【硕士论文】基于数据挖掘的高职高专教学评估应用研究
数据挖掘技术在高职教学评估中的应用研究
数据挖掘技术在高职教学评估中的应用研究【摘要】信息时代的到来，给人们带来了很多方便，与此同时，过多的复杂的信息本身也存在着相应的隐患。
第一是信息过多难以消化理解；第二是信息真假难以分辨；第三是信息的错综复杂使得安全难以保证；第四是信息形式不一致难以统一处理。
另一方面，随着数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多，增加的数据背后隐藏着许多重要的信息，如何将这些信息合理地利用起来为大家更好地服务，是一个值得研究的课题。
【关键词】数据挖掘高职教学评估随着教育信息化建设，教育界认识到教育数据的重要性，并积累了大量的教育数据，如何通过对这些庞大的数据进行分析，从而得到更多的有助于决策的信息，对于教育者来说是非常重要的。
面对庞大的数据，传统的数据分析技术无法发现数据中隐藏的相互联系，导致教育数据并没有充分地、有效地发挥其在教育决策和教学测评中的作用，这个任务就落在数据挖掘者的身上。
1 问题研究的可行性随着学校教育的发展，教学质量已成为一个学校的生命和灵魂。
好的教学质量是学校发展的基础，它直接关系到学校人材的培养，影响到学校的声誉。
每个学校都在努力加强教学质量的监控力度，确保课堂教学质量，以提高学校的综合实力。
教学测评的主要目的是对教学过程和结果进行监控，以了解课程执行情况和教师的教学效果，以改进教学实施，从而进一步提高教育教学水平。
一般来说，教师评分情况中往往积累了大量的数据，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，使得这些数据还不能发挥它应有的作用。
如何开发这些“宝藏”，利用这些数据理性地分析教学中各方面的成效得失是广大教师们共同关心的问题。
从解决以上几个问题入手，认真分析原因，找到决定教师评分结果的真正原因势在必行。
2 总体设计方案本文采用的决策树算法是一个能够适应多种情况的强壮算法，通过调节各种参数可以产生较好的分类和预测效果。
数据挖掘技术的处理过程大致可以分为三个主要的阶段：数据准备、数据挖掘、结果表达和解释。
基于数据挖掘的高校教学评估系统的研究
托大 学开发 ，Ｊ Ａ Ｖ Ａ实现 ，几 乎可运行 在所有 主流 的操 作平 台。
２教学评估系统的架构
本 文设 计 的教 学评 估系统 总体 由三层 结构 组成 ：数 据层 、 逻 辑层和 表示 层。表示 层主要 负责数 据 的输 入输 出，作为 界面 展 示 ；数 据层 负责数据 的预处 理；逻辑 层则 提供专 业的数据 分 析 和挖 掘。
３ 高校 数据 的预处理
本 文选取 的是 某高校 信息 工程专业 的课 程成绩 及设置 ，期
望 以该专 业说 明数据挖 掘对 高校数据 分析 的过程 。由于不 同专
业 问课程 差异较 大 ，核 心课程 各异 ，数 据处理 必须分 不 同专 业 进 行，这 也是教 育领域 数据挖 掘较大 的难 点之一 。但 是其数 据
等信 息。而 “ 成绩信 息表 ”则存放 了学 生的成 绩信 息，将原 有 的教 务数据 进行数 据重 构，一行元 组代表 一个 学生所有 专业 的 成 绩情况 ，每 个属 性代表 一 门专业 课程 的最终 成绩 ，统 一采 用 百 分制。这样 处理 学生数 据的 原因是根 据聚 类的特性 ，将一 个 学 生数据 看成 多维空 间的一个 数据 点，成绩 的差异可 以通过 计 算 数据 点的距 离绝对值 ，则根据 该距 离的远 近可 以可 以实现 学
最 终选取 的是信 息工程专业 的核心课程 （ 共 １ ６门），形成 两 张关系 表。其 中 “ 数据 信息表 ”存放 的是课 程信 息，定义 专 业 课程 的名称 ，学时 ，学分，课程 类别 ，课程类 型和 考试方 式
观 观察 和分析 簇 中心 、簇 占比等一 系列数据 ，确定 合适 的算法
参数 （ ｓ ｅ ｅ ｄ值 等 ）作 为先验知 识，最终选 取合适 的聚类 结果 ，
数据挖掘技术在高职高专教学质量评价体系中的应用研究
专 教 学 质 量 评 价 体 系 主 要 由一 级 指 标 和 二 级 指 标 组 成 。
所 有 的 指 标 构 成 一 个 整 体 的 评 价 体 系 。下 面 是 具 体 的 高
系 就 显 得 尤 为 重 要 。数 据 挖 掘 在 高 职 高 专 教 学 质 量 管 理
中的 研 究 与 应 用 具有 多方 面 的重 大 意 义 。
理 的细 则 ， 是 师 资 管 理 的 重 要 依 据 和 可 靠 标 准 。因 此 该 体
系 的构 建 需 要 科 学 合 理 的 构 建 方 法 ， 而 运 用 数 据 挖 掘 中 的
分 层 技 术 能 够 为 高 职 高 专 教 学 质 量 评 价 体 系 的建 立 提 供
科学的构建模型 。 １ 数 据 挖 掘 技 术 在 高 职 高 专 教 学 质 量 评 价体 系 中 的应 用 １ ． １ 数 据 挖 掘 在 高校 教 学 质 量 评 价 体 系 中的 意 义
第１ ２卷 第 ２期
２ ０ １ ３年 ４月
淮 北 职 业 技 术 学 院 学报
Ｊ ＯＵＲＮＡＬ ＯＦ ＨＵＡＩ Ｂ ＥＩ ＰＲＯＦＥ Ｓ Ｓ Ｉ ＯＮＡＩ ＡＮＤ ＴＥＣＨＮＩ ＣＡＬ ＣＯＬＬＥ ＧＥ
Ｖｏ １ ． １ ２ Ｎｏ ． ２
Ａｐｒ ．２ ０１ ３
则、 指 导 思 想 。从 某 种 意 义 上 来 说 评 价 指 标 反 映 了师 资 管
统 绝 对 能 够 反 映 出 目标 整 体 的 指 标 体 系 。指 标 对 达 到 目
标影响程度 的尺度 就是权 值 ， 权 值越 大 ， 则表示 指标 对 目 标 的影 响程 度 越 高 ， 也 就 越 容 易 引 起 大 家 的 重视 。 ２ 高 职 高 专教 师教 学质 量 评 价 体 系设 计 设 计 高 职 高 专 教 学 质 量 评 价 体 系 首 先 从 目标 分 析 人 手， 抓住教学质 量 的本质属 性 ， 列 出若干 要素 ， 用 穷举 法 、 经验性指标编制法、 问卷 调 查 法 和 主成 分 分 析 法 等 方 法 筛 选 出重 要 的 关 键 要 素 作 为 指 标 ， 然 后 在 实 践 中逐 步 修 改 完 善 。在 此 基 础 上 设 计 出 教 学 质 量 评 价 体 系 框 架 。高 职 高
试论数据挖掘在高校教学评价中的应用
作， 数据 准备可能 占用整个数据挖掘过程大部分 的时间和精力 。 因为 已有 数据 库 的数 据形 式一 般不能 满足 数据挖 掘 的需 要， 为了提升高校 的教学质量 ， 应该根 据具 体的成绩数据来建立
个适合挖掘 的数 据库通过决策树和关联分析实现教学系统 的 评价功能 ． 用学生 的成绩作 为数据资源 ． 在高校的教学评价体 系 中实施数据挖掘 ， 以求达到预期的效果。在科 技技术 突飞猛进 的 时代 ， 随着科 技的不断进 步 ， 高校的教学 评价 系统 越来越完 善 ， 包括 工作 的深入开展和完善数据 的采集 ，高校系统会在促进 学 校的发展和教师的教学上凸显出更大 的作用 ， 圉 从根本上解决 因 高校扩招而带来 的学生数量激增 ，学校教学质量受 到影 响等问
一
断的标准 ， 才能够在教学评判中对出现 的不足加 以改进。 决策树 分析 法和信 息煽被 引用于解决教学评 判的标 准问题 ， 找 出影响教 学效 果的质量指标 ， 并根据指标发现相 应的规律 。Ｓ ＱＬ Ｓ ｅ ｒ ｖ ｅ ｒ 数据库作 为新教 学评价 系统采用 ， 以Ｖ ｉ ｓ ｕ ａ ｌ Ｂ ａ ｓ ｉ ｃ开发环境为开发工具 ， 以课
堂教 学评价数据和学生成绩为数据 源， 实现 了具有 决策树和关联分析功能的教 学评价 系统 。 关键词 ： 教学评价 ： 数据挖掘 ； 关联规则 在高校多年的管理工作和教学的积累下 ， 产生了许多数据 ， 这些数据到 目前还没有得到充分 的利用 ，只是高校 的一些管 理 员通过浅显 的技术获取一些表 面的信 息。对于高校 这座数据库 俨然成为一座有较 大开发价值 的“ 宝藏” 。运用 一些 现代 化的高 新科技对这些数据进行深度挖掘并加 以合 理使用 ．对 高校的办 学质量无疑是重大性突破。 （ 嗵 过对数据库进行客观 的统计并加 以分 析 ．并找 出内在的规律使 隐藏起 来的信息系统得到最大限 度额 利用 ． 使高校的办学质量得到改善 。 数 据 挖 掘 的概 念 现在的社会是信 息社会 ， 所 以信 息就是 资源 ． 只是 ， 信 息跟 埋藏在地底下 的煤 矿一样 ， 都需要 勘测 、 挖掘才能 够加 以使 用。 对数据 中隐藏的 、 未知的知识进行挖 掘是数据挖掘 的任务。 这是 在首次的人工智能大会上提 出来 的。 数据挖 掘有许多种方法 ， 包 括神经网络方法 、 数据库方法以及机器人学 习方法等 。 二、 数 据 挖 掘 的 现 状 随着人工智能 的出现 ． 数据挖掘才得以被重视 ． 数据 挖掘首 次的提 出是在美 国。早在一九八零年美 国人提 出了“ 数据挖掘 ” 这一 理念 ， 并成功的将其运用到了保险 、 通信 和银行 等商业领域 里面 ， 并取得了令人瞩 目的成就。现如今 ， 美国甚至用神经网络 检测数 以亿计 的数据库记 录 ，并针对个体 的消费方式和消费地 点进行记 录 ．这对 一些 商业 公司把握 客户的购买倾 向有非常大 的价值。同时美国也在他们的高校中充分 的运用了数据并可 以 对学生的升学率进行预测 ．并且可 以得到百分之八十五 的准确 率。除此 之外 ， 在教学管理上也能充分用数据挖掘 ， 提高 高校管 理的质量 。 而在我国 ， 对数据挖掘 的研究相对 比较 晚一 些 ． 在上世纪 几 十年代末 在国家 自然科学基金的支持下进行 了首次数据挖掘研 究， 并取得了较好 的研究成就。 随后 ， 数据挖据在全国各地的高 校和学术界引起 了轩然大波 ， 得 到了高度 的重视 ， 相继有 清华 大 学、 中科院数学研究所和计算技术研究所 、 复旦大学等参与研究 但综观这些研究 ， 都没有从已有系统现存 的大量数据 出发 、 没有对数据进行 多角度 的统计分 析 、没去挖 掘数据 背后隐藏的 统计规律 和不 易被人们发 现的规则 和模式。可以对 一个实际的 综合教务管理 系统 中己存在 的学 生成绩数 据、教学评 价数据和 选课数据进行多角度的统计 分析 和数据挖掘， 以期对现有的教务 管理 系统进行优化， 提高教务管理的科学性 和规范化 。［ ３ １ 四、 数 据挖 掘 的模 型 数据挖掘总共 分为四个 阶段 ： （ 一） 数 据 准备 这是 在整个 阶段中 占比最大的一个阶段 ，包括对数据 的处 理、 数 据的推导 、 和数据类 型的转换 ， 在庞大 的数据库 中找 出真 正有用的数据信息 ， 进而完成数据类型转换等工作 ， 以此来减少 在进行挖 掘时要尽量考虑的变量 和特征 。
试析数据挖掘技术在职业学校教学评估中的应用
试析数据挖掘技术在职业学校教学评估中的应用随着信息技术的迅猛发展和教育改革的深入推进，职业学校教育的质量评估变得越来越重要。
传统的评估方式往往基于主观判断和量化指标，存在评价结果主观偏差大、评估过程耗时费力等问题。
而数据挖掘技术由于其强大的信息处理和分析能力，成为职业学校教学评估的一种有效方式。
一、数据挖掘技术在职业学校教学评估中的应用1.数据收集和预处理。
在实施数据挖掘技术之前，需要收集和预处理大量的教学数据。
这些数据可以包括学生的学习成绩、学习过程中的行为记录、学生背景信息等。
数据挖掘技术可以帮助职业学校对这些数据进行清洗、转换和集成，以确保数据的准确性和完整性。
2.特征选择和构建。
在进行数据挖掘之前，需要确定用于评估的特征和指标。
数据挖掘技术可以根据学校和教育目标的需求，从收集到的数据中选择出最相关的特征和指标，构建适合评估的特征向量。
3.模型建立和训练。
数据挖掘技术可以根据特定的评估目标选择合适的模型，如决策树、支持向量机、神经网络等。
然后，通过对已有数据进行训练，建立模型，以预测和分析学生的学习成绩、行为和特点等。
4.结果分析和评估。
通过数据挖掘技术得到的模型可以对学生的学习成绩和行为进行分析和评估。
职业学校可以根据模型预测的结果，对教学过程进行优化，提供个性化的教学服务和学习建议。
同时，可以对不同学生群体的学习效果进行比较和评价。
二、数据挖掘技术在职业学校教学评估中的优势1.客观性和准确性。
传统的评估方式往往受到主观因素的影响，而数据挖掘技术基于大量的数据分析，具有客观性和准确性。
通过数据挖掘技术可以得到更加客观和准确的评估结果，提高评估的科学性和可靠性。
2.效率和时效性。
传统的评估方式往往需要耗费大量的人力物力和时间，而数据挖掘技术可以自动地对大量的数据进行处理和分析，提高评估的效率和时效性。
这对于职业学校来说，可以及时地掌握学生的学习情况，及时调整教学策略，提高教学效果。
3.多维度分析。
数据挖掘技术在高职院教学评价中的应用研究
数据挖掘方法有多种分类方法 ， 可根据挖掘 的任务 、 挖 掘的对象 、 挖掘的方法来分类 １ 。 根据数据挖 掘的任务分 ， 有如下几种 ： 分类 或预测模型数据挖 掘 、 数据 总结 、 数据聚类 、 关 联规则发现 、 序列模式 发现 、 依 赖关 系或依赖模型发现 、 异 常和趋势发现等等 。 根据数据挖 掘的对象分 ， 有如下若 干种数据源 ： 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 据源 、 多媒 体 数据 、 异质数据库 、 遗产（ １ ｅ ｇ ａ ｃ ｙ ） 数据库 ， 以及 Ｗｅ ｂ 数据源 。 根据数据挖掘 的方法分 ， 可粗分为 ： 统计方法 、 机器学习方法 、 神 经网络方法和数据库方法 。统计方法 中 ， 可细分为 ： 回归分析 （ 多元 回归 、 自回归等 ） 、 判 别分 析（ 贝叶斯判别 、 费歇尔判别 、 非参数判别等 ） 、 聚类分析 （ 系统聚类 、 动态聚类 等 ） 、 探索性分析 （ 主元 分析法 、 相关分析法 等 ） 、 以及模糊 集 、 粗糙 集 、 支持 向量机等 。机器学 习中 ， 可 细分为 ： 归纳 学习方法 （ 决策树 、 规则归纳等 ） 、 基于
摘要 ： 在 高职院校教 学管理 中， 教 学质量评价是核 心 内容， 正确的评价能有效地促进教学质量的提 高。传统的教 学质量评
价还停 留在 简单的统计、 备份和查询阶段 ， 并没有对这些数据进行深入 的分析 ， 影 响理 解教 学质量 的深层 次的原 因。对教 学评价 的数据进行 分析 ， 并对教 学评 价本身的方法进行研 究， 对教 学质量有 着重要 的意义。该文探 讨 了数据挖掘相 关技 术与粗糙集的基本理论 ， 同时介 绍 了数据挖掘的常用工具， 得 出数 据挖掘技术适合用于教 学评价研 究的结论。 关键词 ： 教 学评价 ； 数据挖掘 ； 粗糙 集 中图分类号 ： Ｔ Ｐ ３ ９ １ 文献标识码 ： Ａ 文章编号 ： １ ０ ０ ９ — ３ ０ ４ ４ （ ２ Ｏ １ ３ ） １ ０ — ２ ３ ８ ２ — ０ ２
数据挖掘技术在高校教学评价中的应用研究
数据挖掘技术在高校教学评价中的应用研究摘要：本文概要论述了新建本科院校教学评价的现状，并以高校教学评价系统为数据挖掘平台，以高校教师评价数据为训练集，重点阐述了数据挖掘技术在高校教学评价系统中的应用研究。
通过研究表明，数据挖掘结果使得教师能够寻找有关影响教学质量的原因及影响学生学习质量的因素，从而对教师改进教学方法，提高教学质量起到了积极的作用，对高校教学评价具有一定的参考价值。
关键词：数据挖掘，教学评价，决策树评价对于我们每个人而言都是一个熟悉的不能再熟悉的词汇，它存在于我们生活的每时每刻。
而教学评价对于一个从事教育工作的人来说，则与评价之于我们是一样的。
但在教学评价过程中，我们该如何把握评价的内涵和目的？这是教育科学的一个重要的研究领域和教育领域的一项重要的实践活动。
本课题的研究基于新建本课院校的教学评价，提出了基于数据挖掘技术的教学评价系统，并对应用的数据挖掘技术进行了研究分析，以期与同行进行交流，共同为评价工作尽一份微薄之力。
一、高校教育评价现状的分析在这里，只是本人对教育教学评价现象的一种思考，针对目前三类本科院校教育教学评价实践活动的现状的一种思考，目的是期望教育评价作为一种管理手段的价值，更好地发挥教育教学评价实践的功能。
在一定意义上来讲，长期以来的教育评价实践，是一种不利于教育发展的实践，这是对教育评价种种弊端或不合理现象的集中说明。
在这里简要论述如下。
1、从事教学评价的人员，不能真正理解教学评价目的及内涵，这往往导致了教师对教学评价的抵触和不安，起不到教学评价的促进作用。
2、教学评价方法单一、教学评价结果不公开，不能真正做到公平、公正、公开，导致教师对评价活动重视程度不足，起不到评价的作用和意义。
3、为了评价而评价，更是在很大程度上导致了评价和教学发展的分离。
4、校园圈子小，导致了人的主观情感较大地影响了评价的客观性。
二、数据挖掘技术的应用研究本课题的研究提出了基于数据挖据技术的教学评价系统，在本系统中对教师、学生及学校管理者的评价采取了多种方法，尤其数据挖掘技术的应用，能更好地为决策者提供决策帮助。
基于数据挖掘的教学评价研究
【职业教育】Occupation Education2016年#2月刊(总第552期)基于数据挖掘的教学评价研究陈海燕(江苏安全技术职业学院，江苏徐州221011)摘要:主要分析并具体讨论数据挖掘技术在高职院校教学评价系统的实际应用，以期帮助学校管理人员更好地开展教学管理，教学人员改进教学工作,提高教学水平和教学质量。
关键词：数据挖掘;教学评价;研究中图分类号:G712 文献标志码:A文章编号：1000-8772(2016)34-0214-011数据挖掘原理及算法数据挖掘(Data Mining)，也就是从大量的、不完全的、有噪 声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用 的以及最终可理解的模式的非平凡过程。
它也可理解为是在现 有事实或数据的集合中寻找决策支持模式的过程。
数据挖掘是 一门融合了多个学科的交叉学科，主要有机器学习、神经网络、数理统计、数据库、粗糙集、模式识别、模糊数学等相关理论和技术。
也常被称为“知识发现”“数据挖掘”，主要用于数据分析、统计界、管理信息系统和数据库界。
2数据挖掘的分类数据挖掘是运用计算机及信息技术，从大量的、不完全的 数据集中获取隐含在其中的有用知识的高级过程。
数据挖掘涉 及的学科领域和方法很多，有多种分类法。
根据挖掘对象分:关 系数据库、面向对象数据库、空间数据库、时序数据库、D N A数 据库、多媒体数据库、异质数据库、遗产数据库以及W eb数据 库等;根据挖掘方法分:机器学习方法、统计方法、神经网络方法和数据库方法等;根据开采任务分:关联规则、分类、聚类、时 间序列预测模型发现和时序模式发现等。
3应用背景随着数据库管理系统的广泛应用，需要挖掘数据背后隐藏的大量信息，数据挖掘技术应运而生。
将数据挖掘技术应用于 学校教育教学中，从教学所产生的信息中发现有用的信息来指引教师的教学和引导学生的学习，都对教学改革会起到十分重要的促进作用。
江苏安全技术职业学院是江苏省教育厅直属的具有高等学历教育招生资格的全日制普通高等职业教育类学校，学校现 有教职工700余名，在校学生13 200余人。
高职教科研课题：数据挖掘在高职教学质量评价体系构建中的研究与应用
校长课题申报\大学校长课题申报数据挖掘在高职教学质量评价体系构建中的研究与应用数据挖掘在高职教学质量评价体系构建中的研究与应用XX药科职业学院XX主持完成了全国教育科学规划教育部青年课题“数据挖掘在高职教学质量评价体系构建中的研究与应用” (课题批准号:ECA160412)。
课题组主要成员：XXX、……。
一、内容与方法（一）研究内容通过文献检索和实地调研，课题组发现近年来大多数职业院校基本建立了教学质量评价体系，且具备了检索查询等初级功能，但缺乏系统性统计分析，更缺乏对数据库中的大量信息进行挖掘和深层次的利用。
如何科学的从大量数据中挖掘有利于教学质量评价的信息？如何对数据进行关联分析？如何将分析结果反馈于教学，促进教学质量的提高？都是值得思考的问题。
因此，课题组多次实地调查走访国内部分高职院校，了解其教育教学情况和质量管理现状，走访与其合作的相关企业，调研过程中采集了大量的数据（主要包括专业质量、理论实践教学质量、班级整体教学过程质量、学校整体教学质量的评价、企业对实习生的考核评价、毕业生对学院的评价）。
将所采集到的数据建立数据库，运用多算法数据挖掘技术，进行多层次、多角度的分析，探索出一套有利用价值的高职教学质量标准，并设计开发一套符合学院实际需求的管理系统，该系统将实现系统维护、用户管理、基础信息管理、评价管理等功能。
1.将数据挖掘技术顺利迁移、运用到教学质量评价体系的构建中。
采用调查问卷的方式，一是从培养目标、生源质量、“双师型”师资队伍、课程体系、教学模式、教学方法、实践教学、教学管理等共性的影响因子展开高职院校教学质量现状的调查研究；二是针对目前高职校企合作过程中存在的学校和企业一头热，一头冷的现象，以医药类企业为例，对企业参与职业教育的现状进行调查。
找出影响高职教学质量发展瓶颈的主要原因，为教学质量评价体系的构建奠定基础。
主要做法如下：1.1数据准备实地调查走访国内部分高职院校，了解其教育教学情况和质量管理现状，走访与其合作的相关企业，获得大量数据，建立对专业设置评价、理论及实践教学质量评价、班级整体教学过程质量评价、学校整体教学质量的评价、企业对实习生的考核评价等，然后从相应的源数据中提取相关数据，并对数据进行集成，将多个数据源中提取的数据存放在统一的数据仓库中。
数据挖掘技术在高职教学评估系统中的应用
□黄 斌 滕启龙
【摘
要】 在大众化进程中随着招生数量的不断膨胀高等职业教育的质量问题成为关注焦点 。 本文对基于决策树算法的高职 教学评估系统的设计方法进行了研究 ， 希望通过合理利用囤积的大量的教学评估数据 ， 从中找到提高教学质量的有 力因素， 以提高教学质量， 规范教学， 给教育决策者提供合理 、 有效的决策数据， 给授课教师自我检查、 自我提高的有 力指向。
表1 数据挖掘库产生数据表 评教结果 …… 优 优 良 良 职工编号 职称 授课态度 授课效果 授课方法 …… …… …… …… …… …… …… 0801 0802 0803 0804 高级 副高 中级 初级 优 优 优 优 优 优 优 优 优 优 良 良 …… ……足以上功能， 本教学评估系统以 Java Web 为开发平台， SQL Server2000 为后台数据库。系统体系结构如图 1 所示。
图1
系统体系结构图
三、 数据挖掘模型设计 数据挖掘是在海量的、 杂乱的、 有噪音的数据中以一种 更加自动化的方式进行分析和探索 。 挖掘的最后结构无法 预测， 但要挖掘的问题应提前预见 。 本系统的挖掘对象是： 吉林农业科技学院高职学院近几 年教学评估结果和教师基本信息的数据 。 本系统的挖掘目标是： 从已经得到的教学评估数据信息 中找到对教学质量影响较大的指标体系模型 ， 并且根据该体 系模型对教师的教学质量进行分析 ， 找到提高教学质量的相 关决策信息。 从教师档案库中提取采集参与过高职教学评估的教师 的相关属性信息记录值 ， 与教学评估数据处理之后形成的评 教结果相结合作为数据源 ， 生成数据挖掘库， 主要包括以下 字段信息： 职工编号、 性别、 奖惩情况、 发表论文、 评教结果等 字段。数据挖掘库产生数据表如表 1 所示。
基于数据挖掘技术的高职院校教学的应用探讨
高职院校的学生入学报到后， 在学校系统的数据库 中存有学生 档 案的大量数据 ， 内容包括 ： 家庭成员状况 、 身体情况 、 特 长爱好 等 信 息。 教学管理时可以根据数 据挖掘技术的关联分析等功能 ， 对 学 生的特征和状态 进行 分析 和研究 ， 帮助学生 找到 良好的学 习方法 ， 完善人格、 促进学生综合素质的全面发展 。 ５ ． ４对 高职 院校 的 学生 就 业进行 指 导 高职院校的毕业生数据库 的规模庞大 ， 一般传统的数据分析 已 经不能满足当前的需要。 为 了能智能快速 的从大量 数据 中找到有用 信息 ， 必须采用数据挖掘技术中的决策树 方法 ， 对高职院校的就业 信息进行分析 ， 提取有价值的信息 ， 从而找到提高就业率的方法 。
一
预测性的信息， 从而迅速直接的得到有用的结论 。 （ ２ ） 关联分析： 关联 分析是数据挖掘技术的主要研究方法 。 关联分析的是数据库 中的数 据 之间存在 的关系 ， 最初的时候它 是针对市 场购物研 究提 出来 的。 为的是探究顾客的购物方式。 现在关联分析在其他的领域也应用广 泛。 （ ３ ） 分类和预测 ： 分类是指根据一个分类器把 数据对象分到给定 的某一个类别中去 。 一般分为两步： 设定分类器 ， 并根据分类器对数 据分类。 分类是有指导的数据分析学习过程 ， 样 本的训 练集是 已经 知道类别的 ， 并且类别 的数 目是一定的 。 分 类的模 型还可 以应用于 预测 。 预测是通过学 习所得到的模型对某一类别的数 据进行预 测 ， 从而得 到相关类别 。 （ ４ ） 聚类 ： 聚类是把数据集合分成若 干个小组 ， 并 保证每个小组的对象具有相似 的特性 ， 而不同小组 的数据具有较大 的差异。 聚类与分类的差异在于 ， 聚类是没有指导的学 习过程 ， 对样 本 的类别和个数事先并不知道 。 总体来讲， 数据挖掘技术就是在数据库中找到其中有益的隐藏 事件 ， 并对其进行分析 ， 找到有价值的信息 ， 归纳总结 ， 是决策者决 策 问题 的依据 。
试析数据挖掘技术在职业学校教学评估中的应用
试析数据挖掘技术在职业学校教学评估中的应用孔志文（广东省民政职业技术学校广东·广州510310）摘要随着经济的增长和科学技术的发展，计算机得到了较大范围的应用和普及。
我们通过将计算机技术与各个领域的施工工艺和管理方法给予有效的结合，能够进一步提高施工的水平和管理的效果，为人们生产和生活带来了较大的便利。
有鉴于此，本文主要针对数据挖掘技术在职业学校教学评估中的应用进行相关浅析，仅供参考。
关键词数据挖掘技术职业学校教学评估应用中图分类号：TP311.13文献标识码：A前言：纵观目前社会发展的现状，计算机技术已经在社会的各个领域得到了较大范围的应用，其对职业教育的教学也具有较大的影响。
如果我们能够将这种巨大的数据资源充分地利用到职业学校的教育评估中，就可以在大量的数据信息中，收集更多的数据资源，为教育工作提供重要的指导建议和管理参考依据，进一步提升教育和管理的水平，从而更好地实现教育的最终目的。
1数据挖掘技术的相关概念和含义教学数据的数量比较繁多，内容比较复杂，数据之前也没有形成固定的规律，缺乏完整性，随机性较为明显。
而数据挖掘技术就是将这些信息进行有效的抽取、提炼和总结，使得相关的数据更有秩序，同时能够为我们提供更加有效的信息。
我们通过对这些信息的认知和识别，能够在较短的时间内，发现教育存在的问题。
通过此技术的应用，能够给整个问题研究模式提供较大的便利，可以对相关的数据进行更加合理和高效的分析，大大提高教育管理的效率。
因此，这种数据挖掘技术在未来的发展中，具有较好的发展趋势。
2数据挖掘技术的整个流程分析数据挖掘技术的主要流程是：收集数据信息，整体数据信息，对数据信息进行转化和挖掘，数据评估，问题阐述等多个环节。
每一个环节之间都具有层层递进的关系，需要进行合理的分析。
我们在使用此项技术的过程中，要做好基础准备工作，根据实际的情况，对此技术的应用范围进行深入的分析和理解，保证工作的准确性，这样数据挖掘的操作才能更具有精准性和便捷性。
基于数据挖掘的高职教学评估系统的构思
第３卷 第２ ０ 期
２１ ０ ２年 ４月
江
西
科
学
Ｖ０ ． ０ Ｎｏ ２ １３ ． Ａｐ ． ０１ ｒ２ ２
ＪＡＮＧ Ｓ Ｉ ＣＥ Ｉ ＸＩ Ｃ ＥＮ
文章 编 号 ：０ １— ６ ９ ２ １ ）２— ２ ３—０ １０ ３７ （０ ２ ０ ０ ２ ７
基 于数 据 挖 掘 的高 职 教 学评 估 系统 的构 思
ＸＵ Ｊ ｎｆｎ Ｗ Ｕ Ｔａ —ａ ｕ — ｇ． ｉｎ ｌｎ ａ （ ｏ ｐｔｒ ｅａｔ ｎ， ｈｎ ｑｕＶ ｃｔｎｌａｄＴ ｃｎｃｌ ｏ ａｅ Ｈ ｎｎＳａ ｇｉ ４ ６ ０ Ｒ ） Ｃ ｍ ｕｅ ｐｒ Ｄ ｍｅｔ Ｓ ａｇｉ ｏａ ｏａ ｎ ｅｈ ｉ ｌ ｇ ， ｅａ ｈｎｑｕ ７ １０Ｐ Ｃ ｉ ａＣ ｌ
收稿 日期 ：０ ２— ｌ一 ｌ 修订 日期 ：０ ２— ２— ５ ２１ ０ ２ ； ２ １ ０ ２
教 学管理 提 供 有 价 值 的信 息 ；４） 时 发 现存 在 （ 及 的问题 ， 研究 提高 教师 教学 质量 的措施 ， 逐步建 并 立 一套检 查 与监 控 教 学 质 量 的制 度 体 系 ； ５ 重 （） 点 关注教 师 的专 业 发 展 ， 以促 进 教 师 的发 展来 实
数据挖掘技术在高职院校教学评价中的应用研究
数据挖掘技术在高职院校教学评价中的应用研究教学质量监控是教学管理的重要环节之一，教学评价的准确性可以有效提升教学质量。
传统的高职院校对教学评价往往是将学生、教学督导等方面的评价内容进行简单的数据统计，缺乏对教学评价数据准确的分析，难以对教学质量的提高提供有力的参考价值。
教学质量的提升需要对教学评价的全部数据进行整理和分析，并研究教学评价的方法。
对高职院校教学评价的现状进行了分析，探讨分析了数据挖掘的方法和算法，提出了数据挖掘技术在高职院校教学评价中的应用途径。
标签：数据挖掘技术；高职院校；教学评价；应用doi：10.19311/ki.1672-3198.2016.29.119随着高校教学信息化的不断进步，教学管理过程中积累了大量的数据。
但这些数据只是简单的业务统计，并未进行整理和分析。
教学评价是教学质量监控体系的重要内容之一，如何把握其内涵以及最终的目的，是教学实践过程中的难点之一。
充分应用数据挖掘技术能够对教学评价过程中的大量数据进行加工处理，从而为教学管理人员提供正确的决策，促进教学质量的提升。
教学评价的科学性对于教学质量的提高具有重要意义，因此利用数据挖掘技术对教学评价的数据进行分析，能够有效提高高职院校的教学质量。
1 高职院校教学评价现状高职院校教学评价主要是教务处对每个学期教师的教学质量进行评估，一方面教务处将评价表发放给学生或是网络评价，学生根据教学质量评价表中的内容给教师评分；另一方面教学督导和同行听课后给出相应的评价，最终形成教师的教学评价最后得分。
教务处将教师的得分进行排名，并确定考核的等级。
这种传统的教学评价对于教学质量的提高具有一定的作用，但是仍然存在诸多弊端，影响评价的准确性。
近年来高职院校越来越重视对教学的评价，但教学评价缺乏一定的科学性。
1.1 对教学评价的认识模糊近年来，高职院校虽然越来越重视对教学的评价，但是对教学评价的意义、教学评价在教学管理中的作用认识仍比较模糊。
数据挖掘技术在中职学校教学评估中的应用研究
较 强教学 科研 能 力的师 范院 校和科 研 院所 缺乏 必要 的理 论储 评估方法 。结 果不如预期 的合理 。现在可 以使用数据挖掘方法来
备 。（３）评价技术 的开发和应用相对落后。目前 ，大部分评估工作 建立科学可行的教学质量评估指标体系 。
仍 以国外 成熟 技术为依托 。（４）缺乏统 筹评估工作 的组织 ，没有 （二 ）诊 断教 学 问题 ，促 进 教 学 改 革
具 体 适 用 性 及 发展 趋 势 。
［关 键 词 ］职业学校 ；教学评估 ；数据挖掘
［中图分类号 】Ｇ７１２
［文献标 志码 ］Ａ
［文章编号 ］２０９６—０６０３（２０１８）２５—０１９６一Ｏ１
随着 职业教育 的飞速发 展 ，教育质 量已成 为学 校的 “生命 ”
三 、在 教 学 评 估 中的 应 用
环 节 。
方法来 重新 调整教学评价 中的属性权重 。尽管基于决策 树的数
一 、 中职 学 校 教 学 评 价 现 状
据挖 掘在商业 领域取 得 了一定 的成功 ，但数 据挖掘 在教育 领域
目前 ，罔内所 有学校教学评估通 常 由教师 自我评 价 、学生评 还 没有得到广泛应用 。建 立了基于决策 树分类算法 的数 据挖掘 价 、班 主 任 对 教 师 评 价 、领 导 小 组 评 价 、教 学 成 绩 等 五 个 部 分 组 模 型 ，并将其应用于 中等职业学校的教学评估。从 大量教材 中可
探 索 ◆实 践 ◆应 用
应用
数据挖掘技术在 中职 学校教 学评估 中的应 用研 究
高卫 芹
（天津职业技 术师范大学 ，天津 ３００２２２）
［摘 要 】在职业 学校教学管理 中，教 学质量评估是其核心 内容 。分析教 学评价数据和研究教学评价方法对提高教学质
数据挖掘在中职学校教学评估中的应用教育教学论文
数据挖掘在中职学校教学评估中的应用教育教学论文数据挖掘在中职学校教学评估中的应用教育教学论文摘要：主要通过对数据挖掘技术的探讨，对职教多年累积的教学数据运用分类、决策树、关联规则等技术进行分析，从分析的结果中发现有价值的数据模式，科学合理地实现教学评估，让教学管理者能够从中发现教学活动中存在的主要问题以便及时改进，进而辅助管理者决策做好教学管理。
关键词：教学评估;数据挖掘;教学评估体系;层次分析法1概述近年来国家对中等职业教育的发展高度重视，在政策扶持与职教工作者的努力下，职业教育获得了蓬勃的发展。
如何提高教学质量、培养合格的高技术人才成为职教工作者研究的课题。
各种调查研究结果表明：加强师资队伍的建设，强化教师教学评估对教学质量的提高尤为重要。
所谓教学评估，就是运用系统科学的方法对教学活动或教育行为的价值、效果作出科学的判断过程。
教学评估方式要灵活多样,要多途径、多方位、多形式的发挥评估的导学作用，以鼓励评估为主，充分发挥评估的激励功能,促进教学的健康发展。
在中等职业学校多年的教育教学工作中积累了大量的教务管理数据、教师档案数据等，怎样从庞杂大量的数据中挖掘出有效提高教学质量的关键因素是个难题。
数据挖掘技术却可以从人工智能的角度很好地解决这一课题。
通过数据挖掘技术，得到隐藏在教学数据背后的有用信息，在一定程度上为教学部门提供决策支持信息促使更好地开展教学工作，提高教学质量和教学管理水平，使之能在功能上更加清晰地认识教师教与学生学的关系及促进教育教学改革。
2数据挖掘技术2.1数据挖掘的含义数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
数据挖掘应该更正确地命名为“从数据中挖掘知识”。
即数据挖掘是对巨大的数据集进行寻找和分析的计算机辅助处理过程，在这一过程中显现先前未曾发现的模式，然后从这些数据中发掘某些内涵信息，包括描述过去和预测未来趋势的信息。
数据挖掘技术在教学评估中的应用研究
数据挖掘技术在教学评估中的应用研究摘要：数据挖掘技术被广泛应用于各行各业，如营销分析、金融风险管理等，但是在教学评估领域的应用却不多。
本文将介绍数据挖掘的概念，以及在教学评估中的应用。
利用数据挖掘方法对学生学习情况进行分析，可以从中发现学习过程中存在的短板。
并且可以有效地评估教学质量，以及有效地改进教学效果。
本文将介绍数据挖掘技术在教学评估中的应用实例，以及可能存在的问题和改进方案。
关键词：数据挖掘；教学评估；学习过程Introduction随着数字化技术的发展，数据挖掘技术已经广泛应用于各行各业，如营销分析、金融风险管理等，而在教学评估领域的应用却不多。
数据挖掘旨在从海量数据中挖掘有价值的知识，通过数据挖掘可以发现学生的学习特点，以及提出有效的改进措施，提高教学质量。
本文将对数据挖掘技术在教学评估领域的应用进行深入研究，以利用数据挖掘技术来实现更有效的教学评估。
Concept of Data Mining数据挖掘被定义为一种通过大数据技术发现有价值知识的技术，是从大量数据中发现有用信息和知识来改善决策过程的一种抽象技术[1]。
它是一种应用率十分高的技术，可以从海量数据中挖掘出有价值的信息，进而支持各种决策行为。
Application of Data Mining in Teaching Evaluation 数据挖掘技术可以用于教学评估，可以帮助教学系统实现从海量数据中发现有价值信息的目标。
目前，教学活动中大量信息被收集，如学生的学习时间、学习评估成绩、学习趋势等，而利用数据挖掘技术分析这些信息，可以发现学习过程中的短板，并及时采取有效的措施。
Data mining can be used to identify and analyze the patterns, relationships and correlations between different types of data and their sources, such as students’ learning time, performance in assessments, learning trends, etc. By analyzing these data, the evaluation of teaching quality can be further improved. For example, data mining techniques can be used to detect the learning problems of students in time and provide timely feedback to improve their learning efficiency. On the other hand, data mining techniques can be used to analyze the performance of teachers, courses and so on, so as to provide feedback to teachers and help them improve their teaching quality.Data mining can also be used to predict the learning outcomes of students. For example, after collecting the data of students’ learning time and achievements, data mining techniques can be used to predict their future performance, so that teachers can adjust the teaching plans in advance to improve the learning effect.Potential Problems and Solutions尽管数据挖掘技术在教学评估中有较大的作用，但仍存在一些潜在的问题。
基于数据挖掘的教育评估方法研究
基于数据挖掘的教育评估方法研究在当今社会，教育已经成为了人们生活中不可或缺的一部分。
然而，教育质量却是一个永恒的话题，如何评估教育质量也是近年来教育界一个重要的研究领域。
利用数据挖掘技术对教育质量进行评估已经成为近年来教育评估的一种新趋势。
本文将从数据挖掘在教育评估中的应用、数据挖掘算法的选取、数据挖掘结果的评估、教育评估模型的构建等几个方面进行探讨。
一、数据挖掘在教育评估中的应用数据挖掘是一种从大量数据中寻找模式和关联性的方法。
在教育评估中，使用数据挖掘技术可以更好的识别影响教育质量的因素，同时也可以提高教育质量的评估准确度。
数据挖掘在教育评估中的应用包括以下几个方面：1. 学生表现评估学生表现评估是教育评估的重要部分，而且是一项复杂的工作。
通过数据挖掘技术可以对学生的学习状态、学习表现等因素进行分析和评估，从而更好的了解学生的表现情况，制定更好的教育策略。
2. 教育资源分析教育资源分析是指针对教育资料库中的各种岗位、学生、教育资源进行网络分析和层级分析，从而建立全面的教育成长网络模型，同时对教育资源分布情况进行了解，经过分析预测，可为学生制定更恰当的教育规划。
3. 预测评估结果在教育评估过程中，预测评估结果是非常关键的一个环节。
数据挖掘技术可以通过数据分析、模型构建等多种方法，对未来教育评估结果进行预测，从而更好的为教育决策提供参考。
二、数据挖掘算法数据挖掘算法根据其运算方式不同，可以分为分类算法、聚类算法、关联规则挖掘算法等。
在教育评估中，合适的数据挖掘算法选择可以更好地提高评估准确度。
一下是在教育评估中常用的数据挖掘算法：1. 决策树算法决策树算法是采用树形结构对分类数据进行判断的算法，通过计算节点之间的嫁值、熵等参数，选择最优的判断策略，从而在教育评估中进行分类和预测。
2. 神经网络算法神经网络算法是一种仿生学算法，与人脑神经网络类似。
在教育评估中，可以使用神经网络算法对教育资源、学生表现等进行预测和分析。
数据挖掘技术在教学评估中的应用研究
数据挖掘技术在教学评估中的应用研究一、研究背景随着教育信息化的不断发展，学校和教师对于教学评估的需求越来越高。
传统的教学评估方法主要依靠问卷调查和考试成绩等手段，但这些方法存在着许多局限性。
数据挖掘技术作为一种新兴的分析工具，在处理大量数据方面有着很强的优势，因此被广泛应用于各个领域中。
二、研究目标本文旨在探讨数据挖掘技术在教学评估中的应用，并通过实证研究验证其可行性和有效性。
具体目标如下：1. 分析现有教学评估方法存在的问题及其原因；2. 探索利用数据挖掘技术进行教学评估所需要采集和处理的数据类型；3. 建立基于数据挖掘技术的教学评估模型，并对该模型进行测试与验证；4. 提出改进现有模型以及未来可能开展相关研究方向。
三、研究内容1. 教育领域中常见问题分析：本部分将介绍当前常见问题并结合案例说明其影响。
2. 数据采集与预处理：本部分将详细介绍如何收集并整理适合使用机器算法建模所需样本特征属性值。
3. 教育领域中常见算法简述：本部分将简单介绍决策树、神经网络等机器算法，并阐述它们在分类或回归任务上表现优异之处。
4. 建立基于机器算法建模框架：针对前期提到过得样本特征属性值，我们可以选择一个或多个相应地分类或回归算法构建预测/判断/推荐系统（例如课程推荐）。
5. 实验设计与结果解释：我们会选取某些已知真实情况下得样例进行拟合检验，并且给出误差率等指标解释结果是否可信度较高。
四、意义与贡献 1．促进了传统方式下人力资源投入效益低下而引起企业生产效率低落等问题；2．为政府制定更加科学精准地职业规划提供了参考依据；3．为企业管理者制定员工晋升计划提供了支持；4．增强了毕业生就业竞争力。
五、总结通过以上论述可以看出，在当今社会环境下，利用大量积累得历史记录去做预测是非常必要且重要地事情。
同时也能够看到，在日后得发展过程当中还需要不断完善自身功能以满足用户更加复杂多变得需求。
数据挖掘技术在高职教学质量评价中的应用
数据挖掘技术在高职教学质量评价中的应用
李迎国;李永华;何兆照
【期刊名称】《无线互联科技》
【年(卷),期】2022(19)2
【摘要】高职院校在教育领域占据着重要地位,而高职教学质量是关系学生未来发展的核心内容。
提升高职教学质量,优化高职教学内容是教育发展的关键。
基于此,文章从数据挖掘技术出发,探讨高职教学质量评价的意义,并分析数据挖掘技术在高职教学质量评价中的重要作用,以期促进高职教学质量的进步发展。
【总页数】2页(P134-135)
【作者】李迎国;李永华;何兆照
【作者单位】甘肃交通职业技术学院
【正文语种】中文
【中图分类】G71
【相关文献】
1.数据挖掘技术在高职高专教学质量评价体系中的应用研究
2.数据挖掘技术在高职教学质量管理中的应用
3.数据挖掘技术在高职院校课堂教学质量评价体系中的应用
4.数据挖掘技术在高职院校教学质量监控和评价中的应用
5.大数据应用视角下高职院校多元教学质量评价体系建构——评《数据挖掘在高职教学质量评价体系构建中的研究与应用》
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
information for the teaching department幻help teaching麟agement better and improve
位
学
郑州大学2006年硕士研究生学位论文
基于数据挖掘的高职高专教学评估应用研究
第一章概述
数据挖掘是当今人们研究的热门课题，也是在应用领域成就较多的课题。本章主要
介绍本文的研究背景，教学评估的意义、作用和内容，现行教学评估存在的问题，以及
本文研究的主要内容．
1,1ቤተ መጻሕፍቲ ባይዱ究背景
以及信息搜索等领域得到了广泛的应用。数据挖掘技术被认为是数据库和人工智能领域
中研究、开发和应用最活跃的分支之一，汇聚了不同领域的研究者，尤其是数据库技术、
人工智能技术、数理统计、可视化技术、并行计算等方面的学者和工程技术人员，投身
到数据挖掘这一新兴的研究领域，形成了新的技术热点【2]。
这几年高职高专院校发展迅速，为了提高其管理水平，教育部制定了相应的教学评
promulgate and make use of the rcsult of evaluation to stimulatc most teachers'
enthusiasm ,which is to maximize the evaluation,is a new subject that deserves幻study.
完善教学评估系统提供技术支持。
关键词：数据挖掘，决策树，教学评估，规则，预测
郑州大学2006年硕士研究生学位论文
基于数据挖掘的高职高专教学评估应用研究
Abstract
Data miningis aprocess that is协extract implicit, previously unknown and potentially
望从已有的成千上万份病历中找出患某种疾病的病人的共同特征，从而为治愈这种疾病
提供一些帮助：高职高专院校管理部门想知道教学效果好的教师具有什么样的素履，以
便采取相应的管理对策．
对于以上问题，现有信息管理系统中的数据分析工具无法给出答案。因为无论是查
询、统计还是报表，其处理方式都是对指定的数据进行简单的数字处理，而不能对这些
teaching quality.
The methods of data mining design, function module design and decision treemodulc for
teaching evaluation system havc been introd眦ed in this paper, the teaching evaluation
‘国务院关于大力推进职业教育改革与发展的决定》和<教育部关于加强高职高专教育
人才培养工作的意见》的精神，教育部针对于全国高等职业院校的不同情况，开展了高
职高专院校的教学评估工作．
2003年教育部选择26所独立设置的高等职业院校，高等专科学校和成人高等学
校开展评估试点工作，为了加强对高职高专院校人才培养工作的宏观管理和指导，做好
取出隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖
掘的应用研究已经在众多领域中蓬勃开展起来了，
以学生评估教师为主的教学评估，对教学改革和教学质量的提高起到了很大作用。
但是，如何表达、分析、解释、公布和使用评估结果，调动广大教师的积极性，使评估
发挥更大的作用，这是一个值得研究的新课题。
法，建立了教学评估数据挖掘模型，改进了连续属性的处理方法，详细介绍了教学评估
数据挖掘系统的实现过程，并对其进行了测试。根据数据挖掘模型建立了相应的决策树，
产生了对应的规则集，并能根据规列集进行预测．通过对测试结果进行分析，得出改进
教学管理的决策支持信息。另外，对数据挖掘系统提出了一些改进设想，从而为进一步
近年来，人们利用信息技术生产和搜集信息的能力大幅度提高，大量的数据库被用
于企业管理、政府办公、科学研究和工程开发等，这一势头仍将持续发展下去．然而，
在这被称之为信息爆炸的时代，信息过量几乎成为人人需要面对的问题。如何才能不被
信息的汪洋大海所淹没，从中及时发现有用的知识，提高信息利用率呢？
本文根据高职高专院校的具体情况，将数据挖掘技术引入教学评估领域，分析了数
据挖掘的各种方法，应用决策树的分类方法，对教学评估数据进行挖掘，对教师的学历、
年龄、职称等因素进行分析，找到教学效果与教师状态的关系，从而为教学部门提供决
策支持信息，促使其更好地开展教学管理工作，提高教学质量。
文中阐述了教学评估系统的数据挖掘设计、功能模块设计和决策树模块设计的方
以就业为导向，走产学研相结合的发展道路，加强教学基本建设，深化教育教学改革，
improving ideas for data mining system, which cart supply more technique support for ou
teaching evaluation system.
Keyword8: datamining, decisiontree, tealchingevaluation, rule, prediction
掘系统中具体实现，并应用到具体的教学评估系统之中．
1.2高职高专教学评估概述
1.2.1教学评估的基本情况
到2005年底，高职高专院校有1091所，成人高等学校有481所，高职高专在
校生平均规模（不含独立学院和分校点）由上年的6903人提高到7666人【11]，根撂‘中
华人民共和国高等教育法》和原国家教育委员会颁布的‘中华人民共和国职业教育法》、
其强大的生命力【1]。
数据挖掘的出现为自动和智能地把海量的数据转化为有用的信息和知识提供了手
段。它把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策
支持的高层次。数据挖掘技术的应用领域十分广阔，它可以从关系数据库、数据仓库、
文本和多媒体数据库、事务数据库以及互联网等各种数据源上设法获取诸如分类模型、
system's implementation process has been described in detail and the system has been tested.
The data mining system builds corresponding decision tree, creates corresponding rules wfuch
囵
B 重 声 明
本人的学位论文是在导师指导下独立撰写并完成的，学位论文没有剽窃、抄
袭等违反学术道德、学术规范的侵权行为，否则，本人愿意承担由此产生的一切
法律责任和法律后果，特此郑重声明。
砜舢
遂月
k ，
名 ‘
签年
～州
文
论
估方案。高职商专教学评估的直接目的是对任课教师及教学组织工作效果做出评价，但
是更重要的目的是总结优秀的教学经验，为教学质量的稳定提高制定科学的规范．我国
高职高专院校现行教学质量评估多属于定性的指标，难以掌握和操作，而数据挖掘技术
中的分类方法比较适合处理这类数据，所以本文将决策树算法作为研究重点，在数据挖
数据所包含的内在信息进行提取，随着信息管理系统的广泛应用和数据量激增，人们希
望能够提供更高层次的数据分析功能，从而更好地为决策或科研工作提供支持。正是为
了满足这种要求，从大量数据中提取出隐藏在其中的有用信息，将机器学习应用于大型
数据库的数据挖掘DM(Data MIning)技术应运而生，并得以蓬勃发展，越来越显示出
郑州大学
硕士学位论文
基于数据挖掘的高职高专教学评估应用研究
姓名：连卫民
请学位级别：硕士
专业：软件工程
指导教师：石磊
20061101
郑州大学2006年硕士研究生学位论文
基于数据挖掘的商职高专教学评估应用研究
摘要
数据挖掘是从大量的、4不完全的、有噪声的、模糊的、随机的实际应用数据中，提
useful information and knowledge from practical applied data, which is multkudinous,
incomplete, noisy, fuzzy and stochastic. '111e application research of data mining has
developed energetically in numerous domains.
Teaching evaluation mainly based on studenLs evaluating teachers has gre砒effect on
improving teaching reform and quality. However, how to express, analyze, explain,
According to the present state of the senior high \rocational school, this paper introduces;
data mining techniques into teaching evaluation domain, and analyzes various methods of