摘要：數(shù)據(jù)挖掘技術(shù)是從海量數(shù)據(jù)中得到有價值的信息，關(guān)聯(lián)規(guī)則挖掘是應(yīng)用最廣泛的數(shù)據(jù)挖掘方法之一。本文介紹了在高?，F(xiàn)代化的管理中，如何積累大量的數(shù)據(jù)和信息，以便應(yīng)用數(shù)據(jù)挖掘技術(shù)得到相關(guān)管理決策的信息和參考。

關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；教學(xué)質(zhì)量評估

中圖分類號：G642文獻(xiàn)標(biāo)識碼：A

文章編號：1672-5913(2007)16-0057-03

教育部、財政部下發(fā)的教高(2007)1號文件中指出：“建立高等學(xué)校教學(xué)基本狀態(tài)數(shù)據(jù)檢測體系，定期采集各類高等學(xué)校本科教學(xué)基本狀態(tài)信息和數(shù)據(jù)，統(tǒng)計和分析高等學(xué)校教學(xué)基本狀態(tài)和變化趨勢，逐步將教學(xué)質(zhì)量和教學(xué)改革的數(shù)據(jù)向社會公布”[1]。由此看出，信息和數(shù)據(jù)在高校管理中的重要性。

隨著信息技術(shù)在高校管理中應(yīng)用的普及，積累了大量的數(shù)據(jù)。通過數(shù)據(jù)挖掘技術(shù)對高校長期積累的海量數(shù)據(jù)進(jìn)行分析和處理，得到高校管理決策的信息是高?，F(xiàn)代化管理的迫切需求。

1教學(xué)質(zhì)量評估

教學(xué)質(zhì)量是高校生存與發(fā)展的基礎(chǔ)，也是高等教育國際化的必然要求。提高教學(xué)質(zhì)量是促進(jìn)高校改革與發(fā)展的關(guān)鍵，建立科學(xué)的高校教學(xué)質(zhì)量評估系統(tǒng)是加強(qiáng)高等學(xué)校教學(xué)管理和提高教學(xué)質(zhì)量的重要舉措。

高校教學(xué)質(zhì)量評估體系是由一系列反映被評對象目標(biāo)的、相互聯(lián)系的指標(biāo)構(gòu)成的有機(jī)整體。反映被評對象在實現(xiàn)教學(xué)目標(biāo)的過程中各個方面的相互依存關(guān)系，是評估工作的出發(fā)點和依據(jù)，在教學(xué)質(zhì)量評估活動中，根據(jù)評估對象的教學(xué)目的，按類別、逐層次地建立一系列評估指標(biāo)，用以系統(tǒng)地、客觀地反映被評對象的全貌。

對于高校而言，建立科學(xué)的教學(xué)質(zhì)量評估體系，是進(jìn)行高校管理的一項有效機(jī)制，同時也是進(jìn)行教學(xué)信息采集、處理和分析的主要平臺?？茖W(xué)的教學(xué)質(zhì)量評估體系中反映出的問題將有助于教育管理者進(jìn)行決策。

應(yīng)用數(shù)據(jù)挖掘技術(shù)，從評估數(shù)據(jù)中找出大量真正有價值的信息，能夠更好地對高校的發(fā)展和未來趨勢做出定量的分析和預(yù)測，為高校的教育管理者提供更科學(xué)的決策基礎(chǔ)，從而有針對性地加強(qiáng)教學(xué)管理，有效地提高教學(xué)質(zhì)量。

2基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘分析方法

2.1關(guān)聯(lián)規(guī)則核心算法

(1) 它具有支持度S，即事務(wù)數(shù)據(jù)庫D中至少有S%的事務(wù)包含XEgrave;Y；

(2) 它具有置信度C，即在事務(wù)數(shù)據(jù)庫D所包含X的事務(wù)中，至少有C%的事務(wù)同時也包含Y。

關(guān)聯(lián)規(guī)則的挖掘就是在事務(wù)數(shù)據(jù)庫D中找出具有用戶給定的最小支持度Smin和最小置信度Cmin的關(guān)聯(lián)規(guī)則。

2.2 經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法一一Apriori算法

Apriori算法是最著名、最有影響的單維、單層關(guān)聯(lián)規(guī)則挖掘算法，該算法是一種挖掘布爾關(guān)聯(lián)規(guī)則頻繁項集的經(jīng)典算法[2]。它利用頻繁項集的先驗知識，使用一種逐層搜索的迭代方法來找出所有的頻繁項集。首先掃描事務(wù)數(shù)據(jù)庫D，統(tǒng)計庫中的事務(wù)數(shù)量和各個不同的項(1--項集)所出現(xiàn)的次數(shù)，進(jìn)而根據(jù)最小支持度min-sup獲得所有的頻繁1--項集L1。然后用L1查找頻繁2--項集L2，如此下去，直到不能找到頻繁k--項集為止。該算法首次引入了修剪技術(shù)(Pruning)來減小候選集Ck的大小。所謂修剪技術(shù)就是利用“一個項集是頻繁項集當(dāng)且僅當(dāng)它的所有子集都是頻繁項集”性質(zhì)，即如果一個候選k--項集的(k-1)--子集不屬于Lk-1，則該侯選項集可以被修剪掉。修剪技術(shù)的應(yīng)用降低了計算所有的候選項集支持度的代價，顯著提高了生成所有頻繁項集的速度，從而提高了算法的性能[3]。

關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領(lǐng)域的一個重要方法，關(guān)聯(lián)規(guī)則在教育領(lǐng)域中的應(yīng)用也逐漸被人們所重視。高校教學(xué)管理涉及高校的各種對象，產(chǎn)生了大量的數(shù)據(jù)，利用關(guān)聯(lián)規(guī)則，對這些數(shù)據(jù)的進(jìn)行提取，可以評估教師的教學(xué)能力，教學(xué)活動的組織，促進(jìn)教師改進(jìn)教學(xué)策略，提高教學(xué)水平；同時也可以進(jìn)一步得出隱藏在數(shù)據(jù)中的有用的信息，幫助教育管理者進(jìn)行有效的決策，提高教學(xué)管理水平。

3數(shù)據(jù)挖掘在教學(xué)評估中的應(yīng)用

3.1構(gòu)建數(shù)據(jù)倉庫

數(shù)據(jù)挖掘是建立在數(shù)據(jù)倉庫基礎(chǔ)之上的。建立數(shù)據(jù)倉庫的目的是為了更好地支持決策分析。數(shù)據(jù)倉庫中的數(shù)據(jù)具有集成性，它是對原始的過分詳細(xì)的數(shù)據(jù)進(jìn)行篩選、清理、概括和聚集等處理后的結(jié)果，它更適合決策系統(tǒng)的需求。數(shù)據(jù)倉庫的數(shù)據(jù)具有時變性，它可把業(yè)務(wù)系統(tǒng)中不斷變化的數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗后追加到數(shù)據(jù)倉庫中去，數(shù)據(jù)清洗是重復(fù)數(shù)據(jù)的發(fā)現(xiàn)與刪除，由于數(shù)據(jù)來自不同的數(shù)據(jù)源，所以相同的數(shù)據(jù)經(jīng)常會在數(shù)據(jù)倉庫中出現(xiàn)多個副本，由于各個數(shù)據(jù)源的數(shù)據(jù)質(zhì)量有較大差別，為了提高數(shù)據(jù)倉庫中的數(shù)據(jù)的可靠性，需要將這些可能的重復(fù)數(shù)據(jù)找出來，并進(jìn)行刪除[4]。

學(xué)校的教學(xué)管理信息有：專業(yè)、課程、教師、學(xué)生、學(xué)生成績、教師授課、教師的科研論文、學(xué)生評教等信息，針對這些信息構(gòu)建學(xué)校的數(shù)據(jù)倉庫。

3.2建立挖掘數(shù)據(jù)模型

根據(jù)學(xué)校的教學(xué)管理，結(jié)合數(shù)據(jù)倉庫中的：教師授課、學(xué)生成績、評教等信息。如：學(xué)歷(學(xué)位)、職稱、年齡；授課名稱、課程類別、學(xué)生的平均成績、學(xué)生評教結(jié)果等數(shù)據(jù)信息。構(gòu)建相應(yīng)的挖掘數(shù)據(jù)模型，數(shù)據(jù)結(jié)構(gòu)如表1：

3.3數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是對數(shù)據(jù)源進(jìn)行加工，檢查數(shù)據(jù)的完整性及數(shù)據(jù)的一致性，對其中的噪音數(shù)據(jù)進(jìn)行平滑，對丟失的數(shù)據(jù)進(jìn)行填補(bǔ)，消除“臟”數(shù)據(jù)，消除重復(fù)記錄等。使之符合數(shù)據(jù)挖掘的要求。它的主要工作有檢查拼寫錯誤，去掉重復(fù)的記錄，補(bǔ)上不完全的記錄，推導(dǎo)計算缺失數(shù)據(jù)，完成數(shù)據(jù)類型轉(zhuǎn)換。數(shù)據(jù)變換的主要目的是精減數(shù)據(jù)維數(shù)，即從初始特征中找出真正有用的特征以減少數(shù)據(jù)挖掘時要考慮的特征或變量個數(shù)。

對表1的源數(shù)據(jù)結(jié)構(gòu)，將出生日期轉(zhuǎn)換年齡，按本科教學(xué)工作水平評估指標(biāo)體系的要求，按表2的規(guī)則進(jìn)行預(yù)處理，將年齡，學(xué)生平均成績、評教分?jǐn)?shù)，分別變換成：年齡段、成績等級、評教等級。并對個別的數(shù)據(jù)(此類數(shù)據(jù)量小，不能反映學(xué)校的實際教學(xué)情況)進(jìn)行剔除，如：職稱為“助教”和學(xué)歷為“其他”的相關(guān)記錄。

我校自2003年以來，有一萬余條相關(guān)的教學(xué)信息。為了研究探討的方便，僅選取我校2005--2005學(xué)年第二學(xué)期某教學(xué)單位63位教師的教學(xué)數(shù)據(jù)，經(jīng)過預(yù)處理的數(shù)據(jù)如表3所示：

3.4數(shù)據(jù)挖掘結(jié)果與分析

根據(jù)表3提供的數(shù)據(jù)，設(shè)最小支持度為0. 2，最小置信度設(shè)為0.4，利用數(shù)據(jù)挖掘Apriori算法處理數(shù)據(jù)并得出關(guān)聯(lián)規(guī)則。

成績等級+評教等級，進(jìn)行挖掘，挖掘結(jié)果如下：

結(jié)果表明：學(xué)生的考試成績等級與學(xué)生的評教等級存在著較高的關(guān)聯(lián)性，考試成績等級為良以上，評教等級大多為良以上，考試成績等級為及格，評教等級大多為差或及格，據(jù)此可以得出，學(xué)生的成績和學(xué)生對教師的評教結(jié)論成正比，表明學(xué)生對教師的評教結(jié)果是真實的，通過學(xué)生的成績，可以看出教師的教學(xué)質(zhì)量。

學(xué)歷+評教等級，進(jìn)行挖掘，挖掘結(jié)果如下：

結(jié)果表明：學(xué)歷與成績等級存在著較高的關(guān)聯(lián)性，學(xué)歷為碩士，其所教授的相應(yīng)課程的成績等級為良好，說明碩士教師的教學(xué)質(zhì)量較高，學(xué)歷為本科的教師，其所教授的相應(yīng)課程的成績等級為中等，可以看出高校引進(jìn)高質(zhì)量人才充實教學(xué)的重要性。

年齡段+評教等級，進(jìn)行挖掘，挖掘結(jié)果如下：

結(jié)果表明：中、老年教師，其所教授的相應(yīng)課程，學(xué)生的評價較高，而年青教師，學(xué)生的評價大多為中，在一定程度上說明年齡越大，積累的教學(xué)經(jīng)驗越豐富，授課的效果就越好，學(xué)?？梢砸罁?jù)挖掘結(jié)果有針對性地制定青年教師培養(yǎng)機(jī)制，利用“傳、幫、帶”的方式，使年青教師在老教師的言傳身教的影響下，不斷積累教學(xué)經(jīng)驗，提高教學(xué)質(zhì)量。

4結(jié)束語

數(shù)據(jù)挖掘技術(shù)是計算機(jī)科學(xué)研究活躍的領(lǐng)域，高校作為科學(xué)技術(shù)的傳播地，利用數(shù)據(jù)挖掘技術(shù)對日常的教學(xué)活動中積累的大量數(shù)據(jù)進(jìn)行挖掘，挖掘出具有管理和決策的信息，使學(xué)校的管理進(jìn)一步走向規(guī)范化、科學(xué)化、現(xiàn)代化。

The Application of Data Mining in teaching evaluation in Qinghai university

YANG Chun-jian，SHI Rui-ming，ZHANG Hong

Qinghai University，Xining，Qinghai，，P.R.China，810016，e_mail:chunjiany@163.com

Abstract: The data mining technique gets a worthy information from vast amount of data， the connection rule excavation applies is one of the way which applied widely. In Long-term management of university， amount data and information are accumulated. Applying data mining technique get information and references of management decision which is the inevitable request of advancing management of university.

Keywords: Data Mining；Association rule；Teaching Quality Evaluation

參考文獻(xiàn)：

[1] 教育部. 關(guān)于實施高等學(xué)校本科教學(xué)質(zhì)量與教學(xué)改革工程的意見[EB/OL]. 中國教育和科研計算機(jī)網(wǎng)，2007-01-22.

[2] Jiawei Han，Micheline Kamber著，范明，孟小峰譯. 數(shù)據(jù)挖掘概念與技術(shù)[M] ．北京:機(jī)械工業(yè)出版社，2001:70-87.

[3] 毛國君，段立娟，王實. 數(shù)據(jù)挖掘原理與算法[M]. 北京:清華大學(xué)出版社，2004:66-68.

[4] 施伯樂，汪衛(wèi). 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘研究進(jìn)展[J]. 計算機(jī)應(yīng)用與軟件，2003，(11):10-12.

“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”