论文部分内容阅读
【摘要】发展经济学课程在国内开设不足20年,1989年出版的第一本教材,课程体系庞大、理论丰富、学派林立,表现为海量的、模糊的、随机的信息。如何在教学中改进和创新本课程的教学模式以提高教学质量,一直是从事本课程教学的教师所面临的主要问题之一。本文应用数据挖掘技术对这些信息进行量化、分析、处理,以便对教学质量监测更加科学、客观,进一步提高教學质量。
【关键词】数据挖掘 发展经济学 教学质量
【中图分类号】G642.0 【文献标识码】A 【文章编号】1009-9646(2008)09(b)-0043-02
发展经济学课程体系庞大、理论丰富、学派林立,表现为海量的、模糊的、随机的信息。如何在教学中改进和创新本课程的教学模式,提高教学质量一直是从事本课程教学的教师所面临的主要问题之一。本文应用数据挖掘技术对这些信息进行量化、分析、处理,以便对教学质量监测系统更加科学、客观的设计、控制和评价,实观对教学质量监测系统的优化,进一步提高教学质量。
1 发展经济学教学中面临的困境
由于教材、开设时间、教授方法、教师水平等诸多原因,发展经济学教学一度停留在“浅显易懂”的范围内,具体表现在以下几个方面:
1.1 教师方面
首先,教师专业结构不合理。多数发展经济学教师是在其所学经济学相关课程,如政治经济学、经济史以及经济思想史等的基础上开始自我学习和提高的,所以未经过发展经济学系统学习和训练。其次,教学方式的效果并不理想。大多数高校的发展经济学课程所采用的授课方式仍然是以任课教师的课堂讲授为主,也有少数教师采取专题讲座和案例讨论方式的,教学中,教师把备课、教学的重点及主要精力用在了概念的界定、逻辑推理和追求理论体系的逻辑性、完整性上,而较少关注经济现象的变化及学生关心的实际问题,这就很难引起学生的共鸣。
1.2 学生方面
在教学过程中,一方面由于学生的基础不同、领悟程度不同;另一方面一些学生学习态度不端正;再加上大班化授课,人数多,间接带来学生上课纪律不好,存在迟到早退乃至旷课现象,不认真听课及做作业,严重影响课堂教学效果和质量。
就学生的专业基础而言,大学四年级是最佳学习时机。但是,发展经济学课程的教学和学习需要安排充裕的时间,而大学四年级的课程安排一般很少,专业课程的教学已经结束,其原因在于,大学四年级学生必须参加社会实习、撰写毕业论文、寻找工作单位和研究生入学考试,这些事需要花费大量时间和精力。如果在这一阶段还有发展经济学的课程教学显然是不合适的。这便出现了学生专业基础与发展经济学教学时间安排上的矛盾。
1.3 教材方面
教材的内容过于陈旧,目前国内高校使用的发展经济学教材的主要内容多年不变,有的发展理论、经济发展政策己与当代先进的理论、政策明显不符,也与我国经济发展现实不合。发展经济学的内容在不断地更新和发展,我国对发展经济学的理论研究已经达到相当高的水平,我国经济实践中也积累了相当多的经验,但教材建设远远没有跟上理论研究和实践发展的步伐。
2 在提高发展经济学教学质量中的数据挖掘
本文结合数据挖掘技术,分析提高发展经济学教学质量途径。数据挖掘流程可分为四个模块:数据收集模块、数据处理模块、数据挖掘模块和数据表示应用模块[1]。如图1所示:
2.1 数据收集模块
在学校的各部门中积累了大量的影响发展经济学教学质量的数据,这些数据分散在人事处、学生处、教务处、科研处等各个部门除了利用这些已有数据,还必须把更多的因素考虑在内。包括:(1)教学过程中教师教学方法、教学内容、教学设计、教学态度和教学效果;(2)教师的学历、职称、培训经历、现代教育观和信息意识等。
2.2 数据处理模块
数据处理模块处理的信息包括:解决语义模糊性,数据库按照元数据标准对数据进行清理、集成和变换,检查数据的完整性和一致性,将数据整合成能被采掘算法利用的数据,最后存入数据采样库。
2.3 数据挖掘模块
数据挖掘模块:在友好的导航界面引导下,使用合适的算法通过关联分析、分类分析、聚类分析和序列模式分析对经过处理、转化的数据,进行挖掘、分析处理,得出结果并输出给数据表示与应用模块。
2.3.1 教师信息的挖掘
从以下几个方面对教师的信息进行挖掘:(1)课堂教学信息挖掘:通过对教师、学生的分类分析、关联分析找出数据间中隐藏的关联网。根据教师、学生的行为占有率、行为转换率得出本节课的教学模式图。(2)对教师教学风格、特点的信息挖掘:包括对教师语言特点、提问的比率、提问的开放性程度、与学生的互动能力等主观性因素进行量化,可视化。
2.3.2 学生信息的挖掘
从以下几个方面对学生的课堂行为表现进行挖掘:(1)思维状态:看学生是否对教师的提问,提示信息作出积极的反馈;学生是否主动提出问题、发表见解。(2)交往状态:一看课堂上是否有多边、丰富、多样的信息联系与信息反馈,二看课堂上的人际交往是否有良好的合作氛围。
2.4 数据表达和应用模块
2.4.1 数据表达。挖掘发现的知识可以利用可视化技术,如树、表、规则、图表、交叉表、矩阵或曲线等多种形式表示,使内容易于理解能够直接被人们使用。
2.4.2 数据应用。数据挖掘在教学质量监测系统中的应用主要有以下几个方面:
(1)个性化学习。1)学习者特征的可知性分析。根据学生的注册信息和需求纪录,系统可以向学生显示那此可能引起学生特殊兴趣的新知识。2)分析需求趋势。分析每个学习者的访问模式,通过挖掘对应的访问历史记录,系统向不同的学生提供符合其访问习惯的页面信息,预测学习需求。(2)自动答疑系统。系统解答与对学生提交的问题是同步并发的过程,用户在页面输入提出的问题,提交给计算机处理,系统对输入的问题进行分词和提取关键字的预处理。(3)教学评价和学习结果评价。教学效果和学习结果都需要一个客观公正的评价,数据挖掘可以帮助实现多方面,多层次、全方位的评价。
参考文献
[1] J.Han and M .Kamber 著.范明,孟小峰译.数据挖掘:概念与技术[M].机械工业出版社,2004.
[2] 谭祖谊.发展经济学教学模式改革初探,中国青年政治学院学报,2005,(5):93-96.
[3] 段鹏飞.论经济学的课堂实验教学法,东北财经大学学报,2005,(6):74-77.
[4] 黄荣斌.发展经济学课程若干思考[J].广东工业大学学报,2007,(6):177-178.
【关键词】数据挖掘 发展经济学 教学质量
【中图分类号】G642.0 【文献标识码】A 【文章编号】1009-9646(2008)09(b)-0043-02
发展经济学课程体系庞大、理论丰富、学派林立,表现为海量的、模糊的、随机的信息。如何在教学中改进和创新本课程的教学模式,提高教学质量一直是从事本课程教学的教师所面临的主要问题之一。本文应用数据挖掘技术对这些信息进行量化、分析、处理,以便对教学质量监测系统更加科学、客观的设计、控制和评价,实观对教学质量监测系统的优化,进一步提高教学质量。
1 发展经济学教学中面临的困境
由于教材、开设时间、教授方法、教师水平等诸多原因,发展经济学教学一度停留在“浅显易懂”的范围内,具体表现在以下几个方面:
1.1 教师方面
首先,教师专业结构不合理。多数发展经济学教师是在其所学经济学相关课程,如政治经济学、经济史以及经济思想史等的基础上开始自我学习和提高的,所以未经过发展经济学系统学习和训练。其次,教学方式的效果并不理想。大多数高校的发展经济学课程所采用的授课方式仍然是以任课教师的课堂讲授为主,也有少数教师采取专题讲座和案例讨论方式的,教学中,教师把备课、教学的重点及主要精力用在了概念的界定、逻辑推理和追求理论体系的逻辑性、完整性上,而较少关注经济现象的变化及学生关心的实际问题,这就很难引起学生的共鸣。
1.2 学生方面
在教学过程中,一方面由于学生的基础不同、领悟程度不同;另一方面一些学生学习态度不端正;再加上大班化授课,人数多,间接带来学生上课纪律不好,存在迟到早退乃至旷课现象,不认真听课及做作业,严重影响课堂教学效果和质量。
就学生的专业基础而言,大学四年级是最佳学习时机。但是,发展经济学课程的教学和学习需要安排充裕的时间,而大学四年级的课程安排一般很少,专业课程的教学已经结束,其原因在于,大学四年级学生必须参加社会实习、撰写毕业论文、寻找工作单位和研究生入学考试,这些事需要花费大量时间和精力。如果在这一阶段还有发展经济学的课程教学显然是不合适的。这便出现了学生专业基础与发展经济学教学时间安排上的矛盾。
1.3 教材方面
教材的内容过于陈旧,目前国内高校使用的发展经济学教材的主要内容多年不变,有的发展理论、经济发展政策己与当代先进的理论、政策明显不符,也与我国经济发展现实不合。发展经济学的内容在不断地更新和发展,我国对发展经济学的理论研究已经达到相当高的水平,我国经济实践中也积累了相当多的经验,但教材建设远远没有跟上理论研究和实践发展的步伐。
2 在提高发展经济学教学质量中的数据挖掘
本文结合数据挖掘技术,分析提高发展经济学教学质量途径。数据挖掘流程可分为四个模块:数据收集模块、数据处理模块、数据挖掘模块和数据表示应用模块[1]。如图1所示:
2.1 数据收集模块
在学校的各部门中积累了大量的影响发展经济学教学质量的数据,这些数据分散在人事处、学生处、教务处、科研处等各个部门除了利用这些已有数据,还必须把更多的因素考虑在内。包括:(1)教学过程中教师教学方法、教学内容、教学设计、教学态度和教学效果;(2)教师的学历、职称、培训经历、现代教育观和信息意识等。
2.2 数据处理模块
数据处理模块处理的信息包括:解决语义模糊性,数据库按照元数据标准对数据进行清理、集成和变换,检查数据的完整性和一致性,将数据整合成能被采掘算法利用的数据,最后存入数据采样库。
2.3 数据挖掘模块
数据挖掘模块:在友好的导航界面引导下,使用合适的算法通过关联分析、分类分析、聚类分析和序列模式分析对经过处理、转化的数据,进行挖掘、分析处理,得出结果并输出给数据表示与应用模块。
2.3.1 教师信息的挖掘
从以下几个方面对教师的信息进行挖掘:(1)课堂教学信息挖掘:通过对教师、学生的分类分析、关联分析找出数据间中隐藏的关联网。根据教师、学生的行为占有率、行为转换率得出本节课的教学模式图。(2)对教师教学风格、特点的信息挖掘:包括对教师语言特点、提问的比率、提问的开放性程度、与学生的互动能力等主观性因素进行量化,可视化。
2.3.2 学生信息的挖掘
从以下几个方面对学生的课堂行为表现进行挖掘:(1)思维状态:看学生是否对教师的提问,提示信息作出积极的反馈;学生是否主动提出问题、发表见解。(2)交往状态:一看课堂上是否有多边、丰富、多样的信息联系与信息反馈,二看课堂上的人际交往是否有良好的合作氛围。
2.4 数据表达和应用模块
2.4.1 数据表达。挖掘发现的知识可以利用可视化技术,如树、表、规则、图表、交叉表、矩阵或曲线等多种形式表示,使内容易于理解能够直接被人们使用。
2.4.2 数据应用。数据挖掘在教学质量监测系统中的应用主要有以下几个方面:
(1)个性化学习。1)学习者特征的可知性分析。根据学生的注册信息和需求纪录,系统可以向学生显示那此可能引起学生特殊兴趣的新知识。2)分析需求趋势。分析每个学习者的访问模式,通过挖掘对应的访问历史记录,系统向不同的学生提供符合其访问习惯的页面信息,预测学习需求。(2)自动答疑系统。系统解答与对学生提交的问题是同步并发的过程,用户在页面输入提出的问题,提交给计算机处理,系统对输入的问题进行分词和提取关键字的预处理。(3)教学评价和学习结果评价。教学效果和学习结果都需要一个客观公正的评价,数据挖掘可以帮助实现多方面,多层次、全方位的评价。
参考文献
[1] J.Han and M .Kamber 著.范明,孟小峰译.数据挖掘:概念与技术[M].机械工业出版社,2004.
[2] 谭祖谊.发展经济学教学模式改革初探,中国青年政治学院学报,2005,(5):93-96.
[3] 段鹏飞.论经济学的课堂实验教学法,东北财经大学学报,2005,(6):74-77.
[4] 黄荣斌.发展经济学课程若干思考[J].广东工业大学学报,2007,(6):177-178.