论文部分内容阅读
教学评价是一个复杂的过程,它依据一定的教学目标和规范,对学校教学情况进行系统检测和考核,评定教学效果和教学目标的实现程度,并做出相应的价值判断。教学评价过程具有复杂性、多因素性和模糊性等特点,属于半结构化或非结构化问题,许多不确定因素难以科学地计算和评估,是一项主观性很强的工作,评价结果可能偏离被评估对象的实际情况。因此,提高教学评价的科学性、客观性和准确性,是现代教学评价研究中一个十分重要的课题。
本文首先根据课堂教学质量评价系统及其数据特点,设计数据挖掘模式,选择基于约束的关联规则挖掘算法,对教学评价体系的科学性、学生差异和课程差异对评价结果的影响等进行验证性研究,以此来评估评价结果的客观准确性;再将验证后的数据作为训练样本,应用决策树算法,生成根据教师基本信息预测教学效果的分类模型。
元规则设计基于“教学评价结果受到与教学无关的因素影响”的假设,挖掘过程经过数值离散化方式、置信度和支持度阀值调整等对比优化,排除或肯定各属性与评价结果之间的关联关系,从而验证假想的影响是否存在和存在的程度,为数据及结论的可信度、可用性提供依据。
决策树挖掘的样本集来自验证后的数据,经过优化预处理,生成一个以“教师+课程+班级”为关键字、包括教师和课程基本信息的二维表。采用ID3算法构造决策树,并应用相对支持度剪枝技术和简化的悲观错误剪枝算法进行剪枝,获得若干符合错分率要求的决策规则,即预测模型。将教师基本信息输入预测模型,可得到该教师的教学质量分类,这将有助于提高教学管理的科学性,为学校在师资队伍建设方面提供决策支持。