祁瑞麗，郭學(xué)濤，孟軍英，李 瑗

（1.石家莊學(xué)院 計(jì)算機(jī)科學(xué)與工程學(xué)院，河北 石家莊 050035；2.中國(guó)電信集團(tuán)有限公司石家莊分公司，河北 石家莊 050000）

0 引言

教學(xué)評(píng)價(jià)是衡量高校教學(xué)質(zhì)量的重要指標(biāo)，也是教學(xué)環(huán)節(jié)的基礎(chǔ)組成部分，關(guān)系到學(xué)生學(xué)習(xí)效果和就業(yè)質(zhì)量.當(dāng)前的教學(xué)質(zhì)量評(píng)價(jià)大多按照以下程序展開：首先教學(xué)主管部門結(jié)合本校實(shí)際制定評(píng)價(jià)指標(biāo)和評(píng)價(jià)權(quán)重，然后通過網(wǎng)絡(luò)對(duì)評(píng)價(jià)量表進(jìn)行逐項(xiàng)打分，最后，教務(wù)部門根據(jù)網(wǎng)絡(luò)評(píng)分劃分教學(xué)質(zhì)量考核等級(jí)，并以此作為重要參考對(duì)教師進(jìn)行評(píng)優(yōu)評(píng)先和年度考核.通常，評(píng)價(jià)主體采用多元化方式，包括學(xué)生評(píng)價(jià)、同行互評(píng)、專家評(píng)價(jià)等[1-4]，各個(gè)評(píng)價(jià)部分按重要程度占有不同的比例.網(wǎng)絡(luò)系統(tǒng)評(píng)分后，如何合理地利用數(shù)據(jù)挖掘技術(shù)對(duì)大量的評(píng)教數(shù)據(jù)進(jìn)行處理和分析，尋找其背后隱藏的有價(jià)值信息，更好地為教師和教學(xué)管理部門服務(wù)，已成為亟待解決的問題[5-7].

本研究首先對(duì)評(píng)價(jià)的原始數(shù)據(jù)進(jìn)行預(yù)處理，然后選擇關(guān)聯(lián)規(guī)則作為數(shù)據(jù)挖掘算法，找出教師信息和課程信息與教學(xué)評(píng)價(jià)結(jié)果之間的隱藏聯(lián)系，發(fā)現(xiàn)提高教學(xué)質(zhì)量的相關(guān)因素，為今后的課程設(shè)置和教學(xué)改革提供思路和方法.

1 關(guān)鍵技術(shù)與方法

1.1 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘是從大量、未經(jīng)清洗、隨機(jī)的數(shù)據(jù)中，抽取出蘊(yùn)含在其中隱含著有實(shí)用價(jià)值的信息和知識(shí)的過程[8].數(shù)據(jù)挖掘系統(tǒng)利用所挖掘的知識(shí)類型分類包括：關(guān)聯(lián)和相關(guān)分析、分類、預(yù)測(cè)、聚類等[9].

1.2 關(guān)聯(lián)規(guī)則挖掘

關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的一種重要方法，該算法從大規(guī)模數(shù)據(jù)集中尋找項(xiàng)間的隱含關(guān)系.關(guān)聯(lián)規(guī)則挖掘的主要步驟為：

1）找出所有滿足最小支持度的頻繁項(xiàng)集；

2）找出滿足最小支持度和最小置信度的頻繁項(xiàng)集，并產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則.

關(guān)于支持度和置信度有如下定義：

假設(shè)I={I1，I2，…，I m}是項(xiàng)的集合.設(shè)數(shù)據(jù)庫D={T1，T2，…，T n}是數(shù)據(jù)庫事務(wù)的集合，其中每個(gè)事務(wù)T i（1＜=i＜=n）是項(xiàng)的集合，使得T i?I.每個(gè)事務(wù)有一個(gè)唯一標(biāo)識(shí)符TID.關(guān)聯(lián)規(guī)則是形如A=＞B的蘊(yùn)涵式，其中 A?I，B?I，且 A∩B=?.

1）支持度：稱D中事務(wù)包含A∪B的百分比為規(guī)則A=＞B的支持度support，即概率P（A∪B）.因此有式（1）成立：

2）置信度：稱D中包含A的事務(wù)同時(shí)也包含B的百分比為規(guī)則A=＞B的置信度confidence，即條件概率P（B|A）.因此有式（2）成立：

通常用百分比表示支持度和置信度，二者的閾值由用戶或領(lǐng)域?qū)＜以O(shè)定[10].若一個(gè)規(guī)則既滿足最小支持度閾值又滿足最小置信度閾值，則稱其為強(qiáng)關(guān)聯(lián)規(guī)則.

最常用的關(guān)聯(lián)規(guī)則挖掘算法是Aprioir算法.該算法掃描數(shù)據(jù)庫，搜索滿足最小支持度的項(xiàng)，并找出頻繁項(xiàng)的集合.算法多次迭代執(zhí)行，直到不能再找到頻繁K項(xiàng)集為止[10].

2 關(guān)聯(lián)規(guī)則挖掘在教學(xué)評(píng)價(jià)中的應(yīng)用

將關(guān)聯(lián)規(guī)則挖掘技術(shù)應(yīng)用到教學(xué)評(píng)價(jià)分析中，試圖發(fā)現(xiàn)教師信息、課程信息與教學(xué)評(píng)價(jià)結(jié)果之間的關(guān)聯(lián)性，以便進(jìn)一步提高教學(xué)質(zhì)量，服務(wù)于教學(xué)管理.

2.1 數(shù)據(jù)清理和數(shù)據(jù)集成

為了去掉數(shù)據(jù)中的噪聲和不一致，提高挖掘結(jié)果的質(zhì)量，采用數(shù)據(jù)清理技術(shù)對(duì)源數(shù)據(jù)進(jìn)行處理.本研究提取石家莊學(xué)院計(jì)算機(jī)學(xué)院2014～2018年的學(xué)生評(píng)價(jià)數(shù)據(jù)作為源數(shù)據(jù)，對(duì)其中的不完整、噪聲和不一致進(jìn)行消除處理，然后采用數(shù)據(jù)集成方法，將教師信息表、課程信息表和教學(xué)評(píng)價(jià)信息表整合到一起，并對(duì)用戶敏感信息做刪除處理，對(duì)教師工號(hào)和課程代碼做簡(jiǎn)化處理，部分整合后的數(shù)據(jù)如表1所示.

2.2 數(shù)據(jù)轉(zhuǎn)換

為了提高數(shù)據(jù)挖掘過程的精度和性能[10]，首先要對(duì)原始數(shù)據(jù)進(jìn)行必要的轉(zhuǎn)換.結(jié)合上述原始數(shù)據(jù)特點(diǎn)及數(shù)據(jù)轉(zhuǎn)換方法，對(duì)數(shù)值型數(shù)據(jù)主要采用數(shù)據(jù)泛化的辦法，將原本分散的數(shù)值映射到特定的區(qū)間和范圍內(nèi).對(duì)文本型數(shù)據(jù)如職稱，則進(jìn)行離散化處理，將其劃分為不同的類別標(biāo)識(shí).

具體轉(zhuǎn)換方法：將年齡分為 4 組：A1［28，35］，A2［36，43］，A3［44，51］，A4［52，59］；評(píng)定分?jǐn)?shù)分為 4 組：S1［87，90］，S2［91，92］，S3［93，95］，S4［96，98］；職稱劃分為 4 組：L1 初級(jí)，L2 中級(jí)，L3 副高，L4 正高；對(duì)學(xué)生人數(shù)進(jìn)行離散化處理，評(píng)價(jià)人數(shù)分為 4 組：N1［10，50］，N2［51，100］，N3［101，150］，N4［151，350］；教師學(xué)位劃分為學(xué)士，碩士，博士3個(gè)等級(jí).

表1 部分教學(xué)評(píng)價(jià)信息

2.3 關(guān)聯(lián)規(guī)則挖掘分析

將處理后的教學(xué)評(píng)價(jià)數(shù)據(jù)作為源數(shù)據(jù)，采用數(shù)據(jù)挖掘工具SPSS Modeler，基于Aprioir算法進(jìn)行數(shù)據(jù)建模，設(shè)置支持度和置信度閾值，尋找滿足條件的頻繁項(xiàng)集，分析評(píng)價(jià)等級(jí)相關(guān)因素與結(jié)果之間的內(nèi)在聯(lián)系.

2.3.1 學(xué)生人數(shù)與評(píng)價(jià)等級(jí)之間的關(guān)系

設(shè)置數(shù)據(jù)流如圖1所示.利用Aprioir算法，對(duì)授課班級(jí)人數(shù)和教學(xué)評(píng)價(jià)等級(jí)進(jìn)行關(guān)聯(lián)分析，得到學(xué)生人數(shù)和評(píng)價(jià)等級(jí)的支持度和置信度. 假設(shè)最小支持度為10%，最小置信度為45%，得到學(xué)生人數(shù)和評(píng)價(jià)等級(jí)的頻繁項(xiàng)集（表2）

圖1 數(shù)據(jù)流圖

從表2可以看出，授課班級(jí)人數(shù)在151～350人時(shí)，評(píng)價(jià)等級(jí)處于91～92分的支持度和置信度分別為10.87%和80.0%；學(xué)生人數(shù)在51～100人時(shí)，評(píng)價(jià)等級(jí)為93～95分的支持度為39.13%，置信度為47.22%.

2.3.2 教師年齡與評(píng)價(jià)等級(jí)之間的關(guān)系

以教師年齡作為輸入項(xiàng)，評(píng)價(jià)等級(jí)作為目標(biāo)項(xiàng)，得到教師年齡和評(píng)價(jià)等級(jí)之間的支持度和置信度.設(shè)置最小支持度10%，最小置信度40%，得到教師年齡與評(píng)價(jià)等級(jí)的頻繁項(xiàng)集（表3）.

由表3可知，當(dāng)教師年齡處于28～35歲時(shí)，評(píng)價(jià)等級(jí)處于91～92分的支持度為16.30%，置信度為53.33%；當(dāng)教師年齡處于44～51歲時(shí)，評(píng)價(jià)等級(jí)處于96～98分的支持度和置信度分別為17.39%和43.75%；當(dāng)教師年齡處于36～43歲時(shí)，評(píng)價(jià)等級(jí)處于93～95分的支持度為57.61%，置信度為43.40%.

2.3.3 教師職稱與評(píng)價(jià)等級(jí)之間的關(guān)系

以教師職稱作為輸入項(xiàng)，評(píng)價(jià)等級(jí)作為目標(biāo)項(xiàng)，得到教師職稱和評(píng)價(jià)等級(jí)之間的支持度和置信度.假設(shè)最小支持度20%，最小置信度40%，得到教師職稱與評(píng)價(jià)等級(jí)的頻繁項(xiàng)集（表4）.

由表4可以看出，教師職稱為中級(jí)時(shí)，評(píng)價(jià)等級(jí)在93～95分的支持度為48.91%，置信度為40.0%；教師職稱為副高，評(píng)價(jià)等級(jí)在93～95分的支持度和置信度分別為27.17%和44.0%.職稱為副高，評(píng)價(jià)等級(jí)在93～95分的支持度和置信度分別為27.17%和44.0%.

表2 學(xué)生人數(shù)和評(píng)價(jià)等級(jí)的頻繁項(xiàng)集

表3 教師年齡與評(píng)價(jià)等級(jí)的頻繁項(xiàng)集

表4 教師職稱與評(píng)價(jià)等級(jí)的頻繁項(xiàng)集

3 結(jié)論

根據(jù)以上數(shù)據(jù)相關(guān)性分析結(jié)果，得出如下結(jié)論：

1）授課班級(jí)的學(xué)生人數(shù)對(duì)評(píng)價(jià)結(jié)果有重要影響，二者之間大致呈反比關(guān)系.學(xué)生人數(shù)較少時(shí)，教學(xué)評(píng)價(jià)等級(jí)較高；反之，則教學(xué)評(píng)價(jià)等級(jí)較低.由此可見，授課班級(jí)人數(shù)會(huì)影響到教學(xué)效果與學(xué)習(xí)質(zhì)量，人數(shù)超過一定數(shù)量就會(huì)影響授課方式、教學(xué)組織、課堂互動(dòng)、作業(yè)批改和輔導(dǎo)答疑，造成學(xué)習(xí)體驗(yàn)和學(xué)習(xí)效果的下降.因此，學(xué)院今后在安排課程時(shí)，要想提高整體教學(xué)質(zhì)量，就應(yīng)倡導(dǎo)小班授課模式，積極探索人數(shù)較多的公共基礎(chǔ)課和公選課的教學(xué)方法.

2）教師年齡與評(píng)價(jià)等級(jí)之間大致呈反比關(guān)系.年齡為44～51歲的教師，教學(xué)評(píng)價(jià)為96～98分的概率較大；年齡為28～35歲的教師，教學(xué)評(píng)價(jià)為91～92分的概率較大.學(xué)校應(yīng)加大對(duì)青年教師的培養(yǎng)力度，為其提供培訓(xùn)和學(xué)習(xí)的機(jī)會(huì)，充分發(fā)揮老教師的優(yōu)勢(shì)，形成青年教師導(dǎo)師制，以盡快提高青年教師業(yè)務(wù)能力和專業(yè)素養(yǎng).

3）教師職稱與評(píng)價(jià)等級(jí)之間沒有直接相關(guān)性.無論職稱如何，都不影響教師教學(xué)的積極性.

4 結(jié)束語

教學(xué)效果關(guān)系到學(xué)生的成長(zhǎng)和發(fā)展，對(duì)高校人才培養(yǎng)的質(zhì)量起著關(guān)鍵作用.本研究采用關(guān)聯(lián)規(guī)則挖掘技術(shù)對(duì)教學(xué)評(píng)價(jià)數(shù)據(jù)進(jìn)行建模和分析，為高校的教學(xué)組織、人才引進(jìn)和教師培訓(xùn)等管理工作提供思路.進(jìn)一步結(jié)合課程性質(zhì)、專業(yè)特點(diǎn)及學(xué)生情感因素等挖掘評(píng)價(jià)數(shù)據(jù)，以及分析評(píng)價(jià)指標(biāo)的維度和權(quán)重設(shè)置，以制定具有個(gè)性化的評(píng)價(jià)系統(tǒng)，是未來研究的重要方向.