張硯雪

摘 要：引進(jìn)高校教師測(cè)評(píng)系統(tǒng)是學(xué)校加強(qiáng)教學(xué)管理必要手段，通過每個(gè)學(xué)期的測(cè)評(píng)系統(tǒng)可以反應(yīng)出學(xué)生對(duì)任課教師的滿意程度和教師在授課過程中的一些不規(guī)范行為。該論文首先介紹數(shù)據(jù)挖掘經(jīng)典算法中的關(guān)聯(lián)規(guī)劃算法，然后分析高校教師測(cè)評(píng)系統(tǒng)的數(shù)據(jù)庫(kù)，利用分層次法對(duì)教師測(cè)評(píng)系統(tǒng)數(shù)據(jù)庫(kù)中的大量數(shù)據(jù)進(jìn)行分析，找出教師自身屬性和授課情況之間的相關(guān)性。最后對(duì)該方法總結(jié)不足并做出展望。

關(guān)鍵詞：關(guān)聯(lián)規(guī)則 教師測(cè)評(píng) Apriori算法

中圖分類號(hào)：G647 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2016）01（a）-0105-03

Abstract：the introduction of university teachers evaluation system is necessary to strengthen teaching management，school each semester by the measurement system can reflect studentssatisfaction in classroom teachers and teachers in some irregularities in the process of teaching. This paper first introduces the relevant planning algorithm of classic data mining algorithm， and then analysis and evaluation system of college teachers of database，using the method of hierarchical analysis of teacher evaluation system of large amounts of data in the database， find out the correlation between teachersown attribute and teaching conditions. Finally this method and total lack of and make a prospect.

Key Words：Association rules；Teacher evaluation；Apriori algorithm

隨著高等教育的逐漸普及，普通高校的在生源競(jìng)爭(zhēng)上越來越激烈，優(yōu)質(zhì)的教學(xué)質(zhì)量是競(jìng)爭(zhēng)的核心，是高校賴以生存的生命線。對(duì)高校教師進(jìn)行測(cè)評(píng)是每學(xué)期教學(xué)管理的必不可少的一項(xiàng)工作，涉及所有任課教師，所有課程。

目前大部分高校都引進(jìn)了教學(xué)管理系統(tǒng)，其中包括教師網(wǎng)上測(cè)評(píng)模塊，在校學(xué)生可以隨時(shí)隨地對(duì)本學(xué)期課程教師進(jìn)行測(cè)評(píng)。但高校教學(xué)質(zhì)量測(cè)評(píng)環(huán)節(jié)基本上用的是一套固定模式：由教務(wù)部門確定一個(gè)測(cè)評(píng)指標(biāo)體系，制作出一套測(cè)評(píng)表，由部分特定學(xué)生群體對(duì)某個(gè)教師進(jìn)行測(cè)評(píng)，最后綜合統(tǒng)計(jì)，得出每個(gè)教師的總分，做出學(xué)期末考核的一個(gè)重要因素。然而實(shí)際上高校教學(xué)質(zhì)量測(cè)評(píng)是一個(gè)復(fù)雜的教育和教學(xué)問題，涉及到各方面的因素，只是一味的追求結(jié)果已不能適應(yīng)現(xiàn)代的多元化的教學(xué)。我們應(yīng)該充分利用系統(tǒng)所收集的各項(xiàng)數(shù)據(jù)，尋找各項(xiàng)數(shù)據(jù)之間的關(guān)聯(lián)，以及同一門課程不同班級(jí)所提交數(shù)據(jù)之間的內(nèi)在聯(lián)系。分析出每位教師所講授課程的特點(diǎn)，針對(duì)得出的結(jié)論，作為系部教學(xué)整改的重要依據(jù)。

1 數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則算法概述

1.1 關(guān)聯(lián)規(guī)劃算法的概念

所謂關(guān)聯(lián)，反映的是一個(gè)事件和其他事件之間依賴或關(guān)聯(lián)的知識(shí)。當(dāng)我們查找英文文獻(xiàn)的時(shí)候，可以發(fā)現(xiàn)有兩個(gè)英文詞都能形容關(guān)聯(lián)的含義。第一個(gè)是相關(guān)性relevance；第二個(gè)是關(guān)聯(lián)性association，兩者都可以用來描述事件之間的關(guān)聯(lián)程度。

關(guān)聯(lián)算法是數(shù)據(jù)挖掘中的一類重要算法。1993年，R.Agrawal等人首次提出了挖掘顧客交易數(shù)據(jù)中項(xiàng)目集間的關(guān)聯(lián)規(guī)則問題，其核心是基于兩階段頻繁集思想的遞推算法。該關(guān)聯(lián)規(guī)則在分類上屬于單維、單層及布爾關(guān)聯(lián)規(guī)則，典型的算法是Apriori算法。

1.2 Apriori算法概述

Apriori算法將發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的過程分為兩個(gè)步驟：第一步通過迭代，檢索出事務(wù)數(shù)據(jù)庫(kù)1中的所有頻繁項(xiàng)集，即支持度不低于用戶設(shè)定的閾值的項(xiàng)集；第二步利用頻繁項(xiàng)集構(gòu)造出滿足用戶最小信任度的規(guī)則。其中，挖掘或識(shí)別出所有頻繁項(xiàng)集是該算法的核心，占整個(gè)計(jì)算量的大部分。層次分析法的步驟。

2 利用Apriori算法對(duì)教師測(cè)評(píng)數(shù)據(jù)進(jìn)行分析

2.1 數(shù)據(jù)準(zhǔn)備

下面以某高職院校計(jì)算機(jī)應(yīng)用技術(shù)專業(yè)教師測(cè)評(píng)數(shù)據(jù)集和教師自身一些特征數(shù)據(jù)為訓(xùn)練樣本。教師測(cè)評(píng)數(shù)據(jù)包括講課教學(xué)內(nèi)容、教學(xué)態(tài)度、教學(xué)方法和按時(shí)批改作業(yè)。這四個(gè)方面分別為30、20、30、20。用符號(hào)A表示教學(xué)內(nèi)容，符號(hào)概化為A1（25～30分），A2（20～24分），A3（19分以下），用符號(hào)B表示教學(xué)方法，B1（18～20分），B2（15～17分），B3（14分以下）。以此類似方法將教學(xué)態(tài)度和批發(fā)作業(yè)等數(shù)據(jù)離散化。將測(cè)評(píng)結(jié)果的四個(gè)屬性作為決策屬性，成績(jī)大于90分的為“D1”，大于80分小于90分的為“D2”，大于60分小于80分的為“D3”，小于60分的為“D4”。學(xué)歷項(xiàng)數(shù)據(jù)博士、研究生、本科分別離散為X1，X2，X3。職稱教授、副教授、講師、助教表示為Z1，Z2，Z3，Z4。將這些數(shù)據(jù)集顯示在表1中。

2.2 Apriori算法的應(yīng)用

在本論文中，挖掘的目標(biāo)是教師授課情況和教師自身?xiàng)l件與測(cè)評(píng)結(jié)果之間的關(guān)聯(lián)，因此使用如下形式的規(guī)則模板：

P1∧P2∧P3…=>Q1∧Q2…

其中P表示各項(xiàng)教師的指標(biāo)情況，Q為測(cè)評(píng)結(jié)果。設(shè)關(guān)聯(lián)規(guī)則最小支持度為20%，最小置信度為70%，用VC++進(jìn)行編程運(yùn)算。

第一，找出所有的頻繁項(xiàng)集偽代碼如下：

procedureFP_growth（Tree，a）

ifTree含單個(gè)路徑Pthen{

for路徑P中結(jié)點(diǎn)的每個(gè)組合（記作b）

產(chǎn)生模式bUa，其支持度support=b中結(jié)點(diǎn)的最小支持度；

} else {

for eachai在Tree的頭部（按照支持度由低到高順序進(jìn)行掃描）{

產(chǎn)生一個(gè)模式b=aiUa，其支持度support=ai.support；

構(gòu)造b的條件模式基，然后構(gòu)造b的條件FP-樹Treeb；

ifTreeb 不為空 then

調(diào)用 FP_growth （Treeb，b）；

}

}

2.3 由頻繁項(xiàng)集產(chǎn)生強(qiáng)規(guī)則

表2為由所有頻繁項(xiàng)集所導(dǎo)出的有價(jià)值的關(guān)聯(lián)規(guī)則生成表。

2.4 結(jié)果分析

具有較副高職稱和研究生學(xué)歷的教師，教學(xué)態(tài)度較好，而且精力充沛，課堂教學(xué)經(jīng)驗(yàn)豐富，評(píng)價(jià)分?jǐn)?shù)較高。而本科學(xué)歷同樣是副高職稱的老教師，在教學(xué)內(nèi)容上能得到學(xué)生認(rèn)可，教學(xué)態(tài)度嚴(yán)謹(jǐn)，學(xué)生評(píng)價(jià)分?jǐn)?shù)也很高。一些剛走上講臺(tái)不久，助教職稱的教師，在教學(xué)方法和教學(xué)內(nèi)容上還有所欠缺，沒有得到學(xué)生的認(rèn)可。由此可見，學(xué)校應(yīng)該加大年輕教師的培養(yǎng)，多給他們外出學(xué)習(xí)和培訓(xùn)的機(jī)會(huì)，另外有經(jīng)驗(yàn)的教師也應(yīng)該擔(dān)負(fù)起培養(yǎng)年輕教師的責(zé)任。

3 結(jié)語

該文以數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則算法對(duì)教師教學(xué)質(zhì)量測(cè)評(píng)數(shù)據(jù)進(jìn)行分析，找出大量數(shù)據(jù)的關(guān)聯(lián)性。為學(xué)校以后對(duì)教師的培養(yǎng)提供了可以參考的方向。不足之處是，樣本數(shù)據(jù)不多，規(guī)則生成的不明顯。高校教師教學(xué)質(zhì)量測(cè)評(píng)數(shù)據(jù)的挖掘可以更加深入，可以以某一位老師為例縱向分析近幾年的采集數(shù)據(jù)，為其做出曲線圖，可以作為系部評(píng)價(jià)教師的教學(xué)工作的依據(jù)。

參考文獻(xiàn)

[1] 葉若芬，孫書明.基于數(shù)據(jù)挖掘技術(shù)的教學(xué)測(cè)評(píng)[J].河北工業(yè)學(xué)報(bào)，2001（6）：383-386.

[2] 宋曉梅.數(shù)據(jù)挖掘技術(shù)在高校教師教學(xué)質(zhì)量測(cè)評(píng)中的應(yīng)用[J].赤峰學(xué)院學(xué)報(bào)：自然科學(xué)版，2013（2）：180-184.

[3] 盧雪燕.關(guān)聯(lián)規(guī)則挖掘在高校計(jì)算機(jī)類教師教學(xué)質(zhì)量測(cè)評(píng)中的應(yīng)用[J].科教導(dǎo)刊，2014（2）：82-83.

[4] 王曉艷，高云輝.數(shù)據(jù)挖掘技術(shù)在教學(xué)評(píng)價(jià)系統(tǒng)中的應(yīng)用[J].計(jì)算機(jī)光盤軟件與應(yīng)用，2013（4）：211-212.