劉占波 閆實 王曉麗

摘? 要： 隨著科學技術(shù)的快速發(fā)展以及數(shù)據(jù)挖掘技術(shù)的不斷改進，各個學校的教學管理系統(tǒng)中都已存儲了大量的數(shù)據(jù)信息，本文主要對目前教師在教學評價中的現(xiàn)狀進行了研究，并以教學評價的體系為數(shù)據(jù)挖掘的基礎(chǔ)平臺，利用數(shù)據(jù)挖掘技術(shù)對教師教學相關(guān)的數(shù)據(jù)進行挖掘和分析。重點對數(shù)據(jù)挖掘技術(shù)在教師教學評價中的應(yīng)用進行研究，從而可促進學校教學的質(zhì)量，對教師教學評價有重大的意義。

關(guān)鍵詞： 教師;教學評價;數(shù)據(jù)挖掘

【Abstract】： With rapid development of science and technology， continuous improvement of data mining technology， teaching management system of each college has stored a large amount of data information. The article mainly researches current situation of teaching evaluation of teachers， mines and analyzes teaching data of teachers with data mining technology based on data mining basic platform of teaching evaluation system，mainly researches? application of data mining technology in teaching evaluation of teachers， to promote teaching quality of colleges， which is of great significance to teaching evaluation of teachers.

【Key words】： Teacher; Teaching evaluation; Data mining

0? 引言

隨著新一代社交網(wǎng)絡(luò)、數(shù)字城市等大規(guī)?；ヂ?lián)網(wǎng)應(yīng)用的迅猛發(fā)展。大數(shù)據(jù)的特點為：（1）彈性服務(wù)。（2）按需服務(wù)。（3）資源池化。（4）服務(wù)可計費。（5）泛在接入。大數(shù)據(jù)主要就是云架構(gòu)計算技術(shù)，并且云架構(gòu)計算是分布式計算、互聯(lián)網(wǎng)技術(shù)以及大規(guī)模資源管理等技術(shù)的發(fā)展與融合，其應(yīng)用和研究涉及資源虛擬化、信息安全、海量數(shù)據(jù)處理等亟待處理的重要問題。隨著科學技術(shù)的快速發(fā)展以及數(shù)據(jù)挖掘技術(shù)的不斷改進，各個學校的教學管理系統(tǒng)中都已存儲了大量的數(shù)據(jù)信息，對存儲的大量的數(shù)據(jù)信息都是進行簡單的數(shù)字處理，不能對這些數(shù)據(jù)進行更深入的研究和分析[1]。

本文主要對目前教師在教學評價中的現(xiàn)狀進行了研究，并以教學評價的體系為數(shù)據(jù)挖掘的基礎(chǔ)平臺，利用數(shù)據(jù)挖掘技術(shù)對教師教學相關(guān)的數(shù)據(jù)進行挖掘和分析，對教師教學評價有重大的意義。

1? 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘主要就是云架構(gòu)計算技術(shù)，并且云架構(gòu)計算是分布式計算、互聯(lián)網(wǎng)技術(shù)以及大規(guī)模資源管理等技術(shù)的發(fā)展與融合，其應(yīng)用和研究涉及資源虛擬化、信息安全、海量數(shù)據(jù)處理等亟待處理的重要問題。數(shù)據(jù)挖掘系統(tǒng)的結(jié)構(gòu)如圖1所示：

數(shù)據(jù)挖掘其可用于發(fā)現(xiàn)的模式類型主要有以下6種：

（1）挖掘中的頻繁項集的關(guān)聯(lián)以及相關(guān)模式。

（2）概念和類相關(guān)的描述，主要包含特征化和區(qū)分兩個方面。

（3）通過聚類對已有的數(shù)據(jù)進行類標記和分析。

（4）對數(shù)據(jù)進行聚類和預(yù)測，通過對比分析建立一個概念模型。

（5）對建立的模型進行演變分析，模擬數(shù)據(jù)的演變過程。

（6）對數(shù)據(jù)中的表現(xiàn)異類的數(shù)據(jù)進行深入的分析，即對離群點進行分析。

2? 利用數(shù)據(jù)挖掘技術(shù)進行教師教學評價研究的流程

Romero等研究學者認為在教師教學評價中數(shù)據(jù)挖掘技術(shù)的應(yīng)用會是一個十分重要的循環(huán)迭代，通過數(shù)據(jù)挖掘技術(shù)將得到的教師教學評價相關(guān)的知識進入評價系統(tǒng)的循環(huán)中，并且通過改進學習系統(tǒng)、支持決策以及改善學習者的學習等過程，而不是簡單的將數(shù)據(jù)轉(zhuǎn)換為教師簡單的評價過程[2-4]。

各個學校的教學管理系統(tǒng)中都已存儲了大量的數(shù)據(jù)信息，對存儲的大量的數(shù)據(jù)信息都是進行簡單的數(shù)字處理，通過對這些數(shù)據(jù)進行更深入的研究和分析，主要對目前教師在教學評價中的現(xiàn)狀進行了研究，并以教學評價的體系為數(shù)據(jù)挖掘的基礎(chǔ)平臺，采用數(shù)據(jù)挖掘技術(shù)對教師教學評價的研究過程中主要的流程包括數(shù)據(jù)收集、確定數(shù)據(jù)挖掘目的、數(shù)據(jù)的挖掘以及模式評估與知識表示等四個部分。數(shù)據(jù)挖掘的過程主要包括以下幾個方面：

（1）根據(jù)已知的條件，確定數(shù)據(jù)挖掘目的。

（2）需要挖掘數(shù)據(jù)的準備，即對數(shù)據(jù)的清洗、數(shù)據(jù)的篩選等步驟。

（3）根據(jù)選定的算法對已有的數(shù)據(jù)進行挖掘。

（4）依據(jù)上述挖掘的結(jié)果，對數(shù)據(jù)挖掘的模式評估與知識進行表示。

大數(shù)據(jù)與實際生產(chǎn)應(yīng)用緊密結(jié)合，并且其研究領(lǐng)域廣泛。通過對已有大數(shù)據(jù)體系結(jié)構(gòu)以及關(guān)鍵技術(shù)的研究，對大數(shù)據(jù)還可以從以下兩個方面進行深入的研究：一方面，通過拓展大數(shù)據(jù)的外沿，比如將大數(shù)據(jù)與移動互聯(lián)網(wǎng)領(lǐng)域以及科學計算相結(jié)合，來拓展新的大數(shù)據(jù)應(yīng)用模式;另一方面，通過討論大數(shù)據(jù)模型的缺陷來挖掘大數(shù)據(jù)的內(nèi)涵，比如以大規(guī)模程序調(diào)試診斷以及端到云的海量數(shù)據(jù)傳輸為例來分析云架構(gòu)技術(shù)面臨的挑戰(zhàn)。

移動互聯(lián)網(wǎng)的飛速發(fā)展極大的豐富了大數(shù)據(jù)的外部應(yīng)用，使得大數(shù)據(jù)和移動互聯(lián)網(wǎng)的聯(lián)系十分密切。由于移動設(shè)備在接入方式上和硬件配置上的特殊性，使得對于大數(shù)據(jù)和移動互聯(lián)網(wǎng)的關(guān)系研究十分重要。下面對移動互聯(lián)網(wǎng)中移動設(shè)備的資源以及網(wǎng)絡(luò)接入問題進行更為深入的探討[5-6]。

2.1? 有限的移動設(shè)備資源

往往需要在瀏覽器端解釋的如JavaScript、Ajax等執(zhí)行腳本程序才能訪問基于Web門戶的大數(shù)據(jù)服務(wù)，這樣會消耗較多的移動設(shè)備的計算能源與資源，并且移動設(shè)備運行平臺具有更新速度快以及種類繁多等特點，從而為移動設(shè)備定制客戶端成為不可能的事件。因此，為大數(shù)據(jù)平臺設(shè)計相對應(yīng)的訪問接口非常迫切。

2.2? 網(wǎng)絡(luò)接入問題

應(yīng)用需求動態(tài)的調(diào)整系統(tǒng)規(guī)模，使得系統(tǒng)的運行成本降低，對于大數(shù)據(jù)的分布式應(yīng)用，開發(fā)者需要考慮資源回收以及動態(tài)分配的問題，但這個過程很容易發(fā)生死鎖、資源泄露等問題。同時上述大規(guī)模各領(lǐng)域的應(yīng)用對于大數(shù)據(jù)平臺的搭建帶來了難題，因為其使得大數(shù)據(jù)平臺的搭建過程更為繁瑣和復(fù)雜。因此，需要不斷開發(fā)新的應(yīng)用模型以及適合大數(shù)據(jù)的實用工具來解決這些問題顯得更為迫切。

3? 支持向量機SVM算法在教師教學評價中的應(yīng)用

3.1? 支持向量機SVM算法

3.2? 支持向量機SVM算法在教師教學評價中的應(yīng)用

在應(yīng)用數(shù)據(jù)挖掘技術(shù)進行教師教學評價研究的過程中，本文在實驗過程中使用Weka中的J48聚類器進行教師測評結(jié)果信息表的挖掘，詳細過程為：

（1）啟動軟件進入Explorer界面，打開己經(jīng)進行預(yù)處理（離散化）后的數(shù)據(jù)表格，選擇preprocess選項卡，觀察數(shù)據(jù)表中數(shù)據(jù)情況，其中包含625條數(shù)據(jù)信息，4個屬性，具體如圖2所示。

在結(jié)果窗口中單擊右鍵，可以看到支持向量機SVM算法在教師教學評價中的應(yīng)用的圖像，能夠?qū)垲惤Y(jié)果一目了然，本文方法對目前教師在教學評價中的現(xiàn)狀進行了研究，并以教學評價的體系為數(shù)據(jù)挖掘的基礎(chǔ)平臺，利用數(shù)據(jù)挖掘技術(shù)對教師教學相關(guān)的數(shù)據(jù)進行挖掘和分析具有很好的效果[7-9]。

4? 總結(jié)

科學技術(shù)的快速發(fā)展以及數(shù)據(jù)挖掘技術(shù)的不斷改進，各個學校的教學管理系統(tǒng)中都已存儲了大量的數(shù)據(jù)信息，對存儲的大量的數(shù)據(jù)信息都是進行簡單的數(shù)字處理[10-13]，通過對這些數(shù)據(jù)進行更深入的研究和分析，主要對目前教師在教學評價中的現(xiàn)狀進行了研究，并以教學評價的體系為數(shù)據(jù)挖掘的基礎(chǔ)平臺，利用數(shù)據(jù)挖掘技術(shù)對教師教學相關(guān)的數(shù)據(jù)進行挖掘和分析，對教師教學評價有重大的意義。

參考文獻

毛伊敏， 彭喆， 陳志剛， 等. 基于不確定決策樹聚類算法在滑坡危險性預(yù)測的應(yīng)用[J]. 計算機應(yīng)用研究， 2014， 31（12）： 3646-3650.

彭喆. 基于不確定的數(shù)據(jù)挖掘聚類算法在滑坡災(zāi)害預(yù)測的應(yīng)用[D]. 江西理工大學， 2015.

Han J， Kamber M. 數(shù)據(jù)挖掘概念與技術(shù)[M]. 范明， 孟小峰， 譯. 北京： 機械工業(yè)出版社， 2001.

劉述昌， 張忠林. 基于中心向量的多級聚類KNN算法研究[J]. 計算機工程與科學， 2017， 39（9）： 1758-1764.

Fabrizio S. Machine learning in automated text categori zation[J]. ACM Computing Surveys， 2002， 34（1）： 1-47.

Romdhani S， Torr P， Scholkopf B， et al. Efficient face detection by a cascaded support-vector machine expansion[J]. Pattern Recognition， 2004， 3175： 62-70.

Chen Guang-xi， Xu Jian， Cheng Yan. Cluster method of support vector machine to solve large-scale data set classi fication[J]. Computer Science， 2009， 36（3）： 184-188. （in Chinese）.

García V， Alejo R， Sánchez J S， et al. Combined effects of class imbalance and class overlap on instance-based classifi cation[A] // Intelligent Data Engineering and Auto mated Learning–IDEAL 2006[M]. Berlin， Heidelberg： Springer， 2006： 371-378.

Xia Zhan-guo， Xia Shi-xiong， Cai Shi-yu， et al. Semi-Supervised gaussian process classification algorithm addressing the class imbalance [J]. Journal on Communi cations， 2013， 34（5）： 42-51.

Cao Yong. Research of chinese web text classification[D]. Xiamen： Xiamen University， 2007. （in Chinese）.

GILLEN A， BROUSSARD F W， PERRY R， et al. Optimizing infra- structure： the relationship between it labor costs and best practices for managing the windows desktop[EB/OL]. http： //download. microsoft. com/ download/a/4/4/a4474b0c- 57d8-41a2-afe6-32037fa93ea6/IDC_windesktop_IO_whitepaper. pdf 2007.

MELL P， GRANCE T. The NIST Definition of Cloud Computing[R]. National Institute of Standards and Tech nology， 2011.

卓廣平. 高效數(shù)據(jù)挖掘算法在大規(guī)模數(shù)據(jù)集中的應(yīng)用研究[J]. 軟件， 2014， 35（08）： 72-74.