數(shù)據(jù)挖掘技術(shù)在高職教學(xué)質(zhì)量管理中的應(yīng)用

摘 要:數(shù)據(jù)挖掘技術(shù)已經(jīng)在多個(gè)領(lǐng)域取得令人滿意的應(yīng)用。在教育領(lǐng)域里隨著數(shù)據(jù)信息的不斷增長，把數(shù)據(jù)挖掘技術(shù)應(yīng)用到高校信息管理中，可以促進(jìn)教育體制的進(jìn)一步改革、完善和發(fā)展。數(shù)據(jù)挖掘不僅可以發(fā)現(xiàn)教師自身素質(zhì)與教學(xué)評價(jià)結(jié)果之間的內(nèi)在聯(lián)系，還能應(yīng)用在高校教育教學(xué)、考試評估的各個(gè)方面。還能應(yīng)用在高校教育教學(xué)、考試評估的各個(gè)方面。

關(guān)鍵詞:教學(xué)質(zhì)量管理數(shù)據(jù)挖掘粗糙集關(guān)聯(lián)規(guī)則

中圖分類號:TP311.13文獻(xiàn)標(biāo)識碼:A文章編號:1674-098X(2011)07(b)-0167-01

1 引言

教學(xué)質(zhì)量是職業(yè)院校賴以生存和發(fā)展的基礎(chǔ)，因此，教學(xué)質(zhì)量的保證和提高是學(xué)校發(fā)展的永恒主題。目前，隨著教育管理信息化的不斷發(fā)展，如何充分有效地利用好數(shù)據(jù)資源也成為了高校教學(xué)管理的重要研究熱點(diǎn)。將數(shù)據(jù)挖掘技術(shù)應(yīng)用于職業(yè)教育中，可從大量的教育數(shù)據(jù)中發(fā)現(xiàn)隱藏的、有用的知識來指導(dǎo)教育、發(fā)展教育，改善職業(yè)教育中的教學(xué)效果，從而有效提高職學(xué)生的職業(yè)與文化素質(zhì)。

2 數(shù)據(jù)挖掘概念與技術(shù)

2.1 什么是數(shù)據(jù)挖掘

數(shù)據(jù)挖掘(Data Mining)是20世紀(jì)90年代以來發(fā)展起來的數(shù)據(jù)庫系統(tǒng)和數(shù)據(jù)庫應(yīng)用領(lǐng)域一個(gè)欣欣向榮的前沿學(xué)科，是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的但又是潛在有用的信息和知識的過程。通過數(shù)據(jù)挖掘可以幫助決策者尋找規(guī)律，發(fā)現(xiàn)被忽略的要素，預(yù)測趨勢，進(jìn)行決策。它是對數(shù)據(jù)內(nèi)在和本質(zhì)的高度抽象與概括，是對數(shù)據(jù)從感性認(rèn)識到理性認(rèn)識的升華，是建立在數(shù)據(jù)庫、人工智能、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、統(tǒng)計(jì)學(xué)、模式識別、高性能計(jì)算等技術(shù)基礎(chǔ)上的一門新興技術(shù)。

2.2 數(shù)據(jù)挖掘的過程

數(shù)據(jù)挖掘過程一般由三個(gè)主要的階段組成:數(shù)據(jù)準(zhǔn)備、挖掘操作、結(jié)果表達(dá)和解釋，整個(gè)挖掘過程是一個(gè)不斷反復(fù)的過程。比如，用戶在挖掘途中發(fā)現(xiàn)選擇的數(shù)據(jù)不太好。或使用的挖掘技術(shù)產(chǎn)生不了期望的結(jié)果。這時(shí)，用戶需要重復(fù)先前的過程。甚至從頭重新開始。

2.3 常用的數(shù)據(jù)挖掘方法

數(shù)據(jù)挖掘是從人工智能領(lǐng)域的一個(gè)分支，機(jī)器學(xué)習(xí)發(fā)展而來的，因此機(jī)器學(xué)習(xí)、模式識別、人工智能領(lǐng)域的常規(guī)技術(shù)，如聚類、決策樹、統(tǒng)計(jì)等方法經(jīng)過改進(jìn)，大都可以應(yīng)用于數(shù)據(jù)挖掘。人工神經(jīng)網(wǎng)絡(luò)方法、粗糙集理論方法、關(guān)聯(lián)規(guī)則方法、遺傳算法方法、決策樹方法及統(tǒng)計(jì)分析方法都是數(shù)據(jù)挖掘的常用方法。

3 高職教學(xué)質(zhì)量管理中的數(shù)據(jù)挖掘技術(shù)

3.1 粗糙集理論在教學(xué)質(zhì)量管理中的應(yīng)用

粗糙集(Rough set)理論是由波蘭數(shù)學(xué)家Z．Pawlak在1982年提出的一種處理模糊和不確定信息的數(shù)據(jù)分析工具，它能有效地分析和處理不精確、不一致、不完整等多種不完備信息，并從其中發(fā)現(xiàn)隱含的知識，揭示潛在的規(guī)律。它的一個(gè)重要特點(diǎn)是具有很好的定性分析能力，即無需預(yù)先給定某些特征或?qū)傩缘臄?shù)量描述(如統(tǒng)計(jì)學(xué)中的概率分布、模糊理論中的隸屬函數(shù)等)，而直接從給定問題的描述集合出發(fā)，通過不可分辨關(guān)系和不可分辨類來確定問題的近似域，從而找出問題的潛在規(guī)律，此方法被證明特別適合于數(shù)據(jù)相關(guān)性、相似性的查找，發(fā)現(xiàn)數(shù)據(jù)模式，從數(shù)據(jù)中提取規(guī)則等。在教學(xué)質(zhì)量管理系統(tǒng)中，為了得出教學(xué)質(zhì)量評價(jià)的規(guī)律，必須對采集的眾多數(shù)據(jù)進(jìn)行處理，有些數(shù)據(jù)是關(guān)鍵的，獲取這些數(shù)據(jù)有助于管理的成效，在實(shí)際教學(xué)管理中有很大的價(jià)值。將粗糙集理論應(yīng)用到教學(xué)質(zhì)量管理中，主要針對的是教學(xué)質(zhì)量評價(jià)主體的指標(biāo)體系不合理，一般由人為確定或參考其它院校的指標(biāo)，而這樣得到的結(jié)果并不能真實(shí)反映本校教學(xué)質(zhì)量的實(shí)際情況。現(xiàn)在有部分高校已經(jīng)開始利用一些數(shù)據(jù)挖掘技術(shù)對教學(xué)質(zhì)量評價(jià)進(jìn)行研究，這種評價(jià)研究是雙向的，既要評價(jià)學(xué)生的學(xué)習(xí)，也要評價(jià)教師的教學(xué)質(zhì)量。采用的技術(shù)手段是數(shù)據(jù)挖掘，方法是數(shù)據(jù)挖掘技術(shù)的粗糙集算法。根據(jù)模糊集的FCM聚類方法，對教學(xué)質(zhì)量評價(jià)中的數(shù)據(jù)進(jìn)行了聚類分析，然后利用粗糙集的數(shù)據(jù)挖掘功能挖掘出了教學(xué)質(zhì)量評價(jià)中各個(gè)評價(jià)指標(biāo)的不同權(quán)重，這兩種理論的結(jié)合為提出的教學(xué)質(zhì)量指標(biāo)體系提供了理論依據(jù)。

3.2 關(guān)聯(lián)規(guī)則在教學(xué)質(zhì)量評價(jià)中的應(yīng)用

關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫中數(shù)據(jù)項(xiàng)之間某種潛在關(guān)系的規(guī)則，其目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)。決策者可以通過對支持度和置信度的設(shè)置，感興趣模式以及算法的選取，有效地加以利用。常用的關(guān)聯(lián)規(guī)則算法有Apriori算法，多層次關(guān)聯(lián)規(guī)則挖掘，多維關(guān)聯(lián)規(guī)則挖掘，基于約束的關(guān)聯(lián)規(guī)則挖掘等。關(guān)聯(lián)規(guī)則在教學(xué)質(zhì)量評價(jià)中是應(yīng)用最多的一種方法，經(jīng)常被應(yīng)用到教學(xué)質(zhì)量中的各個(gè)方面。由于教學(xué)質(zhì)量評價(jià)中所涉及的內(nèi)容定性的多而定量的少，只能給出定性的標(biāo)準(zhǔn)，并且標(biāo)準(zhǔn)彈性較大，加之評價(jià)者因?qū)?biāo)準(zhǔn)把握上存在偏差及主觀原因，這就給教學(xué)質(zhì)量評估工作帶來一定的難度。運(yùn)用關(guān)聯(lián)規(guī)則對課堂教學(xué)評價(jià)進(jìn)行挖掘，挖掘信息倉庫中一些隱含的、事先未知的、具有潛在用途的信息，對提高教學(xué)管理和教學(xué)質(zhì)量能起到很好的指導(dǎo)作用。在對教師的教學(xué)質(zhì)量評價(jià)中，運(yùn)用數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則分析高校教學(xué)管理中教師信息之間的隱藏關(guān)系，對數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，采用優(yōu)化的Apriori算法進(jìn)行數(shù)據(jù)挖掘。通過事例分析教師的教學(xué)工作量和發(fā)表論文之間的隱含關(guān)系，可為教學(xué)管理提供決策支持，用戶可以通過自制的數(shù)據(jù)挖掘系統(tǒng)指定自己感興趣的挖掘項(xiàng)目范圍，系統(tǒng)經(jīng)過過濾事務(wù)數(shù)據(jù)庫，來縮小數(shù)據(jù)庫中要挖掘的事務(wù)數(shù)量。系統(tǒng)采用經(jīng)典Apriori算法進(jìn)行教學(xué)評價(jià)數(shù)據(jù)挖掘幾乎不會出現(xiàn)算法的瓶頸問題，同時(shí)能夠達(dá)到很好的挖掘目的，并最終用于決策支持。將關(guān)聯(lián)規(guī)則應(yīng)用于教師教學(xué)評價(jià)系統(tǒng)中，探討教學(xué)效果的好壞與老師的年齡、職稱、學(xué)歷之間的聯(lián)系，課堂教學(xué)效果與教師整體素質(zhì)關(guān)系，合理配置班級的上課教師，使學(xué)生能夠較好的保持良好的學(xué)習(xí)態(tài)度，從而為教學(xué)部門提供了決策支持信息，促使更好地開展教學(xué)工作，提高教學(xué)質(zhì)量。

4 結(jié)語

教學(xué)質(zhì)量高低是教學(xué)活動的成效性外在表現(xiàn)形式，而良好的教學(xué)評價(jià)對教學(xué)質(zhì)量有導(dǎo)向、促進(jìn)、激勵及調(diào)控功能，是學(xué)校教學(xué)管理工作的重要組成部分，是評價(jià)教學(xué)的主要手段。隨著數(shù)據(jù)挖掘理論的研究和應(yīng)用的不斷深入，教學(xué)評價(jià)的公平、公正、合理、高效離不開數(shù)據(jù)挖掘理論的支持。利用數(shù)據(jù)挖掘方法對教學(xué)評價(jià)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，保證了教學(xué)評價(jià)的科學(xué)性。如何從評價(jià)教師課堂教學(xué)質(zhì)量的大量數(shù)據(jù)中挖掘出數(shù)據(jù)間的關(guān)系，對改革教學(xué)方式，優(yōu)化培養(yǎng)模式，為教學(xué)決策提供科學(xué)依據(jù)及有效的支持都具有重要的意義。

參考文獻(xiàn)

[1] 楊曉，張迎新.Apriori算法在消費(fèi)市場價(jià)格分析中的研究與應(yīng)用[J].北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版)，2009(3).

[2] 焦亞冰.數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則Aprioir算法的改進(jìn)[J].西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版)，2008(3).

[3] 丁衛(wèi)平，王杰華，管致錦.基于數(shù)據(jù)挖掘技術(shù)的教學(xué)評估智能輔助決策平臺的設(shè)計(jì)與實(shí)現(xiàn)[J].電化教育研究，2009(4).