基于數據挖掘技術的高校教學質量監控分析

賈軼凡

（天津財經大學 天津 300171）

1 引言

隨著計算機技術的發展，國家對于教育信息化的發展提出了明確規劃，而高校通過搭建“互聯網+”平臺，將計算機及相應的信息技術逐漸融入到教育教學管理體系中來，這使得教育管理體系生成、收集、存貯和處理數據的能力大大提高，數據資源也不斷增加。海量的數據資源對于高校監控教學質量而言，無異于一個巨大的寶庫，而利用數據挖掘技術將原本價值稀薄的數據信息轉化為有用的資源，指導教育管理決策，則成為高校實現信息化發展的重要舉措[1]。

2 在高校教學質量監控中運用數據挖掘技術的意義

在教育教學領域發展中，數據挖掘技術對于高校教學質量監控的優化與創新發展具有重要意義。

首先，有利于提升高校質量，促進高校教學監管的常態化、規范化發展。數據挖掘技術的應用能夠從多方面收集信息，并分階段研究和監管不同種類的信息數據，及時精準地掌握各個院校教育教學活動的真實狀態，利用數據形成完善的監控體系，從而監督各院校教學活動運行，提升教育教學質量。

其次，有利于構建公平合理的評估體系，激勵各院校不斷優化教學工作效果。數據挖掘技術能夠通過數據分析，為不同級別、不同種類的評估提供參考和依據，擺脫常規評價中人為干預的弊端，讓數據說話，用嚴格、規范的數據標準，形成科學合理的評價體系。

最后，有利于提高高校教育管理決策的科學性。數據挖掘技術應用于監控系統之中，不僅能夠實現信息的分析研究，還會生成報表，形成教育教學質量相關模型，教育管理者通過系統及時查找和審查各種信息，并根據監控結果，對不同教育管理方案進行比較、反思，預測教育管理活動的發展方向和形勢，進而優化教育管理方案，制定更加科學、精準的教育管理決策[2]。

3 基于數據挖掘技術優化高校教學質量監控的實現路徑

3.1 把握教育發展規律，明確教學質量監控要求

在教育信息化背景下，高校應基于數據挖掘技術，完善院校頂層設計，構建教學質量監控系統，形成一個能夠涵蓋院校各類信息的平臺，監測評價各院校教育教學質量，協調教育管理方案，促進教育教學資源的優化配置。當然，數據挖掘技術在高校教學監控體系中的運用需要良好的環境支撐。教育管理者應把握大數據時代教育發展規律，協調技術運用與管理目標之間的關系，構建高效的教學質量監控系統。

在教學質量監控系統建設中，高校首先應從宏觀層面，明確數據挖掘技術的應用要求，并通過構建完善可靠的管理機制，保障監控體系的建設。例如高校應充分深入分析教學質量監控系統建設對于教育教學管理工作的意義，并結合當前大數據背景出臺院校教學質量監控政策，確立不同職能部門以及相關教育機構在教學質量監控當中的詳細工作職責以及任務，為規范數據挖掘技術的應用提供依據。其次，明確數據挖掘技術在教學質量監控中的運用要點，將技術融入教學活動的各個環節，確保數據收集的全面性。例如高校應按照國家相關專業以及課程指標，根據專業人才培養的現實情況，針對教學質量的重點把控方向，制定全面、全程的質量指標體系，并將數據挖掘技術運用于日常課堂教學、課下培訓、實踐活動以及課程考試等不同環節，形成多元化評價，以全面保證教學質量監控的有效性。

3.2 結合質量監控要求，明確數據挖掘任務

高校實施教學質量監控的目的為了通過持續監督，定期收集有關教學工作質量、教學成果質量和辦學條件質量等方面的信息，并在分析整理的基礎上發現可能存在的質量問題，進而對教學行為及時調控，以穩定與提高教學質量。基于這一目的，高校在引入數據挖掘技術的過程中，應明確工作任務，并通過數據系統的操作，完善教學質量數據的分析和處理，為提升教學質量提供支持。

數據挖掘技術在教學質量監控中的任務主要體現為：（1）做好關聯分析，即通過數據挖掘探求兩個或兩個以上變量的取值之間存在的規律性。任何教學活動都會導致一定的教學結果，進而影響教學質量，在數據挖掘中，信息系統需要對這其中的關聯進行剖析，明確簡單關聯、時序關聯和因果關聯等不同形式，并找出影響教學質量的原因，為調整教學參數提供依據。（2）做好聚類分析。教學質量監管是高校實現宏觀管理的重要步驟，而數據挖掘技術可以通過聚類分析，對某一種教學現象進行歸類，進而建立宏觀概念，形成數據分布模型，為教育管理的宏觀規劃提供參考。（3）分類與預測，即通過對影響教學質量的各類因素的歸納總結，對規律、規則進行描述，這對于某種尚未發生的教學現象具有一定的預測作用，而在預測模型的基礎上，對當前的教學行為以及可能產生的教學結果進行分析，及時糾正不合理的教學行為，提高教學管理的科學性和預見性。（4）偏差分析，通過數據挖掘，教學數據中會出現與教學質量標準相偏離的情況，這些數據庫中存在的異常會引起教育管理者的注意，進而給出糾正偏差，優化教學活動，提升教學質量的相關對策[3]。

3.3 充分運用數據挖掘技術，強化數據分析

在高校教學質量監控中，教育管理者可以結合實際工作需要，合理選擇不同的數據挖掘技術手段，推動教學質量監管系統的構建。

在教學質量監控中，統計分析方法是最為常見的數據挖掘方法，其中判別分析、主成分分析、因子分析、相關分析、多元回歸分析等能夠從統計學角度對教學質量形成的原因進行分析、判斷，找出其中關聯因素。例如高校可以根據因子分析法對學生成績進行綜合評價，在評價中管理者可以根據專業課程確定參數，并判斷各個因子代表的能力，通過算法對學生的成績進行綜合評價，計算各個因子在成績中的貢獻率，結合分析結果對學生進行綜合定位。這樣的統計學分析方法就是通過對成績這一最為常見的數據資源進行挖掘，最終分析影響學生成績的各類因子，并通過結果分析教學質量，從而達到了教學質量監控的目的。

此外，高校還可以利用決策樹分類技術，通過數據挖掘實現對教學活動的分類或決策集合，從而產生規則和發現規律。例如在學生專業成績預測中，信息系統可以確定優、良、中、差四個等級，并通過系統的邏輯判斷對學生某一科成績的變化情況分析，形成最終判斷。這樣的數據挖掘能夠及時預測學生在學習中存在的問題，并提早做出預警，提升教育教學指導的預見性。

當然，在教學質量監控中，可利用的數據挖掘技術很多，如遺傳基因算法、規則歸納、可視化技術等等，這些技術對應一定的應用范圍，教育管理者應科學選擇，實現教學質量監控系統的有效構建。

3.4 優化教學質量監控過程，提高數據運用效率

高校在運用數據挖掘技術構建教學質量監控系統的過程中，應把握教育管理過程，完善教學質量監控步驟，進而最大限度發揮數據分析技術的應用價值[4]。

在教學質量監控系統的構建中，教育管理者首先要明確教學質量監控的目標和需求，并從數據挖掘的角度進行重新定義，形成科學合理的設計與規劃；其次，收集初步的數據，進行教育教學中各種熟悉數據處理的活動；再次，準備數據信息，將各院校教育教學活動中形成的成績單、教學記錄、活動報告等等，形成數據資源，并實現數據的轉化和處理，統一數據表達，奠定數據挖掘技術；然后，選擇和應用各種建模技術，并對其參數進行優化，形成教學質量監控模型，并通過信息系統對模型進行全面評價；最后，根據模型分析結果將數據挖掘形成的有價值的信息，融入到決策制定的過程中去，生成教學質量監控報告，指導教育教學工作的創新與優化。

4 結語

綜上所述，在教育信息化背景下，數據挖掘技術在高校教學質量監控中的運用具有重要意義。高校結合信息化教育發展背景，利用技術手段，從數據中分析規律，找出教育質量中存在的問題，進而探求解決思路，并做出科學決策，這對于提升高校教育教學質量，促進高校教育信息化發展是十分重要的。