基于數據挖掘技術的教學測評

葉若芬，孫書明

（滄州職業技術學院，河北滄州 061001）

基于數據挖掘技術的教學測評

葉若芬，孫書明

（滄州職業技術學院，河北滄州 061001）

學院為保障教學質量，每學期對教師教學情況進行測評，其中學生的測評結果占教師總測評成績的70%。通過多年的實證性研究表明：學生教學評價問卷具有很高的可信度，較客觀地反映了任課教師的教學效果。由于學生測評數據量較大，又沒有分類標準，應用SPSS軟件進行聚類分析，可以較好地進行教學效果的等次劃分。用關聯規則分析教學測評數據可深層地挖掘與教學效果相關聯的教學因素，為教學管理者和任課教師提供有力的反饋信息，學院監督部門據此可有效調節和控制教學活動的實施。

教學態度；教學測評；認知；情感；教學效果

在高職高專教學中，以就業為導向，以培養學生實際操作能力為核心展開教學是培養學生適應社會需求的得力舉措。操作性較強的專業課，實訓課時數占課程總時數的50%以上，實訓教師的業務能力、教學態度、教學方法和教學效果直接影響高職的教學水平和教學質量。為了能夠有效調節和控制實訓課程的教學活動情況，學校每學期都要對實訓教師進行教學評價，評價結果將對教學活動監督和控制起導向作用。在教學評價體系中學生對教師的評價是教學質量測評工作中重要的一項，經過多年的應用表明學生測評結果具有較高的可信度。但是對于幾千名學生對幾百名教師的測評產生的大量數據，常常是在Excel中進行總分大排序，并在其中找出教學質量好的前幾名和較差的后幾名。這種簡單的排序不能直觀地反映影響教學質量的各個因素產生的效果，也就不能體現分類的語義效果。如果對測評數據進行聚類分析，可以通過簇類中心發現每個簇類的特征值，再在生成的簇上進行關聯規則分析，可找到影響實訓教學質量的因素，然后有的放矢地采取措施進行嚴格管理。SPSS軟件即社會科學統計軟件包（statistical package for the social sciences），是基于k－means（k－平均值）和k－medoids（k－中心點）等算法的一種集成化的聚類分析工具，該軟件統計方法成熟、實用和易用，而且與用戶的可交互性強。

1 基于數據挖掘技術分析教學的測評數據

1.1 問題描述

根據教師的業務能力、教學態度、教學方法和教學效果4個方面設計了問卷調查，問卷中共有20項內容，每項5分。學生在教學測評問卷中進行打分，業務能力、教學態度、教學方法和教學效果4個方面的滿分分別是25，30，20，25分，總分是100分。如表1所示，是某個實驗員的測評結果。為了保證分析的有效性，對測評后得到的原始數據進行極值點的刪除，如各項都是100分或者都是0分的記錄進行篩除，對問卷數據粗略統計中發現分數較差的記錄極少，作為噪聲數據去除。

表1 測評結果初始數據示例Tab.1 Some initial data of evaluation result分

1.2 聚類分析教學測評數據

聚類分析采用SPSS軟件處理數據，用k－平均值聚類方法。在聚類分析過程中要設置下面幾個參數：聚類數3，迭代次數10，收斂性標準0。表2是聚類結果，在“聚類”列中：“1”代表是優秀集合類，“2”代表良好集合類，“3”代表一般集合類。即對教師教學情況分成了優秀、良好、一般3種分類。由聚類結果可以看出，1類（優秀）和2類（良好）占70%，3類（一般）占30%，符合正常教學狀態。

表2 部分聚類結果Tab.2 A part of the clustering results

在表3中，“1”代表優秀，“2”代表良好，“3”代表一般。由表3可以看出，即使是在業務能力、教學態度、教學方法和教學效果4個方面的總分能夠達到91分左右的“一般者”，成績也良好。從代表各類的聚類中心的各屬性值比較：“一般者”比“優秀者”的業務能力差1.45分，教學態度差2.54分，教學方法差1.67分，教學效果差2.08分。這說明對測評成績為“一般”的主要因素是教學態度差。教學態度對教學質量的影響可以通過關聯規則數據挖掘技術進行分析解釋。

表3 3個類別的最終聚類中心Tab.3 Final cluster centers of three categories分

1.3 關聯規則分析影響教學質量的因素

第1步，對原始數據進行預處理。

為了便于關聯規則分析，對原始數據進行預處理，根據原始數據的規律，可以把原始數據按如下方法進行概化。用符號A表示業務能力，符號概化分數段為A1（25分），A2（24分），A3（22～23分）；用符號B表示教學態度，符號概化分數段為B1（30分），B2（29分），B3（27～28分）；用符號C表示教學方法，符號概化分數段為C1（20分），C2（19分），C3（17～18分）；用符號D表示教學效果，符號概化分數段為D1（25分），D2（24分），D3（22～23分）。原始數據概化后如表4所示。

表4 測評結果的概化表示Tab.4 Line symbols of evaluation result

第2步，關聯規則分析過程。

設關聯規則的最小支持度為30%，最小置信度為80%。按照Apiori算法對表4所示的概化數據進行逐層搜索出現頻率超過最小支持度的頻繁項集Q1。

1）從候選項集Q1中找出單項頻繁項集L1，根據最小支持度30%產生單項頻繁項集L1的過程如表5所示。

表5 單項的頻繁項集L1的產生過程Tab.5 Production of single frequent itemsets L1

2）連接L1產生2－項候選項集Q2，掃描原始數據項集找到候選項集Q2中各個子集的支持度，產生2－項頻繁項集L2的過程如表6所示，Q2＝L1×L1。

3）連接L2找到候選項集Q3。

Q3＝L2×L2＝｛｛A2，B2，C2｝，｛A2，B2，D2｝，｛A2，C2，D2｝，｛A3，B2，B3｝，｛A3，B2，C3｝，｛A3，B2，D3｝，｛A3，B3，C3｝，｛A3，B3，D3｝，｛A3，C3，D3｝，｛B3，C3，D3｝｝。對候選項集Q3使用 Apiori性質剪枝：頻繁項集的所有子集必須是頻繁的［1］。只要在Q3中有不頻繁的子集的2－項子集就剪掉。

｛A2，B2，C2｝的2－項子集是｛A2，B2｝，｛A2，C2｝，｛B2，C2｝，3個2－項子集都是頻繁項集L2中的元素，因此保留｛A2，B2，C2｝。

｛A3，B2，C3｝的2－項子集是｛A3，B2｝，｛A3，C3｝，｛B2，C3｝，3個2－項子集中｛B2，C3｝不是頻繁項集L2中的元素，因此刪除｛A3，B2，C3｝。

依次尋找下去，因此3－項頻繁項集L3＝｛｛A2，B2，C2｝，｛A2，B2，D2｝，｛A3，B3，C3｝｝。

4）同樣用連接L3找到候選項集Q4，對候選項集Q4進行裁剪找到4－項頻繁項集L4。

L4＝ ｛A2，B2，C2，D2｝。

對4－項頻繁項集｛A2，B2，C2，D2｝找出各項之間的關聯規則。首先找出頻繁項集的置信度，求置信度的方法是用4－項頻繁項集L4的所有子集的概率除以該子集在L4中補集的概率。

表6 2－項頻繁項集L2的產生Tab.6 Production of 2－item frequent itemsets L2

其中，sup port＿count（X∪Y）是包含項集X∪Y的頻率，sup port＿count（X）是包含項集X的頻率。

如果confindence（X?Y）≥min＿conf，則X和Y滿足強關聯規則。其中，min＿conf是最小置信度。

4－項頻繁項集｛A2，B2，C2，D2｝的所有子集為｛A2，B2，C2｝，｛A2，B2，D2｝，｛A2，B2｝，｛A2，C2｝，｛A2，D2｝，｛B2，C2｝，｛B2，D2｝，｛C2，D2｝，｛A2｝，｛B2｝，｛C2｝，｛D2｝。計算這些子集的置信度，以求出4－項頻繁項集的強關聯規則。

根據最小置信度 min＿conf＝80%得出，大于min＿conf的強關聯規則如下。

A2∧B2∧C2?D2 confidence＝4/5＝80%，其含義為良好的業務能力、教學態度和教學方法，80%的是有良好的教學效果。

A2∧B2∧D2?C2 confidence＝4/5＝80%，其含義為良好的業務能力、教學態度和教學效果，80%的是有良好的教學方法。

C2∧D2?A2∧B2 confidence＝3/3＝100%，其含義為良好的教學方法和教學效果一定是業務能力較強，并具有良好的教學態度。

D2?A2∧B2∧C2 confidence＝4/4＝100%，其含義為良好的教學效果一定是有良好的業務能力、教學態度和教學方法。

在此4個強關聯規則中唯一單一要素起決定作用的是良好的教學效果必然具有較強的業務能力，具有可人的教學態度和適合的教學方法。

2 搞好教學必備的三要素

實訓教師的業務能力是掌握專業知識、擁有處理專業問題的能力，這是一名合格教師必須具備的要素；教學方法是教師傳授知識這一行為實施的技巧，合適的教學方法能夠根據教學對象和教學內容靈活多變，是影響教學質量的直接要素。教學態度是指教師的教育態度，是教師對學生和教育所具有的認識、情感、行為特征各個側面的比較持續性的反應傾向或反應準備狀態［2］。學生和教師朝夕相處，教師的一言一行，都會在學生心靈上打上深深的烙印。教師對待學生的態度，關系著學生的健康成長。人本主義心理學家羅杰斯從心理治療法出發認為，能促使學生自我啟動和學習動能的是教師的態度［3］。教師的教育態度是教師發揮教育能動性的基礎，如果教師能夠清醒地意識到自己的職責，能有意識地調節和保持理智的教育行為，使自己的情緒情感反應、語言反應、行為反應在教育活動中處于理想狀態，教師的教學方法就會更規范，更符合教育的內在規律，就會對學生因材施教、因地制宜、相時而動，必然產生較好的教學效果。

3 結 語

教師在實際工作中應注意到態度的知、情、意對學生的影響，這種影響不僅體現在學生學習效果上，在學生正確價值觀的形成、良好社會適應能力的培養、健康心理的維持中也發揮著很大的作用［4］。通過此次調查的結果可以看出，教學態度是影響教學質量的主觀因素。從管理層角度調動教師的愛心——“愛學生、愛教師這份職業”，這是當前提高教學質量的必然要素。要把教師的認識、情感、意向、行為一步步轉到積極的教學行為上來，當良好的態度形成后一定要有一個強化過程，教師必須持之以恒，堅持下去。

［1］HAN Jia－wei，KAMBER M.數據挖掘概念與技術［M］.范明，孟小峰譯.北京：機械工業出版社，2001.

［2］李建周.管理心理學［M］.北京：教育科學出版社，1992.

［3］周忠生.羅杰斯的教師態度觀［J］.九江師專學報（哲學社會科學版），1999，18（1）：80－83.

［4］周 平.談教師態度對學生的影響［J］.現代教育科學（普教研究），2008（1）：10－11.

Teaching evaluation based on data mining technology

YE Ruo－fen，SUN Shu－ming
（Cangzhou Vocational College of Technology，Cangzhou Hebei 061001，China）

Quality of teaching is evaluated in every semester to ensure teaching quality.Evaluation by students take up 70%of assessment result on teachers.The fact in years of application indicates that students＇evaluation of teaching questionnaire has high reliability.The questionnaire reflects objectively the teaching effect.Due to the large amount of student evaluation data and the lack of classification standard，teaching effectiveness can be better classified by the application of cluster analysis SPSS software.The association rules can be used to analyze the factors influencing teaching quality，and provide feedback information for teaching managers and teachers.Then the implementation of the teaching activities can be adjusted effectively.

teaching attitude；teaching evaluation；cognition；emotion；teachingeffect

TP311.12

A

1008－1534（2011）06－0383－04

2011－03－16；

2011－09－23

陳書欣

葉若芬（1968－），女，河北滄州人，副教授，碩士，主要從事數據挖掘技術方面的研究。