數(shù)據(jù)挖掘技術(shù)在課堂教學(xué)評(píng)價(jià)中的應(yīng)用

張繼成+張路

摘要：當(dāng)前各個(gè)高校都非常重視課堂教學(xué)評(píng)價(jià)問(wèn)題，數(shù)據(jù)挖掘作為一個(gè)新興的技術(shù)應(yīng)用十分廣泛。本文闡述了聚類(lèi)分析技術(shù)的方法，通過(guò)引入數(shù)據(jù)挖掘中的聚類(lèi)分析技術(shù)，研究聚類(lèi)分析在教學(xué)評(píng)價(jià)中的應(yīng)用、具體實(shí)施過(guò)程以及算法的實(shí)現(xiàn)，結(jié)果證明數(shù)據(jù)聚類(lèi)的聚類(lèi)效果良好。

關(guān)鍵詞：數(shù)據(jù)挖掘；聚類(lèi)分析；教學(xué)評(píng)價(jià)

數(shù)據(jù)挖掘技術(shù)是當(dāng)前非常流行的一種技術(shù)，其應(yīng)用領(lǐng)域廣泛，可以對(duì)數(shù)據(jù)挖掘按照數(shù)據(jù)庫(kù)類(lèi)型、發(fā)現(xiàn)模式、使用技術(shù)等進(jìn)行分類(lèi)。而聚類(lèi)分析是數(shù)據(jù)挖掘中比較活躍的研究領(lǐng)域，它廣泛應(yīng)用于高校課堂教學(xué)評(píng)價(jià)中。本文主要研究聚類(lèi)分析在高校課堂教學(xué)評(píng)價(jià)中的重要應(yīng)用。

一、教學(xué)評(píng)價(jià)體系模型的構(gòu)建

課堂教學(xué)評(píng)價(jià)體系是一個(gè)復(fù)雜的系統(tǒng)，評(píng)價(jià)體系有多種不同的常用指標(biāo)組成，評(píng)價(jià)體系可以通過(guò)層次分析法來(lái)建立。層次分析法主要有四步，即建立評(píng)價(jià)系統(tǒng)的層次結(jié)構(gòu)、構(gòu)建判斷矩陣、計(jì)算權(quán)重向量、檢驗(yàn)一致性。

二、聚類(lèi)分析應(yīng)用與教學(xué)評(píng)價(jià)模型

根據(jù)教師課堂教學(xué)評(píng)價(jià)表，采用數(shù)據(jù)挖掘流程的方法，利用典型的K-means算法，實(shí)現(xiàn)評(píng)價(jià)數(shù)據(jù)的聚類(lèi)分析。

1.具體實(shí)施過(guò)程

（1）確定挖掘?qū)ο蟆⒛繕?biāo)。根據(jù)學(xué)院某一學(xué)年度學(xué)生課堂教學(xué)評(píng)價(jià)表中反饋的數(shù)據(jù)，整理200張某課程教學(xué)的評(píng)價(jià)表，研究教學(xué)評(píng)價(jià)數(shù)據(jù)與學(xué)生成績(jī)之間的關(guān)系。

（2）數(shù)據(jù)采集。在學(xué)院教務(wù)處采集學(xué)生對(duì)教師的課堂教學(xué)評(píng)價(jià)數(shù)據(jù)。

（3）數(shù)據(jù)預(yù)備處理。按照評(píng)價(jià)表中的評(píng)價(jià)指標(biāo)對(duì)數(shù)據(jù)進(jìn)行清理和轉(zhuǎn)換，經(jīng)過(guò)轉(zhuǎn)換可以把多項(xiàng)評(píng)定項(xiàng)目轉(zhuǎn)換成五項(xiàng)重要的代表指標(biāo)：教學(xué)素質(zhì)、教學(xué)內(nèi)容、教學(xué)方法、教學(xué)效果、教學(xué)管理，然后完成數(shù)據(jù)樣本的數(shù)據(jù)聚類(lèi)。

（4）數(shù)據(jù)挖掘。對(duì)于數(shù)據(jù)樣本的聚類(lèi)分析，本文采用K-means算法，經(jīng)過(guò)反復(fù)聚類(lèi)分析完成數(shù)據(jù)挖掘的任務(wù)。

2.算法的實(shí)現(xiàn)

（1）基本運(yùn)算策略。在K-means算法中，首先要設(shè)置聚類(lèi)數(shù)量為3，確定好聚類(lèi)中心，通過(guò)在樣本中集合選取元素的方式，測(cè)算其他元素與聚類(lèi)中心的距離，從而完成一次聚類(lèi)過(guò)程，以此類(lèi)推，最終完成聚類(lèi)全過(guò)程。

（2）樣本數(shù)據(jù)的輸入。在記事本中，把采集的評(píng)價(jià)數(shù)據(jù)樣本按照某種格式輸入，把等待輸入的樣本數(shù)據(jù)存放在dt.dat文件中。用Numlist表示樣本個(gè)數(shù)，Numopt表示屬性個(gè)數(shù)，NumCluster表示簇的數(shù)目。

（3）流程圖

如圖1，其中，Loadlists（）為樣本獲取函數(shù)，InitClusters（）為聚類(lèi)初始化函數(shù)，RunKmeans（）為聚類(lèi)運(yùn)行函數(shù)，ConvFlag為聚類(lèi)結(jié)束的標(biāo)識(shí)變量，Showcenters（）顯示簇的中心點(diǎn)函數(shù)。

3.數(shù)據(jù)聚類(lèi)的結(jié)果

聚類(lèi)的結(jié)果如表1所示：

其中，簇1占比24%，簇2占比64%，簇3占比12%，這個(gè)和實(shí)際教學(xué)的成績(jī)占比情況基本一致，聚類(lèi)效果良好。

三、結(jié)語(yǔ)

本文分析了聚類(lèi)分析技術(shù)的方法及教學(xué)評(píng)價(jià)模型的構(gòu)建。研究了聚類(lèi)分析在教學(xué)評(píng)價(jià)中的應(yīng)用、具體實(shí)施過(guò)程、算法的實(shí)現(xiàn)，給出了數(shù)據(jù)聚類(lèi)的結(jié)果，結(jié)果表明聚類(lèi)效果良好。endprint