陳自力

Abstract： Teaching evaluation is an important part of teaching in higher vocational colleges. This paper applies data mining technology to teaching evaluation， realizes mining algorithm with C#， analyzes the evaluation data， finds the information with practical value. The research provides the decision basis for teaching evaluation method， and improves the teaching quality.

1高職院校教學評價現(xiàn)狀

現(xiàn)在各個職業(yè)院校都在進行教學質(zhì)量建設。職業(yè)院校要能夠培養(yǎng)符合企業(yè)需求的高素質(zhì)技能人才，必須要不斷提高教學水平和質(zhì)量。教學評價是衡量教學質(zhì)量的重要內(nèi)容之一，也是職業(yè)院校教學環(huán)節(jié)中的基礎組成部分。主要就是制定評價標準，對教學過程和結(jié)果進行衡量，并給出最終結(jié)果判斷。就筆者院校而言，教學評價整體上包括教師同行互評、學生評價教師、教師自評、領導評分，將其集結(jié)匯總后，再計算求得結(jié)果分值。其中，學生評價教師是采用網(wǎng)上評定。其它評價如同行互評、教師自評等則采用紙質(zhì)評價，評價比較單一化，未能對評價數(shù)據(jù)予以分析，也不能有效展現(xiàn)教學質(zhì)量。根據(jù)學院委托麥可思調(diào)查獲得的大量一手評價數(shù)據(jù)，通過對這些教學評價數(shù)據(jù)進行篩選和清洗，由此提煉得到關于教學評價更加全面的信息，這樣就能為提高教學效果和加強質(zhì)量建設優(yōu)選推薦更好的方法和手段。通過數(shù)據(jù)挖掘與數(shù)據(jù)分析技術(shù)結(jié)合信息處理技術(shù)對評價信息進行分析，同時利用關聯(lián)規(guī)則對產(chǎn)生的頻繁項目集進行約簡，能夠發(fā)現(xiàn)評價數(shù)據(jù)中具有普適性的信息，總結(jié)出教師信息與教學效果之間的相對關系，為學院開展下一步教學評價提供綜合技術(shù)基礎依據(jù)[1]。

2數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘[2]是從大量的、不完整的、含有噪聲數(shù)據(jù)的、未經(jīng)清洗的、隨機的數(shù)據(jù)中，抽取蘊蓄在其中的、但又隱含著有實用價值的信息和知識的過程。數(shù)據(jù)挖掘的方法主要有決策樹[2]、關聯(lián)規(guī)則、聚類分析[3]、神經(jīng)元網(wǎng)絡[2-3]和粗糙集等。其中，關聯(lián)規(guī)則應用比較廣泛。關聯(lián)規(guī)則挖掘技術(shù)是發(fā)現(xiàn)數(shù)據(jù)庫一組數(shù)據(jù)項之間存在某種關聯(lián)規(guī)則的一種研究過程。其設計原理是從數(shù)據(jù)庫中找出經(jīng)常出現(xiàn)的屬性集，再使用頻繁出現(xiàn)的屬性集尋獲強的關聯(lián)規(guī)則。關聯(lián)規(guī)則中最常使用的是Apriori算法，其在多次掃描數(shù)據(jù)庫后發(fā)現(xiàn)所有頻繁項目集[2-3]。將關聯(lián)規(guī)則的挖掘算法在教學評價過程中進行合理引用，以便發(fā)現(xiàn)教師信息與教學效果之間的基本關系，如此即為教學評價手段的研發(fā)奠定了設計前提與佐證參考。