【摘要】本文利用教学管理部门积累下来的数据，通过数据挖掘中的粗糙集技术，优化高校原有的学生评教指标体系，构建新的、科学的指标体系，这对于教学管理部门进行科学决策具有积极的指导意义，有助于教学管理自动化、科学化水平的提升.
　　【关键词】学生评教指标体系;粗糙集
　　【基金项目】吉林省教育科学规划课题“基于大数据背景的高校教师教学质量评价体系的构建及实证研究”（GH170093）和“基于翻转课堂模式的大学数学微课探究——以线性代数为例践”（XJQN2016017）.
　　一、引 言
　　教师教学质量评价是高校教学工作的重要组成部分，制订适合高等院校自身发展的教师教学质量评价体系是教学管理部分的工作的重点和难点.许多现行的指標体系存在设计比较简单，评价指标体系相关性强和维度不清晰等问题.本研究拟通过对某省属高校教学管理部门现行的教师教学评价指标体系进行分析，利用教学管理部门所积累的数据，借用智能数据分析技术中的粗糙集理论，提出基于粗糙集理论的高校教并探索建立出一种基于学生评教数据的教师教学评价指标体系的方法.
　　二、基于粗糙集指标属性约简的某高校学生评教指标体系的构建
　　利用学生评教的原始数据，结合粗糙集集属性约简的基本思想，以属性核为起点，以信息熵或者其他准则来评估属性的重要度，然后利用启发式方法逐步向集合中添加核外重要性最高的属性，最后得到最小约简.具体是利用自适应遗传算法的粗糙集约简算法[1]对于教学评价指标属性集合进行约简.
　　下面结合实际，对于某高校现行的学生评教指标体系就行优化，该体系从十个维度对于教师教学课堂教学质量进行考察，记为{C1，C2，C3，…，C10}.每名同学在教学管理系统上依照这十个指标，对任课教师从好、较好、一般三个方面对于该教师进行评价.
　　本文采用某高校2017—2018春季学生评教原始的定性评价数据.采用大数据技术中的粗糙集理论，对于原始评价指标属性进行约简.首先，利用粗糙集理论，结合原始评价数据的特点，制订了统一的单指标原始评价数据处理准则（见表1），同时对异常数据进行删除及标准化.
　　 注：A表示该指标各组评价数据中获得“好”的百分比，B为获得“一般”的百分比.
　　其次，给出属性约简的实现步骤：
　　（1）综合评价决策表的构建及数据离散化：
　　利用粗糙集约简理论构建综合评价决策表（见表2）.结合原始评价数据和表2确定决策表中的条件属性值和决策属性值，其中条件属性值为
　　{好，较好，一般}，
　　决策属性值为
　　{好，较好，一般，较差，差}.
　　具体属性值见表3.构造综合评价决策表的过程中，得到u7，u9，u10，u12，u13五位教师的评价数据完全相同，于是我们选择u7.
　　（2）指标约简
　　利用上述获得的关于教师的综合评价决策表，结合ROSETTA[2]软件实现，通过对提取规则进行分析，并咨询相关专家，反复试算，多次筛选，选择典型指标：
　　{指标C1、指标C3、指标C5、指标C7}.
　　从而，由上述约简的结果可知，相比较于原始的评价指标体系，新的评价指标体系更加科学和有效.有关于指标权重的测算还需利用客观权重法和主观权重法进一步计算和确定.
　　三、结束语
　　本文构建了一种适应于大数据环境的学生评教指标体系.利用属性约简技术处理大量定性原始数据，通过挖掘原始数据的信息，能够构建科学、客观和有效的指标体系.
　　【参考文献】
　　[1]张炜.基于遗传算法的属性约简方法在股票预测中的应用研究[D].长沙：湖南大学，2013.
　　[2]沈娟.基于粗糙集与熵权法的省域低碳经济发展水平评价研究[D].武汉：华中科技大学，2012.