數據挖掘技術在高校教學評價中的應用研究

孫健　趙鵬　雷鳴

摘 要：本文概要論述了目前高等院校教學評價的現狀，并以高校教學評價系統為數據挖掘平臺，利用數據挖掘技術，運用多種數據挖掘方法對教學相關數據進行分析。重點闡述了數據挖掘技術在高校教學評價系統中的應用研究。從而達到促進高校教師改進教學方法，提高教學質量的目的，對高校教學評價具有深遠的影響。

關鍵詞：數據挖掘 教學評價 教學質量

中圖分類號：G71 文獻標識碼：A 文章編號：1672-3791（2014）06（b）-0146-01

近年來，隨著我國高校信息化程度的不斷提高，教學管理系統中積累了大量的數據信息。這些數據信息除了用于日常的教學管理以外，一般只用來做一些常規的業務數據統計或排序。針對這些信息的處理方式都是對數據進行簡單的數字處理，而不能對這些數據進行深層次的分析。而數據挖掘技術通過對海量數據的分析，可以發現數據之間的潛在聯系，有效的為教學管理者提供科學的決策，降低成本，提高教學質量。

1 數據挖掘的相關研究

1.1 數據挖掘定義

數據挖掘技術是一門新興學科，集眾多學科交叉融合而成的工具和技術，其中包含了：數據庫技術、統計學、人工智能、信息檢索、模式識別等多種技術。數據挖掘（Data Mining），是指從海量的數據或數據庫中分析和提取出人們感興趣的知識的過程。目前數據挖掘在銀行、電信、保險、交通和零售業等各個領域已經有了較為深入的研究，但是在煤炭企業信息管理方面的應用并沒有得到廣泛的應用，還不能對信息管理中的海量數據進行分析評估與挖掘，缺乏綜合分析和決策支持能力。

1.2 數據挖掘的分類方法

數據發掘的分類有很多方法，可以根據數據挖掘的任務、數據挖掘的方法等進行分類。

（1）根據數據挖掘的任務可以分為如下幾種：分類或預測模型數據挖掘、數據總結、數據聚類、關聯規則發現、序列模式發現、依賴關系或依賴模型發現、異常和趨勢發現等等。

（2）根據數據挖掘的方法可以分為：統計方法、機器學習方法、神經網絡方法和數據庫方法。

1.3 數據挖掘的分類算法

分類算法是數據挖掘算法中很重要的一種，主要分類算法有決策樹算法、關聯規則分類算法、K近鄰分類算法、貝葉斯分類算法和基于模糊邏輯、遺傳算法、粗糙集和神經網絡的分類算法。

2 數據挖掘過程

數據挖掘是一個不斷反饋的過程，一般情況下，它可以分為三個階段：數據準備、數據挖掘、模式評估與表示。

（1）數據準備與數據預處理。

數據挖掘的前提條件是數據的準備，對教師的評價數據來源于系統的數據庫，包括：同行評價、學生評價、教師自評及專家評價等，這部分數據可通過數據庫表的讀取來獲得；另外一方面是調查問卷整理獲得的數據。對數據的預處理，也就將樣本集數據轉換為適合數據挖掘的格式。

（2）數據挖掘。

首先，根據數據的性質，在神經元網絡、歸納技術、聚類分析技術、關聯分析技術等諸多算法中選擇適合的技術。其次，選擇合適的算法，如：ID3算法、BP算法、Apriori算法等。接下來，用選定的技術及算法對于預處理的數據進行挖掘。

（3）模式評估與表示。

將原始數據通過數據挖掘轉換成為更易理解、可明確關系的形式，利用統計方法對于分析結果進行評價，從而得到最為適合的模式，并且預測未來可能發生的情況，供決策者進行決策。

3 數據挖掘技術在教學評價中的應用研究

教學評價是教學過程中的重要組成部分，是科學合理的分析手段，主要研究教師的教和學生學的價值過程。因此，把數據挖掘技術應用到高校教學評價中，從大量的數據分析中，發現影響學生、專家、同行評教結果的關鍵因素，分析教學行為和教學效果質檢的關系。幫助高校教師及管理人員分析影響教學質量的因素，找出教學管理中的問題，為教學管理者提供決策支持，為改進教學方法提供依據。

（1）數據挖掘應用于教學評價，有利于建立科學可行的教學質量評價指標體系。通過專門的部門測評，可以對教學質量有個準確的價值判斷。目前，高校教學水平的評定沒有一個合理的辦法，測評結果并不合理，不能達到預期的效果。所以，通過數據挖掘技術，對教師的教學等級進行判斷，促進教師改進教學技術，提高教學質量。

（2）將數據挖掘技術引入到教學評價過程中，可以指導教學管理，提高教學質量。用科學的手段收集、分析處理所獲得的資料，找出教學質量好的教師所具備的集中特征，家偶爾管理者可以正確及時的采取主動有力的措施進行指導、更好的發揮管理功能，從而促進教學工作質量的提高。

（3）將數據挖掘技術引入到教學評價的過程中，可以推動教學改革。通過數據挖掘，教師可以根據所得數據判斷，教學方法、教學手段是否合理，教學的重點、難點是否清晰明白，從而調整教學策略，改進教學手段。促使教師盡快轉變教學思想，優化教學過程。

4 結論

作為新興的數據分析技術，數據挖掘在對高校的教學質量評價中，對高校中與教學相關的數據進行分析，從而發現高校教學中存在的問題，找出影響教學效果的關鍵因素，不僅可以提高效率，降低成本，更加有利于數據分享，保證數據的安全性，能夠更好的為服務高校的教學及發展。同時也有利于進一步促進高校教育信息化建設的發展。

參考文獻

[1] 賀瑤，王文慶，薛飛.基于云計算的海量數據挖掘研究[J].計算機技術與發展，2013（2）.

[2] 董琳.數據挖掘技術在高職院教學評價中的應用研究[J].電腦知識與技術，2013（4）.

[3] 江敏，徐艷.數據挖掘技術在高校教學管理中的應用[J].電腦知識與技術，2012（8）.

[4] 呂慎敏.基于數據挖掘的高校教學管理決策支持系統研究[D].山東師范大學，2012（6）.

[5] 高曉佳.數據挖掘在教育信息化中的應用研究[J].電腦知識與技術，2012（2）.

[6] 趙林莉，尹紹宏.數據挖掘技術在高校教學質量評價中的應用[J].廊坊師范學院學報：自然科學版，2011（12）.endprint

摘 要：本文概要論述了目前高等院校教學評價的現狀，并以高校教學評價系統為數據挖掘平臺，利用數據挖掘技術，運用多種數據挖掘方法對教學相關數據進行分析。重點闡述了數據挖掘技術在高校教學評價系統中的應用研究。從而達到促進高校教師改進教學方法，提高教學質量的目的，對高校教學評價具有深遠的影響。

關鍵詞：數據挖掘 教學評價 教學質量

中圖分類號：G71 文獻標識碼：A 文章編號：1672-3791（2014）06（b）-0146-01

近年來，隨著我國高校信息化程度的不斷提高，教學管理系統中積累了大量的數據信息。這些數據信息除了用于日常的教學管理以外，一般只用來做一些常規的業務數據統計或排序。針對這些信息的處理方式都是對數據進行簡單的數字處理，而不能對這些數據進行深層次的分析。而數據挖掘技術通過對海量數據的分析，可以發現數據之間的潛在聯系，有效的為教學管理者提供科學的決策，降低成本，提高教學質量。

1 數據挖掘的相關研究

1.1 數據挖掘定義

數據挖掘技術是一門新興學科，集眾多學科交叉融合而成的工具和技術，其中包含了：數據庫技術、統計學、人工智能、信息檢索、模式識別等多種技術。數據挖掘（Data Mining），是指從海量的數據或數據庫中分析和提取出人們感興趣的知識的過程。目前數據挖掘在銀行、電信、保險、交通和零售業等各個領域已經有了較為深入的研究，但是在煤炭企業信息管理方面的應用并沒有得到廣泛的應用，還不能對信息管理中的海量數據進行分析評估與挖掘，缺乏綜合分析和決策支持能力。

1.2 數據挖掘的分類方法

數據發掘的分類有很多方法，可以根據數據挖掘的任務、數據挖掘的方法等進行分類。

（1）根據數據挖掘的任務可以分為如下幾種：分類或預測模型數據挖掘、數據總結、數據聚類、關聯規則發現、序列模式發現、依賴關系或依賴模型發現、異常和趨勢發現等等。

（2）根據數據挖掘的方法可以分為：統計方法、機器學習方法、神經網絡方法和數據庫方法。

1.3 數據挖掘的分類算法

分類算法是數據挖掘算法中很重要的一種，主要分類算法有決策樹算法、關聯規則分類算法、K近鄰分類算法、貝葉斯分類算法和基于模糊邏輯、遺傳算法、粗糙集和神經網絡的分類算法。

2 數據挖掘過程

數據挖掘是一個不斷反饋的過程，一般情況下，它可以分為三個階段：數據準備、數據挖掘、模式評估與表示。

（1）數據準備與數據預處理。

數據挖掘的前提條件是數據的準備，對教師的評價數據來源于系統的數據庫，包括：同行評價、學生評價、教師自評及專家評價等，這部分數據可通過數據庫表的讀取來獲得；另外一方面是調查問卷整理獲得的數據。對數據的預處理，也就將樣本集數據轉換為適合數據挖掘的格式。

（2）數據挖掘。

首先，根據數據的性質，在神經元網絡、歸納技術、聚類分析技術、關聯分析技術等諸多算法中選擇適合的技術。其次，選擇合適的算法，如：ID3算法、BP算法、Apriori算法等。接下來，用選定的技術及算法對于預處理的數據進行挖掘。

（3）模式評估與表示。

將原始數據通過數據挖掘轉換成為更易理解、可明確關系的形式，利用統計方法對于分析結果進行評價，從而得到最為適合的模式，并且預測未來可能發生的情況，供決策者進行決策。

3 數據挖掘技術在教學評價中的應用研究

教學評價是教學過程中的重要組成部分，是科學合理的分析手段，主要研究教師的教和學生學的價值過程。因此，把數據挖掘技術應用到高校教學評價中，從大量的數據分析中，發現影響學生、專家、同行評教結果的關鍵因素，分析教學行為和教學效果質檢的關系。幫助高校教師及管理人員分析影響教學質量的因素，找出教學管理中的問題，為教學管理者提供決策支持，為改進教學方法提供依據。

（1）數據挖掘應用于教學評價，有利于建立科學可行的教學質量評價指標體系。通過專門的部門測評，可以對教學質量有個準確的價值判斷。目前，高校教學水平的評定沒有一個合理的辦法，測評結果并不合理，不能達到預期的效果。所以，通過數據挖掘技術，對教師的教學等級進行判斷，促進教師改進教學技術，提高教學質量。

（2）將數據挖掘技術引入到教學評價過程中，可以指導教學管理，提高教學質量。用科學的手段收集、分析處理所獲得的資料，找出教學質量好的教師所具備的集中特征，家偶爾管理者可以正確及時的采取主動有力的措施進行指導、更好的發揮管理功能，從而促進教學工作質量的提高。

（3）將數據挖掘技術引入到教學評價的過程中，可以推動教學改革。通過數據挖掘，教師可以根據所得數據判斷，教學方法、教學手段是否合理，教學的重點、難點是否清晰明白，從而調整教學策略，改進教學手段。促使教師盡快轉變教學思想，優化教學過程。

4 結論

作為新興的數據分析技術，數據挖掘在對高校的教學質量評價中，對高校中與教學相關的數據進行分析，從而發現高校教學中存在的問題，找出影響教學效果的關鍵因素，不僅可以提高效率，降低成本，更加有利于數據分享，保證數據的安全性，能夠更好的為服務高校的教學及發展。同時也有利于進一步促進高校教育信息化建設的發展。

參考文獻

[1] 賀瑤，王文慶，薛飛.基于云計算的海量數據挖掘研究[J].計算機技術與發展，2013（2）.

[2] 董琳.數據挖掘技術在高職院教學評價中的應用研究[J].電腦知識與技術，2013（4）.

[3] 江敏，徐艷.數據挖掘技術在高校教學管理中的應用[J].電腦知識與技術，2012（8）.

[4] 呂慎敏.基于數據挖掘的高校教學管理決策支持系統研究[D].山東師范大學，2012（6）.

[5] 高曉佳.數據挖掘在教育信息化中的應用研究[J].電腦知識與技術，2012（2）.

[6] 趙林莉，尹紹宏.數據挖掘技術在高校教學質量評價中的應用[J].廊坊師范學院學報：自然科學版，2011（12）.endprint

摘 要：本文概要論述了目前高等院校教學評價的現狀，并以高校教學評價系統為數據挖掘平臺，利用數據挖掘技術，運用多種數據挖掘方法對教學相關數據進行分析。重點闡述了數據挖掘技術在高校教學評價系統中的應用研究。從而達到促進高校教師改進教學方法，提高教學質量的目的，對高校教學評價具有深遠的影響。

關鍵詞：數據挖掘 教學評價 教學質量

中圖分類號：G71 文獻標識碼：A 文章編號：1672-3791（2014）06（b）-0146-01

近年來，隨著我國高校信息化程度的不斷提高，教學管理系統中積累了大量的數據信息。這些數據信息除了用于日常的教學管理以外，一般只用來做一些常規的業務數據統計或排序。針對這些信息的處理方式都是對數據進行簡單的數字處理，而不能對這些數據進行深層次的分析。而數據挖掘技術通過對海量數據的分析，可以發現數據之間的潛在聯系，有效的為教學管理者提供科學的決策，降低成本，提高教學質量。

1 數據挖掘的相關研究

1.1 數據挖掘定義

數據挖掘技術是一門新興學科，集眾多學科交叉融合而成的工具和技術，其中包含了：數據庫技術、統計學、人工智能、信息檢索、模式識別等多種技術。數據挖掘（Data Mining），是指從海量的數據或數據庫中分析和提取出人們感興趣的知識的過程。目前數據挖掘在銀行、電信、保險、交通和零售業等各個領域已經有了較為深入的研究，但是在煤炭企業信息管理方面的應用并沒有得到廣泛的應用，還不能對信息管理中的海量數據進行分析評估與挖掘，缺乏綜合分析和決策支持能力。

1.2 數據挖掘的分類方法

數據發掘的分類有很多方法，可以根據數據挖掘的任務、數據挖掘的方法等進行分類。

（1）根據數據挖掘的任務可以分為如下幾種：分類或預測模型數據挖掘、數據總結、數據聚類、關聯規則發現、序列模式發現、依賴關系或依賴模型發現、異常和趨勢發現等等。

（2）根據數據挖掘的方法可以分為：統計方法、機器學習方法、神經網絡方法和數據庫方法。

1.3 數據挖掘的分類算法

分類算法是數據挖掘算法中很重要的一種，主要分類算法有決策樹算法、關聯規則分類算法、K近鄰分類算法、貝葉斯分類算法和基于模糊邏輯、遺傳算法、粗糙集和神經網絡的分類算法。

2 數據挖掘過程

數據挖掘是一個不斷反饋的過程，一般情況下，它可以分為三個階段：數據準備、數據挖掘、模式評估與表示。

（1）數據準備與數據預處理。

數據挖掘的前提條件是數據的準備，對教師的評價數據來源于系統的數據庫，包括：同行評價、學生評價、教師自評及專家評價等，這部分數據可通過數據庫表的讀取來獲得；另外一方面是調查問卷整理獲得的數據。對數據的預處理，也就將樣本集數據轉換為適合數據挖掘的格式。

（2）數據挖掘。

首先，根據數據的性質，在神經元網絡、歸納技術、聚類分析技術、關聯分析技術等諸多算法中選擇適合的技術。其次，選擇合適的算法，如：ID3算法、BP算法、Apriori算法等。接下來，用選定的技術及算法對于預處理的數據進行挖掘。

（3）模式評估與表示。

將原始數據通過數據挖掘轉換成為更易理解、可明確關系的形式，利用統計方法對于分析結果進行評價，從而得到最為適合的模式，并且預測未來可能發生的情況，供決策者進行決策。

3 數據挖掘技術在教學評價中的應用研究

教學評價是教學過程中的重要組成部分，是科學合理的分析手段，主要研究教師的教和學生學的價值過程。因此，把數據挖掘技術應用到高校教學評價中，從大量的數據分析中，發現影響學生、專家、同行評教結果的關鍵因素，分析教學行為和教學效果質檢的關系。幫助高校教師及管理人員分析影響教學質量的因素，找出教學管理中的問題，為教學管理者提供決策支持，為改進教學方法提供依據。

（1）數據挖掘應用于教學評價，有利于建立科學可行的教學質量評價指標體系。通過專門的部門測評，可以對教學質量有個準確的價值判斷。目前，高校教學水平的評定沒有一個合理的辦法，測評結果并不合理，不能達到預期的效果。所以，通過數據挖掘技術，對教師的教學等級進行判斷，促進教師改進教學技術，提高教學質量。

（2）將數據挖掘技術引入到教學評價過程中，可以指導教學管理，提高教學質量。用科學的手段收集、分析處理所獲得的資料，找出教學質量好的教師所具備的集中特征，家偶爾管理者可以正確及時的采取主動有力的措施進行指導、更好的發揮管理功能，從而促進教學工作質量的提高。

（3）將數據挖掘技術引入到教學評價的過程中，可以推動教學改革。通過數據挖掘，教師可以根據所得數據判斷，教學方法、教學手段是否合理，教學的重點、難點是否清晰明白，從而調整教學策略，改進教學手段。促使教師盡快轉變教學思想，優化教學過程。

4 結論

作為新興的數據分析技術，數據挖掘在對高校的教學質量評價中，對高校中與教學相關的數據進行分析，從而發現高校教學中存在的問題，找出影響教學效果的關鍵因素，不僅可以提高效率，降低成本，更加有利于數據分享，保證數據的安全性，能夠更好的為服務高校的教學及發展。同時也有利于進一步促進高校教育信息化建設的發展。

參考文獻

[1] 賀瑤，王文慶，薛飛.基于云計算的海量數據挖掘研究[J].計算機技術與發展，2013（2）.

[2] 董琳.數據挖掘技術在高職院教學評價中的應用研究[J].電腦知識與技術，2013（4）.

[3] 江敏，徐艷.數據挖掘技術在高校教學管理中的應用[J].電腦知識與技術，2012（8）.

[4] 呂慎敏.基于數據挖掘的高校教學管理決策支持系統研究[D].山東師范大學，2012（6）.

[5] 高曉佳.數據挖掘在教育信息化中的應用研究[J].電腦知識與技術，2012（2）.

[6] 趙林莉，尹紹宏.數據挖掘技術在高校教學質量評價中的應用[J].廊坊師范學院學報：自然科學版，2011（12）.endprint