陳晨

(陜西工業(yè)職業(yè)技術(shù)學(xué)院， 馬克思主義學(xué)院， 陜西， 咸陽 712000)

0 引言

學(xué)校思政課的核心是幫助學(xué)生堅定理想信念，樹立正確人生觀和價值觀，在學(xué)生成長過程中發(fā)揮重要指導(dǎo)作用[1]。為獲得有效的評估結(jié)果，需要建立思政教師教學(xué)能力評估模型。國外學(xué)者大多從教師人格因素和有效教學(xué)2個方面進(jìn)行研究，而四五千年前的學(xué)者則主要從教師的聲音、外表、熱情、信任等方面進(jìn)行研究。文獻(xiàn)[2]制定出教師教學(xué)能力評價的因素集，分解后得到能力層次結(jié)構(gòu)圖，通過各要素的隸屬關(guān)系最終確定8個核心要素，以此作為教學(xué)評價指標(biāo)。文獻(xiàn)[3]利用灰色關(guān)聯(lián)分析法構(gòu)建績效評價模型，經(jīng)過指標(biāo)權(quán)重優(yōu)化后，評價結(jié)果更加客觀準(zhǔn)確。此外，評估方法也含有定量分析的內(nèi)容，但只是指標(biāo)因素與教師教學(xué)能力之間簡單的線性統(tǒng)計關(guān)系，缺少高精度評價結(jié)果。數(shù)據(jù)挖掘技術(shù)是從數(shù)據(jù)庫中提取潛在信息，在沒有先驗規(guī)則的前提下，深入挖掘數(shù)據(jù)價值[4]。目前，數(shù)據(jù)挖掘應(yīng)用范圍非常廣泛，在多個領(lǐng)域都做出巨大貢獻(xiàn)[5]。因此，本文基于數(shù)據(jù)挖掘，設(shè)計思政教師教學(xué)能力評估模型，在大數(shù)據(jù)支持下提高思政教師教學(xué)能力定量評估的可靠性和有效性。

1 基于數(shù)據(jù)挖掘的思政教師教學(xué)能力評估模型

1.1 劃分思政教師教學(xué)能力聚類

本次構(gòu)建的思政教師教學(xué)能力模型指標(biāo)，主要從課前、課中和課后3個方面進(jìn)行選取[6-7]。根據(jù)屬性距離計算聚類相似性，按照相似性將剩余數(shù)據(jù)樣本歸類到初始中心，進(jìn)而得到具有相似性的聚簇。重復(fù)上述聚類過程，直至標(biāo)準(zhǔn)函數(shù)收斂，計算式為

(1)

式中，B表示標(biāo)準(zhǔn)函數(shù)，ai表示數(shù)據(jù)樣本，ck表示聚類初始中心，k表示聚類中心個數(shù)。對于聚類算法而言，選擇合適的聚類數(shù)是算法的中心環(huán)節(jié)，只有選擇最佳聚類數(shù)，才能最大程度實現(xiàn)聚類結(jié)果的相似度，以此為基礎(chǔ)開展分析研究[8]。本次模型設(shè)計利用輪廓系數(shù)，選擇最佳聚類數(shù)。輪廓系數(shù)的計算式為

(2)

式中，λi表示輪廓系數(shù)，d1表示凝聚度，為同一聚簇樣本到其他樣本的平均距離，d2表示分離度，為不同聚簇樣本到所有樣本的平均距離。d1越小，則樣本聚簇性越好；d2越小，則樣本聚簇性越差。根據(jù)式(2)計算得到所有λi，再對λi取平均值，得到平均輪廓系數(shù)，

(3)

式中，λk表示平均輪廓系數(shù)，s表示樣本數(shù)量。理論上，λi取值范圍為(1，-1)，λk越接近1，則樣本的聚類分簇越合理；反之，λk越接近-1，則說明分簇越不合理；若λk接近于0，則認(rèn)為當(dāng)前樣本位于2個聚簇的邊界。通過上述判斷方式，可以得到最大λk時的k值為最佳聚類數(shù)。在確定最佳聚類數(shù)的基礎(chǔ)上，進(jìn)一步得到最大迭代次數(shù)，其過程可表示為

|Bn-Bn-1|<ε

(4)

式中，Bn和Bn-1分別表示最大迭代次數(shù)n與前一次n-1的標(biāo)準(zhǔn)函數(shù)，ε表示極小數(shù)。當(dāng)?shù)螖?shù)滿足上述條件時，則說明迭代達(dá)到最大值，此時輸出結(jié)果為最佳聚類數(shù)k的迭代終止結(jié)果[9]。利用迭代終止時輸出的結(jié)果，完成對思政教師教學(xué)能力聚類的劃分，以此為分析數(shù)據(jù)挖掘關(guān)聯(lián)的能力評估指標(biāo)。

1.2 基于數(shù)據(jù)挖掘關(guān)聯(lián)能力評估指標(biāo)

根據(jù)思政教師教學(xué)能力評估指標(biāo)的特點，本次模型設(shè)計利用數(shù)據(jù)挖掘技術(shù)的關(guān)聯(lián)規(guī)則算法，建立各評估指標(biāo)與思政教師教學(xué)能力的關(guān)系規(guī)則[10-11]，比較最小支持度閾值并進(jìn)行項集連接，記錄所有候選項集的支持度，支持度的計算公式為

(5)

式中，SUP(H→G)表示數(shù)據(jù)H、G關(guān)聯(lián)性的支持度，P(H∪G)表示H、G同時發(fā)生的概率，n表示總事務(wù)數(shù)量。根據(jù)候選項集支持度，逐層搜索并依次進(jìn)行迭代，遍歷所有項集，直至不在產(chǎn)生更大的頻繁項集[12]。在數(shù)據(jù)集中找出頻繁項集后，直接根據(jù)最小置信度閾值制定關(guān)聯(lián)規(guī)則，置信度的計算公式為

(6)

式中，CON(H→G)表示數(shù)據(jù)H、G關(guān)聯(lián)性的置信度，P(H∪G)含義與式(5)相同，P(H)表示H發(fā)生的概率。利用能力評估指標(biāo)屬性及其變化范圍，確定數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則，從中選取置信度高的關(guān)聯(lián)規(guī)則結(jié)果，以此確定各評估模型對教學(xué)能力的影響程度。

1.3 構(gòu)建教學(xué)能力評估模型

為更好地確定各基礎(chǔ)因素的權(quán)重關(guān)系，利用一致矩陣兩兩比較相同層次的因素，減少因性質(zhì)不同而帶來的比較性差異[14]。假設(shè)因素x比因素y更為重要，則比較結(jié)果表示為βxy；反之，因素y比因素x更為重要，則比較結(jié)果表示為βyx，則有：

(7)

式中，βyx表示最小特征值，各因素兩兩比較結(jié)果構(gòu)成判斷矩陣，經(jīng)一致性檢驗后才可進(jìn)行權(quán)重計算[15]。首先實施層次單排序，計算每一層次因素相對于前一層的權(quán)重向量，記為ω。將ω帶入判斷矩陣α，得到最大特征根，計算公式為

(8)

式中，γmax表示最大特征根，m表示判斷矩陣階數(shù)，(α)i表示判斷層次數(shù)，(ω)i表示聚類指數(shù)。利用γmax計算一致性指標(biāo)與比例，公式為

(9)

式中，CONI表示一致性指標(biāo)，CONR表示一致性比例，u表示平均隨機(jī)一致性，取值與階數(shù)m有關(guān)。經(jīng)過一致性檢驗后，對所有因素實施層次總排序，得到整個評估模型的權(quán)重。綜合上述過程，完成對思政教師教學(xué)能力評估模型的設(shè)計。

2 實驗研究

為了分析基于數(shù)據(jù)挖掘的思政教師教學(xué)能力評估模型的有效性，與現(xiàn)有模型進(jìn)行對比，測試模型應(yīng)用效果。

2.1 實驗準(zhǔn)備

首先搭建實驗分析平臺，具體參數(shù)和配置如表1所示。

表1 思政教師教學(xué)能力評估的實驗分析平臺

本次實驗中聚類數(shù)k與λk表示平均輪廓系數(shù)的關(guān)系。確定各聚類的教學(xué)能力值，如圖1所示。

圖1 不同聚類教學(xué)能力比較

根據(jù)不同聚類的教學(xué)能力，進(jìn)一步分析能力指標(biāo)的影響強度，確定各評估指標(biāo)的權(quán)重。

2.2 思政教師教學(xué)能力評估效果測試

為了分析基于數(shù)據(jù)挖掘的思政教師教學(xué)能力評估模型的優(yōu)勢，與現(xiàn)有評估模型進(jìn)行對比，計算每所學(xué)校思政教師教學(xué)能力的評估精度。通常情況下α取值為1，此時對精確率和召回率的重視程度相同，即F1值越大，模型越有效。不同模型的測試結(jié)果見表2。

表2 模型F1值對比結(jié)果

根據(jù)表2的模型對比結(jié)果，此次設(shè)計模型在精確率和召回率上均具有一定優(yōu)勢。進(jìn)一步比較F1值，基于數(shù)據(jù)挖掘構(gòu)建的模型的F1值為0.935，比現(xiàn)有模型高出0.094和0.085，證明模型輸出結(jié)果的精度較高，具有較好的質(zhì)量，評估效果得到改善。

3 總結(jié)

本次研究基于數(shù)據(jù)挖掘設(shè)計思政教師教學(xué)能力評估模型，實驗結(jié)果表明提高了模型精度，獲得更好的評估結(jié)果。本研究的創(chuàng)新之處在于主要從思政教師自身能力的角度對模型進(jìn)行設(shè)計，還存在進(jìn)一步發(fā)展空間，未來研究可擴(kuò)大指標(biāo)選取范圍，例如從學(xué)生評價等方面完善評估指標(biāo)，提高模型評價質(zhì)量。