性，優(yōu)化決策樹的結(jié)構(gòu)，能挖掘較好的規(guī)則信息。決策樹方法是一種逼近離散之間函數(shù)的方法，對(duì)噪聲數(shù)據(jù)具有很好的健壯性。決策樹方法具有速度快、精度高、生成的模式簡(jiǎn)單等優(yōu)點(diǎn)，在數(shù)據(jù)挖掘中受到許多研究者的關(guān)注。決策樹的算法很多，1986年J.RossQuinlan提出了著名的決策樹歸納算法ID3版本，引起了很大的反響。在此基礎(chǔ)上，他又對(duì)ID3算法進(jìn)行了補(bǔ)充和改進(jìn)，于1993年提出了非常流行的C4.5算法，以后又出現(xiàn)了C4.5的商業(yè)改進(jìn)版C5.0算法。此外還有一些可伸縮算法如SLIQ、SPRINT和雨林算法等也有相當(dāng)廣泛的應(yīng)用。在數(shù)據(jù)挖掘的決策樹算法中，主要技術(shù)難點(diǎn)在于如何選擇一個(gè)好的分支取值，用信息熵的增益率作為屬性選擇標(biāo)準(zhǔn)，可以加快決策樹的生長(zhǎng)速度。決策樹技術(shù)的應(yīng)用很廣泛,目前，尤其在金融、貿(mào)易、電信等方面應(yīng)用的研究很熱點(diǎn),,體育教學(xué)質(zhì)量評(píng)價(jià)的公平、合理、高效離不開決策樹技術(shù)的支持。從目前查閱大量資料來看,決策樹技術(shù)應(yīng)用于體育教學(xué)質(zhì)量評(píng)價(jià)的研究,已引起體育教育管理部門部分專家的關(guān)注,目前雖然沒有成功的應(yīng)用系統(tǒng),當(dāng)然,這將成為體育學(xué)術(shù)界不容忽視的研究方向，但理論的研究已趨成熟,并不斷得到完善。文獻(xiàn)[18]中指出決策樹在教學(xué)評(píng)估中運(yùn)用正確的實(shí)例，我們看到：數(shù)據(jù)挖掘技術(shù)在教育層面上應(yīng)用早已開始。

第四章．雙論域下粗糙集數(shù)據(jù)約簡(jiǎn)方法4.1變精度粗糙集模型：Ziarko等人提出的變精度粗糙集(VariablePrecisionRoughSet簡(jiǎn)稱VPRS)模型是對(duì)Pawlak的粗糙集(RoughSet簡(jiǎn)稱RS)模型的一種擴(kuò)展。VPRS通過設(shè)置閾值參數(shù)β，放松了RS理論對(duì)近似邊界的嚴(yán)格定義，0.5<β<≤1。當(dāng)β=1時(shí)，VPRS模型就變成了RS模型，因此RS模型是VPRS模型的一個(gè)特例。隨著β增加，VPRS模型的近似邊界區(qū)域變窄，即變精度粗糙集意義下的不確定區(qū)域變小。因此，VPRS模型對(duì)數(shù)據(jù)不一致性有一定的容忍度。VPRS模型有利于解決屬性間無函數(shù)或不確定關(guān)系的數(shù)據(jù)分類問題[19]。4.2雙論域下的粗糙集模型文獻(xiàn)[20]將粗糙集模型推廣到了兩個(gè)不同但相關(guān)的論域。文獻(xiàn)[21]中將變精度粗糙集理論與關(guān)系數(shù)據(jù)庫理論相結(jié)合提出了較新穎的計(jì)算方法。在傳統(tǒng)的粗糙集數(shù)據(jù)約簡(jiǎn)算法中，被約簡(jiǎn)的對(duì)象往往都是單一的信息系統(tǒng)，但是在將屬性約簡(jiǎn)算法應(yīng)用到數(shù)據(jù)挖掘?qū)嵺`中去的時(shí)候，數(shù)據(jù)約簡(jiǎn)的對(duì)象往往是關(guān)系模型數(shù)據(jù)庫，這種情況下對(duì)某一問題進(jìn)行分析時(shí)，往往對(duì)應(yīng)數(shù)據(jù)庫中兩個(gè)以上的表（關(guān)系）；大多數(shù)情況下，可以采用以下兩種方法來對(duì)數(shù)據(jù)進(jìn)行處理：（1）通過對(duì)兩個(gè)表進(jìn)行連接運(yùn)算，然后將連接后的表按照單一信息系統(tǒng)的約簡(jiǎn)方法處理。但（2）將兩個(gè)表的數(shù)據(jù)合并在一起，即求兩個(gè)表的外部并，在某些極端情況下可能要計(jì)算兩個(gè)表的笛卡爾積。雙論域粗糙集模型在數(shù)據(jù)庫中得到了較成功的應(yīng)用，該理論還有待繼續(xù)擴(kuò)展[22]。

第五章．關(guān)于網(wǎng)絡(luò)的教學(xué)評(píng)價(jià)5.1教學(xué)評(píng)價(jià)的定義和網(wǎng)絡(luò)教學(xué)評(píng)價(jià)的理論指導(dǎo)思想及定義隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)教學(xué)已成為一種重要的教學(xué)手段，并受到了眾多教育工作者的關(guān)注與研究。在校期間，學(xué)校的網(wǎng)絡(luò)教學(xué)評(píng)價(jià)不但完善，我們作為學(xué)生也能深深感覺到網(wǎng)絡(luò)教學(xué)評(píng)價(jià)的方便和準(zhǔn)確性，我們首先對(duì)網(wǎng)絡(luò)教學(xué)評(píng)價(jià)做一下分析。5.1.1.教學(xué)評(píng)價(jià)的定義教學(xué)評(píng)價(jià)是指根據(jù)教學(xué)目標(biāo)對(duì)學(xué)生通過教學(xué)產(chǎn)生的行為變化作出價(jià)值判斷，為改善和優(yōu)化教學(xué)提供依據(jù)的過程。教育評(píng)價(jià)從不同的角度，可以分成不同的類別。按評(píng)價(jià)的功能可以劃分為形成性評(píng)價(jià)、終結(jié)性評(píng)價(jià)和診斷性評(píng)價(jià)三種。診斷性評(píng)價(jià)是指教學(xué)前為了使新課程、新教材適合不同學(xué)生的情況和需要，以實(shí)現(xiàn)因材施教。終結(jié)性評(píng)價(jià)指在一門學(xué)科的整個(gè)教學(xué)結(jié)束時(shí)，對(duì)學(xué)生的學(xué)習(xí)效果及成績(jī)所進(jìn)行的全面的評(píng)價(jià)。其主要目的是評(píng)定學(xué)生成績(jī)，為學(xué)生具有某種能力或資格作證明。本文所討論的形成性評(píng)價(jià)是在教學(xué)過程中使用的一種教學(xué)評(píng)價(jià)，主要用于監(jiān)控、調(diào)節(jié)教學(xué)過程、提高教學(xué)質(zhì)量。它強(qiáng)調(diào)的是改進(jìn)教學(xué)，而不是給學(xué)生評(píng)定等級(jí)。這種評(píng)價(jià)的基本特征是把一個(gè)學(xué)年或?qū)W期的教學(xué)過程看作由一系列連續(xù)的教學(xué)單元所組成的整體，在每個(gè)重要的教學(xué)單元結(jié)束后，對(duì)學(xué)生的掌握情況進(jìn)行適時(shí)的評(píng)價(jià)[23]。5.1.2.網(wǎng)絡(luò)這一信息時(shí)代的產(chǎn)物，已經(jīng)超出了技術(shù)產(chǎn)品的本身的內(nèi)涵，而向社會(huì)生活的各個(gè)領(lǐng)域擴(kuò)展，并逐漸形成了具有鮮明時(shí)代特色的文化。學(xué)習(xí)作為延續(xù)人類已有物質(zhì)文化成果、并在原有知識(shí)基礎(chǔ)上創(chuàng)造出前所未有的活動(dòng)，已從傳統(tǒng)的基于課堂的“教師講授—學(xué)生接受”的。模式轉(zhuǎn)變?yōu)橥ㄟ^多種途徑來實(shí)現(xiàn)。網(wǎng)絡(luò)突破了時(shí)間與空間的限制，給予學(xué)習(xí)者更加靈活的學(xué)習(xí)方式—網(wǎng)絡(luò)教學(xué)。目前，網(wǎng)絡(luò)教學(xué)已作為我國教育改革與發(fā)展的新生事物，但能否取得成就最終還將取決于其教學(xué)質(zhì)量和教學(xué)水平。因此，從網(wǎng)絡(luò)教學(xué)的發(fā)展來看，建立一整套從教學(xué)到管理、監(jiān)控和評(píng)估的質(zhì)量保證體系已經(jīng)是當(dāng)務(wù)之急。而網(wǎng)絡(luò)教學(xué)是一種完全不同于傳統(tǒng)教學(xué)的新型教學(xué)模式，其理論指導(dǎo)是建構(gòu)主義學(xué)習(xí)理論，建構(gòu)主義學(xué)習(xí)理論提倡以學(xué)習(xí)者為中心，強(qiáng)調(diào)學(xué)習(xí)者的認(rèn)知主體作用，所以教學(xué)評(píng)價(jià)的對(duì)象，必然從教師轉(zhuǎn)向?qū)W習(xí)者，評(píng)價(jià)學(xué)習(xí)者的學(xué)習(xí)。在此指導(dǎo)思想下，教學(xué)評(píng)價(jià)的主要對(duì)象是學(xué)生，當(dāng)然也對(duì)教師進(jìn)行評(píng)價(jià)，但評(píng)價(jià)的出發(fā)點(diǎn)從教改變成是否有利于學(xué)生的學(xué)，是否為學(xué)生創(chuàng)設(shè)了有利于學(xué)習(xí)的環(huán)境及是否能引導(dǎo)學(xué)生自主地學(xué)習(xí)等，顯而易見，對(duì)教師的評(píng)價(jià)標(biāo)準(zhǔn)是圍繞著學(xué)習(xí)者制定的。因此，網(wǎng)絡(luò)教學(xué)評(píng)價(jià)表現(xiàn)出其獨(dú)特的特點(diǎn)如注重過程性評(píng)價(jià)，強(qiáng)調(diào)對(duì)網(wǎng)絡(luò)教學(xué)的過程進(jìn)行實(shí)時(shí)的監(jiān)控;關(guān)注全方位評(píng)價(jià)，網(wǎng)絡(luò)教學(xué)評(píng)價(jià)不僅對(duì)運(yùn)用教育技術(shù)實(shí)施智能教學(xué)以及對(duì)利用探索、發(fā)現(xiàn)、競(jìng)爭(zhēng)、協(xié)作、角色扮演等一系列策略教學(xué)的效果進(jìn)行有效的評(píng)價(jià);還對(duì)學(xué)生在學(xué)習(xí)中的主動(dòng)性、自控性、學(xué)習(xí)的效果進(jìn)行評(píng)價(jià)。5.2國外網(wǎng)絡(luò)教學(xué)評(píng)價(jià)研究成果1．《線學(xué)習(xí)的認(rèn)證標(biāo)準(zhǔn)》(E-LeanringCertificationStandards)E-LeanringCertificationStandards是由以LynetteGillis博士為主創(chuàng)者的著名教學(xué)設(shè)計(jì)與適用專業(yè)委員會(huì)建立的認(rèn)證標(biāo)準(zhǔn)，這是一種被評(píng)價(jià)專家認(rèn)為是確定合格最可靠的標(biāo)準(zhǔn)參照法之一，因?yàn)樗腔诿}專家們的綜合判斷。其要求專家審閱每一項(xiàng)，確定每一項(xiàng)指標(biāo)的得分概率。這些概率的平均值乘以項(xiàng)目總數(shù)，其結(jié)果就是最低限度的得分。最終的合格線是基于這種綜合判斷和平均標(biāo)準(zhǔn)誤差的計(jì)算。最后，對(duì)每項(xiàng)得分計(jì)算各種分析和可靠性指數(shù)。這一標(biāo)準(zhǔn)草案從三個(gè)方面旨在對(duì)在線學(xué)習(xí)進(jìn)行評(píng)價(jià)，分別為可用性、技術(shù)性和教學(xué)性。2.《虛擬學(xué)習(xí)環(huán)境的教育評(píng)價(jià)框架》(AFrameworkforPedagogicalEvaluationofVirtualLearningEnvironments)虛擬學(xué)習(xí)環(huán)境的教育評(píng)價(jià)框架是由英國Wales-Bangor大學(xué)的SandyBritain和OlegLiber共同完成的。該框架從評(píng)價(jià)策略的角度介紹了兩種不同的模型。一種是Laurilard提出的會(huì)話模型(TheConversationalFramework)，主要把教師和學(xué)生、學(xué)生之間及學(xué)生與環(huán)境通過媒體進(jìn)行交互的活動(dòng)情況作為評(píng)價(jià)對(duì)象，從所提供的各種學(xué)習(xí)工具的交互性上考察一個(gè)虛擬環(huán)境的優(yōu)劣。另一種是控制論模型，主要依據(jù)StaffordBeer的管理控制論中的可視化系統(tǒng)模型而改造成教育領(lǐng)域中應(yīng)用的模型。3.《在線學(xué)習(xí)質(zhì)量》(QualityOnTheLine)在線學(xué)習(xí)質(zhì)量是由美國國家教育協(xié)會(huì)和黑板公司聯(lián)合發(fā)布的基于互聯(lián)網(wǎng)的遠(yuǎn)程學(xué)習(xí)評(píng)價(jià)標(biāo)準(zhǔn)。這一標(biāo)準(zhǔn)包括:體系結(jié)構(gòu)、課程開發(fā)、教學(xué)與學(xué)習(xí)、課程結(jié)構(gòu)、學(xué)生支持系統(tǒng)、教師支持系統(tǒng)、評(píng)價(jià)與評(píng)估系統(tǒng)等七個(gè)方面，并將這七個(gè)方面細(xì)化為24個(gè)必要的核心子指標(biāo)項(xiàng)和21個(gè)非必要的可選子指標(biāo)項(xiàng)，同時(shí)提供了采用這一標(biāo)準(zhǔn)評(píng)價(jià)六所學(xué)院的網(wǎng)絡(luò)課程的案例。當(dāng)然，這一套教學(xué)模式除、完整的知識(shí)體系、有效的作業(yè)和練習(xí)、合理的評(píng)價(jià)方式以外，還有一些與網(wǎng)絡(luò)相關(guān)的特點(diǎn)：突出教與學(xué)交互的重要性，重視網(wǎng)絡(luò)學(xué)習(xí)環(huán)境的創(chuàng)設(shè)，強(qiáng)調(diào)管理與支持評(píng)價(jià)內(nèi)容的重要性等。5.3國內(nèi)網(wǎng)絡(luò)教學(xué)評(píng)價(jià)研究分析5.3.1網(wǎng)絡(luò)教學(xué)評(píng)價(jià)體系1.對(duì)學(xué)習(xí)者的評(píng)價(jià)網(wǎng)絡(luò)教學(xué)以學(xué)習(xí)者為中心，它的目的是向?qū)W習(xí)者提供學(xué)習(xí)的途徑、資源和方法，使學(xué)生獲得知識(shí)與技能，培養(yǎng)學(xué)生的認(rèn)知和元認(rèn)知策略，最終獲得發(fā)展。因此，在網(wǎng)絡(luò)教學(xué)中，對(duì)學(xué)生的評(píng)價(jià)是網(wǎng)絡(luò)教學(xué)評(píng)價(jià)的主體內(nèi)容。學(xué)生學(xué)習(xí)評(píng)價(jià)作為教育評(píng)價(jià)的一部分，它是依據(jù)學(xué)校教育目標(biāo)，根據(jù)學(xué)生從事學(xué)習(xí)的具體情況，運(yùn)用科學(xué)的方法、手段，對(duì)學(xué)生的學(xué)習(xí)過程與學(xué)習(xí)效果所進(jìn)行的一種評(píng)判。2.對(duì)網(wǎng)絡(luò)教師的評(píng)價(jià)在網(wǎng)絡(luò)教學(xué)環(huán)境中，由于教師和學(xué)生間時(shí)空距離的存在，相對(duì)于傳統(tǒng)教學(xué)對(duì)教師的要求更高。要組織成功的網(wǎng)絡(luò)教學(xué)，教師必須提供有效的學(xué)習(xí)資源，并依據(jù)教學(xué)目標(biāo)，采取相應(yīng)的教學(xué)策略和手段，對(duì)學(xué)生遠(yuǎn)程學(xué)習(xí)過程進(jìn)行組織。由于網(wǎng)絡(luò)教學(xué)的過程是一個(gè)不斷改進(jìn)和提高的過程，因此對(duì)教師的工作只有不斷地提出改進(jìn)意見，不斷調(diào)整和提高教學(xué)的質(zhì)量，網(wǎng)絡(luò)教學(xué)才能獲得持續(xù)的發(fā)展。3.對(duì)學(xué)習(xí)資源的評(píng)價(jià)學(xué)習(xí)資源是整個(gè)網(wǎng)絡(luò)教學(xué)活動(dòng)過程的主線，學(xué)習(xí)過程就是對(duì)學(xué)習(xí)資源的利用，加工和再加工的過程。學(xué)習(xí)資源的利用程度直接關(guān)系到教學(xué)的效果，因此學(xué)習(xí)資源的質(zhì)量直接關(guān)系到教學(xué)的質(zhì)量，直接影響學(xué)生的發(fā)展。學(xué)習(xí)資源主要是指網(wǎng)絡(luò)信息資源中有益于學(xué)習(xí)者學(xué)習(xí)的信息，是作為學(xué)習(xí)者開展基于網(wǎng)絡(luò)學(xué)習(xí)活動(dòng)的基礎(chǔ)資源。網(wǎng)絡(luò)教學(xué)中的學(xué)習(xí)資源不僅指教師提供的網(wǎng)絡(luò)課件、網(wǎng)絡(luò)課程，還包括教師提供的其它學(xué)習(xí)資源以及來自互聯(lián)網(wǎng)的巨大資源。對(duì)網(wǎng)絡(luò)課件、網(wǎng)絡(luò)課程的評(píng)價(jià)包括課件、課程的內(nèi)容是否符合網(wǎng)絡(luò)學(xué)習(xí)的要求、結(jié)構(gòu)與導(dǎo)航是否合理、練習(xí)與反饋是否對(duì)教學(xué)提供有利的支持、以及內(nèi)容呈現(xiàn)的技術(shù)性、交互性等多個(gè)方面。4.對(duì)網(wǎng)絡(luò)教學(xué)支撐平臺(tái)的評(píng)價(jià)在網(wǎng)絡(luò)教學(xué)環(huán)境中，教學(xué)信息的傳遞是通過網(wǎng)絡(luò)這個(gè)媒介進(jìn)行的。為了有效組織網(wǎng)絡(luò)教學(xué)活動(dòng)，網(wǎng)絡(luò)教學(xué)的實(shí)施通常在網(wǎng)絡(luò)教學(xué)支撐平臺(tái)下進(jìn)行。網(wǎng)絡(luò)教學(xué)支撐平臺(tái)包括技術(shù)系統(tǒng)和教學(xué)系統(tǒng)兩部分，技術(shù)系統(tǒng)是指網(wǎng)絡(luò)系統(tǒng)本身，是教學(xué)活動(dòng)的技術(shù)平臺(tái);教學(xué)系統(tǒng)是指能夠提供實(shí)現(xiàn)自主學(xué)習(xí)、協(xié)作學(xué)習(xí)、探究式學(xué)習(xí)的策略支持系統(tǒng)。5.對(duì)學(xué)習(xí)支持與服務(wù)系統(tǒng)的評(píng)價(jià)網(wǎng)絡(luò)教學(xué)過程中的學(xué)習(xí)支持是網(wǎng)絡(luò)教育機(jī)構(gòu)為解決學(xué)生在網(wǎng)絡(luò)學(xué)習(xí)中遇到的困難，提供的學(xué)術(shù)性或非學(xué)術(shù)性幫助。在網(wǎng)絡(luò)教學(xué)過程中，學(xué)習(xí)者常常會(huì)遇到諸如學(xué)習(xí)技能方面的困難、與遠(yuǎn)程機(jī)構(gòu)交互的困難和個(gè)人方面的困難。對(duì)于網(wǎng)絡(luò)教學(xué)來說，學(xué)習(xí)支持與服務(wù)系統(tǒng)對(duì)網(wǎng)絡(luò)教學(xué)的影響是非直接的，但它在很大程度上起到保證網(wǎng)絡(luò)教學(xué)順利進(jìn)行的作用，它對(duì)于學(xué)生順利完成學(xué)習(xí)常常起到了關(guān)鍵性的作用。5.3.2網(wǎng)絡(luò)教學(xué)評(píng)價(jià)系統(tǒng)針對(duì)以上對(duì)網(wǎng)絡(luò)教學(xué)評(píng)價(jià)體系的分析，結(jié)合現(xiàn)有的網(wǎng)絡(luò)技術(shù)，目前可實(shí)現(xiàn)的網(wǎng)絡(luò)教學(xué)評(píng)價(jià)系統(tǒng)有以下幾種：1.網(wǎng)絡(luò)實(shí)時(shí)評(píng)價(jià)系統(tǒng)網(wǎng)絡(luò)實(shí)時(shí)評(píng)價(jià)系統(tǒng)是一個(gè)基于Intenret的網(wǎng)上虛擬評(píng)價(jià)環(huán)境的模型。學(xué)習(xí)者可以不受時(shí)間、空間的限制，通過公共通信手段，進(jìn)行文字、圖像、視頻和音頻的異地實(shí)時(shí)交流。這種評(píng)價(jià)系統(tǒng)體現(xiàn)了網(wǎng)絡(luò)教學(xué)快捷、靈活的特性，可以為學(xué)習(xí)提供及時(shí)的反饋，有效地監(jiān)控、管理學(xué)習(xí)過程，提高學(xué)習(xí)效率，增強(qiáng)學(xué)習(xí)的控制度。2.網(wǎng)絡(luò)考試系統(tǒng)網(wǎng)絡(luò)考試系統(tǒng)是一個(gè)基于數(shù)據(jù)庫和Internet的遠(yuǎn)程在線實(shí)時(shí)測(cè)試系統(tǒng)，包括學(xué)生考試系統(tǒng)，自動(dòng)批閱系統(tǒng)和題庫管理系統(tǒng)等。該系統(tǒng)可以在任何地點(diǎn)、任何時(shí)間進(jìn)行實(shí)時(shí)考試，試卷的難易程度可控制，支持自動(dòng)批卷功能，而且數(shù)據(jù)的統(tǒng)計(jì)分析方便快捷。該系統(tǒng)中的所有考試信息都以數(shù)據(jù)庫記錄的形式存儲(chǔ)。用戶可以用登錄的方式從數(shù)據(jù)庫中隨機(jī)抽取試卷，進(jìn)行階段測(cè)試和綜合測(cè)試。信息量大，效率高，管理方便也是網(wǎng)絡(luò)考試系統(tǒng)的優(yōu)點(diǎn)，教學(xué)者能很容易地從評(píng)價(jià)結(jié)果中獲得更深層的信息。3.網(wǎng)絡(luò)答疑系統(tǒng)目前網(wǎng)絡(luò)答疑系統(tǒng)主要有在線討論和互動(dòng)交流兩種形式。在網(wǎng)絡(luò)答疑系統(tǒng)的數(shù)據(jù)庫中存儲(chǔ)了大量的疑問和解答信息，教師可以對(duì)這些信息加以匯總和分析，從中發(fā)現(xiàn)教學(xué)的問題，并及時(shí)調(diào)整教學(xué)方法和策略，改進(jìn)教學(xué)效果。網(wǎng)絡(luò)答疑系統(tǒng)還提供了搜索引擎的數(shù)據(jù)庫系統(tǒng)，學(xué)習(xí)者可以通過關(guān)鍵字匹配，問題勾連技術(shù)，全文檢索等技術(shù)快速得到問題的答案。4.網(wǎng)絡(luò)多媒體考試系統(tǒng)網(wǎng)絡(luò)多媒體系統(tǒng)是基于Web、多媒體技術(shù)和虛擬現(xiàn)實(shí)技術(shù)的評(píng)價(jià)模式。在該模式下，服務(wù)器和客戶端可實(shí)現(xiàn)對(duì)多種對(duì)象的評(píng)價(jià)。在傳統(tǒng)文本型考試的基礎(chǔ)上，增加了音頻、視頻、圖形等多媒體數(shù)據(jù)，并可運(yùn)用虛擬現(xiàn)實(shí)技術(shù)組建虛擬考試環(huán)境，使各種各樣的測(cè)評(píng)方式得以實(shí)施。例如口語測(cè)試、技能實(shí)驗(yàn)、情感交流等。網(wǎng)絡(luò)多媒體考試系統(tǒng)以寬帶技術(shù)、流媒體技術(shù)、AG技術(shù)為技術(shù)支撐[24]。5.4網(wǎng)絡(luò)教育教學(xué)評(píng)價(jià)過程中應(yīng)該注意的問題教學(xué)評(píng)價(jià)是對(duì)非量化的教學(xué)過程或者某個(gè)對(duì)象進(jìn)行定量調(diào)查，得出定性結(jié)論的一個(gè)過程。從非量化的事物中提出數(shù)據(jù)轉(zhuǎn)化成定量和定性的結(jié)論的過程中，必須建立一個(gè)相對(duì)準(zhǔn)確的模型。對(duì)于不確定的因素，只能用相對(duì)準(zhǔn)確的數(shù)據(jù)來描述，這樣必然會(huì)帶來一定的誤差。因此要注意以下一些因素帶來的誤差，使教學(xué)評(píng)價(jià)的結(jié)論盡量接近于真實(shí)情況。5.4.1教學(xué)評(píng)價(jià)的目的和相應(yīng)評(píng)價(jià)對(duì)象標(biāo)準(zhǔn)的確定在評(píng)價(jià)的過程中，應(yīng)該根據(jù)當(dāng)前教學(xué)的實(shí)際情況，確定評(píng)價(jià)的目的。首先不應(yīng)該過分提高需要達(dá)到的目的和要求，因?yàn)檫@樣很可能得出的數(shù)據(jù)達(dá)不到預(yù)先的要求，從而出現(xiàn)錯(cuò)誤的結(jié)論，影響正常的教學(xué)過程，出現(xiàn)“拔苗助長(zhǎng)”的惡劣影響；然而過分降低需要達(dá)到的目的和要求，又有可能因?yàn)榈贸龅慕Y(jié)論輕易達(dá)到或者超過預(yù)定要求，而掩蓋了教學(xué)中的隱患，使本次教學(xué)評(píng)價(jià)的可信度大大降低，同時(shí)也不利于教學(xué)過程的改進(jìn)和教學(xué)質(zhì)量的提高。5.4.2教學(xué)評(píng)價(jià)系統(tǒng)的可信度教學(xué)評(píng)價(jià)系統(tǒng)在進(jìn)行信息收集、信息處理等各個(gè)方面或多或少會(huì)使用一定的模型，采用模型必然會(huì)影響到數(shù)據(jù)結(jié)論的可信度。在對(duì)調(diào)查結(jié)果中同一個(gè)問題的不同選項(xiàng)的進(jìn)行分析整理的時(shí)候，應(yīng)該對(duì)各種不同的選項(xiàng)采取相應(yīng)的權(quán)重。采用的權(quán)重會(huì)直接影響最終結(jié)論。人為地確定權(quán)重，就會(huì)對(duì)結(jié)果產(chǎn)生相應(yīng)的誤差。即使采用國際通用的分析方法，分析方法本身就允許一定的誤差存在。因此，我們必須降低各項(xiàng)因素的不確定性，以提高教學(xué)評(píng)價(jià)系統(tǒng)的可信度。網(wǎng)絡(luò)技術(shù)在教育中的應(yīng)用日益廣泛和深入，特別是Internet與校園網(wǎng)的接軌，為各類教育提供了豐富的資源，使網(wǎng)絡(luò)教學(xué)真正成為現(xiàn)實(shí)，同時(shí)也為各種教育開辟了廣闊的前景。開展網(wǎng)絡(luò)教學(xué)模式研究的重要理論基礎(chǔ)之一就是網(wǎng)絡(luò)教學(xué)的評(píng)價(jià)。所以，如何保證網(wǎng)絡(luò)教學(xué)的質(zhì)量，建立一個(gè)行之有效的網(wǎng)絡(luò)教學(xué)評(píng)價(jià)模型，已成為網(wǎng)絡(luò)教學(xué)研究的一個(gè)重要課題。

第六章．?dāng)?shù)據(jù)約簡(jiǎn)理論在網(wǎng)絡(luò)評(píng)教中的應(yīng)用學(xué)校為了提高教學(xué)質(zhì)量會(huì)采多種措施，教學(xué)評(píng)價(jià)就是其中的措施之一。我們學(xué)校教務(wù)處在線系統(tǒng)比較多，功能比較齊全，比如說教務(wù)管理系統(tǒng)，網(wǎng)上選課系統(tǒng)，成績(jī)查詢系統(tǒng)，網(wǎng)上評(píng)教系統(tǒng)等[25]。比如我們學(xué)校教務(wù)處期末前些天在網(wǎng)上評(píng)教系統(tǒng)中將教師教學(xué)質(zhì)量評(píng)估表發(fā)給學(xué)生，學(xué)生根據(jù)評(píng)估表中的項(xiàng)目對(duì)教師進(jìn)行打分，經(jīng)統(tǒng)計(jì)后根據(jù)評(píng)分結(jié)果確定該教師教學(xué)質(zhì)量考核等級(jí)。這種教學(xué)質(zhì)量評(píng)估活動(dòng)對(duì)于學(xué)校的教學(xué)改革和教學(xué)質(zhì)量的提高起到了相當(dāng)?shù)淖饔?。但不能?duì)教學(xué)評(píng)價(jià)數(shù)據(jù)進(jìn)行分析，不能發(fā)揮教學(xué)評(píng)價(jià)對(duì)教學(xué)的指導(dǎo)作用。在教學(xué)過程中，影響教學(xué)質(zhì)量的因素是多方面的，利用數(shù)據(jù)約簡(jiǎn)理論能夠從大量的教學(xué)評(píng)價(jià)數(shù)據(jù)中發(fā)現(xiàn)影響教學(xué)質(zhì)量的關(guān)鍵因素分析教師教學(xué)行為和教學(xué)成果之間的關(guān)系。6.1.數(shù)據(jù)的預(yù)處理數(shù)據(jù)的預(yù)處理主要包括數(shù)據(jù)的清洗和積成。在運(yùn)用roughset理論處理決策表時(shí)，要確定條件屬性或決策屬性的值域，得到相關(guān)的條件屬性和決策屬性字段后，對(duì)屬性值進(jìn)行離算化[26]，下圖是一課堂教學(xué)質(zhì)量評(píng)價(jià)表：表8.課堂教學(xué)質(zhì)量評(píng)價(jià)表課堂教學(xué)質(zhì)量評(píng)價(jià)表（學(xué)生用表）評(píng)價(jià)內(nèi)容評(píng)價(jià)等級(jí)一級(jí)指標(biāo)二級(jí)指標(biāo)優(yōu)(5)良(4)中(3)一教學(xué)態(tài)度1工作責(zé)任心強(qiáng)，按時(shí)上下課，不隨意調(diào)課、停課ABC2適量布置作業(yè)并認(rèn)真批改，耐心輔導(dǎo)答疑ABC3為人師表，重視課堂紀(jì)律，以理服人，關(guān)心并嚴(yán)格要求學(xué)生ABC二教學(xué)基本要求4選用適當(dāng)、先進(jìn)、近期出版教材ABC5準(zhǔn)備充分，有講稿、教學(xué)大綱、教學(xué)周歷、教案等ABC6用普通話講課，語言準(zhǔn)確、流利，板書工整規(guī)范ABC三教學(xué)內(nèi)容及水平7講授熟練，概念準(zhǔn)確，條理清楚，邏輯性強(qiáng)，舉例恰當(dāng)ABC8突出重點(diǎn)，講清難點(diǎn)，進(jìn)度適中，有深度和廣度ABC9理論聯(lián)系實(shí)際，吸收最新研究成果，反映學(xué)科前沿ABC四教學(xué)方法及手段10因材施教，突出課程特點(diǎn)，講授方法得當(dāng)A~C11注重啟發(fā)式教學(xué)，引導(dǎo)學(xué)生思考、創(chuàng)新，重視能力培養(yǎng)A~C12注重課堂討論和演示，采用現(xiàn)代化教學(xué)手段A~C五教學(xué)效果及藝術(shù)13教師有自己的風(fēng)格，講授受到歡迎，學(xué)生學(xué)習(xí)有興趣ABC14授課內(nèi)容易于接受和掌握；通過學(xué)習(xí)，能力得以提高ABC15師生互動(dòng)，教師的教學(xué)有助于學(xué)生的做人和治學(xué)ABC六開放性評(píng)價(jià)欄首先對(duì)屬性進(jìn)行編號(hào)，列出字段表表9.屬性編號(hào)字段表屬性編號(hào)屬性含義屬性編號(hào)屬性含義a1教學(xué)態(tài)度a5教學(xué)效果及藝術(shù)a2教學(xué)基本要求a6開放性評(píng)價(jià)專欄a3教學(xué)內(nèi)容及水平D綜合評(píng)價(jià)a4教學(xué)方法及手段離算化后各屬性的含義如下：a1（教學(xué)態(tài)度）：3—優(yōu)（80—100），2—良（60-80），3（60分以下）；a2（教學(xué)基本要求）：3—優(yōu)（80—100），2—良（60-80），3（60分以下）；a3（教學(xué)內(nèi)容及水平）：3—優(yōu)（80—100），2—良（60-80），3（60分以下）；a4（教學(xué)方法及手段）：3—優(yōu)（80—100），2—良（60-80），3（60分以下）；a5（教學(xué)效果及藝術(shù)）：3—優(yōu)（70—100），2—中（70分以下）；a6（開放性評(píng)價(jià)專欄）：3—優(yōu)（80—100），2—良（60-80），3（60分以下）；d（綜合評(píng)價(jià)）：3—優(yōu)（80—100），2—良（60-80），3（60分以下）。假如經(jīng)過大量的教學(xué)質(zhì)量考評(píng)，然后求平均得分得到以下二維表：S=<U,R,V,F>,設(shè)論域?yàn)檎麄€(gè)樣本，R=CD,U={1,2,3,4,5,6,7,8,9,10},條件屬性C={教學(xué)態(tài)度,教學(xué)基本要求,教學(xué)內(nèi)容及水平,教學(xué)方法及手段,教學(xué)效果及藝術(shù),開放性評(píng)價(jià)專欄},決策屬性D={綜合評(píng)價(jià)}。表10.離散化之后的教學(xué)質(zhì)量評(píng)估表編號(hào)教學(xué)態(tài)度教學(xué)基本要求教學(xué)內(nèi)容及水平教學(xué)方法及手段教學(xué)效果及藝術(shù)開放性評(píng)價(jià)專欄綜合評(píng)價(jià)1良優(yōu)良優(yōu)優(yōu)優(yōu)優(yōu)2優(yōu)良優(yōu)優(yōu)優(yōu)良優(yōu)3優(yōu)良優(yōu)中優(yōu)良優(yōu)4優(yōu)優(yōu)良中優(yōu)良優(yōu)5中中優(yōu)優(yōu)優(yōu)良良6良良優(yōu)中良良良7優(yōu)優(yōu)優(yōu)中中良良8中中中中優(yōu)良中9良中優(yōu)中中良中10優(yōu)優(yōu)良優(yōu)中良良按照上面離算方法將上表離散之后得到教師質(zhì)量評(píng)測(cè)的決策表：表11.離散化之后的教學(xué)質(zhì)量評(píng)估表編號(hào)a1a2a3a4a5a6a71232133323231323332303234332032351131322622302227333012281110321921301211033211226.2對(duì)決策表進(jìn)行屬性約簡(jiǎn)利用RIDAS中基于分明矩陣的屬性約簡(jiǎn)算法對(duì)決策表約簡(jiǎn)[12][27]，約簡(jiǎn)之后決策表如下所示：表12.約簡(jiǎn)之后的決策表編號(hào)a1a3a5D122332333333333432335133262322733128113192311103212通過分析可知，通過對(duì)教學(xué)評(píng)價(jià)決策表約簡(jiǎn)，得到影響教學(xué)評(píng)價(jià)的關(guān)鍵因素，分別是教學(xué)態(tài)度，教學(xué)內(nèi)容及水平，教學(xué)效果及藝術(shù)，這三個(gè)因素對(duì)教學(xué)平價(jià)結(jié)果起著關(guān)鍵作用，對(duì)其他三個(gè)屬性進(jìn)行了約簡(jiǎn)，他們只是不起決定作用，因此要對(duì)關(guān)鍵屬性加強(qiáng)控制，有助于教學(xué)質(zhì)量的提高。6.3決策規(guī)則的生成具體算法如下：對(duì)經(jīng)過屬性約簡(jiǎn)后的信息系統(tǒng)的每個(gè)實(shí)例刪除多余的條件屬性值，從而得到該實(shí)例的值核；又得到的值核求出最小約簡(jiǎn)；根據(jù)最小約簡(jiǎn)，得到信息系統(tǒng)決策規(guī)則。對(duì)上述約簡(jiǎn)之后的決策表進(jìn)行屬性值約簡(jiǎn)，采用啟發(fā)式值約簡(jiǎn)，標(biāo)記值核和刪除無用的記錄后得到下面決策表：表13.屬性值約簡(jiǎn)之后的決策表編號(hào)a1a3a5D1*23323*33513*26**2273*128*1*192*11根據(jù)上述決策表導(dǎo)出提取規(guī)則：規(guī)則1：IF(a3=2)AND(a5=3)THENd=3規(guī)則2：IF(a1=3)AND(a5=3)THENd=3規(guī)則3:IF(a1=1)AND(a3=3)THENd=2規(guī)則4:IF(a5=2)THEN