基于數據挖掘技術的大學英語過程性評價體系分析

郝小靜　謝利君

摘要：如今現代教育向更和諧的方向發展，提倡素質品行的教育。因為傳統教育的保守性在教育體系的評價上明顯已經不能追上社會的發展步伐，所以過程性評價體系這一種全新的方式隨之而生。在過程性評價中，雖然這種方式對教學有促進作用，但是在這之中，依舊存在著各種的缺陷，例如因為老師在收集學生相關的信息資料時，因為沒有充足的時間收集而導致了邏輯錯誤，而對學生產生了不好的印象。以下文章就針對當前大學英語過程性評價的情況進而提出了一種全新的想法，過程性評價中產生的數據要通過數據挖掘過程中進行縝密的分析，然后找到方法進而解決在使用過程性評價過程中所產生的問題，最終才可以基于數據挖掘技術促使大學英語教育，才能以更科學嚴謹的方法運用過程性評價。

關鍵詞：數據挖掘技術；大學英語；體系分析

中圖分類號：G434；H319.3 文獻標識碼：A 文章編號：1672-9129（2017）12-0042-02

Abstract： modern education is developing in a more harmonious direction and promoting quality and character education. Because the conservative nature of traditional education can not catch up with the development of society in the evaluation of the education system， a new way of process evaluation system has emerged. In the process evaluation， although this method has a positive effect on teaching， there are still various defects in this， for example， because teachers collect student-related information because they do not have enough time to collect and cause logic errors.， And had a bad impression of the students。The following article puts forward a new idea based on the current situation of college English process evaluation. The data generated in the process evaluation should be carefully analyzed through the data mining process. Then we find a way to solve the problems in the process of using process evaluation. Finally， we can promote college English education based on data mining technology， and we can use process evaluation in a more scientific and rigorous way.

Key words： data mining technology； College English； System analysis

引言：

目前，高校的教學手段日趨多樣化，大學英語的教學方法和手段也日益多樣化。在以前，老師單憑學生的成績來評價學生的優良性，主觀意識濃厚，不具備客觀的條件，所以需要把數據挖掘技術運用到其中更全面的以更客觀地方式進行評價。從1990年以來，我國許多高校的英語教學單位也逐漸把數據挖掘技術運用到其中，并且也循序漸進的啟動了教學質量保障體系，這些應用的目的是通過持續的質量監測來改進教學方法并促進教學質量的提高。

1 數據挖掘技術

從數據本身的角度來看，通常數據挖掘需要有數據清理、數據挖掘實施過程、模式評估和知識表示等等8個步驟，這是一種仿生的全局優化方法。

1.1 數據清理：如果在數據庫中有些數據是不完全的，和其他數據不一致，就因為這些問題的存在所以必須需要進行數據清理，清理完成后，應將完整，正確和統一的數據信息存儲在數據倉庫中來保持數據庫的準確性。

1.2 知識表達：需要把數據挖掘中所計算出的分析信息以可觀性的方式傳送給用戶，或者把數據分析作為一個新的知識點存放到未有的知識庫中。由于數據挖掘過程是需要反復迭代的循環，如果這些步驟中的任何一個與預期的步驟不同，就必須要回到前面的一個步驟，進行重新測試并執行。

1.3 模式評估：該模型評估來自新的業務角度，并由行業信息專家專門測試，以驗證數據挖掘結果的正確性和可靠性。

1.4 數據集成：數據集成是以常識或物理順序整合來自不同來源，特征和格式的數據。從而可以更快速的為企業提供全面可靠的數據共享。

1.5 數據變換：這種方法是將準備好的數據轉化為一種可以通過數據泛化，歸類整理和平滑聚合等多種系統方式完美應用于數據挖掘的方法。但是對于有些數字型數據而言，重要的一步是需要進行概念的分層理解和數據的分散化來對數據進行轉換。

2 數據挖掘技術的操作方法

2.1 神經網絡是由于其自適應性好，自組織，同時分析處理，分布式存儲等一些非常適合解決數據挖掘問題的特征。神經網絡可用于前饋神經網絡模型的數據分類，預測模型和模式識別；并且一些可以運用在人類難以理解的算法基礎上。

2.2 數據挖掘技術中的粗糙集理論是專門研究不準確知識的數學工具。這種理論有幾個優點分別是：額外信息不需要單獨給出；表達空間的信息可以簡單輸入；并且這種理論的算法簡單，利于操作。這個理論處理的目標是一個信息表的形成。但集合論是粗集理論的數學基礎，不能直接處理其存在的連續屬性。又因為在現實信息表中所存在的連續屬性是一個不可避免的情況。因此，限制粗集理論實際應用的難點在于信息中存在的連續屬性的離散化問題。

2.3 決策樹是一種常用于預測數據挖掘技術模型的算法。再整合從這些數據中找到一些有意義的，包含在其中的信息。描述概況，分類和整合的速度是決策樹技術的主要優勢。

2.4 模糊集理論是利用理論對現實生活中的實際問題進行模糊判斷，決策分析，模式識別和聚類分析。如果說是系統的數據越復雜，模糊性越強，在一般情況下模糊集合理論就是專門用來刻畫模糊事物的相互包容性。專業領域的專家也提出了基于概率統計和傳統模糊理論的質量不確定性，這就是云模型也被叫作云理論。

2.5 遺傳算法也是數據挖掘技術的基本操作方法。該算法用于數據挖掘，因為它具有特殊的隱藏并行性，并且易于與其他模型集成展示。該算法的應用也可以結合上述技術如神經網絡和粗集理論來體現。

3 數字挖掘的定義和在大學英語過程性評價中的運用

數據挖掘技術從字面上的意思來看就是數據的挖掘，是在進行過程性評價中的關鍵決策手段之一。數據挖掘技術可以從大量復雜的不規則數據中總結出來，然后對數據進行分類，排序，提取和轉換。從這些結果中再研究出在其中的邏輯規律與關系，就可以為我們的行為活動的總體概括有了一定的信息依靠，也是督促使得最后的決策以一種最合理與最能被接受的選擇出現在大眾面前。數據挖掘也是專業的深層次的數據信息分析整合方法，將這些運用到大學英語過程性評價體系中來絕對是有一利而無一害。數據挖掘技術可以通過更全面和深入的分析應用于模糊集理論在過程評估中的應用。粗集理論、決策樹等等方法把其隱藏在各種數據中的信息連接起來，進而可以完善過程性評價體系，也是讓大學英語整個過程性評價的應用過程和結果更加的科學客觀、也具有更高的準確性。

英語現在作為世界性的國際通用語言，是各國人民群眾進行政治、軍事、財政、文化交流的主要交際用語，所以英語現在已經被眾多國家普及應用與學習。而在這些英語學習者中，學生的人數是最多的。大學英語的過程性評價是指老師從學生上課時的具體表現進行評價，比如說學生對知識掌握的多少、教學內容的學習的深淺等，運用這種分析方法可以更合理的掌控好自己的教學手段，然后對學生進行更貼合實際、更有效的評價。改革開放以來，我國教育的主要教育模式是應試教育，成績的好壞可能最終會成為評論一個學生品行優劣的主要評價標準。成績的高低確實是一個學生是否努力學習的依據，這是毋庸置疑的一點，從總體情況來看成績的評價如果確實不錯的話，確實能夠體現出學生的學習狀況，但這種方法同時也存在嚴重的弊端。比如老師接觸到新的同學，僅僅只憑成績來判斷這名同學的品行等各個方面，實在是顯得不可思議了一些，這種情況也是由主觀影響所引發的。從現在教育發展程度看來這種傳統的評價方式顯然已經不適合現在包容性更大的大學教育，這種傳統教育過于刻板，沒有創新點，所以我們需要一種全新的科學過程性評價體系來對學生們進行更全面更客觀的評價。

4 設定實驗計劃

4.1 實驗目的

文章針對現在的一般大學英語沒有使用過程性評價與使用了數據挖掘后的大學英語過程性評價來進行比較，從客觀角度分析研究數據挖掘在大學英語過程評估中的關鍵作用。顯示用于評估學生學習的數據挖掘技術的科學性。

4.2 數據挖掘的步驟及原理

根據數據挖掘技術的基本操作模式，采用數據挖掘的一般步驟為實驗對象收集大量有用的信息。再應用到數據挖掘對數據進行剖析概括、轉換、抽取篩選，然后把大批量的數據進行分解處理，再把分解過后的數據重新拼接組裝成一個全新的數據，進一步挖掘出數據中隱藏的各種內在關系。

4.3 實驗中數據挖掘的過程

在分析“大學英語”課程內容并分析考試結果后，以及從相關任課老師那里所得到的相關成績、以及在課上的主動發言率、課堂演講內容準備的學生的聽力訓練和寫作訓練的充分性和完整性，英語水平和準確性，學生的英語四年級考試成績和其他信息，深層斷層分析，大學英語四級考試與“大學英語”之間的內部關聯及其與學生整體質量評估的關系，進而發現使用數據挖掘來應用到“大學英語”過程性評價中的優點，以此提供科學客觀的根據。

4.4 數據挖掘的合理運用

把數據挖掘運用到“大學英語”過程性評價中需要解決面臨的三個重要問題，這樣才可以確保實驗研究的真實性和準確性。第一：大學英語的學習和4級考試是否一致？“大學英語”中學生的整體評估能否反映出學生英語考試成績的分析；第二：大學英語和英語四級學習的目的是一致的，其中相連的關系又有哪些？第三：專業老師在英語過程性評價中是否摻雜進了自己的主觀意識？這些情況的發生會不會影響教師評價學員的綜合成績？首先，我們可以知道“大學英語”是根據“大學英語教學大綱”編寫的。同時，CET-4也是由“大學英語教學大綱”根據不同高等院校組織的統一，一次性使用的標準化教學測試。所以這兩個要求是對學生一樣的。之后，“大學英語”課程特別重視學生在聽，說，寫，譯方面的綜合能力，使學生的英語水平得到充分和平衡的發展。對于英語四級考試絕對是錦上添花的，所以，學生在“大學英語”的課程學習過程中的綜合評價是可以體現學生的英語四級考試能力的，最基本的是可以預測該學生是否具備英語四級考試的過關能力。最后，這是兩個目標是否一致的問題。目的和準確測量大學生的英語能力，以及“大學英語”課程的目的是提高學生的英語使用能力。所以二者的目的也是一致。

5 結束語

綜上所述，隨著現代信息技術不斷的發展成熟，所需要的技術要求質量越來越高，又隨著數據挖掘技術的興起與推廣應用，教育行業可以在其中占一部分優勢。通過運用數據挖掘技術的方法來融入到大學英語過程性評價教學中，也是能夠有效的改進傳統的總結性評價，也是從一個更客觀的方面來看待，甚至在必要的時候這種方法完全可以取代它。最好的是過程性評價采用的是一種自由式的開放的評價方式，沒有固定的評價模式，它還使教師和學生有最大的自由使用自己的空間，以便他們在學習英語的過程中得到他們需要的東西。對于許多高校來說，他們只處于存儲和查詢數據信息的基本階段，目前還沒有能夠很好地利用數據挖掘技術，但是它在教育研究領域中的前景是非?？捎^的存在。

參考文獻：

[1]吳羊.數據挖掘在大學英語教學質量分析中的應用研究[J]. 現代教育技術，2010，（4）：73-76，84.

[2]齊玲. 形成性評價在大學英語中的應用[J]. 考試周刊，2009，（41）：354- 355.

[3]郭瑞波.數據挖掘技術在英語成績評價中的應用[J]. 金融理論與教學，2012，（5）：82-84.

[4]蔡靜一. 大學英語寫作課程形成性評價模式的研究[J]. 中國科技財富，2012，（8）：434.

[5]劉飛兵. 運用數據挖掘技術優化大學英語多媒體教學[J]. 外語電化教學，2006，（5）：72-74.

[6]姚曉宇，馮麗. 大學英語教學中的形成性評價分析[J]. 學周刊A版，2015，（9）：10-11.

[7]卜劍鋒. 大學英語課程考試與CET-4成績的相關性研究[J]. 惠州學院學報，2015，（1）：117-120.