基于決策樹(shù)C5.0的高職教師教學(xué)質(zhì)量影響因素分析

鄧玲玲

摘要：高職教師教學(xué)質(zhì)量的提高是提高我國(guó)高等職業(yè)教育質(zhì)量的關(guān)鍵，因此，本文以長(zhǎng)沙某一高職院校的639名教師為研究對(duì)象，首先將學(xué)生對(duì)教師教學(xué)質(zhì)量的評(píng)價(jià)數(shù)據(jù)進(jìn)行異常值處理后，將其劃分為四個(gè)等級(jí)，然后以評(píng)價(jià)等級(jí)數(shù)據(jù)為輸出變量，以11個(gè)影響因素為輸入變量，利用C5.0算法構(gòu)建決策樹(shù)模型對(duì)影響高職教師教學(xué)質(zhì)量的因素進(jìn)行分析，研究發(fā)現(xiàn)，不同崗位類型的教師，影響其教學(xué)質(zhì)量的因素各不相同。因此，學(xué)校管理者根據(jù)影響不同類型教師教學(xué)質(zhì)量因素的差異性，分別制定不同的政策來(lái)提升高職教師的教學(xué)質(zhì)量， 有利于實(shí)現(xiàn)教學(xué)資源的有效配置。

關(guān)鍵詞：高職教師 教學(xué)質(zhì)量評(píng)價(jià) 影響因素 決策樹(shù)C5.0 SPSS Modeler

中圖分類號(hào)：G434 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-5349（2018）19-0102-02

教師以教書育人為天職，提高高等職業(yè)教育教學(xué)質(zhì)量的關(guān)鍵在于不斷提高高職院校教師的教學(xué)質(zhì)量。目前，關(guān)于高職教師教學(xué)質(zhì)量的研究主要分為兩類，一類是關(guān)于高職教師教學(xué)質(zhì)量評(píng)價(jià)體系的研究[1][2]，另一類是從機(jī)制、體制等定性的角度對(duì)高職教師教學(xué)質(zhì)量影響因素進(jìn)行分析并提出對(duì)策的研究[3]。由于定性研究存在主觀性，并且不能從眾多的影響因素中分析出主要因素以及因素之間的交互作用，因而不能有針對(duì)性地提出提升教師教學(xué)質(zhì)量的對(duì)策。基于此，本文以長(zhǎng)沙某一高職院校的教師為研究對(duì)象，利用學(xué)生對(duì)教師進(jìn)行教學(xué)質(zhì)量評(píng)價(jià)的數(shù)據(jù)，構(gòu)建C5.0決策樹(shù)模型，研究各影響因素與高職教師教學(xué)質(zhì)量之間的因果關(guān)系，為高職院校提升教師教學(xué)質(zhì)量提供有價(jià)值的依據(jù)。

一、教師教學(xué)質(zhì)量評(píng)價(jià)分析

學(xué)生是課堂教學(xué)活動(dòng)的主體與受益者，學(xué)生評(píng)教仍然是評(píng)價(jià)教師教學(xué)質(zhì)量的主要形式。本文選取長(zhǎng)沙某一高職院校的639名教師作為本次研究的對(duì)象，評(píng)價(jià)數(shù)據(jù)來(lái)源于該校教務(wù)系統(tǒng)里面學(xué)生對(duì)教師的教學(xué)質(zhì)量評(píng)價(jià)打分，教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系一共包含10個(gè)指標(biāo)，每項(xiàng)指標(biāo)的權(quán)重都是0.1。

本文首先對(duì)評(píng)價(jià)數(shù)據(jù)進(jìn)行異常值處理，即某一個(gè)學(xué)生對(duì)某一個(gè)老師的打分超過(guò)他給所有任課教師打分的Q1-1.5*IQR～Q3+1.5*IQR范圍，將剔除這個(gè)異常分?jǐn)?shù)，其中，Q1表示第一分位數(shù)，Q3表示第三分位數(shù)，IQR=Q3-Q1。為了便于分析，將評(píng)價(jià)結(jié)果數(shù)據(jù)劃分為四個(gè)等級(jí)，記為rank， 9.8分～10分劃分為第一等級(jí)，共有49名教師，9.6分～9.8分劃分為第二等級(jí)，共有390名教師，9.4分～9.6分劃分為第三等級(jí)，共有187名教師，9.4分以下劃分為第四等級(jí)，共有13名教師。

二、高職教師教學(xué)質(zhì)量影響因素分析

（一）影響因素選取

本文選取以下11個(gè)影響因素考察其對(duì)教師教學(xué)質(zhì)量的交互影響作用：X1：在校工作年數(shù)（YearsAtSchool）；X2：崗位類型（JobRole）、X3：職稱（Professional_title）、X4：學(xué)歷（Education_background）、X5：性別（gender）、X6：年齡（age）、X7：近3年指導(dǎo)學(xué)生參賽獲獎(jiǎng)次數(shù)（省級(jí)及以上）（Num_Instructor）、X8：近3年信息化教學(xué)設(shè)計(jì)比賽獲獎(jiǎng)次數(shù)（校級(jí)及以上）（Num_information_competition）、X9：發(fā)表論文總數(shù)（Total_Papers）、X10：近5年發(fā)表論文數(shù)（Nearly_5_years_papers）、X11：近10年發(fā)表論文數(shù)（Nearly_10_years_papers）。利用八爪魚(yú)軟件在iData網(wǎng)站獲取教師發(fā)表論文數(shù)，其余8個(gè)影響因素?cái)?shù)據(jù)來(lái)源于該校教務(wù)處、人事處和科研處等職能部門。對(duì)崗位類型、職稱、學(xué)歷、性別這些分類變量進(jìn)行量化處理，量化結(jié)果為：6——專任教師，5——中層干部，4——校領(lǐng)導(dǎo)，3——教輔工勤人員，2——行政管理人員，1——輔導(dǎo)員；4——教授，3——副教授，2——講師，1——助教，0——其他；3——博士研究生，2——碩士研究生，1——大學(xué)本科；1——女，0——男。

（二）高職教師教學(xué)質(zhì)量影響因素分析模型

C5.0是經(jīng)典的決策樹(shù)算法之一，可生成多分枝決策樹(shù)，目標(biāo)變量為分類變量，根據(jù)信息增益率確定最佳分組變量和分割點(diǎn)。即對(duì)于給定的樣本集合，分別計(jì)算該樣本集合中每個(gè)特征屬性（輸入變量）的信息增益率，選取信息增益率最高的屬性作為分組屬性，以被選取的分組屬性作為當(dāng)前節(jié)點(diǎn)。然后對(duì)該屬性的每個(gè)值創(chuàng)建一個(gè)分枝，并據(jù)此將數(shù)據(jù)樣本劃分成若干個(gè)子集，為每個(gè)子集創(chuàng)建一個(gè)新的節(jié)點(diǎn)。針對(duì)得到的每個(gè)新節(jié)點(diǎn)，重復(fù)以上步驟，直到整棵樹(shù)各個(gè)分枝的繼續(xù)分組不再有意義為止。[4][5]

（三）高職教師教學(xué)質(zhì)量影響因素實(shí)證分析

1.決策樹(shù)建立

本文將第二部分評(píng)價(jià)高職教師教學(xué)質(zhì)量的結(jié)果rank作為分類輸出變量，第三部分分析選取的11個(gè)影響因素作為輸入變量，利用SPSS Modeler 15.0軟件進(jìn)行分層抽樣，抽取85%的樣本作為訓(xùn)練樣本，剩余15%的樣本作為測(cè)試樣本，通過(guò)SPSS Modeler 15.0軟件中C5.0算法建立決策樹(shù)模型。

2.決策樹(shù)剪枝

為提高決策樹(shù)模型精確率，在模型參數(shù)設(shè)置中，模式選項(xiàng)設(shè)置為簡(jiǎn)單，即自動(dòng)調(diào)整參數(shù)進(jìn)行剪枝，Boosting技術(shù)迭代10次，即基于此建立10次模型[6]，接著，將交互驗(yàn)證折疊次數(shù)設(shè)置為10。

3.決策樹(shù)生成

對(duì)決策樹(shù)剪枝后將會(huì)生成決策樹(shù)模型，剪枝后的決策樹(shù)深度為12，決策樹(shù)推導(dǎo)出的葉子節(jié)點(diǎn)分類規(guī)則見(jiàn)圖1。

4.決策樹(shù)評(píng)價(jià)

本文分別利用訓(xùn)練樣本集和測(cè)試數(shù)據(jù)集對(duì)決策樹(shù)模型的預(yù)測(cè)準(zhǔn)確率進(jìn)行了分析，訓(xùn)練集的樣本數(shù)為544，分類準(zhǔn)確率為75.18%，測(cè)試集的樣本數(shù)為95，分類準(zhǔn)確率為67.37%，即訓(xùn)練集的分類準(zhǔn)確率略高于測(cè)試集，說(shuō)明模型的整體分析結(jié)果較為理想。

（四）影響高職教師教學(xué)質(zhì)量的因素分析

（1）不同的崗位類型，影響教師教學(xué)質(zhì)量的因素不同。首先根據(jù)教師的崗位類型決策樹(shù)將教師分為5類，對(duì)于崗位類型為輔導(dǎo)員、教輔工勤人員、校領(lǐng)導(dǎo)的教師，影響其教學(xué)質(zhì)量的因素相對(duì)較少，而對(duì)于崗位類型為行政管理人員、中層干部、專任教師的教師，影響其教學(xué)質(zhì)量的因素較多，因而針對(duì)不同的崗位類型，學(xué)校管理者可以制定不同的政策提高教師的教學(xué)質(zhì)量，有利于實(shí)現(xiàn)教學(xué)資源的有效配置。

（2）崗位類型為行政管理人員、教輔工勤人員、中層干部、專任教師的教師，指導(dǎo)學(xué)生參加比賽獲獎(jiǎng)是影響其教學(xué)質(zhì)量的一個(gè)重要因素。指導(dǎo)學(xué)生參加職業(yè)技能競(jìng)賽、學(xué)科競(jìng)賽等可以促進(jìn)教師專業(yè)水平的提升從而提高教學(xué)質(zhì)量，同時(shí)教師把一些與參賽有關(guān)的課程納入教學(xué)計(jì)劃，讓課程與實(shí)際相結(jié)合，為課堂教學(xué)提供豐富的教學(xué)案例，激發(fā)學(xué)生自主學(xué)習(xí)的能力，提高高職學(xué)生的學(xué)習(xí)興趣和積極性。此外，影響其教學(xué)質(zhì)量的因素還包括發(fā)表論文，教師要上好課，必須有淵博的知識(shí)，開(kāi)闊的眼界，教師的科研水平越高，那么他將更加深入透徹地思考教學(xué)內(nèi)容，并將其科研成果深入淺出地引入教學(xué)內(nèi)容中，使得課堂教學(xué)更加生動(dòng)有趣，從而有助于高職學(xué)生的理解和學(xué)習(xí)，同時(shí)可以提高學(xué)生分析問(wèn)題、解決問(wèn)題的能力，極大地提升教學(xué)效果。

（3）崗位類型為輔導(dǎo)員、行政管理人員、中層干部、專任教師的教師，近3年參加信息化教學(xué)設(shè)計(jì)比賽獲獎(jiǎng)的次數(shù)影響其教學(xué)質(zhì)量。信息化教學(xué)設(shè)計(jì)比賽促進(jìn)教師教育理念的轉(zhuǎn)變，推動(dòng)教師的教學(xué)方法的創(chuàng)新，有助于提高教師運(yùn)用信息技術(shù)、數(shù)字資源解決教學(xué)難點(diǎn)的能力，增加了課堂上師生互動(dòng)的可能性，可以極大地改善其教學(xué)質(zhì)量。

三、結(jié)語(yǔ)

本文主要從高職教師自身因素出發(fā)，構(gòu)建C5.0決策樹(shù)研究這些因素對(duì)其教學(xué)質(zhì)量的影響，可以為學(xué)校管理者制定相關(guān)政策提供有價(jià)值的依據(jù)。但是，影響高職教師教學(xué)質(zhì)量的因素還有很多，比如，教師的收入水平，參加提高教學(xué)質(zhì)量培訓(xùn)的機(jī)會(huì)，學(xué)校對(duì)教學(xué)質(zhì)量的激勵(lì)政策，等等。因此，在這些因素可量化為指標(biāo)數(shù)據(jù)并可獲得的情況下，可以引入模型以提高模型的精確度。

參考文獻(xiàn)：

[1]鄧忍，吁娟.國(guó)際化視野下高職教學(xué)質(zhì)量評(píng)價(jià)研究——以蘇州工業(yè)職業(yè)技術(shù)學(xué)院為例[J].西北成人教育學(xué)院學(xué)報(bào)，2017（7）.

[2]馮嫻.工學(xué)結(jié)合模式下高職教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)[D].湖南大學(xué)，2011.

[3]樊明成.高職院校教學(xué)質(zhì)量影響因素概觀[J].職業(yè)技術(shù)教育，2012（13）.

[4]龐素琳，鞏吉璋.C5.0分類算法及在銀行個(gè)人信用評(píng)級(jí)中的應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐，2009（12）.

[5]薛薇，陳歡歌.SPSS Modeler數(shù)據(jù)挖掘方法及應(yīng)用[M].北京：電子工業(yè)出版社，2017.

[6]張琳瑜，王鳳超，韓子玥.基于決策樹(shù)的大學(xué)本科畢業(yè)生就業(yè)影響因素分析——以北京林業(yè)大學(xué)信息學(xué)院為例[J].中國(guó)林業(yè)教育，2017（3）.

責(zé)任編輯：張蕊