數據挖掘決策樹技術在高職教學質量評價中的應用

卜陽

[摘要]本文基于高職教學的特點，利用學生考試成績、教學質量調查表等各類屬性通過數據挖掘的決策樹技術進行特征分類。以雜亂無序的數據為根本，由決策樹結構建立教學質量評價的分類模型。決策樹的若干節點與各個教學質量屬性相對應，其分支表示各個屬性的取值判斷，通過分類結果用以學校的教學質量評價。

[關鍵詞]數據挖掘技術;決策樹算法;教學質量評價

[中圖分類號]G640 [文獻標識碼]A [文章編號]1671- 5918（ 2018）21-0032-03

doi：10.3969/j.issn.1671-5918.2018.21.015 [本刊網址]http：//www.hbxh.net

一、引言

高職教育教學管理正在與計算機網絡技術不斷融合，形成了網絡化校園、信息化校園、智慧化校園，增強了教學管理水平，提高了工作效率。隨著學校辦學的規模不斷擴大，各種系統和數據庫的廣泛使用，在使用過程中產生了海量的數據信息。我們可以通過這些技術在其中發現有價值的數據信息。

二、FP - growth算法

數據挖掘是利用已有知識數據并通過預測未發生的事務的走勢與行為，從而做出一定的決策性判斷，并從大量數據里面發現潛在的，可利用的知識。

FP- growth算法是一個被普遍使用的歸納推理計算方法。FP-growth算法是建立于FP-tree的結構上，避免了像傳統Apriori算法生成大量的候選項集，提高了運行效率。而且FP- growth算法是通過樹型結構顯示各個分支情況，并產生If -Then的判斷結果，更加便于使用者理解和使用。

FP-growth算法主要包括三個步驟，它反映了FP-growth算法的過程，Insert階段的任務是形成FP-tree，Search階段獲取條件模式基，用于下階段的遞歸計算。

三、教學質量評價

教學質量評價是高職學校教學中一個基本的反饋機制，是教師優化教學過程、調控教學行為、改善教學方法、增強教學效果的重要手段。對教學質量進行評價，不僅能夠指導教師覺察自己在教學過程中可能存在的偏差，促成教師自身的發展和教育水平的提高，而且能夠使學校相關管理部門獲取有用的信息，為下一步決策發展提供重要依據。

四、FP-growth算法在教學質量評價中的應用

（一）設計思路

課堂教學質量的評價一直是學校教學監管系統的重要構成部分。我們可以通過像學生的考試成績的數據來對老師的教學質量進行一個定量方面的打分，也可以通過如調查問卷形式的學生對老師教學工作的測評進行一個主觀意義上定性的評價。通過對量和質的結合，利用數據挖掘技術發現影響教學的各種因素，為教學管理部門提供相應的輔助支持，進一步促進教學部門的管理效率。

（二）模型建立與數據處理

1.建立成績與教學質量評價模塊

根據教務系統中與教學相關的數據，建立基礎數據模型，該模型由教師ID、教師職稱、班級、考試科目、平均成績等屬性組成。經過數據轉化和加載后，采用決策樹算法，計算出那些和成績分析評估特征最為相關的屬性作為決策樹的根結點，然后采用迭代遞歸的方法將剩余屬性進行分類，構造一個決策樹。

首先需要建立教師情況數據表。如表1所示：

按照考試成績劃分為三個等級：A等級為大于80分的區間，B等級為70分到80分的區間，C等級為小于70分的區間，根據成績等級作為評價教師教學質量的一個指標。然后，建立一個描述教師教學質量的分類模型，該模型以學生的計算機國家一級考試成績為依據，根據成績高低形成教學質量評估結果，然后利用決策樹所形成的分類模型，形成IF-THEN分類規則。

2.學生對教師教學質量的評價模塊

建立學生對教師教學質量評價的調查表。具體內容包括以下幾點：

（1）備課充分，教學無隨意性;

（2）嚴格執行作息時間，無遲到、早退現象;

（3）教學態度端正、認真;

（4）尊重學生，做學生的知心人、好朋友;

（5）師生關系融洽、和諧;

（6）課堂大膽管理，方法得當;

（7）課堂管理能調動廣大學生的積極性;

（8）教學經驗豐富，能吸引學生;

（9）教學語言準確、規范、生動;

（10）教學方法靈活，充滿激情，能感染學生;

（11）教學創新能力強;

（12）學生能真正學到相應的知識和技能。

針對以上評價內容，采用調查問卷的形式，在問卷星網站上制作相關的調查問卷。采用單選與多選的題目形式，對護理系2016級405名學生進行了調查。生成了403份調查問卷，有兩人未參加問卷調查，問卷的答案真實有效，有說服力。為了方便下一步數據處理，筆者結合問卷的內容和教學評教的相關標準，在等級上設置了A、B、C、D四個等級，A為最佳，D為一般，將403份調查問卷歸類分檔，形成了評教信息表。

（三）利用決策樹FP-growth算法，找出分類規則

1.數據處理

筆者以江蘇省徐州醫藥分院護理系2016級師生為調查對象，針對學生的成績和評教信息表的內容，結合教務系統和學生管理系統相關數據，根據相關教師信息情況，去除掉重復的內容，整理制作了和本次研究相關的三個數據表，分別是教師基本情況表、學生成績表、學生評教表。

筆者通過SQL Server 2014進行數據庫的建立，將教師信息表、學生成績表和評教信息表匯集為一個總表，刪除無用、空白或者重復的信息，形成一個精簡過的、新的數據表，從而方便我們下一步數據分析。然后將數據表中文字表述的內容制定對應的數據標準，以便于計算機讀取、識別。如：將學生成績分成幾個區間，相應的區間分別按照“優良中差”的形式定義等級，然后用英文字母代替文字表述的等級。數據表生成的具體情況，下面通過教師職稱屬性舉例說明（newtable為新建數據總表）。

按照職稱屬性取值，SQL語句表述為：

Update newtable set technical title=a where technical title=lecturer

Update newtable set technical title=b where technical title=associate professor

Update newtable set technical title = c where technical title =professor

Update newtah le set technical title = d where technical title =assistant

按照這個思路，將所有數據按以上規則整理后，進而形成便于分析處理的數據集合。

2.數據分析

針對此次教學質量評價的數據分析要求，筆者利用Tom-cat6.0構建了網絡服務器，通過Eclipse Jee Mars來設計開發平臺，通過數據挖掘技術中FP-growth算法嵌入到評價平臺中，經過挖掘分析找到對于教學質量評價有價值的關聯規則的數據條目。挖掘出的數據條目較多，通過篩選和整理，現列舉出幾條有價值的規則：

規則1：職稱與評價分數的關聯：高職稱對應的成績均高于“良好”;

規則2：性別與評價分數的關聯：教師性別為“男”分數均高于“良好”，教師性別為“男”學生評價均有“師生關系融洽、和諧”評教條目;

規則3：年齡與評價分數的關聯：年齡在40歲以上成績均為“優秀”;

規則4：學歷與評價分數的關聯：如果教師學歷為：“碩士”，則成績為“良好”以上，如果學歷為“碩士”則學生評教表均有“教學創新能力強”條目;

規則5：人員類別與評價分數的關聯：通過對相關數據的分析，教學人員的類別與教學質量評價沒有必然的聯系。

通過以上的挖掘，我們可以得到以下結論：

（1）年齡在40歲左右的教師有著很好的教學效果，評價分數比較高，支持度、可信度較高。這說明學校中青年教師的不斷成長，已經成為學校教學的支柱，也符合學校人才發展的方向。

（2）具有高職稱高學歷的老師，學生評價的分數較高，取得考試成績也更優秀。

（3）男性教師有較寬廣的知識面，在教學中善于啟發學生的潛在能力，具有很好的教學創新能力。

五、結束語

本文通過實例表述了數據挖掘中的決策樹技術在教學質量評價中的應用。通過FP - growth算法找出影響教學質量的相關分類規則，為學校進行教學監督評價提供依據，進一步推動學校的學科建設和教學改革。

參考文獻：

[1]李云.數據挖掘技術在中學教務管理系統中的應用研究[D].貴陽：貴州大學，2008.

[2]盛偉翔，龍佳麗.數據倉庫與數據挖掘技術[J].電腦知識與技術，2007（3）.

[3]陳安，陳寧，周龍驤，數據挖掘技術及應用[M].北京：科學出版社，2006：11-12.

[4]趙松.Apriori算法的改進及應用[D].哈爾濱：哈爾濱理T大學，2006.

[5]安穎.基于Apriori算法的興趣集加權關聯規則挖掘[J].北京聯合大學學報（自然科學版），2008，22（4）：44-47

[6]岳學軍，李曉黎.Web應用程序開發教程——ASP.NET+SQL Server[M].北京：人民郵電出版社，2009.

[7]張紅艷，都娟.關聯規則中Apriori算法的應用[J].數字技術與應用，2011（8）.

[8]鄺濤.基于決策樹技術在高校成績分析中的應用研究[J].新鄉學院學報，2011（2）.