數據挖掘在地方高校課堂教學質量評價體系中的構建應用

林 琳

一、相關研究動態

地方高校本科教學評價從產生伊始就被賦予保障與提高本科教學質量的歷史重任，成為教學評價工作者和實際教學工作者共同持續關注的熱點研究與實踐領域。地方高校本科教學評價研究領域雖然不乏高質量的深度學術研究成果和富有成效的實踐活動，但與一刻不息地向前邁進的時代步伐形成鮮明對照的是，目前地方高校本科教學評價的相關理論研究仍需繼續深入[1]。

（一）高校內部教學質量評價體系的相關研究動態

高校內部教學質量評價體系是教學質量保障體系的組成部分。現階段，我國大部分學者主要通過整體研究高校內部教學質量保障體系，得出與教學質量評價體系相關的結論，其研究重點集中體現在三個方面。

第一，探究構建高校內部教學質量保障體系的必要性和重要性。在研究初期，學者將重點集中于高校內部教學質量保障體系本身的重要作用與應用必要性方面。其中，學者李建輝重點探究了構建高校教學質量保障體系的必要性，以及構建步驟、運行機制等相關內容[2]。

第二，深入分析高校內部教學質量保障體系的現狀。學者魏紅等人系統分析了國內普通本科高校內部質量保障體系的文本內容，最終得出結論，即國內高等院校內部質量保障體系初具雛形，但仍需不斷改進要素結構和建設內容[3]。

第三，研究高校內部教學質量保障體系建設。現階段，高校內部教學質量保障體系主要包括教育質量診斷和評價、教育質量管理、教育質量目標制定、內部評估信息分析、組織體系及功能劃分等多個方面。很多學者通過運用控制論思想，打造閉環控制系統，強化質量監控的效果。

對我國現有的高校教學質量保障體系研究現狀進行分析可以看出，一些國內學者將更多的精力與時間放在研究國外發達國家的高等教育質量保障體系上，而對國內的高等教育質量保障體系的研究十分有限。另外，絕大部分學者將國外高校表面的可借鑒經驗作為重點展開介紹，但并未深入研究其深層原因與理論基礎。同時，很多研究人員更傾向于研究宏觀層面的問題，而忽略了對微觀層面的問題與操作層面的問題的重要性。此外，也有部分研究人員更強調對高校外部教學質量保障體系的研究與分析，對高校內部教學質量保障體系的研究力度仍有待加強，并且在研究過程中未能很好地將理論和實證相結合。

（二）數據挖掘相關的研究動態

數據挖掘的英文名稱是Data Mining，出現于20世紀80年代后期，又被稱為資料勘探、數據采礦。其主要作用就是從海量的、復雜的、模糊的、不完全的、有噪聲的實際應用數據中，有效地提取出人們尚未知道并且具有一定潛在價值的信息與知識。這也是從數據庫中發現知識不可或缺的步驟。目前，數據挖掘已經被普遍應用于多個領域。

越來越多的國外高等院校開始借助由教職員工、學生的專業顧問、行政人員組成的人工智能數據挖掘網，了解學生個性化學習所面臨的挑戰及進步情況。德國杜伊斯堡- 埃森大學（UDE）通過長期對教學質量、學業成就、院校管理工作進行量化數據跟蹤，建立起了針對性與整體性相結合的高校質量評價數據庫。芬蘭庫奧皮奧大學出于教學改進的目的，自2006年秋季起就在全校推行了學生反饋系統。該系統分為學習模塊反饋和學習路徑反饋兩部分。為了更好地對學習模塊反饋的數據進行收集和分析，該校采用的是建立在本校內聯網上的在線反饋系統。

（三）國內高校數據挖掘技術的相關研究動態

學者陳以一、常桐善等人紛紛對高等學校內部教育教學質量保障體系建設進行了深入思考，探究了數據挖掘技術的應用對高校內部教學質量保障體系的作用，及其對高校決策模式產生的影響[4-5]。

總體而言，我國學者對高校數據建設的研究雖然取得了一些成果，但仍有待深入。首先，研究成果較為薄弱，僅涉及部分領域。其次，缺乏多學科、多視角的交叉研究。現階段，我國學者的研究重點大多集中于論證階段或理論階段，尚未提出健全的、具有可行性的方案。另外，大多數研究機構習慣于獨自制定方案，未能實現有效合作。鑒于此，運用多學科、多視角的交叉研究模式，對地方高校內部教學質量評價的數據挖掘工作進行深入研究，具有一定的必要性。

二、設計地方高校內部教學質量評價數據倉庫

要想解決我國本科教學改革的問題，可以從地方高校內部教學質量評價庫的創建入手。

地方高校內部教學質量評價體系需借助數據完成驅動。而數據倉庫則能夠使教學評價有據可依，從而加快決策速度，提高決策的準確性。因此，要建立地方高校內部教學質量評價的數據庫，根據研究對象選取原始數據，其主要包括三個部分，即地方高校教務管理平臺的業務數據、地方高校教學評價的業務數據、一些相關文本信息等。同時，做好近實時（nearreal-time）數據的獲取工作，用于預警預測分析與過程性評價，進而建立地方高校內部教學質量評價數據倉庫。

（一）地方高校內部教學質量評價數據預處理

向數據倉庫內輸入原始數據后，最關鍵的就是針對數據進行預處理。這樣可以提高數據本身的準確性與一致性，使得挖掘的數據符合標準要求。這樣做的原因在于，原始數據往往來源于多個數據庫，一定會存在冗余、不完整、不一致和含有噪聲等問題。本文主要采用以下三種數據預處理技術，對數據進行清理，去除數據內含有的噪聲，避免出現數據不一致的情況。首先，可利用數據集成技術，以相同的數據存儲形式對數據進行規范化處理。其次，可對數據進行變換，以科學化的數據挖掘形式轉換數據。最后，在數據規約方面，可借助刪除冗余和聚集冗余等方式簡化表示數據集。以上技術并非互相排斥而是可以互相配合的，可對其進行綜合利用進而確保數據質量達標。

（二）建立地方高校內部教學質量評價多維數據模型

多維數據模型是數據倉庫的重要基礎。在多維數據模式當中，數據始終被當成立方體形式，可通過不同維度構建數據模型，而定義數據立方體則需要通過維與事實完成。多維數據模型圍繞中心主題組織，該主題用事實表表示，事實是數值度量的。以建立“師資隊伍”情況的多維數據模型為例，需要對師資隊伍事實表進行定義。記錄“師資隊伍”情況的事實中涉及的維就是年齡、時間、學歷、門類、學科級別等。在對主題進行分析的基礎上，此研究確立的事實表主要包括師資隊伍事實表、教師評教事實表、學生評價事實表等，用于數據挖掘和決策分析。

確定了事實表和維表后，即可確定多維數據模型的表示與存儲方式。涉及關系型數據庫的時候，通常以“實體—關系”模型為主。數據庫模式的組成則表現為實體集及它們之間的聯系。在進行聯機事務處理的時候，即可選用這一數據模型，但數據倉庫所需要的數據模型必須以主題為核心、簡明且適用于聯機數據分析。現階段，數據倉庫內大部分為多維數據模型，以雪花型與星型最常見。其中，星型模型的組成包括一個事實表與若干組維表，數據結構容易理解，但數據冗余的發生率較高。而雪花型模型是以星型模式為基礎的變種，可確保維表更加規范，并將數據進一步分解到附加表中，降低數據冗余的發生率。此次研究選擇的是雪花型模型。

（三）構建基于數據挖掘的地方高校內部教學質量評價模型

長期以來，高教內部教學質量評價的過程均相對復雜。首先，需以評價對象為依據，組建評價專家小組；其次，對評價指標進行確定，然后通過會議商討或專家打分等形式對評價指標的權重做出規定；再次，對評價的方法進行設計，或直接選擇現有的方法；最后，對綜合評分進行確定，獲取評價結果，并提出評價意見。以上過程的弊端十分明顯。其一，評價周期長，會消耗大量人力、物力、財力；其二，主觀因素會明顯影響評價結果；其三，很難準確鑒別主觀評價與客觀評價，從而影響到會議商討、權重確定、專家打分等關鍵環節。

結合既有評價體系的不足之處，此次研究以數據挖掘為基礎，構建地方高校內部教學質量評價模型，并借助計算機軟件進行模型計算，最終給出綜合評價結果。這個過程較為便捷，可以克服傳統評價體系的第一個弊端。另外，為不斷增強評價結果的準確程度與客觀程度，此模型還將客觀評價與主觀評價分開。在客觀評價期間，運用數據挖掘的方法，充分發揮數據的導向作用，盡可能地規避主觀因素產生的影響，以克服傳統評價體系的第二個弊端，使客觀評價在評價結果中發揮主導作用。但需要注意的是，若僅依賴客觀性評價，則很容易使所獲得的結果背離實際情況。即便專家給出的評價具有明顯的主觀性色彩，但其同樣以客觀現實為依據，只不過受到不同客觀環境的影響。因此，在模型中合理調整主觀評價與客觀評價的權重，即可克服傳統評價體系的第三個弊端。

要想提高高等教育教學質量，必須對基于數據挖掘的地方高校內部教學質量評價模型的評價結果進行檢驗，并且對診斷出的問題進行持續改進，形成高校教育質量持續提高的良性循環。

在基于數據挖掘的地方高校內部教學質量評價模型系統中，多維殘差產生器可以用來構造全階觀測器，用于教學數據監測和軟測量。在上述多入單出的殘差產生器的基礎上，通過構造m 個診斷觀測器，可以將殘差擴展到m 維。通過構建殘差產生器，可以產生多維的殘差向量。由于殘差中包括了所有的系統擾動和故障信息，可以通過對殘差的分析進行教學質量異常數據的診斷。

三、基于數據挖掘的地方高校內部教學質量評價體系的構建策略

首先，中共中央、國務院印發了《深化新時代教育評價改革總體方案》，相關部門隨之聯合發布了《科技部教育部人力資源社會保障部中科院工程院關于開展清理“唯論文、唯職稱、唯學歷、唯獎項”專項行動的通知》，明確了教育評價改革的相關原則，有效推動了地方高校本科教學評價體系的建設。其次，以數據挖掘為基礎的地方高校內部教學評價體系，從定位與目標、師資隊伍、教學資源、培養過程、學生發展、質量保障等方面得到了進一步的完善。最后，運用層次分析法對審核要素的二級指標、三級指標的權重進行設計，以有效實現地方高校內部教學評價體系的優化。

基于數據挖掘的地方高校內部教學質量評價體系的運作，需要有針對性地構建評價指標。只有科學、全面、適合的評價指標才能真實反映教學各環節的實施情況。只有在系統的評價指標的支撐下，全面準確地挖掘采集教學數據，然后通過數據分析工具進行統計學分析，并從數據中尋找科學規律，才能找到教學過程中存在的問題，并根據問題有針對性地制定解決措施。在實踐過程中，基于數據分析的評價結論能夠顯著提高教學的質量，確保實踐課程教學的客觀性與準確性。隨著現代信息技術的發展，教學評價的方式方法也要與時俱進，從而促進新時代高等教育的高質量、高水平發展[5]。

綜上，地方高校在培養社會主義事業建設者和接班人方面發揮重要作用，需要不斷提高教育教學質量。而地方高校內部教學質量評價體系是全面提高學生綜合素質的重要基礎和條件。可以利用數據挖掘的方法對地方高校內部教學質量評價體系進行數據倉庫設計，并設計一種基于聚類的異常挖掘算法來快速發現異常的教學數據。這為地方高校提高教育教學質量和效果提供了可靠的依據，為地方高校的發展提供有益借鑒。