改進(jìn)型關(guān)聯(lián)規(guī)則算法在教學(xué)評價系統(tǒng)中的研究

葉茂華

摘 要：高校一般采用綜合評定的手段對教學(xué)質(zhì)量進(jìn)行評估，評估結(jié)果不僅有助于教師及時發(fā)現(xiàn)問題，也能夠?qū)虒W(xué)管理者進(jìn)行管理決策。本文提出了一種改進(jìn)型的關(guān)聯(lián)規(guī)則算法并用于高校教學(xué)評價系統(tǒng)中，該算法的運用對高校教學(xué)質(zhì)量的提高與發(fā)展有著重要的積極意義。

關(guān)鍵詞：高校；改進(jìn)型關(guān)聯(lián)規(guī)則；教學(xué)評價

DOI：10.16640/j.cnki.37-1222/t.2017.23.242

1 引言

高校一般采用定量評價的方法來實現(xiàn)對教學(xué)情況的客觀評價，通過各方面的量化打分來反映教師的實際教學(xué)情況。目前高校對評價數(shù)據(jù)的發(fā)掘利用仍停留在數(shù)據(jù)表面，僅通過分值的高低采取相應(yīng)的獎懲措施，對數(shù)據(jù)背后的潛在規(guī)律缺乏深入的認(rèn)識和挖掘，導(dǎo)致大數(shù)據(jù)的價值得不到有效利用，因此利用關(guān)聯(lián)規(guī)則算法對評價結(jié)果進(jìn)行數(shù)據(jù)挖掘，對高校的管理與決策有著現(xiàn)實意義。

2 關(guān)聯(lián)規(guī)則算法介紹

關(guān)聯(lián)規(guī)則主要用于發(fā)現(xiàn)事務(wù)各屬性間的潛在聯(lián)系性，為事務(wù)的相關(guān)決策提供有力支持。在高校教學(xué)評價系統(tǒng)中，利用關(guān)聯(lián)規(guī)則對大量的評價數(shù)據(jù)進(jìn)行挖掘，能夠發(fā)現(xiàn)諸多潛在的有用價值。例如在教師隊伍中具有博士學(xué)位的教師，教學(xué)質(zhì)量為優(yōu)秀的比例最高，因此可以推斷教學(xué)質(zhì)量與教師學(xué)歷有著重要的關(guān)系，高校可以鼓勵教師進(jìn)修學(xué)習(xí)，提高個人學(xué)歷，進(jìn)而提升高校的教學(xué)水平。

（1）事務(wù)與項。事務(wù)是指描述的對象，項是指事務(wù)可能具有的屬性，一般采用數(shù)據(jù)集的形式描述事務(wù)與項的關(guān)聯(lián)關(guān)系。如表 1所示，數(shù)據(jù)集的每一行表示一組記錄，對應(yīng)一個事務(wù)的描述，每一列表示一種事務(wù)可能存在的屬性，整張數(shù)據(jù)表稱為數(shù)據(jù)庫的全體事務(wù)集。某一行某一列數(shù)據(jù)為“1”則表示該行所指事務(wù)具備該列所指屬性，數(shù)據(jù)為“0”則表示該事務(wù)不具備該屬性。

（2）數(shù)據(jù)項集。在關(guān)聯(lián)規(guī)則中數(shù)據(jù)項的集合也被稱為數(shù)據(jù)項集，如果某項集共包含k個項，則稱為k-項集，當(dāng)k為0時為空項集，在項集中任意一個項都是該數(shù)據(jù)項集的一個子集。

（3）數(shù)據(jù)項集的支持度。在全體事務(wù)集中某項集X出現(xiàn)的次數(shù)稱為全體數(shù)據(jù)項集對項集X的支持?jǐn)?shù)，進(jìn)一步利用概率值表示該支持?jǐn)?shù)，即支持?jǐn)?shù)比上全體事務(wù)集的總項數(shù)即為數(shù)據(jù)項集對項集X的支持度。

（4）關(guān)聯(lián)規(guī)則。對于全體事務(wù)數(shù)據(jù)集中不相交的兩項集X與Y，通過表達(dá)式X?Y來表示項集間的關(guān)聯(lián)規(guī)則，并利用規(guī)則支持度（Sup （ X Y） ）與規(guī)則可信度（Conf （X Y） ）兩個指標(biāo)來表示項集X與項集Y關(guān)聯(lián)規(guī)則的強度。

3 改進(jìn)型關(guān)聯(lián)規(guī)則挖掘算法介紹

改進(jìn)型關(guān)聯(lián)規(guī)則挖掘方法首先利用關(guān)聯(lián)規(guī)則對全體事務(wù)數(shù)據(jù)集進(jìn)行預(yù)處理，剔除非頻繁項集的候選子集以減少數(shù)據(jù)處理量；其次對數(shù)據(jù)庫進(jìn)行全面的掃描處理，運用哈希函數(shù)、分組表等方式對全體事務(wù)集中的事務(wù)樹進(jìn)行剪枝處理，極大減少了數(shù)據(jù)庫的掃描時間，提高了全體事務(wù)集中頻繁項集的提取速度，使得算法的效率得到顯著提高。算法的具體實施流程如下所述：

（1）產(chǎn)生頻繁2-項集。利用哈希函數(shù)對全體事務(wù)數(shù)據(jù)庫進(jìn)行掃描處理，生成頻繁2-項集。

（2）修剪數(shù)據(jù)庫。通過生成的頻繁2-項集，對全體事務(wù)數(shù)據(jù)庫進(jìn)行修剪，剔除非頻繁2-項集的其他無交集項目，減少了待處理的數(shù)據(jù)量，節(jié)約了數(shù)據(jù)的存儲空間。

（3）數(shù)據(jù)分組記錄。根據(jù)數(shù)據(jù)與頻繁2-項集的關(guān)聯(lián)關(guān)系將修剪得到的數(shù)據(jù)分別存入相應(yīng)的分組數(shù)據(jù)表中以待進(jìn)一步處理。

（4）產(chǎn)生候選項目集。從頻繁2-項集開始搜索，通過相鄰層頻繁項集的結(jié)合建立頻繁項樹，并通過剪枝操作對關(guān)系樹進(jìn)行修剪，最終得到全部候選項目集。

（5）產(chǎn)生頻繁項目集。對候選項目集的支持度進(jìn)行計算，若某項集中分組表的支持度均大于等于某一閾值，則該候選項集為頻繁項目集。

4 改進(jìn)型關(guān)聯(lián)規(guī)則挖掘算法在高校教學(xué)評價中的具體應(yīng)用

根據(jù)改進(jìn)型關(guān)聯(lián)規(guī)則挖掘算法的具體設(shè)計要求，并對現(xiàn)有的教學(xué)評價數(shù)據(jù)及各教學(xué)主體的實際需求進(jìn)行分析，整個數(shù)據(jù)挖掘分析子模塊工作流程圖如圖1所示。從圖中可以看出，改進(jìn)型關(guān)聯(lián)規(guī)則算法主要通過以下三個步驟。

第一步數(shù)據(jù)預(yù)處理階段，通過對收集的教學(xué)評價數(shù)據(jù)表進(jìn)行預(yù)處理，將冗余的字段信息進(jìn)行刪除，得到教學(xué)評價因素信息表。對于部分學(xué)生的非正常評價，可設(shè)置條件進(jìn)行刪除，以避免對后續(xù)評價結(jié)果的影響。

第二步采用關(guān)聯(lián)規(guī)則算法對頻繁項集進(jìn)行確認(rèn)，由于在數(shù)據(jù)表中有些數(shù)據(jù)會影響到挖掘的結(jié)果，因此需要通過該算法對影響到挖掘質(zhì)量的相關(guān)信息進(jìn)行處理。例如：對熟悉教材、內(nèi)容豐富、信息量大等同類評價信息可進(jìn)行歸類，設(shè)置最小支持度，將重復(fù)評價記錄進(jìn)行刪除，最后再通過該算法對評價信息表中的數(shù)據(jù)進(jìn)行不斷讀取和比較，從而找到所需的頻繁項集，提高了挖掘精度。

第三步推導(dǎo)關(guān)聯(lián)規(guī)則，通過設(shè)置的最小置信度和頻繁項集進(jìn)行關(guān)聯(lián)，對滿足所需條件的關(guān)聯(lián)規(guī)則進(jìn)行推導(dǎo)和確認(rèn)。

5 小結(jié)

挖掘教學(xué)評價數(shù)據(jù)中的潛藏信息，對提高教師的教學(xué)能力、指導(dǎo)高校進(jìn)行教學(xué)改革以及提升辦學(xué)實力都有著重要的作用。本文主要對關(guān)聯(lián)規(guī)則算法所存在的弊端，提出了一種改進(jìn)型的關(guān)聯(lián)規(guī)則算法，通過該算法能夠較好的解決高校教學(xué)評價的提取與分析效率，具有一定的應(yīng)用價值。

參考文獻(xiàn)：

[1]陳正權(quán).關(guān)聯(lián)規(guī)則挖掘算法及其在職校教學(xué)評價系統(tǒng)中的應(yīng)用研究[D].蘇州大學(xué)，2015：21-23.

[2]王偉.關(guān)聯(lián)規(guī)則中的Apriori算法的研究與改進(jìn)[D].中國海洋大學(xué)，2016：10-12.

[3]張麗梅.提升高校教師教學(xué)質(zhì)量評價工作的探討[J].內(nèi)蒙古財經(jīng)學(xué)院學(xué)報（綜合版），2015：

12-15.endprint