基于區分矩陣的關聯規則在教學實施過程評價中的應用

李縉　高明亮　張翼凌

摘? 要 由于影響計算機課程教學的因素多且復雜，因此，教學實施過程評價是教育發展進程中需關注和研究的問題。以區分矩陣為基礎，將關聯規則挖掘方法應用于計算機教學實施過程評價中。首先整理四項評價的數據，涉及案例講解、課件制作、教師職業素養、互動有效性四項評價;然后計算區分矩陣并求核心，做屬性約簡得案例講解、教師職業素養、互動有效性三項評價;最后抽取規則，根據計算機公共課程教學實施過程評價得分，可以自動進行等級判定。得出的規則應用可為教師及學校教學規劃部門提供重要參考和決策支持信息，從而科學有效地加強教學資源建設，滿足社會實際需求，提高就業質量。

關鍵詞 區分矩陣;關聯規則;計算機公共課程;就業質量

中圖分類號：G434? ? 文獻標識碼：B

文章編號：1671-489X（2020）16-0096-03

Distinction Matrix based Association Rules with Application to Teaching Process Evaluation： Taking Computer Public Course as an Example//LI Jin， GAO Mingliang， ZHANG Yiling

Abstract Because there are many and complex factors that affect the?computer course education， the evaluation of teaching implementa-tion process is a problem that needs attention and research in the pro-cess of education development. In this paper， based on the discerni-bility matrix， association rules mining method is applied to the eva-luation of computer teaching process. First of all， the data of four?evaluations are sorted out， including case explanation， courseware making， teachers professional quality and interactive effectiveness. Then， the differentiation matrix is calculated and the core is obtained，?and the attribute reduction is made to obtain three evaluations： case?explanation， teachers professional quality and interactive effective-ness. Finally， the extraction rule is： according to the evaluation score?of the teaching implementation process of? Computer Public Course， we can to determine the grade automatically. The application of the?rules can provide important reference and decision support informa-tion for teachers and school teaching planning departments. Thus， we?can strengthen the construction of teaching resources scientifically and effectively， meet the actual needs of the society， and improve the?quality of employment.

Key words distinguish matrix; association rules; computer public course; employment quality

1 引言

教學實施過程與社會企業實際需求息息相關，對提高學生就業質量起著至關重要的作用[1-2]。教學實施過程中的評價常采用20多個指標，很難區分;或采用三個指標，由于不同評價者在權重上給出的分值差異太大，并不能得出客觀公正結論，對教師評價及指導的可信度降低[3-4]，

同時影響學校培養學生的質量。本文將區分矩陣與關聯規則結合，通過數據挖掘，定量地找出教學實施過程中的核心評價指標，提取課程評價的自動等級判定規則，對提高教學質量和管理效率起到很好的指導作用[5-6]。

2 關聯規則

一個事務數據庫[7]中的關聯規則描述如下：

設I={i1，i2，…，im}是一個項目集合，其中的元素稱為項（item）。記D為事務T（transaction）的集合，這里事務T是項的集合，且TI。對應每一個事務有唯一的標識，如事務號，記作TID。設X是一個I中項的集合，如果XT，

則稱事務T包含X[8-9]。

關聯規則：X=>Y，這里XI，YI，并且X∩Y=Φ[10]。

如案例講解=“優”=>教學評價等級=“優”即是一條關聯規則。

3 基于區分矩陣的關聯規則挖掘模型

基于區分矩陣的關聯規則挖掘模型由以下五個步驟組成，如圖1所示。

數據預處理? 數據預處理主要是指對如問卷調查得到前期數據進行檢查，刪除缺失、重復、矛盾的數據，通過標準化操作，確保不同對象區分前數據量、可信度一致。

計算區分矩陣? 信息表S中屬性集C的區分矩陣M（C）=

（mi，j）n×n定義：

M（C）=（mi，j）n×n代表了區分xi，xj的完整信息。

計算區分矩陣的方法是在信息表中所有對象（記錄）條件屬性名的屬性值依次兩兩進行比較，找出屬性值不同的行，區分矩陣依次存放兩行對象（記錄）對應比較中屬性值不同的條件屬性名。

求核心? 核心是區分矩陣中所有單個元素或屬性名組成的集合，即core（A）={a∈A|α（x，y）={a}，其中x，y∈U}。

屬性約簡? 屬性約簡是指條件屬性集但不包括決策屬性集的約簡，在已知區分矩陣及核心的前提下得出。

抽取規則? 屬性約簡后的信息表，包含決策屬性集D、生成規則，以備自動決策判定使用。

4 基于區分矩陣的關聯規則在教學實施過程評價中的應用

編制初始信息表? 通過問卷調查某高校開設計算機公共課的學生5000人，收集10位教師四項評價指標和數據，編制教學實施過程評價的信息系統實例，如表1所示。其中C1、C2、C3、C4分別表示四項評價指標，即案例講解類評價、課件制作類評價、教師職業素養類評價、互動有效性類評價;同時在表中作為條件屬性，有五個等級優、良、中、及格、不及格的量化評價，對應得分依次是5、4、3、2、1。決策屬性D，表示該門課程的總評等級，其五個等級的量化評價值與條件屬性一致。將每行評價信息作為一個記錄，教學實施過程評價的信息系統實例中共有10條記錄。

區分矩陣? 根據區分矩陣的定義，計算得到表1的區分矩陣如圖2所示。

由區分矩陣求核心? 核心是計算屬性約簡的前提。找出區分矩陣內僅含單個元素構成的集合即核心。根據圖2，可以得出核心CORE={C1，C4}，即{案例講解類評價，互動有效性類評價}。

計算屬性約集? 根據計算屬性，約集算法按以下步驟進行：

1）核心作為初始的屬性約集;

2）將區分矩陣中所有包含核心的項置為空;

3）求得矩陣中出現次數最多的屬性，將其加入初始的約集中，同時置空包含該屬性的矩陣元素集;

4）轉至上一步，循環，直到矩陣中的所有元素集都為空。

可得到圖2的屬性約集為{C1，C3，C4}，即{案例講解類評價，教師職業素養類評價，互動有效性類評價}。屬性約簡后的信息表如表2所示。

抽取規則? 對教學實施過程的最終評價等級評定是根據表3中的數據按照以下規則進行的：

Rule1：（（C1=4∨C1=3）∧（C3=5）∧（C4=4∨C4=3））

→（D=4）

Rule2：（（ C1=5）∧（C3=5）∧（C4=4∨C4=5））→（D=5）

Rule3：（（C1=2∨C1=3）∧（C3=5∨C3=4）∧（C4=2∨

C4=3））→（D=3）

Rule4：（（C1=3∨C1=2）∧（C3=3∨C3=4）∧C4=2））→

（D=2）

Rule5：（（C1=2∨C1=1）∧（C3=4∨C3=3）∧C4=1））→

（D=1）

已獲得計算機公共課程的教學評價指標得分如表3所示。利用上述規則，給出計算機公共課程的教學實施過程評價的自動等級判定：

“C語言程序設計”的案例講解、課件制作、教師職業素養、互動有效性得分依次是C1=2、C2=4、C3=5、C4=2，由規則Rule3可以確定“C語言程序設計”課程的總評得分D為3，即等級中;

“VB程序設計”的案例講解、課件制作、教師職業素養、互動有效性得分依次是C1=4、C2=5、C3=5、C4=3，由規則Rule1可以確定“VB程序設計”課程的總評得分D為4，即等級良;

“數據庫技術與應用”的案例講解、課件制作、教師職業素養、互動有效性得分依次是C1=2、C2=3、C3=4、C4=1，由規則Rule5可以確定“數據庫技術與應用”課程的總評得分D為1，即等級不及格;

“多媒體技術與應用”的案例講解、課件制作、教師職業素養、互動有效性得分依次是C1=3、C2=4、C3=4、C4=2，由規則Rule4可以確定“多媒體技術與應用”課程的總評得分D為2，即等級及格。

5 結語

本文工作將區分矩陣與關聯規則結合應用到教學實施過程評價中，從現有問卷調查的數據出發，計算區分矩陣并求核心，給出條件屬性的簡化和相對簡化，如屬性約集{案例講解類評價，教師職業素養類評價，互動有效性類評價}，最后抽取所需的規則，如Rule1到Rule5，得出的這些規則可為教師及學校教學規劃部門提供重要參考和決策支持信息。如在準備課件制作的同時，需更多關注案例講解、教師職業素養、師生間互動有效性的提高。根據Rule1到Rule5可推出四門不同課程三個約簡屬性得分對應的課程總評等級。以決策屬性即總評等級優、良、中、及格、不及格為依據，再從案例講解、課件制作、教師職業素養、互動有效性等方面有針對性地加強課程建設，將來可應用該方法到更多的教學領域。

參考文獻

[1]鮑威.學生眼中的高等院校教學質量：高校學生教學評估的分析[J].現代大學教育，2007（4）：16-22，110-111.

[2]宋中發.高校思想政治理論課考核方式探析[J].西南石油大學學報（社會科學版），2014（5）：119-122.

[3]謝晴，吳小軍.基于關聯規則的數據挖掘技術在提高課程教學質量中的應用[J].中國科教創新導刊，2009（5）：175-176.

[4]謝秋麗.基于關聯規則的教學質量評價數據挖掘[J].現代計算機，2008（6）：25-27.

[5]劉文軍，谷云東，李洪興.基于區分矩陣求決策算法的約簡[J].北京師范大學學報（自然科學版），2003（3）：311-315.

[6]Han J， Kamber M， Pei J. Data Mining Concepts and?Techniques[M].3rd ed. San Francisco： Margan Kaufmann，2011.

[7]毛國君，段立娟，王實，等.數據挖掘原理與算法[M].北京：清華大學出版社，2007：166-175.

[8]孫曉梅.基于粗集的關聯規則挖掘模型在網絡課程評價中的應用[J].中國遠程教育，2004（7）：67-69.

[9]肖志明.關聯規則在遠程教育教學評價中的應用[J].中國遠程教育，2012（9）：39-42.

[10]俸世洲，周尚波.關聯規則在獨立學院招生決策中的應用[J].計算機工程與科學，2012（1）：119-123.

*項目來源：對分課堂在計算機通識課程中的探索和實踐（項目編號：X2018JGYB037）。

作者：李縉，西南石油大學計算機科學學院，講師，研究方向為數據挖掘、軟件工程（610500）;高明亮，山東理工大學電氣與電子工程學院，副教授，研究方向為機器學習（255000）;張翼凌，西南石油大學計算機科學學院，講師，研究方向為計算機軟件與理論、數據庫技術與應用（610500）。