施立珊　李就娣　莫卓達(dá)

摘要：在教育大局勢的不斷改革之下，教師隊(duì)伍不斷地?cái)U(kuò)充。各高校的師資儲備越來越多，如何提高教師的教學(xué)水平，成為了很多高校急需解決的難題。教學(xué)質(zhì)量評價在某種意義上成為衡量教師教學(xué)的方向標(biāo)。該文選取我院專業(yè)教師的教學(xué)質(zhì)量評價分?jǐn)?shù)作為研究對象，以聚類分析為挖掘向?qū)矸治鼋虒W(xué)質(zhì)量的各種因素，得出不同專業(yè)、不同職稱教師對教學(xué)質(zhì)量評價的影響程度。

關(guān)鍵詞：教學(xué)質(zhì)量評價；數(shù)據(jù)挖掘；聚類分析；凝聚聚類算法

中圖分類號：TP301 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）13-0018-03

Abstract： Under the education situation of the reform， teachers constantly expanding. More and more universities faculty reserves， how to improve teachers' teaching level， has become the need to solve the problem of many colleges and universities. Teaching quality evaluation in some sense， become the direction of the teacher's teaching standard. This article selects in our professional teachers teaching quality evaluation scores as the research object， by clustering analysis for mining the guide to analyze the various factors of teaching quality， it is concluded that different professional， different title teachers' influence on teaching quality evaluation.

Key words：teaching quality evaluation； data mining； clustering analysis； clustering algorithm

大數(shù)據(jù)成為了當(dāng)今非常熱門的話題。數(shù)據(jù)的大量存儲和簡單羅列并沒有給出數(shù)據(jù)實(shí)際的應(yīng)用價值。在高校教學(xué)管理中，教師的教學(xué)質(zhì)量評價數(shù)據(jù)也漸漸地成為了高校存儲數(shù)據(jù)的重要組成部分[1]。而各高校如何有效的評價教師的教學(xué)水平和教學(xué)質(zhì)量的高低，很大程度上沒有準(zhǔn)確的標(biāo)準(zhǔn)和統(tǒng)一的規(guī)范。而每個學(xué)期的教學(xué)質(zhì)量評價數(shù)據(jù)某種程度上是可以給出教師教學(xué)水平的參考數(shù)據(jù)。這樣的參考數(shù)據(jù)如果能夠使用數(shù)據(jù)挖掘的相關(guān)方法去分析和計(jì)算，所得出的結(jié)論是可以為職能部門提高參考意見。

數(shù)據(jù)挖掘作為數(shù)據(jù)分析和應(yīng)用的有效手段在日益增多的大數(shù)據(jù)面前可以顯示出足夠的應(yīng)用價值。而現(xiàn)實(shí)生活中可以應(yīng)用大數(shù)據(jù)進(jìn)行分析的地方非常的多。學(xué)生每個學(xué)期對所任課程教師的教學(xué)評價成為了高校教學(xué)管理數(shù)據(jù)中非常重要的組成部分。本文引用我校教師教學(xué)質(zhì)量評價數(shù)據(jù)進(jìn)行分析和挖掘，最終得出有意義的參考價值數(shù)據(jù)。

1 教學(xué)質(zhì)量評價的必要性及采取的方法

目前各高校教師崗位的不斷擴(kuò)充，對于高等院校教育的學(xué)生而言，教學(xué)質(zhì)量的好壞將極大地影響他們在社會上的競爭力[2]。如果采用傳統(tǒng)的評價指標(biāo)和體系即學(xué)生掌握知識的多少和教師上課數(shù)量的多少來衡量已經(jīng)不能很好地反映教師的教學(xué)質(zhì)量水平。在科技快速發(fā)展的今天如果還只是停留在傳統(tǒng)的數(shù)量統(tǒng)計(jì)層次是很難適應(yīng)社會的高效發(fā)展。

如今各大高校都采用學(xué)生的教學(xué)質(zhì)量評價分?jǐn)?shù)來衡量教師本學(xué)期教學(xué)質(zhì)量的高低。雖然某種程度上存在一定的不客觀性。但是隨著評價體系的不斷改革，現(xiàn)有的評價分?jǐn)?shù)已經(jīng)能很好地反映該現(xiàn)實(shí)問題。比如學(xué)生評價數(shù)據(jù)的前10%和后10%的數(shù)據(jù)會被去掉、數(shù)據(jù)中出現(xiàn)的滿分和零分也會去掉、在評價標(biāo)準(zhǔn)中增加了適當(dāng)?shù)臋?quán)重值。這樣得出的有效分?jǐn)?shù)就能客觀分析出相應(yīng)的結(jié)論。下表為學(xué)生評分表的一級指標(biāo)和二級指標(biāo)。

面前正在我校施行的評價體系并沒有區(qū)分不同專業(yè)課程、不同語種課程和公共選修課程的評價區(qū)別。所有課程采用的是相同的評價指標(biāo)。以我校廣東外語外貿(mào)大學(xué)南國商學(xué)院的教學(xué)質(zhì)量評價體系中的指標(biāo)和權(quán)重值如下。

為避免學(xué)生在給教師的評分中占據(jù)主導(dǎo)地位，應(yīng)適度加強(qiáng)教師學(xué)生互評以及學(xué)生之間的互評，舍棄評分中不合常理的數(shù)據(jù)，以達(dá)到評分的公平性。因此，制定完善的評價體系是全面推動素質(zhì)教育的關(guān)鍵所在[2]。

2挖掘?qū)ο蠹巴诰蜻^程

2.1數(shù)據(jù)選擇

此次運(yùn)用的是廣外南國商學(xué)院信息學(xué)院16名教師在2012-2014年中一個學(xué)期對比四個學(xué)期（四年評分采取四年的評分取平均分值）的聚類結(jié)果為切入點(diǎn)，以期待獲得更多更好的有實(shí)用價值的數(shù)據(jù)信息，評價標(biāo)準(zhǔn)如表3，在學(xué)生評分表中教師工號采取順序虛擬工號，加權(quán)平均分后的表如表3。

2.2 挖掘過程

2.2.1 聚類算法[3]

聚類算法文字描述如下[a-d]

1）初始分類。令k=0，每個模式自成一類，即Gi（0）={xi}（i=1，2，…，c）。

2）計(jì)算各類間的距離Dij，生成一個對稱的距離矩陣D（k）=（Dij）m+n，m為類的個數(shù)。

3）找出前一步求得的矩陣D（k）中的最小元素，設(shè)它是Gi（k）和Gj（k）間的距離，將Gi（k）和Gj（k）兩類合成一類，于是產(chǎn)生新的聚類G1（k+1），G2（K+1），…，令m=m-1。

4）檢查類的個數(shù)。如果類書m大于2，令k=k+1，轉(zhuǎn)至2）；否則，停止。

如果某一循環(huán)中具有最小類間距離不只一個類時，則對應(yīng)這些最小距離的類可以同時合并。上述算法步驟給出了從N類至2類的完整聚類過程呢個，停止條件有兩個，其一是以類間距離門限T作為停止條件，即取距離門限T，當(dāng)D（k）中最小陣元大于T時，聚類過程停止；其二是以預(yù)定的類別數(shù)目作為停止條件，當(dāng)類別合并過程中，類數(shù)小于或等于預(yù)定值時，聚類過程停止。

2.2.2 具體挖掘過程

1）將每一樣本看成一類

計(jì)算距離矩陣D（1）的計(jì)算方法：dij=[（xi-xj）i（xi-xj）]1/2=[（xi-xj）2]1/2，例如：

D120=（（5.6-5.6）2+（3.7-3.7）2+（13.9-13.6）2+（13.7-13.7） 2+（7.3-7.2） 2+（6.4-6.4） 2+（10.9-10.8） 2+（7.2-7.1） 2+（9.0-8.9） 2+（7.3-7.3） 2+（6.3-6.2） 2）1/2，計(jì)算距離矩陣D（0）。

2）D（0）中的最小陣元是0.14，它是G40和G100之間的距離，將它們合并為一類，得一新的分類為G11={G40，G100}={X4，X10} G21={G10} G31={G20} G41={G30} G51={G50} G61={G60} G71={G70} G81={G80} G91={G90} G101={G110} G111={G120} G121={G130} G131={G140} G141={G150} G151={G160} 計(jì)算合并后的距離矩陣D（1）。

3）以此類推分別計(jì)算D（1）、D（2）、D（3）、D（4）、D（5）、D（6）、D（7）。在D（7）中的最小陣元是0.63，它是G17與G37之間的距離，將它們合并為新的一類，G18={G17，G37}={X15，X16，，X9} G28={G27}={X4，X10，X1，X3，X7，X8，X13，X14，X2，X12，X5，X6，X11}，最后G18和G28合并為一類，算法結(jié)束。

2.2.3 聚類樹

學(xué)生評教的分?jǐn)?shù)采用最近距離聚類的凝聚聚類結(jié)果數(shù)如圖1所示：

從樹型結(jié)果圖中可清晰看見各觀測量的聚類情況，聚類結(jié)果明顯。

2.2.4 系統(tǒng)聚類挖掘結(jié)果分析

對于聚類結(jié)果，這16名教師可以8次迭代過程：

第一次迭代過程是編號為{1004，1010}的教師；

第二次迭代過程加入了編號為{1001，1003，1007，1008，1013，1014}，{1006，1011}的教師；

第三次迭代過程加入了編號為{1002}的教師；

第四次迭代過程加入了編號為{1012}的教師；

第五次迭代過程加入了編號為{1005}的教師；

第六次迭代過程加入了編號為{1006，1011}的教師；

第七次迭代過程是編號為{1015，1016}的教師；

第八次迭代過程加入了編號為{1009}的教師；

第九次迭代過程是合并前后兩個分類的教師。

2.2.5 四學(xué)期教師評分聚類分析

按照上述計(jì)算方法得出四個學(xué)期的聚類樹結(jié)果。

此次運(yùn)算還把四學(xué)期中所有的專業(yè)必修，專業(yè)選修，通選課，公共課，二級輔修課分類取平均值如下：

3 聚類結(jié)果的指導(dǎo)作用

通過上述的聚類挖掘過程，我們能都很好的得出在教學(xué)質(zhì)量評價中哪些因素對數(shù)據(jù)的影響值較大，哪些次之。這樣的影響因素雖然不能成為主要的內(nèi)容，但是能夠很好地反映出學(xué)生對教師所授課程的綜合評價。教師可以很好的分析該結(jié)論數(shù)據(jù)這樣對今后改進(jìn)教學(xué)質(zhì)量和效果都會有很大的幫助。

從上述一個學(xué)期和四個學(xué)期我系16名老師的聚類結(jié)果看，首先迭代聚類的是公共基礎(chǔ)課和應(yīng)用軟件課程，往后聚類的才是專業(yè)性較強(qiáng)的必修課程。從課程性質(zhì)和教學(xué)效果中，我們能夠分析出公共基礎(chǔ)課程的學(xué)習(xí)較為簡單，通俗易懂，學(xué)生學(xué)習(xí)起來不會有太大的難度，這樣對于評價分?jǐn)?shù)而言是占據(jù)很大的優(yōu)勢。而應(yīng)用軟件的課程多數(shù)是多媒體設(shè)計(jì)類的課程，比如ps、flash等相關(guān)課程。這樣的課程本身就有它自己的特色，教學(xué)效果非常明顯，學(xué)生容易上手，普遍受到大家的歡迎。而專業(yè)課程枯燥乏味，學(xué)習(xí)起來難度較大，往往會出現(xiàn)一個學(xué)期講下來學(xué)生都沒有聽懂。教學(xué)效果沒有上述兩門課程好，這樣就直接導(dǎo)致數(shù)據(jù)的偏差。以上的分析和現(xiàn)實(shí)事件是非常吻合的。

但是對于極個別老師應(yīng)用多種教學(xué)手段不斷改進(jìn)教學(xué)方法，對課程內(nèi)容和課堂效果把握較好的老師，無論是什么類型的課程都普遍受到學(xué)生好評。

從表4中可以看出，專業(yè)必修課，公共課和計(jì)算機(jī)二級課程的評分相對比較高，處于基礎(chǔ)的課程學(xué)生的學(xué)習(xí)興趣相對高出許多。對于專業(yè)選修課，設(shè)計(jì)專業(yè)知識的實(shí)操性強(qiáng)學(xué)生的學(xué)習(xí)上相對會有壓力，學(xué)習(xí)的動力也會有所削弱因此評分也相對較低。得出另外一個結(jié)果：學(xué)生對所有課程的評價要對不同的課程有所區(qū)別，這樣才能做到公平公正，因?yàn)閺膶W(xué)生的評分中我們能看出，專業(yè)課程學(xué)習(xí)的學(xué)生和公共課程學(xué)習(xí)的學(xué)生對老師的要求是有很大區(qū)別的，所以在制定課程評分指標(biāo)的時候要有區(qū)別對待。

參考文獻(xiàn)：

[1] 張鈺莎.數(shù)據(jù)挖掘在高校圖書館服務(wù)中的應(yīng)用研究[J].廊坊師范學(xué)院學(xué)報(bào)，2015（7）.

[2] 張鈺莎.數(shù)據(jù)挖掘技術(shù)在教學(xué)質(zhì)量評估中的應(yīng)用研究[D].廣州：暨南大學(xué)，2012.

[3] 蔣盛益.商務(wù)數(shù)據(jù)挖掘與應(yīng)用案例分析[M].北京：電子工業(yè)出版社，2014.