原创数据挖掘在独立院校教师评估机制中的应用研究.doc

摘要：高等院校的教学质量评估已成为教学过程中不可或缺的重要环节。该文以独立学院近两年的教学评估数据为实例，运用分析数据软件、数据挖掘软件对教师教学评估数据进行了数据分析与数据挖掘。在深入研究数据挖掘理论的基础上，提出一种分析挖掘教学质量评估数据的新模式，得到影响教师教学质量的主要指标。 中国论文网 关键词：教学质量评估；数据挖掘；偏相关分析法 中图分类号：TP274文献标识码：A文章编号：1009-3044(2012)10-2172-03 The Application Research of Data Mining in Teaching Evaluation of Independent Colleges WU Ya-li1, YAN Xiao-liang2, YANG Dong-ying1 (1.Business College of Shanxi University, Taiyuan 030031, China; 2. Information Center of Certification and Accreditation Administration of the Peoples Republic, Beijing 100020, China) Abstract: It become more and more important to the teaching quality evaluation of the university. At first, in this paper we are based on teaching evaluation data of the independent college, analysis and mining the data of evaluation with the software of data analysis and data mining software. then we study the theory of data mining and give a new analysis mode of the data mining of teaching quality evaluation. As a result,we get main factor about teachers teaching quality. Key words: teaching quality evaluation; data mining; partial correlation; linear regression 近些年来，我国独立学院的发展为扩大高等教育资源和高校办学规模发挥了不可忽视的作用。独立院校侧重于课堂与实践教学，因此，教学评估是衡量高校教学质量的重要指标。然而，现在高校教学质量评估系统还存在诸多问题。多年来的教学和管理工作积累了海量的数据，但目前对这些数据的处理还停留在数据的统计和查询阶段。怎样能更好的利用这些数据，如何对数据进行深入分析，分析的结果对教师教学工作以提供哪些更有价值的建议是目前我们要解决的主要问题。 该文以独立学院近年来的教学评估数据为例，运用分析数据软件(SPSS)、数据挖掘软件(WeKa)对教师教学评估数据进行了数据分析与数据挖掘。在深入研究数据挖掘理论的基础上，提出一种分析挖掘教学质量评估数据的新模式。实验结果表明，该模式效果良好，有利于教学质量的提高。 1数据挖掘技术 最初数据挖掘研究的目的很大程度上是基于对市场购物篮的分析，以便管理者能更好的了解市场情况，从而针对消费者采取更有效的措施。 数据挖掘(Data Mining)1，也叫数据开采，数据采掘等，是按照既定的业务目标从海量数据中提取出潜在、有效并能被人理解的模式的高级处理过程。在较浅的层次上，它利用现有数据库管理系统的查询、检索及报表功能，与多维分析、统计分析方法相结合，进行联机分析处理(OLAP)，从而得出可供决策参考的统计分析数据。在深层次上，则从数据库中发现前所未有的、隐含的知识 2应用研究 2.1确定挖掘对象、目标 确定数据挖掘的目标，确定数据挖掘的对象是数据挖掘的首要工作。该文中数据挖掘对象是独立学院教师基础信息和教学评估数据。本系统的挖掘目标是从已有教学评估指标中找出对教学评估结果影响比较大的因素，运用合理的指标模型对教师教学质量进行深入分析，最终以达到提高教学质量的目的。 2.2建立数据挖掘库 2.2.1数据采集 1）教师基本信息 数据结构如下：教师号（TNo）、性别(Sex)、年龄(Age)、职称(ProfeTitle)、学历(Education)、是否专职(Ext_Full)。 2）课程与教师评估信息 内容主要包括对课程本身和教师教学方面的评估。其中评价课程的目的是评价课程设置的必要性、合理性及教材的质量；评价教师设置了教学态度（E_Tea1,E_Tea2,E_Tea4）、教学内容(E_Tea5, E_Tea9)、教学方法(E_Tea7, E_Tea8)、教学手段(E_Tea3, E_Tea6)、教学效果(E_Tea10)等十个条目，目的是评价教师的课堂教学质量。均采取量化评价的方法,数据结构表如表1： 表1课程与教师评估信息数据结构 其中课程评价总分100分，共4项，每项25分；教师评价总分100分，共10项，每项10分。课程评价和教师评价均分四个等级，并设置了A、B、C、D四个级差，其权重依次为0.95、0.7、0.6、0.4。评价总分按照公式M=KiMi计算得到课程评估结果(E_CourReault）和教师评估结果(E_TeaResult)，其中Ki为第i个条目的权重；Mi为第i个条目的分值。 2.2.2数据挖掘库的建立 数据预处理包括数据挖掘库的建立、数据分析、数据转换。数据预处理的目标是将数据进行转化，然后在数据集中剔除不合理的信息，整合成能被数据挖掘算法利用的数据，最终存入数据挖掘库。 该文运用一定的数据分析方法和数据挖掘技术进行数据分析挖掘。首先，为收集数据并建立数据库。数据来源为的“教师基本信息库”，“教学评估数据库”。其次是教学评估数据分析，是在以上两个数据库的基础上按照需求进行关联，涉及了四个数据表：Tea_info(教师信息表)、Cour_Standard(课程指标信息表)、Tea_Standard(教师指标信息表)，Eva_reault(评估结果表)，其中，Eva_reault是教学体系指标编号和教师编号的关联表.有这些表生成数据挖掘库。主要字段包括：教师号、性别、年龄、职称、学历、是否专职、课程评价、教师评价、评估结果等字段。 2.3数据预处理 数据分析的目的是筛选出对评估结果影响较小的指标，进一步缩小对评估结果影响的范围。 偏相关分析2(Partial)是研究两个变量的相关性的一种方法，为了找出任意两个变量之间的关系，首先要控制与这两个变量有联系的其它变量，使其保持不变.在分析中，当其它变量被固定后，给定的任意两个变量之间的相关系数，叫偏相关系数5，它表示在其余变量保持不变时，这两个变量之间的相依程度。 偏相关系数可以度量P个变量x1, x2xp之中任意两个变量的线性相关程度，而这种相关程度是在固定其余P-2个变量的影响下的线性相关。 相关系数可以度量两个变量x1, x2之间的线性关系的程度.表达式为： 偏相关系数反映了相依关系中变量之间的相互重要性，如果x1和x2之间的相关性只是基于x3的公共影响，那么r123,0。这也可以看成在消去干涉变量后显示出来的相关性。 要确定各影响因素与教学评估结果的相关程度，首先要确定一个变量来衡量教师教学质量，评估结果就是衡量教师教学质量的变量。然后计算出所有影响因素与教学质量的偏相关系数，从而剔除掉对教学质量效果影响较小的因素。 由偏相关分析可以得到属性之间的变量值，其中每个变量对应的三个属性值依次为：偏相关系数，实际显著性概率，自由度数。其中，偏相关系数代表的是关系的密切程度，实际显著性概率是使因子与教学评估结果之间的相关系数为零的假设成立的概 率，自由度数即计算时的自由度数。其中，E_Tea4与E_TeaResult的关系是最密切的，相关系数为0.691，显著性水平为0；其次是E_Tea6，相关系数为0.651,显著性水平为0；下来是E_Tea2，相关系数为0.599，显著性水平为0。 分析表明影响教学评估结果的主要因素,在偏相关分析的基础上去掉了Sex、Age、Education、ProfeTitle E_Cour1、E_Cour2、E_Cour3、E_Cour4、E_CourReault、E_Tea3、E_Tea8、E_Tea9和,这些相对影响不大的因素。 2.4数据挖掘 在偏相关分析的基础上，采用WeKa的序列挖掘模式，支持度为70%，程序给出E_TeaResult与Ext_Full、E_Tea1、E_Tea2、E_Tea4、E_Tea5、E_Tea6、E_Tea7和E_Tea10之间线性依存关系，如图1： 图1评估指标依存关系图 结果表明： 1）教学态度对于教师的质量评估起着至关重要的作用，因此，首先要端正教师的教学态度，充分认识到自己的职责和作用，发挥教师的主人翁精神，投入到教学工作中去，在学生中建立自己的威信。 2）在大力倡导素质教育的今天，教师除完成教学任务外，还要注重与在课堂上学生交流互动，进行心与心的沟通，这是一种必不可少的教育方法。 3）在大力倡导素质教育的今天，教师除完成教学任务外，还要注重与在课堂上学生交流互动，进行心与心的沟通，这是一种必不可少的教育方法。 4）独立学院是以培养实践人才为主教育模式，其次，枯燥的理论知识无法引起学生浓厚的兴趣。因此，案例教学，将理论与实践教学相结合，可以得到更好的教学效果。 5）不可以否认，兼职教师在独立学院发展过程中很大程度上缓解了独立学院师资紧缺矛盾，但他们毕竟精力有限，更重要的是多数兼职教师缺乏主人翁责任感，对教学采取应付或敷衍的态度，他们的教学方式可能从某种角度来说不适合独立学院学生的发展。因此，学校必须加强师资队伍建设，培养适合于自己发展的教师。 3结束语 该文基于独立院校教学评估数据，运行数据分析和挖掘技术，将教学评估结果运用偏相关分析方法进行数据分析，采用序列模式挖掘出影响教师评估结果较大的指标以及指标之间的相关性，能够让学校管理者从中发现教师教学活动中的主要问题，为独立院校教师招聘工作和教育质量改革提供有价值参考意见.同时，教师本人能够根据自己的教学质量评估结果进行调整，从而提高自身的教学质量。 参考文献： 1 Agrawal R,Srikant R.Mining sequential patternsC.Proc International Conference on Data Engjneerjng,Tajpej,Taiwan,1995:3-14. 2钟晓,马少平,张钹,等.数据挖掘综述J.模式识别与人工智能, 2001,14(1):48. 3白雪.高校教学质量评估数据的分析挖掘系统D.南京:南京理工大学,2007. 4何晓群