基于数据挖掘的高校教学质量评估体系的构建
高校教学质量评估作为教育整体评估的一个重要方面，不仅是构成教育评估的主体与基础，而且已成为教学活动中不可或缺的重要环节。信息技术的互联网发展为教学和管理工作积累了大量数据，为高校教学质量评估体系构建创造了先决条件，但目前对这些数据的处理还停留在初级的数据备份、查询及简单统计阶段，大量评估数据的挖掘和分析仍然停留在人工处理阶段，致使这些数据不能充分发挥其应有的价值。如今“以质量求生存”成为每个高校的必然选择，高校教学质量能否得到保障，教师的授课质量、教学水平起决定性作用。所以为提高学校的办学水平，必须有一个科学的测评体系对教师的教学质量进行监控。本文就如何更科学、合理、有效地利用大量数据理性分析并指导教师教学进行深入研究。
一、数据挖掘的基本技术
数据挖掘旨在从海量数据中提取隐藏的预测性信息，挖掘数据间潜在的模式，找出数据分析人员可能忽视的信息，以易于理解的形式反映给用户，并为使用者提供前瞻的、基于知识的决策参考意见。数据挖掘技术是数据挖掘工具的理论基础，而数据挖掘工具是对数据挖掘技术进行实际验证的最好平台，本质是对数量有限的基本数据挖掘技术的实现和拓展。所以有必要对隐藏在从而高效的数据挖掘工具背后的基本技术和算法进行充分了解，
对所采用的算法加以利用和改造，构建科学有效的教学质量评估模型。
对于数据挖掘技术，可以分别从挖掘任务、挖掘对象和挖掘方法三个角度加以分类。按挖掘任务分类，包括分类或预测知识模型发现、数据总结、数据聚类、关联规则发现、时序模式发现、依赖关系或依赖模型发现、异常和趋势发现等。按挖掘对象分类，包括关
系数据库、面向对象数据库、空间数据库、时态数据库、文本数据库、多媒体数据库、异构数据库、数据仓库、演绎数据库和Web数据库等。按挖掘方法角度看，数据挖掘基本技术和算法主要方法包括数据可视化、决策树、支持向量机、粗糙集、神经网络、遗传算法、传统的统计分析理论、联机分析处理、相关规则和K近邻规则等。
二、教学质量评估体系的数据挖掘模型构建
1.数据挖掘模型的整体处理流程
教学质量的定量评价是实施有效的教学质量评估数据挖掘的必要前提。由于教学质量评估中所涉及的内容定性的成分多，定量的成分少，总体上只能给出定性的标准，而且标准弹性较大，加上评价者因对标准把握上存在偏差及主观认识上的偏见，这都给教学质量评估的定量分析增加了难度。层次分析法的主要特点是定性与定量分析相结合，将人的主观判断用数量形式表达出来并进行科学处理，较好地契合教学质量评估问题的特点，较准确所以首先运用层次分析法建立了教学地反映其面临的主要问题。．
质量评价指标体系，提出了多层次的评价模型，利用层次分析法计算各项指标的权重使评价结果更科学有效。
针对基于层次分析法和模糊综合评价方法的教学质量量化评价指标，分别采用改进的决策树算法及Apriori算法，对包含教学质量评估数据和上述层次分析法得出的量化评价指标在内的教学质量评估数据集进行深度挖掘。具体来讲，首先将量化指标体系离散化为四个区间，分别对应教学质量的“不合格”、“一般”、“良好”、“优秀”四个主观评价指标。采用决策树技术的主要目标是通过对样本数据集的数据挖掘和学习，得出有效的决策树。通过决策树的判别，将输入教学质量评估系统的教师教学质量评估数据归入四个主观评价
指标类别之一，从而完成对教学质量的有效评估。采用Apriori算法的目标是从包括教学质量评估数据和离散化的量化指标在内的教学质量评估数据集中挖掘出有代表性的关联规则，这些关联规则代表数据集中两种类型的隐含信息。第一种是教学质量评估数据之间的隐含关系，第二种是众多教学质量评估数据与离散化的量化指标之间的隐含关系。不论哪一种隐含信息，都可以作为对教学质量评估数据的挖掘结果，对相关部门的教学质量改善决策起到辅助作用。
2.数据准备
没有高质量的数据，就没有高质量的挖掘。对原始教学评估数据的预处理效果在很大程度上直接决定数据挖掘的最终性能。教学准确采集。数据采集的目标是实现大规模评价数据的完整、．
质量分析评价系统采用计算机的数据转换功能直接打开信息源数据库进行数据采集。进行数据采集的内容包括教学质量信息数据和教师档案数据。
数据预处理的主要目标是消除噪声或不一致的数据，避免众多的数据源导致的同一数据的不同名或同名的不同数据，这将使得用于数据挖掘的数据更整齐和清晰，避免由于数据源的问题造成的数据挖掘偏差甚至错误。
3.基于层次分析法的教学质量量化评价指标建立
采用层次化的分析方法有助于更有效地利用数据挖掘技术的优点进行教学质量数据样本的信息挖掘。对于高校而言，建立科学的教学质量评价体系，是进行高校管理的一项有效机制，同时是进行教学信息采集、处理和分析的主要平台。科学的教学质量评价体系中
反映的问题有助于引导高校深化高等教育综合改革，如师资调整、教学改革等事宜。评价体系一般是分层的、多目标的复杂系统，建立这种评价体系常用的方法是层次分析法。本文以层次分析法的基本思想为基础，进行评价体系的建立，并保证评价体系的完备性。
首先要对指标体系进行分层次分解，自上而下确定总目标与各准则、各指标的隶属关系，建立多级指标，并随着教学的发展不断完善评价体系。一般而言，层次分析法的基本步骤如下：
第一步，建立层次结构模型。将有关因素按照属性自上而下或对上层同一层各因素从属于上一层因素，地分解成若干层次，
因素有影响，同时又支配下一层的因素或受到下层因素的影响。
第二步，构造成对比较矩阵。以层次结构模型的第二层开始，用成对比较法和成对比较标度构造成对比较矩阵，直到最下层。
第三步，计算每个成对比较矩阵的权向量。
第四步，一致性检验。就是测量成对比较矩阵的一致性。
将利用数据挖掘中的关联分析技术对层次分析法进行扩展研究，基于数据挖掘的层次分析扩展模型，以层次分析法的基本思想为基础，引入数据挖掘中的关联规则技术，把提高评价指标的正确性与科学性作为目的，动态地解决具有多层次、多目标的相同结构的评价体系构建问题。要建立科学合理的教学质量评价体系，必须遵循有效性、科学性、指导性和可测性的原则，课堂教学质量的评价内容是整个教学工作的质量监控点，实质上是对
整个教学过程内容的提炼。
三、启示
本文结合四川外国语大学重庆南方翻译学院教学质量评估的实际情况，在深入研究数据挖掘理论和教学评估系统体系构建的基础上，设计教学质量评估数据分析、挖掘算法模型的框架，针对近年来积累的大量评教数据进行数据挖掘。一方面通过分析挖掘结果发现影响教师教学的因素，为教师提高教学水平和教学质量提供决策依据，另一方面对教学评价表中的各项数据进行关联规则的数据挖掘，为学校教学管理提出趋势性的、可操作性的、 有益的建议和措施，推动我国高等教育的内涵式发展。．
因篇幅问题不能全部显示，请点此查看更多更全内容