關聯規則算法在評價指標體系中的應用研究

楊帆　季文天　傅翠玉

摘 要

列舉了當前許多教學質量評價系統存在的一些不足，對于評價結果主要有優秀、良好、中、及格或者差等，透過這個評價結果，教學管理人員很難找到教師的教學水平高低究競和哪些評價指標有關，探討運用關聯規則算法來解決這些存在的問題。同樣的利用關聯規則挖掘方法可以計算出分數較高的教師的優點在哪些方面。從而為教學管理人員提供可靠的決策依據。本文以海南軟件職業技術學院學生評教的數據為依據，詳細介紹了關聯規則算法的應用。

【關鍵詞】關聯規則算法 評價指標

目前，我們常見的對一個教師的教學質量的評價大概有以下幾種方式：教師之間互相評價；上級領導對教師的評價；學生對教師的評價等。由于高校的教師人數眾多而且評價所產生的數據量比較龐大，組織領導對每一位教師進行逐一評價這樣大量的工作，既不經濟，也因為無法排除人際關系及不熟悉教學過程等因素的影響而使操作難于開展。教學質量評價的方法主要都是涉及教師教學的情況，評價結果主要有優秀、良好、中、及格或者差等，透過這個評價結果，教學管理人員很難找到教師的教學水平高低究競和哪些評價指標有關。

1 關聯規則及Apriori算法描述

關聯規則分析就是從事務數據庫，關系數據庫和其他信息存儲中的大量數據的項集之間發現有趣的、頻繁出現的模式、關聯和相關性。為了在數據挖掘任務中得到有用的和可靠的規則，需要通過支持度和置信度兩個閾值來保證。

1.1 支持度

關聯規則X?Y 在D中的支持度是D中事務包含XUY 的百分比，即概率P（XUY），它是對關聯規則重要度的衡量，表示關聯規則的頻度。

1.2 置信度

關聯規則X?Y在D中的置信度是包含X的事務中同時包含Y的百分比，即條件概率P（XY） ，它是對關聯規則準確度的衡量，表示關聯規則的強度。

在所有的關聯規則算法中，Apriori 算法是比較著名的，這個算法可以從關聯規則中挖掘出的頻繁項集。Apriori算法發現關聯規則的過程一共分為以下兩步。

（1）通過迭代的方法，檢索出事務數據庫中所有支持度不能低于最小支持度項集--頻繁項集。

（2）采用頻繁項集構造出滿足用戶最小信任度的規則。其作用主要是為了挖掘或識別出所有的頻繁項集。

2 評價指標的構建

在構建教學質量評價指標體系時，一方面要全面客觀地分析眾多影響因素，同時還要對這些因素進行篩選，哪些是需要的，哪些是要丟掉的。對于影響力差不多的因素要將它們進行重組，這樣做是為了使因素的分布廣度和代表性能夠得到體現。綜合上面的剖析，加上評估操作的具體情況，建立教學質量評價指標體系。然后利用層次分析法全面客觀的論證這個評價體系，使構建的各項評估指標都是最佳的。詳細指標如表1所示。教學評價指標包括U1 教師素養、U2 教學設計、U3 教學過程和教學內容、U4 教學效果和U5 教學特色等一級指標。二級指標包括U11-U53。

3 關聯規則算法在評價指標體系中的應用

由于對教師的教學質量評價是多元的，學生一般是對所擔任該班課程的老師進行評價。因此，可以構建一個數據倉庫。然后對數據的各指標分數進行關聯分析，得出相應的支持數和支持度，并根據分析結果來挖取它們之間存在的關聯信息。計算出各項指標的得分并統計“[100，90]=很滿意、[80]=滿意、[70]=基本滿意、[60]=一般、[59，0]=不滿意”的個數；

3.1 數據準備

從數據中提取該教師的所有擔任課程的班級的評價記錄，針對各項指標分別統計出不同等級的支持數和相應的支持度，研究各項等級數據的關聯程度。如表2所示。其中的“01”至“15”指的是評價指標U11--U53。

3.2 等級劃分

根據分數的等級，劃分為：[100，90]=優、[80]=良，[70]=中，[60]=及格。通過計算出來的規則離散化的結果如表3所示，不同等級的支持數以及支持度。

3.3 聯規則挖掘

通過統計上表所提供的數據，進行關聯規則挖掘。然后設置最小支持度為n>0.7，其中成績為[60]和[70]的最小支持度和在一起計算。通過上表所提供的數據，得出滿足條件的指標如表4所示。

4 結語

通過以上步驟，結果表明，該教師對待教學工作認真負責，治學嚴謹；教學重點和難點設計合理，教學形式新穎，不落俗套。但是在教學環節的完整緊湊，和節奏適度方面把握不好，有時銜接也不夠自然。在教學改革方面突破不夠，沒有能夠采用基于行到導向的教學模式。教學管理人員可以根據關聯規則挖掘得出以上的結論并有針對性的讓教師相應的改進。同樣的利用關聯規則挖掘方法可以計算出分數較高的教師的優點在哪些方面。

參考文獻

[1]陸建江張亞非宋自林.模糊關聯規則的研究與應用[M].科學出版社，2010.

[2]王欣徐騰飛唐連章.SQLServer2005數據挖掘實例分析[M].中國水利水電出版社，2012.

[3]袁繼東，郁有全。層次分析法在地空導彈團戰斗力評估中的應用[J].西安：空軍工程大學學報（自然科學版）2011，5（1）：80—83.

[4]JamieMacLennan.數據挖掘原理與應用——SQLServer[M].清華大學出版社，2012.

[5]高職院校教學評價結果的數據分析CNKI：CDMD：2.2009.165849.

作者簡介

楊帆（1982-），男，海南省東方市人。現為海南軟件職業技術學院講師。

季文天，男，甘肅省蘭州市人。現為海南軟件職業技術學院副教授。

傅翠玉，女，海南省陵水黎族自治縣人。現為海南軟件職業技術學院講師。

作者單位

海南軟件職業技術學院 海南省三亞市 571400endprint

摘 要

列舉了當前許多教學質量評價系統存在的一些不足，對于評價結果主要有優秀、良好、中、及格或者差等，透過這個評價結果，教學管理人員很難找到教師的教學水平高低究競和哪些評價指標有關，探討運用關聯規則算法來解決這些存在的問題。同樣的利用關聯規則挖掘方法可以計算出分數較高的教師的優點在哪些方面。從而為教學管理人員提供可靠的決策依據。本文以海南軟件職業技術學院學生評教的數據為依據，詳細介紹了關聯規則算法的應用。

【關鍵詞】關聯規則算法 評價指標

目前，我們常見的對一個教師的教學質量的評價大概有以下幾種方式：教師之間互相評價；上級領導對教師的評價；學生對教師的評價等。由于高校的教師人數眾多而且評價所產生的數據量比較龐大，組織領導對每一位教師進行逐一評價這樣大量的工作，既不經濟，也因為無法排除人際關系及不熟悉教學過程等因素的影響而使操作難于開展。教學質量評價的方法主要都是涉及教師教學的情況，評價結果主要有優秀、良好、中、及格或者差等，透過這個評價結果，教學管理人員很難找到教師的教學水平高低究競和哪些評價指標有關。

1 關聯規則及Apriori算法描述

關聯規則分析就是從事務數據庫，關系數據庫和其他信息存儲中的大量數據的項集之間發現有趣的、頻繁出現的模式、關聯和相關性。為了在數據挖掘任務中得到有用的和可靠的規則，需要通過支持度和置信度兩個閾值來保證。

1.1 支持度

關聯規則X?Y 在D中的支持度是D中事務包含XUY 的百分比，即概率P（XUY），它是對關聯規則重要度的衡量，表示關聯規則的頻度。

1.2 置信度

關聯規則X?Y在D中的置信度是包含X的事務中同時包含Y的百分比，即條件概率P（XY） ，它是對關聯規則準確度的衡量，表示關聯規則的強度。

在所有的關聯規則算法中，Apriori 算法是比較著名的，這個算法可以從關聯規則中挖掘出的頻繁項集。Apriori算法發現關聯規則的過程一共分為以下兩步。

（1）通過迭代的方法，檢索出事務數據庫中所有支持度不能低于最小支持度項集--頻繁項集。

（2）采用頻繁項集構造出滿足用戶最小信任度的規則。其作用主要是為了挖掘或識別出所有的頻繁項集。

2 評價指標的構建

在構建教學質量評價指標體系時，一方面要全面客觀地分析眾多影響因素，同時還要對這些因素進行篩選，哪些是需要的，哪些是要丟掉的。對于影響力差不多的因素要將它們進行重組，這樣做是為了使因素的分布廣度和代表性能夠得到體現。綜合上面的剖析，加上評估操作的具體情況，建立教學質量評價指標體系。然后利用層次分析法全面客觀的論證這個評價體系，使構建的各項評估指標都是最佳的。詳細指標如表1所示。教學評價指標包括U1 教師素養、U2 教學設計、U3 教學過程和教學內容、U4 教學效果和U5 教學特色等一級指標。二級指標包括U11-U53。

3 關聯規則算法在評價指標體系中的應用

由于對教師的教學質量評價是多元的，學生一般是對所擔任該班課程的老師進行評價。因此，可以構建一個數據倉庫。然后對數據的各指標分數進行關聯分析，得出相應的支持數和支持度，并根據分析結果來挖取它們之間存在的關聯信息。計算出各項指標的得分并統計“[100，90]=很滿意、[80]=滿意、[70]=基本滿意、[60]=一般、[59，0]=不滿意”的個數；

3.1 數據準備

從數據中提取該教師的所有擔任課程的班級的評價記錄，針對各項指標分別統計出不同等級的支持數和相應的支持度，研究各項等級數據的關聯程度。如表2所示。其中的“01”至“15”指的是評價指標U11--U53。

3.2 等級劃分

根據分數的等級，劃分為：[100，90]=優、[80]=良，[70]=中，[60]=及格。通過計算出來的規則離散化的結果如表3所示，不同等級的支持數以及支持度。

3.3 聯規則挖掘

通過統計上表所提供的數據，進行關聯規則挖掘。然后設置最小支持度為n>0.7，其中成績為[60]和[70]的最小支持度和在一起計算。通過上表所提供的數據，得出滿足條件的指標如表4所示。

4 結語

通過以上步驟，結果表明，該教師對待教學工作認真負責，治學嚴謹；教學重點和難點設計合理，教學形式新穎，不落俗套。但是在教學環節的完整緊湊，和節奏適度方面把握不好，有時銜接也不夠自然。在教學改革方面突破不夠，沒有能夠采用基于行到導向的教學模式。教學管理人員可以根據關聯規則挖掘得出以上的結論并有針對性的讓教師相應的改進。同樣的利用關聯規則挖掘方法可以計算出分數較高的教師的優點在哪些方面。

參考文獻

[1]陸建江張亞非宋自林.模糊關聯規則的研究與應用[M].科學出版社，2010.

[2]王欣徐騰飛唐連章.SQLServer2005數據挖掘實例分析[M].中國水利水電出版社，2012.

[3]袁繼東，郁有全。層次分析法在地空導彈團戰斗力評估中的應用[J].西安：空軍工程大學學報（自然科學版）2011，5（1）：80—83.

[4]JamieMacLennan.數據挖掘原理與應用——SQLServer[M].清華大學出版社，2012.

[5]高職院校教學評價結果的數據分析CNKI：CDMD：2.2009.165849.

作者簡介

楊帆（1982-），男，海南省東方市人。現為海南軟件職業技術學院講師。

季文天，男，甘肅省蘭州市人。現為海南軟件職業技術學院副教授。

傅翠玉，女，海南省陵水黎族自治縣人。現為海南軟件職業技術學院講師。

作者單位

海南軟件職業技術學院 海南省三亞市 571400endprint

摘 要

列舉了當前許多教學質量評價系統存在的一些不足，對于評價結果主要有優秀、良好、中、及格或者差等，透過這個評價結果，教學管理人員很難找到教師的教學水平高低究競和哪些評價指標有關，探討運用關聯規則算法來解決這些存在的問題。同樣的利用關聯規則挖掘方法可以計算出分數較高的教師的優點在哪些方面。從而為教學管理人員提供可靠的決策依據。本文以海南軟件職業技術學院學生評教的數據為依據，詳細介紹了關聯規則算法的應用。

【關鍵詞】關聯規則算法 評價指標

目前，我們常見的對一個教師的教學質量的評價大概有以下幾種方式：教師之間互相評價；上級領導對教師的評價；學生對教師的評價等。由于高校的教師人數眾多而且評價所產生的數據量比較龐大，組織領導對每一位教師進行逐一評價這樣大量的工作，既不經濟，也因為無法排除人際關系及不熟悉教學過程等因素的影響而使操作難于開展。教學質量評價的方法主要都是涉及教師教學的情況，評價結果主要有優秀、良好、中、及格或者差等，透過這個評價結果，教學管理人員很難找到教師的教學水平高低究競和哪些評價指標有關。

1 關聯規則及Apriori算法描述

關聯規則分析就是從事務數據庫，關系數據庫和其他信息存儲中的大量數據的項集之間發現有趣的、頻繁出現的模式、關聯和相關性。為了在數據挖掘任務中得到有用的和可靠的規則，需要通過支持度和置信度兩個閾值來保證。

1.1 支持度

關聯規則X?Y 在D中的支持度是D中事務包含XUY 的百分比，即概率P（XUY），它是對關聯規則重要度的衡量，表示關聯規則的頻度。

1.2 置信度

關聯規則X?Y在D中的置信度是包含X的事務中同時包含Y的百分比，即條件概率P（XY） ，它是對關聯規則準確度的衡量，表示關聯規則的強度。

在所有的關聯規則算法中，Apriori 算法是比較著名的，這個算法可以從關聯規則中挖掘出的頻繁項集。Apriori算法發現關聯規則的過程一共分為以下兩步。

（1）通過迭代的方法，檢索出事務數據庫中所有支持度不能低于最小支持度項集--頻繁項集。

（2）采用頻繁項集構造出滿足用戶最小信任度的規則。其作用主要是為了挖掘或識別出所有的頻繁項集。

2 評價指標的構建

在構建教學質量評價指標體系時，一方面要全面客觀地分析眾多影響因素，同時還要對這些因素進行篩選，哪些是需要的，哪些是要丟掉的。對于影響力差不多的因素要將它們進行重組，這樣做是為了使因素的分布廣度和代表性能夠得到體現。綜合上面的剖析，加上評估操作的具體情況，建立教學質量評價指標體系。然后利用層次分析法全面客觀的論證這個評價體系，使構建的各項評估指標都是最佳的。詳細指標如表1所示。教學評價指標包括U1 教師素養、U2 教學設計、U3 教學過程和教學內容、U4 教學效果和U5 教學特色等一級指標。二級指標包括U11-U53。

3 關聯規則算法在評價指標體系中的應用

由于對教師的教學質量評價是多元的，學生一般是對所擔任該班課程的老師進行評價。因此，可以構建一個數據倉庫。然后對數據的各指標分數進行關聯分析，得出相應的支持數和支持度，并根據分析結果來挖取它們之間存在的關聯信息。計算出各項指標的得分并統計“[100，90]=很滿意、[80]=滿意、[70]=基本滿意、[60]=一般、[59，0]=不滿意”的個數；

3.1 數據準備

從數據中提取該教師的所有擔任課程的班級的評價記錄，針對各項指標分別統計出不同等級的支持數和相應的支持度，研究各項等級數據的關聯程度。如表2所示。其中的“01”至“15”指的是評價指標U11--U53。

3.2 等級劃分

根據分數的等級，劃分為：[100，90]=優、[80]=良，[70]=中，[60]=及格。通過計算出來的規則離散化的結果如表3所示，不同等級的支持數以及支持度。

3.3 聯規則挖掘

通過統計上表所提供的數據，進行關聯規則挖掘。然后設置最小支持度為n>0.7，其中成績為[60]和[70]的最小支持度和在一起計算。通過上表所提供的數據，得出滿足條件的指標如表4所示。

4 結語

通過以上步驟，結果表明，該教師對待教學工作認真負責，治學嚴謹；教學重點和難點設計合理，教學形式新穎，不落俗套。但是在教學環節的完整緊湊，和節奏適度方面把握不好，有時銜接也不夠自然。在教學改革方面突破不夠，沒有能夠采用基于行到導向的教學模式。教學管理人員可以根據關聯規則挖掘得出以上的結論并有針對性的讓教師相應的改進。同樣的利用關聯規則挖掘方法可以計算出分數較高的教師的優點在哪些方面。

參考文獻

[1]陸建江張亞非宋自林.模糊關聯規則的研究與應用[M].科學出版社，2010.

[2]王欣徐騰飛唐連章.SQLServer2005數據挖掘實例分析[M].中國水利水電出版社，2012.

[3]袁繼東，郁有全。層次分析法在地空導彈團戰斗力評估中的應用[J].西安：空軍工程大學學報（自然科學版）2011，5（1）：80—83.

[4]JamieMacLennan.數據挖掘原理與應用——SQLServer[M].清華大學出版社，2012.

[5]高職院校教學評價結果的數據分析CNKI：CDMD：2.2009.165849.

作者簡介

楊帆（1982-），男，海南省東方市人。現為海南軟件職業技術學院講師。

季文天，男，甘肅省蘭州市人。現為海南軟件職業技術學院副教授。

傅翠玉，女，海南省陵水黎族自治縣人。現為海南軟件職業技術學院講師。

作者單位

海南軟件職業技術學院 海南省三亞市 571400endprint