徐魯雄，謝超凡，徐 琳

(福建師范大學(xué) 福清分校，福建 福清 350300)

基于回歸樹(shù)模型的教師評(píng)價(jià)分析
——以福建師范大學(xué)福清分校為例

徐魯雄，謝超凡，徐 琳

(福建師范大學(xué) 福清分校，福建 福清 350300)

現(xiàn)在許多高校都實(shí)行了數(shù)字化校園，教師評(píng)價(jià)系統(tǒng)都依靠軟件系統(tǒng)，學(xué)生通過(guò)客戶端—服務(wù)器模式(B/S)提交相應(yīng)的評(píng)價(jià)指標(biāo)分?jǐn)?shù)，這種評(píng)價(jià)方式是否客觀，是否受到學(xué)生本身的成績(jī)影響，是否與學(xué)生所在的院系、專(zhuān)業(yè)、年級(jí)等離散因素相關(guān).為此，文章建立基于回歸樹(shù)的模型來(lái)對(duì)教師評(píng)分系統(tǒng)進(jìn)行分析，得到學(xué)生自身的成績(jī)、專(zhuān)業(yè)、年級(jí)、等字段與教師評(píng)分之間的相關(guān)關(guān)系.

評(píng)價(jià)系統(tǒng)；回歸樹(shù)； 相關(guān)分析

教師的教學(xué)是高校建設(shè)中最為基本也是最為重要的一個(gè)環(huán)節(jié)，是教師專(zhuān)業(yè)化的最基本要求.目前，國(guó)內(nèi)研究主要集中在教師的評(píng)價(jià)指標(biāo)體系的構(gòu)建以及對(duì)教師評(píng)分的計(jì)算匯總方法[1-3].通過(guò)文獻(xiàn)趨勢(shì)分析、理論支撐以及實(shí)證調(diào)查,構(gòu)建出教師的評(píng)價(jià)指標(biāo)體系、教師的評(píng)分表以及專(zhuān)家權(quán)重評(píng)價(jià)表，通過(guò)層次分析模型進(jìn)行歸化，最后通過(guò)數(shù)據(jù)的統(tǒng)計(jì)與分析得出教師的評(píng)分結(jié)果.對(duì)于學(xué)生本身的成績(jī)與教師評(píng)分之間的相關(guān)關(guān)系尚無(wú)研究，因?yàn)樵趯W(xué)生本身的成績(jī)與教師評(píng)分之間存在主觀因素，也就是學(xué)生如果覺(jué)得自己考試成績(jī)好或者對(duì)教師的評(píng)分結(jié)果抱著無(wú)所謂的態(tài)度，不管評(píng)價(jià)指標(biāo)體系如何構(gòu)建，不管評(píng)分結(jié)果如何匯總，得到的結(jié)果肯定都與實(shí)際相差甚大，因此需要對(duì)教師的評(píng)分與學(xué)生自身的成績(jī)進(jìn)行相關(guān)分析，在此基礎(chǔ)上還可以進(jìn)一步考察學(xué)生所在的院系、專(zhuān)業(yè)、年級(jí)、等字段與教師評(píng)分之間的相關(guān)關(guān)系.基于此，本文以福建師范大學(xué)福清分校為例，基于決策回歸樹(shù)模型的教師評(píng)分分析.

1 回歸樹(shù)簡(jiǎn)介

在20世紀(jì)70年代后期和80年代初期，機(jī)器學(xué)習(xí)研究者J.ROSS Quinlan開(kāi)發(fā)了決策樹(shù)算法，稱(chēng)作ID3(Iterative Dichotomiser,迭代的二分器)[4].這項(xiàng)工作擴(kuò)展了E.B.Hunt, J.Marin和P.T.Stone的概念學(xué)習(xí)系統(tǒng).Quinlan后來(lái)提出了C4.5(ID3的后繼)，成為新的監(jiān)督學(xué)習(xí)算法的性能比較基準(zhǔn)[5]，但是這兩種算法主要處理離散屬性之間的分類(lèi)關(guān)系.1984年幾位統(tǒng)計(jì)學(xué)家(L. Breiman,J.Friedman,R.Olshen和C.Stone)出版了分類(lèi)與回歸樹(shù)(CART)[6]，CART可以處理連續(xù)屬性之間的相關(guān)關(guān)系，從統(tǒng)計(jì)上給出了屬于某個(gè)類(lèi)別的概率.ID3，C4.5，CART都采用貪心(即非回溯的)方法，其中決策樹(shù)以自頂向下遞歸的分治方法構(gòu)造.大多數(shù)樹(shù)決策樹(shù)歸納算法都沿用這種自頂向下方法，從訓(xùn)練元組集合它們的相關(guān)聯(lián)的類(lèi)標(biāo)號(hào)開(kāi)始構(gòu)造決策樹(shù).隨著樹(shù)的構(gòu)建，訓(xùn)練集遞歸地劃分成較小的子集.

如今，Microsoft研究出來(lái)的Microsoft決策樹(shù)算法是一種混合的決策樹(shù)算法，它支持分類(lèi)和回歸兩種任務(wù).Microsoft決策樹(shù)算法的一個(gè)獨(dú)特性是它可以依據(jù)不同類(lèi)別的多屬性進(jìn)行關(guān)聯(lián)分析，本文就是采用這種決策回歸樹(shù)進(jìn)行分析.

2 建立模型

2.1數(shù)據(jù)準(zhǔn)備和導(dǎo)入(ETL)

服務(wù)器上存放的事各個(gè)學(xué)年學(xué)期的評(píng)價(jià)明細(xì)數(shù)據(jù)，因此，必須首先對(duì)數(shù)據(jù)進(jìn)行按學(xué)號(hào)進(jìn)行指標(biāo)匯總，使用如下的sql代碼，并且只要修改相應(yīng)的學(xué)年學(xué)期即可得到其他數(shù)據(jù).

Select b.xy, b.zymc, b.dqszj, a.*

From (Select b.xh, b.xm, b.kcmc, b.cj, a.xn, a.xq, a.xkkh, a.pjcj, a.jszgh,

a.jsxm

From (Select a.xn, a.xq, a.xkkh, a.jszgh, d.xm jsxm, a.xh,

Sum(b.qz * c.dyf) pjcj

From xspfb_200920101 a

Left join pjzbxxb_200920101 b on a.pjh = b.pjh

Left join pfdzb_200920101 c on a.dj = c.pf

Left join jsxxb d on a.jszgh = d.zgh

Group by a.xn, a.xq, a.xkkh, a.jszgh, d.xm, a.xh) a

Left join cjb b on a.xkkh = b.xkkh

and a.xh = b.xh) a

Left join xsjbxxb b on a.xh = b.xh

整理好數(shù)據(jù)，通過(guò)sql server 2008的DTS導(dǎo)入本地的數(shù)據(jù)庫(kù)中，得到最終的匯總數(shù)據(jù)，數(shù)據(jù)事例總量為3003161.

2.2創(chuàng)建挖掘結(jié)構(gòu)和模型

使用Microsoft Business Intelligence 建立挖掘結(jié)構(gòu)和模型.

CREATE MINING STRUCTURE Teacherevaluate_structure

(ID LONG KEY,

CJ DOUBLE CONTINUOUS,

DQSZJ TEXT DISCRETE,

XN TEXT DISCRETE,

XQ TEXT DISCRETE,

ZYMC TEXT DISCRETE,

PJCJ DOUBLE CONTINUOUS

)

ALTER MINING STRUCTURE Teacherevaluate_structure ADD MINING MODEL Teacherevaluate

( ID

CJ REGRESSOR

DQSZJ

XN

XQ

ZYMC

PJCJ PREDICT

)USING Microsoft_Decision_Trees

模型建立好后，使用如下語(yǔ)句訓(xùn)練和處理模型.

INSERT INTO Teacherevaluate_structure

(ID ,CJ,DQSZJ,XN,XQ, ZYMC,PJCJ)

OPENQUERY(Teacherevaluate, ’Select ID ,CJ,DQSZJ,XN,XQ, ZYMC,PJCJ From

Teacherevaluate’)

2.3模型分析

由模型得出的散點(diǎn)圖如圖1.

從整體的回歸直線來(lái)看，模型的準(zhǔn)確率達(dá)到0.92，具有相當(dāng)高的準(zhǔn)確率，回歸方程如下：

PJCJ= 88.641+0.059*(CJ-77.661)

(1)

根據(jù)回歸系數(shù)與相關(guān)系數(shù)之間關(guān)系，其中σCJ，σPCCJ為學(xué)生成績(jī)和老師評(píng)價(jià)分?jǐn)?shù)標(biāo)準(zhǔn)差.

(2)

由此可知學(xué)生的成績(jī)與對(duì)教師的評(píng)價(jià)成績(jī)之間存在弱正相關(guān).從這個(gè)數(shù)據(jù)中我們可以知道回歸趨勢(shì)，學(xué)生的成績(jī)?cè)礁?，教師的評(píng)價(jià)分?jǐn)?shù)也越高.其次，學(xué)生不會(huì)因?yàn)槌煽?jī)太差或者太高就給老師的分?jǐn)?shù)就越低或越高，也就是給的還是客觀成績(jī).

由于這只是總體上的回歸，我們必須進(jìn)入決策樹(shù)的每一層查看回歸的具體情況，但是由于回歸樹(shù)比較巨大，本文選取其中的一部分進(jìn)行分析，并不影響整體的結(jié)論,當(dāng)進(jìn)入下一層學(xué)年層次時(shí)候，如圖3所示，由挖掘圖決策者可以觀察每個(gè)學(xué)年的學(xué)生成績(jī)與教師評(píng)價(jià)分?jǐn)?shù)的回歸關(guān)系，從而可以看出哪個(gè)學(xué)年的教學(xué)成果相關(guān)性比較強(qiáng)，例如在2010-2011年的子回歸樹(shù)中查看相應(yīng)的數(shù)據(jù)，得到該學(xué)年的回歸方程：

PJCJ= 88.894+0.105*(CJ-77.236)

從回歸方程可以看到相關(guān)系數(shù)為0.105，是比較強(qiáng)的弱正相關(guān)，但是平均分卻比其他學(xué)年來(lái)得低些，由此可以知道學(xué)生的成績(jī)受教學(xué)效果影響比較大.

從回歸樹(shù)的學(xué)年層次可以進(jìn)一步站看進(jìn)入所在專(zhuān)業(yè)的細(xì)化層次，查看每個(gè)學(xué)年每個(gè)專(zhuān)業(yè)的回歸系數(shù)，從而橫向比較每個(gè)專(zhuān)業(yè)的學(xué)生成績(jī)與教師評(píng)價(jià)分?jǐn)?shù)的回歸關(guān)系，回歸樹(shù)一級(jí)一級(jí)地展開(kāi)到最后可以得到每個(gè)屬性下的具體回歸樹(shù).

不管進(jìn)入哪個(gè)層次，由挖掘圖例可以看出每個(gè)節(jié)點(diǎn)給教師給出的回歸系數(shù)都是比較接近的，可以說(shuō)給出的是客觀的教師評(píng)價(jià)，并不會(huì)因?yàn)樽约嚎疾罨蛘呖几叨o教師評(píng)分帶來(lái)噪聲,并且學(xué)生的成績(jī)?cè)礁呓處煹脑u(píng)分成績(jī)?cè)礁哒嫉谋壤鄬?duì)更大.

3 結(jié)論

本文利用回歸樹(shù)模型建立對(duì)教師評(píng)分系統(tǒng)的評(píng)價(jià)分析，得出了一些有意義并且有指導(dǎo)意義的結(jié)論，學(xué)生成績(jī)與對(duì)教師評(píng)分之間存在弱正相關(guān).學(xué)生的成績(jī)?cè)礁?，教師的評(píng)價(jià)分?jǐn)?shù)也越高，學(xué)生并不會(huì)因?yàn)槌煽?jī)太差或者太高就給老師的分?jǐn)?shù)就越低或越高，也就是給的是客觀成績(jī).并且可以依據(jù)此模型對(duì)高校教師教學(xué)進(jìn)行評(píng)價(jià)管理，通過(guò)展開(kāi)回歸樹(shù)的不同層次，可以查看各個(gè)學(xué)年、學(xué)期、專(zhuān)業(yè)、年級(jí)的教學(xué)效果，但不管在哪個(gè)層次哪個(gè)屬性，對(duì)教師的評(píng)價(jià)效果都是客觀的，符合教師本身的教學(xué)水平，因此使用回歸樹(shù)模型可以對(duì)高校的教師教學(xué)進(jìn)行行之有效的管理.

[1] 左文龍.研究型大學(xué)教師評(píng)價(jià)指標(biāo)體系的探討[D].電子科技大學(xué)學(xué)報(bào),2008(4)：23-28

[2] 張 丹.基于多元評(píng)價(jià)模型的高校教師教學(xué)評(píng)價(jià)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].河北科技大學(xué)學(xué)報(bào),2011(3)：35-38

[3] 張文娟.山西省高校教師績(jī)效評(píng)價(jià)體系研究[D].太原：山西財(cái)經(jīng)大學(xué),2013

[4] QUILAN J R.Induction on decision trees[M].California:Machine learning press，1986:81-106

[5] Quinlan J R.Programs for machine learning[J].Morgan Kaufmann: SanMateo，CA,1993(2):85-95

[6] HUNT E，MARIN J，STONE P.Experiments in induction[M].New York:Academic Press,1996:107-110

Based on Regression Tree Analysis Model of Teachers’ Score Analysis——Case Study of Fuqing Branch of Fujian Normal University

XU Luxiong, XIE Chaofan, XU Lin

(Fuqing Branch, Fujian Normal University, Fuqing 350300, China)

Many colleges and universities have implemented a digital campus, and teacher evaluation relies on a software system.The students use the client-sever mode to submit the appropriate evaluation scores which we call it B/S mode. whether of the evaluate system is objective , whether is affected by the students of themselves scores and is related to students faculty、grade、subject and other factors. In this paper, we establish a regression tree analysising model to analyse teachers’ score system in order to get the correlation between students’property and teachers’ scores.

score system; regression tree; correlation analyse

2015-07-09

徐魯雄(1958-)，男，福建福清人，碩士，福建師范大學(xué)福清分校教授，主要從事模式識(shí)別研究.

1672-2027(2015)03-0033-04

TP391.6

A