施立珊 李就娣 莫卓達(dá)
摘要:在教育大局勢(shì)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(chǔ)備越來(lái)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(píng)價(jià)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(zhuān)業(yè)教師的教學(xué)質(zhì)量評(píng)價(jià)分?jǐn)?shù)作為研究對(duì)象,以聚類(lèi)分析為挖掘向?qū)?lái)分析教學(xué)質(zhì)量的各種因素,得出不同專(zhuān)業(yè)、不同職稱(chēng)教師對(duì)教學(xué)質(zhì)量評(píng)價(jià)的影響程度。
關(guān)鍵詞:教學(xué)質(zhì)量評(píng)價(jià);數(shù)據(jù)挖掘;聚類(lèi)分析;凝聚聚類(lèi)算法
中圖分類(lèi)號(hào):TP301 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):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(mén)的話(huà)題。數(shù)據(jù)的大量存儲(chǔ)和簡(jiǎn)單羅列并沒(méi)有給出數(shù)據(jù)實(shí)際的應(yīng)用價(jià)值。在高校教學(xué)管理中,教師的教學(xué)質(zhì)量評(píng)價(jià)數(shù)據(jù)也漸漸地成為了高校存儲(chǔ)數(shù)據(jù)的重要組成部分[1]。而各高校如何有效的評(píng)價(jià)教師的教學(xué)水平和教學(xué)質(zhì)量的高低,很大程度上沒(méi)有準(zhǔn)確的標(biāo)準(zhǔn)和統(tǒng)一的規(guī)范。而每個(gè)學(xué)期的教學(xué)質(zhì)量評(píng)價(jià)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(mén)提高參考意見(jiàn)。
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(jià)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(gè)學(xué)期對(duì)所任課程教師的教學(xué)評(píng)價(jià)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(píng)價(jià)數(shù)據(jù)進(jìn)行分析和挖掘,最終得出有意義的參考價(jià)值數(shù)據(jù)。
1 教學(xué)質(zhì)量評(píng)價(jià)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(duì)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?cè)谏鐣?huì)上的競(jìng)爭(zhēng)力[2]。如果采用傳統(tǒng)的評(píng)價(jià)指標(biāo)和體系即學(xué)生掌握知識(shí)的多少和教師上課數(shù)量的多少來(lái)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(huì)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(píng)價(jià)分?jǐn)?shù)來(lái)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(guān)性。但是隨著評(píng)價(jià)體系的不斷改革,現(xiàn)有的評(píng)價(jià)分?jǐn)?shù)已經(jīng)能很好地反映該現(xiàn)實(shí)問(wèn)題。比如學(xué)生評(píng)價(jià)數(shù)據(jù)的前10%和后10%的數(shù)據(jù)會(huì)被去掉、數(shù)據(jù)中出現(xiàn)的滿(mǎn)分和零分也會(huì)去掉、在評(píng)價(jià)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(guān)分析出相應(yīng)的結(jié)論。下表為學(xué)生評(píng)分表的一級(jí)指標(biāo)和二級(jí)指標(biāo)。
面前正在我校施行的評(píng)價(jià)體系并沒(méi)有區(qū)分不同專(zhuān)業(yè)課程、不同語(yǔ)種課程和公共選修課程的評(píng)價(jià)區(qū)別。所有課程采用的是相同的評(píng)價(jià)指標(biāo)。以我校廣東外語(yǔ)外貿(mào)大學(xué)南國(guó)商學(xué)院的教學(xué)質(zhì)量評(píng)價(jià)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(píng)分中占據(jù)主導(dǎo)地位,應(yīng)適度加強(qiáng)教師學(xué)生互評(píng)以及學(xué)生之間的互評(píng),舍棄評(píng)分中不合常理的數(shù)據(jù),以達(dá)到評(píng)分的公平性。因此,制定完善的評(píng)價(jià)體系是全面推動(dòng)素質(zhì)教育的關(guān)鍵所在[2]。
2挖掘?qū)ο蠹巴诰蜻^(guò)程
2.1數(shù)據(jù)選擇
此次運(yùn)用的是廣外南國(guó)商學(xué)院信息學(xué)院16名教師在2012-2014年中一個(gè)學(xué)期對(duì)比四個(gè)學(xué)期(四年評(píng)分采取四年的評(píng)分取平均分值)的聚類(lèi)結(jié)果為切入點(diǎn),以期待獲得更多更好的有實(shí)用價(jià)值的數(shù)據(jù)信息,評(píng)價(jià)標(biāo)準(zhǔn)如表3,在學(xué)生評(píng)分表中教師工號(hào)采取順序虛擬工號(hào),加權(quán)平均分后的表如表3。
2.2 挖掘過(guò)程
2.2.1 聚類(lèi)算法[3]
聚類(lèi)算法文字描述如下[a-d]
1)初始分類(lèi)。令k=0,每個(gè)模式自成一類(lèi),即Gi(0)={xi}(i=1,2,…,c)。
2)計(jì)算各類(lèi)間的距離Dij,生成一個(gè)對(duì)稱(chēng)的距離矩陣D(k)=(Dij)m+n,m為類(lèi)的個(gè)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(lèi)合成一類(lèi),于是產(chǎn)生新的聚類(lèi)G1(k+1),G2(K+1),…,令m=m-1。
4)檢查類(lèi)的個(gè)數(shù)。如果類(lèi)書(shū)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(lèi)間距離不只一個(gè)類(lèi)時(shí),則對(duì)應(yīng)這些最小距離的類(lèi)可以同時(shí)合并。上述算法步驟給出了從N類(lèi)至2類(lèi)的完整聚類(lèi)過(guò)程呢個(gè),停止條件有兩個(gè),其一是以類(lèi)間距離門(mén)限T作為停止條件,即取距離門(mén)限T,當(dāng)D(k)中最小陣元大于T時(shí),聚類(lèi)過(guò)程停止;其二是以預(yù)定的類(lèi)別數(shù)目作為停止條件,當(dāng)類(lèi)別合并過(guò)程中,類(lèi)數(shù)小于或等于預(yù)定值時(shí),聚類(lèi)過(guò)程停止。
2.2.2 具體挖掘過(guò)程
1)將每一樣本看成一類(lèi)
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(lèi),得一新的分類(lèi)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(lèi)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(lèi),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(lèi),算法結(jié)束。
2.2.3 聚類(lèi)樹(shù)
學(xué)生評(píng)教的分?jǐn)?shù)采用最近距離聚類(lèi)的凝聚聚類(lèi)結(jié)果數(shù)如圖1所示:
從樹(shù)型結(jié)果圖中可清晰看見(jiàn)各觀(guān)測(cè)量的聚類(lèi)情況,聚類(lèi)結(jié)果明顯。
2.2.4 系統(tǒng)聚類(lèi)挖掘結(jié)果分析
對(duì)于聚類(lèi)結(jié)果,這16名教師可以8次迭代過(guò)程:
第一次迭代過(guò)程是編號(hào)為{1004,1010}的教師;
第二次迭代過(guò)程加入了編號(hào)為{1001,1003,1007,1008,1013,1014},{1006,1011}的教師;
第三次迭代過(guò)程加入了編號(hào)為{1002}的教師;
第四次迭代過(guò)程加入了編號(hào)為{1012}的教師;
第五次迭代過(guò)程加入了編號(hào)為{1005}的教師;
第六次迭代過(guò)程加入了編號(hào)為{1006,1011}的教師;
第七次迭代過(guò)程是編號(hào)為{1015,1016}的教師;
第八次迭代過(guò)程加入了編號(hào)為{1009}的教師;
第九次迭代過(guò)程是合并前后兩個(gè)分類(lèi)的教師。
2.2.5 四學(xué)期教師評(píng)分聚類(lèi)分析
按照上述計(jì)算方法得出四個(gè)學(xué)期的聚類(lèi)樹(shù)結(jié)果。
此次運(yùn)算還把四學(xué)期中所有的專(zhuān)業(yè)必修,專(zhuān)業(yè)選修,通選課,公共課,二級(jí)輔修課分類(lèi)取平均值如下:
3 聚類(lèi)結(jié)果的指導(dǎo)作用
通過(guò)上述的聚類(lèi)挖掘過(guò)程,我們能都很好的得出在教學(xué)質(zhì)量評(píng)價(jià)中哪些因素對(duì)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(duì)教師所授課程的綜合評(píng)價(jià)。教師可以很好的分析該結(jié)論數(shù)據(jù)這樣對(duì)今后改進(jìn)教學(xué)質(zhì)量和效果都會(huì)有很大的幫助。
從上述一個(gè)學(xué)期和四個(gè)學(xué)期我系16名老師的聚類(lèi)結(jié)果看,首先迭代聚類(lèi)的是公共基礎(chǔ)課和應(yīng)用軟件課程,往后聚類(lèi)的才是專(zhuān)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(jiǎn)單,通俗易懂,學(xué)生學(xué)習(xí)起來(lái)不會(huì)有太大的難度,這樣對(duì)于評(píng)價(jià)分?jǐn)?shù)而言是占據(jù)很大的優(yōu)勢(shì)。而應(yīng)用軟件的課程多數(shù)是多媒體設(shè)計(jì)類(lèi)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(zhuān)業(yè)課程枯燥乏味,學(xué)習(xí)起來(lái)難度較大,往往會(huì)出現(xiàn)一個(gè)學(xué)期講下來(lái)學(xué)生都沒(méi)有聽(tīng)懂。教學(xué)效果沒(méi)有上述兩門(mén)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(duì)于極個(gè)別老師應(yīng)用多種教學(xué)手段不斷改進(jìn)教學(xué)方法,對(duì)課程內(nèi)容和課堂效果把握較好的老師,無(wú)論是什么類(lèi)型的課程都普遍受到學(xué)生好評(píng)。
從表4中可以看出,專(zhuān)業(yè)必修課,公共課和計(jì)算機(jī)二級(jí)課程的評(píng)分相對(duì)比較高,處于基礎(chǔ)的課程學(xué)生的學(xué)習(xí)興趣相對(duì)高出許多。對(duì)于專(zhuān)業(yè)選修課,設(shè)計(jì)專(zhuān)業(yè)知識(shí)的實(shí)操性強(qiáng)學(xué)生的學(xué)習(xí)上相對(duì)會(huì)有壓力,學(xué)習(xí)的動(dòng)力也會(huì)有所削弱因此評(píng)分也相對(duì)較低。得出另外一個(gè)結(jié)果:學(xué)生對(duì)所有課程的評(píng)價(jià)要對(duì)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(píng)分中我們能看出,專(zhuān)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(duì)老師的要求是有很大區(qū)別的,所以在制定課程評(píng)分指標(biāo)的時(shí)候要有區(qū)別對(duì)待。
參考文獻(xiàn):
[1] 張鈺莎.數(shù)據(jù)挖掘在高校圖書(shū)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(píng)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.