论文部分内容阅读
摘要：当前各个高校都非常重视课堂教学评价问题，数据挖掘作为一个新兴的技术受到越来越多的研究者关注，在各种知识决策活动领域应用非常广泛。该文阐述了层次分析法的基本原理，并以此来构建课堂教学评价体系，通过引入数据挖掘中的关联规则技术，来提高评价指标的完备性，能够有效地解决课堂教学评价体系构建问题。
关键词：数据挖掘；关联规则；层次分析法；教学评价
中图分类号：G642.0 文献标识码：A 文章编号：1009-3044（2017）28-0010-02
高校课堂教学质量的优劣一直受到教育管理者的重视，而课堂教学质量由课堂教学评价体系来衡量，如何构建科学完善的评价体系至关重要，通常评价体系的构建是一个系统工程，要遵循各种原则，既要考虑评价体系的科学性、目标性、导向性，同时也要考虑评价指标是否可行，衡量评价指标是采用定量指标、定性指标或者两种指标相结合的原则。
1 课堂教学评价体系构建方法
构建课堂教学质量评价体系通常要考虑两个重要方面的内容，一是指标的确定，二是权值的确定。指标是对目标某个方面的反映，是具体的，指标可以分层，有一级指标、二级指标、三级指标，确定指标的方法有多种，可以通过发放调查问卷的方式、穷举法、或者根据专家经验编制法等。权值能够衡量指标的重要程度，权值越大说明指标越重要，可以通过层次分析法、专家咨询法等来确定权值的大小，其中层次分析法用途最广。本文将分析层次分析法的基本原理，通过引入数据挖掘技术，构建课堂教学评价体系的通用模型。
2 基于数据挖掘的课堂教学评价体系模型构建
在高校，构建合理的课堂教学质量评价体系尤为重要，能够更好地指导人事部门进行重大问题的决策。本文分析层次分析法的基本原理，采用数据挖掘技术，以提高评价指标的最优性为目的，能够完成课堂教学评价体系构建问题。
2.1 层次分析法概述
层次分析法用途广泛，适用于多层次评价体系的构建[1]。采用定性与定量分析相结合，其运用领域相当广泛。它的基本原理分为4大部分：1）构建层次结构模型；2）构造比较矩阵；3）对比较矩阵的权向量进行计算；4）一致性检验。
2.2 构建基于数据挖掘的课堂教学评价体系模型
数据挖掘作为一个新兴的技术，应用领域广泛，文献[2-5]对数据挖掘应用于课堂教学评价进行了广泛的研究。基于数据挖掘的课堂教学评价体系模型如图1所示。
在图1中，通过专家系统，建立递阶层次结构，在由层次结构构造出判断矩阵，然后计算判断矩阵的特征矢量，接下来需要对特征矢量进行一致性和关联规则验证，如果这两个验证都能通过，则输出课堂教学评价体系的结果，并将产生的规则存入知识库中。倘若关联规则验证未通过，再次修改有关指标内容，重新建立递阶层次结构，或回到第二步重新构造比较矩阵。在关联规则验证中，利用经典的Apriori算法进行关联规则挖掘，验证评价体系的正确性和合理性。
2.3 模型在课堂教学评价体系构建中的应用
评价指标体系的构建对课堂教学评价至关重要，评价指标是否合理直接影响课堂教学评价的质量。本文通过发放学生调查问卷、收集同行、专家评价表，对其进行分析研究，得到一些主要指标，这些指标直接影响评价结果，通过运用层次分析法来解决评价指标权值分配的问题，构建合理的课堂教学评价体系，主要分为如下五个步骤：
（1） 建立评价指标递阶层次结构模型
评价指标通常可以分层，运用智能技术，通过知识库中存储的丰富领域知识，来建立递阶层次结构，考虑课堂教学质量评价自身的特点，该评价指标体系的层次结构模型如图2所示：
在图2中的课堂教学质量是目标层，A1-A4是从各种评价表中提取的一级评价指标，A11-A13、A21-A23、A31-A33、A41-A43为二级评价指标，具体内容如表1所示：
（2） 构造两两比较判断矩阵
根据常用的成对比较标度，采用比较方法，对各相关指标元素进行比较评分，根据评价体系中的一级指标和二级若干指标，专家组对其打分的结果构造两两比较判断矩阵，此矩阵是正互反矩阵。
（3） 规范列平均法计算权值
利用规范列平均法分别求出课堂教学评价体系中一级指标和二级指标的权值，这里利用公式计算每一列规范化，最终得到权值分配表，如表2所示。
（4） 一致性检验
一致性检验是对评价指标权值分配是否合理进行验证，一致性检验非常重要，在某种程度上可以对评价指标权值分配不合理进行矫正，运用层次分析方法所计算出的指标都能通过一致性验证，从而验证层次分析法的优越性。
（5） 关联规则验证
对评价数据与评价结果的关系进行关联规则挖掘采用数据挖掘中的Apriori算法，验证评价体系的完备性。其步骤如下：
①数据准备
根据课堂教学质量评价指标内容，通过向学生、同行教師、专家采集评价数据，在从这些数据中随机提取一些教师的评价记录，分析每项指标的评价数据与总评结果的关联性。
②关联规则挖掘
在关联规则挖掘中需要设置两项指标：最小支持度和置信度阀值，运用Apriori算法进行挖掘。结果表明相关课堂教学评价指标与总评成绩的关联性高低不等，指标等级与总评成绩的等级相对应，同时置信度较高，指标与评价结果关联性的高低则决定被分配的权值的高低，进一步证实了该课堂教学评价体系的完备性。
3 结束语
本文分析了高校课堂教学质量评价体系的构建方法，在教学质量评价体系中引入层次分析法，在此基础上提出一种基于数据挖掘的课堂教学评价模型，研究表明通过该模型建立的评价体系能够验证指标体系的完备性。
参考文献：
[1] 陈弘，李幽铮，郑钢.基于AHP法的教师教学质量评估改进模型[J].金陵科技学院学报， 2010，26（1）：31-34.
[2] 陈涛，王万荣.基于关联规则的数据挖掘技术在教学评价及学生成绩关系之间的应用研究[J].安徽科技学院学报，2013，27（6）：62-65.
[3] 赵颖.关联规则挖掘在教学评价中的应用[J].辽宁教育行政学院学报，2010，27（10）：17-18.
[4] 叶勇.基于云模型的课堂教学质量数据挖掘[J].计算机仿真，2012，29（8）：373-376.
[5] 朱兴荣.数据挖掘技术在网络空间课堂教学评价中应用[J].人才培养，2016（4）：76-78.
关键词：数据挖掘；关联规则；层次分析法；教学评价
中图分类号：G642.0 文献标识码：A 文章编号：1009-3044（2017）28-0010-02
高校课堂教学质量的优劣一直受到教育管理者的重视，而课堂教学质量由课堂教学评价体系来衡量，如何构建科学完善的评价体系至关重要，通常评价体系的构建是一个系统工程，要遵循各种原则，既要考虑评价体系的科学性、目标性、导向性，同时也要考虑评价指标是否可行，衡量评价指标是采用定量指标、定性指标或者两种指标相结合的原则。
1 课堂教学评价体系构建方法
构建课堂教学质量评价体系通常要考虑两个重要方面的内容，一是指标的确定，二是权值的确定。指标是对目标某个方面的反映，是具体的，指标可以分层，有一级指标、二级指标、三级指标，确定指标的方法有多种，可以通过发放调查问卷的方式、穷举法、或者根据专家经验编制法等。权值能够衡量指标的重要程度，权值越大说明指标越重要，可以通过层次分析法、专家咨询法等来确定权值的大小，其中层次分析法用途最广。本文将分析层次分析法的基本原理，通过引入数据挖掘技术，构建课堂教学评价体系的通用模型。
2 基于数据挖掘的课堂教学评价体系模型构建
在高校，构建合理的课堂教学质量评价体系尤为重要，能够更好地指导人事部门进行重大问题的决策。本文分析层次分析法的基本原理，采用数据挖掘技术，以提高评价指标的最优性为目的，能够完成课堂教学评价体系构建问题。
2.1 层次分析法概述
层次分析法用途广泛，适用于多层次评价体系的构建[1]。采用定性与定量分析相结合，其运用领域相当广泛。它的基本原理分为4大部分：1）构建层次结构模型；2）构造比较矩阵；3）对比较矩阵的权向量进行计算；4）一致性检验。
2.2 构建基于数据挖掘的课堂教学评价体系模型
数据挖掘作为一个新兴的技术，应用领域广泛，文献[2-5]对数据挖掘应用于课堂教学评价进行了广泛的研究。基于数据挖掘的课堂教学评价体系模型如图1所示。
在图1中，通过专家系统，建立递阶层次结构，在由层次结构构造出判断矩阵，然后计算判断矩阵的特征矢量，接下来需要对特征矢量进行一致性和关联规则验证，如果这两个验证都能通过，则输出课堂教学评价体系的结果，并将产生的规则存入知识库中。倘若关联规则验证未通过，再次修改有关指标内容，重新建立递阶层次结构，或回到第二步重新构造比较矩阵。在关联规则验证中，利用经典的Apriori算法进行关联规则挖掘，验证评价体系的正确性和合理性。
2.3 模型在课堂教学评价体系构建中的应用
评价指标体系的构建对课堂教学评价至关重要，评价指标是否合理直接影响课堂教学评价的质量。本文通过发放学生调查问卷、收集同行、专家评价表，对其进行分析研究，得到一些主要指标，这些指标直接影响评价结果，通过运用层次分析法来解决评价指标权值分配的问题，构建合理的课堂教学评价体系，主要分为如下五个步骤：
（1） 建立评价指标递阶层次结构模型
评价指标通常可以分层，运用智能技术，通过知识库中存储的丰富领域知识，来建立递阶层次结构，考虑课堂教学质量评价自身的特点，该评价指标体系的层次结构模型如图2所示：
在图2中的课堂教学质量是目标层，A1-A4是从各种评价表中提取的一级评价指标，A11-A13、A21-A23、A31-A33、A41-A43为二级评价指标，具体内容如表1所示：
（2） 构造两两比较判断矩阵
根据常用的成对比较标度，采用比较方法，对各相关指标元素进行比较评分，根据评价体系中的一级指标和二级若干指标，专家组对其打分的结果构造两两比较判断矩阵，此矩阵是正互反矩阵。
（3） 规范列平均法计算权值
利用规范列平均法分别求出课堂教学评价体系中一级指标和二级指标的权值，这里利用公式计算每一列规范化，最终得到权值分配表，如表2所示。
（4） 一致性检验
一致性检验是对评价指标权值分配是否合理进行验证，一致性检验非常重要，在某种程度上可以对评价指标权值分配不合理进行矫正，运用层次分析方法所计算出的指标都能通过一致性验证，从而验证层次分析法的优越性。
（5） 关联规则验证
对评价数据与评价结果的关系进行关联规则挖掘采用数据挖掘中的Apriori算法，验证评价体系的完备性。其步骤如下：
①数据准备
根据课堂教学质量评价指标内容，通过向学生、同行教師、专家采集评价数据，在从这些数据中随机提取一些教师的评价记录，分析每项指标的评价数据与总评结果的关联性。
②关联规则挖掘
在关联规则挖掘中需要设置两项指标：最小支持度和置信度阀值，运用Apriori算法进行挖掘。结果表明相关课堂教学评价指标与总评成绩的关联性高低不等，指标等级与总评成绩的等级相对应，同时置信度较高，指标与评价结果关联性的高低则决定被分配的权值的高低，进一步证实了该课堂教学评价体系的完备性。
3 结束语
本文分析了高校课堂教学质量评价体系的构建方法，在教学质量评价体系中引入层次分析法，在此基础上提出一种基于数据挖掘的课堂教学评价模型，研究表明通过该模型建立的评价体系能够验证指标体系的完备性。
参考文献：
[1] 陈弘，李幽铮，郑钢.基于AHP法的教师教学质量评估改进模型[J].金陵科技学院学报， 2010，26（1）：31-34.
[2] 陈涛，王万荣.基于关联规则的数据挖掘技术在教学评价及学生成绩关系之间的应用研究[J].安徽科技学院学报，2013，27（6）：62-65.
[3] 赵颖.关联规则挖掘在教学评价中的应用[J].辽宁教育行政学院学报，2010，27（10）：17-18.
[4] 叶勇.基于云模型的课堂教学质量数据挖掘[J].计算机仿真，2012，29（8）：373-376.
[5] 朱兴荣.数据挖掘技术在网络空间课堂教学评价中应用[J].人才培养，2016（4）：76-78.