祁瑞麗，郭學(xué)濤，孟軍英，李 瑗

（1.石家莊學(xué)院 計算機科學(xué)與工程學(xué)院，河北 石家莊 050035；2.中國電信集團有限公司石家莊分公司，河北 石家莊 050000）

0 引言

教學(xué)評價是衡量高校教學(xué)質(zhì)量的重要指標(biāo)，也是教學(xué)環(huán)節(jié)的基礎(chǔ)組成部分，關(guān)系到學(xué)生學(xué)習(xí)效果和就業(yè)質(zhì)量.當(dāng)前的教學(xué)質(zhì)量評價大多按照以下程序展開：首先教學(xué)主管部門結(jié)合本校實際制定評價指標(biāo)和評價權(quán)重，然后通過網(wǎng)絡(luò)對評價量表進行逐項打分，最后，教務(wù)部門根據(jù)網(wǎng)絡(luò)評分劃分教學(xué)質(zhì)量考核等級，并以此作為重要參考對教師進行評優(yōu)評先和年度考核.通常，評價主體采用多元化方式，包括學(xué)生評價、同行互評、專家評價等[1-4]，各個評價部分按重要程度占有不同的比例.網(wǎng)絡(luò)系統(tǒng)評分后，如何合理地利用數(shù)據(jù)挖掘技術(shù)對大量的評教數(shù)據(jù)進行處理和分析，尋找其背后隱藏的有價值信息，更好地為教師和教學(xué)管理部門服務(wù)，已成為亟待解決的問題[5-7].

本研究首先對評價的原始數(shù)據(jù)進行預(yù)處理，然后選擇關(guān)聯(lián)規(guī)則作為數(shù)據(jù)挖掘算法，找出教師信息和課程信息與教學(xué)評價結(jié)果之間的隱藏聯(lián)系，發(fā)現(xiàn)提高教學(xué)質(zhì)量的相關(guān)因素，為今后的課程設(shè)置和教學(xué)改革提供思路和方法.

1 關(guān)鍵技術(shù)與方法

1.1 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘是從大量、未經(jīng)清洗、隨機的數(shù)據(jù)中，抽取出蘊含在其中隱含著有實用價值的信息和知識的過程[8].數(shù)據(jù)挖掘系統(tǒng)利用所挖掘的知識類型分類包括：關(guān)聯(lián)和相關(guān)分析、分類、預(yù)測、聚類等[9].

1.2 關(guān)聯(lián)規(guī)則挖掘

關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的一種重要方法，該算法從大規(guī)模數(shù)據(jù)集中尋找項間的隱含關(guān)系.關(guān)聯(lián)規(guī)則挖掘的主要步驟為：

1）找出所有滿足最小支持度的頻繁項集；

2）找出滿足最小支持度和最小置信度的頻繁項集，并產(chǎn)生強關(guān)聯(lián)規(guī)則.

關(guān)于支持度和置信度有如下定義：

假設(shè)I={I1，I2，…，I m}是項的集合.設(shè)數(shù)據(jù)庫D={T1，T2，…，T n}是數(shù)據(jù)庫事務(wù)的集合，其中每個事務(wù)T i（1＜=i＜=n）是項的集合，使得T i?I.每個事務(wù)有一個唯一標(biāo)識符TID.關(guān)聯(lián)規(guī)則是形如A=＞B的蘊涵式，其中 A?I，B?I，且 A∩B=?.

1）支持度：稱D中事務(wù)包含A∪B的百分比為規(guī)則A=＞B的支持度support，即概率P（A∪B）.因此有式（1）成立：

2）置信度：稱D中包含A的事務(wù)同時也包含B的百分比為規(guī)則A=＞B的置信度confidence，即條件概率P（B|A）.因此有式（2）成立：

通常用百分比表示支持度和置信度，二者的閾值由用戶或領(lǐng)域?qū)＜以O(shè)定[10].若一個規(guī)則既滿足最小支持度閾值又滿足最小置信度閾值，則稱其為強關(guān)聯(lián)規(guī)則.

最常用的關(guān)聯(lián)規(guī)則挖掘算法是Aprioir算法.該算法掃描數(shù)據(jù)庫，搜索滿足最小支持度的項，并找出頻繁項的集合.算法多次迭代執(zhí)行，直到不能再找到頻繁K項集為止[10].

2 關(guān)聯(lián)規(guī)則挖掘在教學(xué)評價中的應(yīng)用

將關(guān)聯(lián)規(guī)則挖掘技術(shù)應(yīng)用到教學(xué)評價分析中，試圖發(fā)現(xiàn)教師信息、課程信息與教學(xué)評價結(jié)果之間的關(guān)聯(lián)性，以便進一步提高教學(xué)質(zhì)量，服務(wù)于教學(xué)管理.

2.1 數(shù)據(jù)清理和數(shù)據(jù)集成

為了去掉數(shù)據(jù)中的噪聲和不一致，提高挖掘結(jié)果的質(zhì)量，采用數(shù)據(jù)清理技術(shù)對源數(shù)據(jù)進行處理.本研究提取石家莊學(xué)院計算機學(xué)院2014～2018年的學(xué)生評價數(shù)據(jù)作為源數(shù)據(jù)，對其中的不完整、噪聲和不一致進行消除處理，然后采用數(shù)據(jù)集成方法，將教師信息表、課程信息表和教學(xué)評價信息表整合到一起，并對用戶敏感信息做刪除處理，對教師工號和課程代碼做簡化處理，部分整合后的數(shù)據(jù)如表1所示.

2.2 數(shù)據(jù)轉(zhuǎn)換

為了提高數(shù)據(jù)挖掘過程的精度和性能[10]，首先要對原始數(shù)據(jù)進行必要的轉(zhuǎn)換.結(jié)合上述原始數(shù)據(jù)特點及數(shù)據(jù)轉(zhuǎn)換方法，對數(shù)值型數(shù)據(jù)主要采用數(shù)據(jù)泛化的辦法，將原本分散的數(shù)值映射到特定的區(qū)間和范圍內(nèi).對文本型數(shù)據(jù)如職稱，則進行離散化處理，將其劃分為不同的類別標(biāo)識.

具體轉(zhuǎn)換方法：將年齡分為 4 組：A1［28，35］，A2［36，43］，A3［44，51］，A4［52，59］；評定分?jǐn)?shù)分為 4 組：S1［87，90］，S2［91，92］，S3［93，95］，S4［96，98］；職稱劃分為 4 組：L1 初級，L2 中級，L3 副高，L4 正高；對學(xué)生人數(shù)進行離散化處理，評價人數(shù)分為 4 組：N1［10，50］，N2［51，100］，N3［101，150］，N4［151，350］；教師學(xué)位劃分為學(xué)士，碩士，博士3個等級.

表1 部分教學(xué)評價信息

2.3 關(guān)聯(lián)規(guī)則挖掘分析

將處理后的教學(xué)評價數(shù)據(jù)作為源數(shù)據(jù)，采用數(shù)據(jù)挖掘工具SPSS Modeler，基于Aprioir算法進行數(shù)據(jù)建模，設(shè)置支持度和置信度閾值，尋找滿足條件的頻繁項集，分析評價等級相關(guān)因素與結(jié)果之間的內(nèi)在聯(lián)系.

2.3.1 學(xué)生人數(shù)與評價等級之間的關(guān)系

設(shè)置數(shù)據(jù)流如圖1所示.利用Aprioir算法，對授課班級人數(shù)和教學(xué)評價等級進行關(guān)聯(lián)分析，得到學(xué)生人數(shù)和評價等級的支持度和置信度. 假設(shè)最小支持度為10%，最小置信度為45%，得到學(xué)生人數(shù)和評價等級的頻繁項集（表2）

圖1 數(shù)據(jù)流圖

從表2可以看出，授課班級人數(shù)在151～350人時，評價等級處于91～92分的支持度和置信度分別為10.87%和80.0%；學(xué)生人數(shù)在51～100人時，評價等級為93～95分的支持度為39.13%，置信度為47.22%.

2.3.2 教師年齡與評價等級之間的關(guān)系

以教師年齡作為輸入項，評價等級作為目標(biāo)項，得到教師年齡和評價等級之間的支持度和置信度.設(shè)置最小支持度10%，最小置信度40%，得到教師年齡與評價等級的頻繁項集（表3）.

由表3可知，當(dāng)教師年齡處于28～35歲時，評價等級處于91～92分的支持度為16.30%，置信度為53.33%；當(dāng)教師年齡處于44～51歲時，評價等級處于96～98分的支持度和置信度分別為17.39%和43.75%；當(dāng)教師年齡處于36～43歲時，評價等級處于93～95分的支持度為57.61%，置信度為43.40%.

2.3.3 教師職稱與評價等級之間的關(guān)系

以教師職稱作為輸入項，評價等級作為目標(biāo)項，得到教師職稱和評價等級之間的支持度和置信度.假設(shè)最小支持度20%，最小置信度40%，得到教師職稱與評價等級的頻繁項集（表4）.

由表4可以看出，教師職稱為中級時，評價等級在93～95分的支持度為48.91%，置信度為40.0%；教師職稱為副高，評價等級在93～95分的支持度和置信度分別為27.17%和44.0%.職稱為副高，評價等級在93～95分的支持度和置信度分別為27.17%和44.0%.

表2 學(xué)生人數(shù)和評價等級的頻繁項集

表3 教師年齡與評價等級的頻繁項集

表4 教師職稱與評價等級的頻繁項集

3 結(jié)論

根據(jù)以上數(shù)據(jù)相關(guān)性分析結(jié)果，得出如下結(jié)論：

1）授課班級的學(xué)生人數(shù)對評價結(jié)果有重要影響，二者之間大致呈反比關(guān)系.學(xué)生人數(shù)較少時，教學(xué)評價等級較高；反之，則教學(xué)評價等級較低.由此可見，授課班級人數(shù)會影響到教學(xué)效果與學(xué)習(xí)質(zhì)量，人數(shù)超過一定數(shù)量就會影響授課方式、教學(xué)組織、課堂互動、作業(yè)批改和輔導(dǎo)答疑，造成學(xué)習(xí)體驗和學(xué)習(xí)效果的下降.因此，學(xué)院今后在安排課程時，要想提高整體教學(xué)質(zhì)量，就應(yīng)倡導(dǎo)小班授課模式，積極探索人數(shù)較多的公共基礎(chǔ)課和公選課的教學(xué)方法.

2）教師年齡與評價等級之間大致呈反比關(guān)系.年齡為44～51歲的教師，教學(xué)評價為96～98分的概率較大；年齡為28～35歲的教師，教學(xué)評價為91～92分的概率較大.學(xué)校應(yīng)加大對青年教師的培養(yǎng)力度，為其提供培訓(xùn)和學(xué)習(xí)的機會，充分發(fā)揮老教師的優(yōu)勢，形成青年教師導(dǎo)師制，以盡快提高青年教師業(yè)務(wù)能力和專業(yè)素養(yǎng).

3）教師職稱與評價等級之間沒有直接相關(guān)性.無論職稱如何，都不影響教師教學(xué)的積極性.

4 結(jié)束語

教學(xué)效果關(guān)系到學(xué)生的成長和發(fā)展，對高校人才培養(yǎng)的質(zhì)量起著關(guān)鍵作用.本研究采用關(guān)聯(lián)規(guī)則挖掘技術(shù)對教學(xué)評價數(shù)據(jù)進行建模和分析，為高校的教學(xué)組織、人才引進和教師培訓(xùn)等管理工作提供思路.進一步結(jié)合課程性質(zhì)、專業(yè)特點及學(xué)生情感因素等挖掘評價數(shù)據(jù)，以及分析評價指標(biāo)的維度和權(quán)重設(shè)置，以制定具有個性化的評價系統(tǒng)，是未來研究的重要方向.