使用关联规则挖掘高校教学评价数据
合集下载
相关主题
- 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)。
校评 教数据为基础 ． 采 用 数 据 挖 掘 中 的关 联 规 则 ． 挖 掘
信度用 于衡量关联规 则的可信程度 ：同时满足最小支
持 度 阈值 和 最 小 置 信 度 阈 值 的规 则称 为 强 规 则
评 教 数 据 背 后 隐含 的 有 价 值 的信 息 ．发 现 教 师 特 征 因 素（ 学历 、 职称 、 教龄 等 ） 与教 、 评 价质量 等级 的关联 ， 为教 学 管 理 部 门 和 教 师 提 供 决 策 参 考
通 过 关 联 规 则 挖 掘 ，寻 找 课 程 教 学 评 价 数 据 背 后 隐 含 的 有 价 值 的信 息 ．发 现 教 学 评 价 结 果 与 高 校 教 师 的学历 、 职称 、 教 龄之间 的内在关联 ． 为 教学管理 部 门 和教 师提 供 决 策 参 考
支持 度 （ Ｓ ｕ ｐ ｐ ｏ ￣ ） 定 义为 ｈ “ ｐ ｐ ｏ ｒ ｔ （ ｘ —Ｙ ） ＝ Ｐ （ ｘＵＹ ） ，
任高举 ． 白亚 男
（ 平 顶 山学 院 网络 计 算 中心 ， 平顶 山 ４ ６ ７ ０ ０ ０ ）
摘要：
以高校教学评价数据为基础 ， 采 用 数 据 挖 掘 中 的关 联 规 则 ， 寻找 教 学 评 价 数 据 背 后 隐 含 的有 价 值 的 信 息 。 从 教 学 评价
表中挖掘 出教师特征 因素 （ 学Ｊ 厅、 职称 、 教龄 ） 与教学评价质量等级 的关联 ， 从而为教学管理部 门和授课 教师提供 决策
１ ． ２ Ａｐ ｒ ｉ ｏ ｒ ｉ 算 法
生 成 频 繁 集 比较 经 典 的 算 法 有 Ａ ｐ ｒ ｉ ｏ ｒ ｉ 算 法 Ａ ｐ ｒ ｉ ｏ ｒ ｉ 算法将发 现关联 规则 的过程分 为两个步 骤 ： 第 步 通 过 迭 代 ．根 据 最 小 支 持 度 阈 值 检 索 出事 务 数 据 阈值 的 项 集 ：第 二 步 利 用 频 繁项 集 构造 出 满 足 用 户 最 小信 任 度 的 规则
（ Ｘ Ｙ） ／ Ｐ （ Ｘ） ＝ Ｐ （ ＹＩ Ｘ） ， 是包 含 Ｘ和 Ｙ 的事 务 数 与包 含 ｘ
的事 务 数 之 比 例 如 在 买 了 面 包 的 顾 客 中有 ８ ０ ％会 买
牛奶 。 支 持 度 用 于 衡量 所 发 现 规则 的 统 计 重 要 性 ．而 置
识 来 指 导教 育 ． 将 有 助 于 提 高 教 育 教 学 质 量 本 文 以 高
表 ２ 规 约 后 的教 师教 学评 价表
誊。 璺 飘｜ 。 一。 § 孵希
硕士 本科
硕 士 硕士
一 鼍蛉 Ｉ ＿ 质量等鼓
４ １ ６
１ ２
wenku.baidu.com
讲师 教授
助教 助教
良好 中等
不及 格 及格
本科
讲师
１ ３
中等
个人隐私 ， 工号 、 姓名 两个属 性已做处理 。教师教学评
领 域 已经 得 到 了 广 泛 应 用 将 数 据 挖 掘 技 术 应 用 于 教 育中 ， 从 大 量 的教 育 数 据 中挖 掘 出 隐 含 的 、 有 意 义 的 知
置 信度 （ Ｃ ｏ ｎ ｉ ｆ ｄ ｅ ｎ ｃ ｅ ） 定 义为 ｃ ｏ ｎ ｆ ｉ ｄ ｅ ｎ ｃ ｅ （ Ｘ Ｙ） ： Ｐ
１ 关联 规 则
１ ． １ 关联 规 则 的相 关 概 念
关 联 规 则 １ ： 假设 Ｉ ＝ ｛ Ｉ ， Ｉ 一， Ｉ ｝ 是 项 的集 合 。 给 定
一
一
库 Ｄ中的所有频繁项集 ．即支持度不低于用户设定 的
个 交易 数据 库 Ｄ ＝ ｛ ｔ 。 ， ｔ ： ， …， ｌ ） ， 其 中每个 事务 （ Ｔ ｒ ａ ｎ ｓ —
参考
关键 词 ：
数 据 挖 掘 ：关 联 规 则 ：教 学评 价
０ 引 言
数 据挖掘 （ Ｄ ａ ｔ ａ Ｍｉ ｎ ｉ ｎ ｇ ， 简 称 ＤＭ） ． 就 是 从 大 量 的
则为频繁项集 。 例 如 事 务 数据 库 中 总共 １ ０ ０数 据 ， 其 中 含 有 面包 的记 录有 １ ０条 ，那 么 面 包 的 支 持 度 是 １ ０ ／
１ ０ ０ ＝ ０． １。
实际应用数据 中 ． 抽 取 隐 含 在 中 的 、 人 们 事 先 不 知 道 的、 而 又 潜 在 有 用 的 信 息 和 知 识的过 程 【 ｌ 数 据 挖 掘 是 Ｉ 目前 人 Ｔ 智 能 和数 据 库 领 域 研 究 的 热 点 问 题 ．在 商 业
ａ ｃ ｔ ｉ ｏ ｎ ） ｔ 是 Ｉ的非 空子 集 ， 即ｔ ｅ Ｉ 关 联 规 则 是 形 如 ｘ— Ｙ的蕴涵式 ， Ｘ∈Ｉ ， Ｙ∈Ｉ ， 且Ｘ ｎＹ： ． Ｘ为先 决条件 ． Ｙ 为结果 。
２ 使 用 关联 规 则挖 掘 高校 教 学 评 价 数 据
２ ． １ 确 定挖 掘 目标
是 事 务 集 中包 含 Ｘ 和 Ｙ 的 事 务数 与所 有 事 务 数 之 比
如果 项集 的支 持度超 过用 户给定 的最小 支 持度 阈值 ．
现 代 计 算 机 ２ ０ １ ４ ． ０ ５ 上 ＠
＼
研 究 与开 发
２ ． ２ 数 据 采 集
采集 ２ ０ １ ２ ～ ２ ０ １ ３学 年 第 ｌ 学 期 我 校 教 师 教 学 评 价结果 ２ ０ ０个 样 本 数 据 ： 包括工号 、 姓名 、 性别 、 出生 年 月、 学历 、 职称 、 教龄、 参评 人 数 、 质量等级等数据 ， 这 些 数 据 可 以在 青 果 教 务 管 理 信 息 系 统 采 集 。为 保 护 教 师
文章编号 ： １ ０ ０ ７ — １ ４ ２ ３ （ ２ ０ １ ４ ） １ ３ 一 Ｏ ０ １ ５ — ０ ４
Ｄ ＯＩ ： １ ０ ． ３ ９ ６ ％． ｉ ｓ ｓ ｎ ． １ ０ ０ ７ — １ ４ ２ ３ ． ２ ０ １ ４ ． １ ３ ． ０ ０ ３
使用关联规则挖 掘高校教 学评价数据
信度用 于衡量关联规 则的可信程度 ：同时满足最小支
持 度 阈值 和 最 小 置 信 度 阈 值 的规 则称 为 强 规 则
评 教 数 据 背 后 隐含 的 有 价 值 的信 息 ．发 现 教 师 特 征 因 素（ 学历 、 职称 、 教龄 等 ） 与教 、 评 价质量 等级 的关联 ， 为教 学 管 理 部 门 和 教 师 提 供 决 策 参 考
通 过 关 联 规 则 挖 掘 ，寻 找 课 程 教 学 评 价 数 据 背 后 隐 含 的 有 价 值 的信 息 ．发 现 教 学 评 价 结 果 与 高 校 教 师 的学历 、 职称 、 教 龄之间 的内在关联 ． 为 教学管理 部 门 和教 师提 供 决 策 参 考
支持 度 （ Ｓ ｕ ｐ ｐ ｏ ￣ ） 定 义为 ｈ “ ｐ ｐ ｏ ｒ ｔ （ ｘ —Ｙ ） ＝ Ｐ （ ｘＵＹ ） ，
任高举 ． 白亚 男
（ 平 顶 山学 院 网络 计 算 中心 ， 平顶 山 ４ ６ ７ ０ ０ ０ ）
摘要：
以高校教学评价数据为基础 ， 采 用 数 据 挖 掘 中 的关 联 规 则 ， 寻找 教 学 评 价 数 据 背 后 隐 含 的有 价 值 的 信 息 。 从 教 学 评价
表中挖掘 出教师特征 因素 （ 学Ｊ 厅、 职称 、 教龄 ） 与教学评价质量等级 的关联 ， 从而为教学管理部 门和授课 教师提供 决策
１ ． ２ Ａｐ ｒ ｉ ｏ ｒ ｉ 算 法
生 成 频 繁 集 比较 经 典 的 算 法 有 Ａ ｐ ｒ ｉ ｏ ｒ ｉ 算 法 Ａ ｐ ｒ ｉ ｏ ｒ ｉ 算法将发 现关联 规则 的过程分 为两个步 骤 ： 第 步 通 过 迭 代 ．根 据 最 小 支 持 度 阈 值 检 索 出事 务 数 据 阈值 的 项 集 ：第 二 步 利 用 频 繁项 集 构造 出 满 足 用 户 最 小信 任 度 的 规则
（ Ｘ Ｙ） ／ Ｐ （ Ｘ） ＝ Ｐ （ ＹＩ Ｘ） ， 是包 含 Ｘ和 Ｙ 的事 务 数 与包 含 ｘ
的事 务 数 之 比 例 如 在 买 了 面 包 的 顾 客 中有 ８ ０ ％会 买
牛奶 。 支 持 度 用 于 衡量 所 发 现 规则 的 统 计 重 要 性 ．而 置
识 来 指 导教 育 ． 将 有 助 于 提 高 教 育 教 学 质 量 本 文 以 高
表 ２ 规 约 后 的教 师教 学评 价表
誊。 璺 飘｜ 。 一。 § 孵希
硕士 本科
硕 士 硕士
一 鼍蛉 Ｉ ＿ 质量等鼓
４ １ ６
１ ２
wenku.baidu.com
讲师 教授
助教 助教
良好 中等
不及 格 及格
本科
讲师
１ ３
中等
个人隐私 ， 工号 、 姓名 两个属 性已做处理 。教师教学评
领 域 已经 得 到 了 广 泛 应 用 将 数 据 挖 掘 技 术 应 用 于 教 育中 ， 从 大 量 的教 育 数 据 中挖 掘 出 隐 含 的 、 有 意 义 的 知
置 信度 （ Ｃ ｏ ｎ ｉ ｆ ｄ ｅ ｎ ｃ ｅ ） 定 义为 ｃ ｏ ｎ ｆ ｉ ｄ ｅ ｎ ｃ ｅ （ Ｘ Ｙ） ： Ｐ
１ 关联 规 则
１ ． １ 关联 规 则 的相 关 概 念
关 联 规 则 １ ： 假设 Ｉ ＝ ｛ Ｉ ， Ｉ 一， Ｉ ｝ 是 项 的集 合 。 给 定
一
一
库 Ｄ中的所有频繁项集 ．即支持度不低于用户设定 的
个 交易 数据 库 Ｄ ＝ ｛ ｔ 。 ， ｔ ： ， …， ｌ ） ， 其 中每个 事务 （ Ｔ ｒ ａ ｎ ｓ —
参考
关键 词 ：
数 据 挖 掘 ：关 联 规 则 ：教 学评 价
０ 引 言
数 据挖掘 （ Ｄ ａ ｔ ａ Ｍｉ ｎ ｉ ｎ ｇ ， 简 称 ＤＭ） ． 就 是 从 大 量 的
则为频繁项集 。 例 如 事 务 数据 库 中 总共 １ ０ ０数 据 ， 其 中 含 有 面包 的记 录有 １ ０条 ，那 么 面 包 的 支 持 度 是 １ ０ ／
１ ０ ０ ＝ ０． １。
实际应用数据 中 ． 抽 取 隐 含 在 中 的 、 人 们 事 先 不 知 道 的、 而 又 潜 在 有 用 的 信 息 和 知 识的过 程 【 ｌ 数 据 挖 掘 是 Ｉ 目前 人 Ｔ 智 能 和数 据 库 领 域 研 究 的 热 点 问 题 ．在 商 业
ａ ｃ ｔ ｉ ｏ ｎ ） ｔ 是 Ｉ的非 空子 集 ， 即ｔ ｅ Ｉ 关 联 规 则 是 形 如 ｘ— Ｙ的蕴涵式 ， Ｘ∈Ｉ ， Ｙ∈Ｉ ， 且Ｘ ｎＹ： ． Ｘ为先 决条件 ． Ｙ 为结果 。
２ 使 用 关联 规 则挖 掘 高校 教 学 评 价 数 据
２ ． １ 确 定挖 掘 目标
是 事 务 集 中包 含 Ｘ 和 Ｙ 的 事 务数 与所 有 事 务 数 之 比
如果 项集 的支 持度超 过用 户给定 的最小 支 持度 阈值 ．
现 代 计 算 机 ２ ０ １ ４ ． ０ ５ 上 ＠
＼
研 究 与开 发
２ ． ２ 数 据 采 集
采集 ２ ０ １ ２ ～ ２ ０ １ ３学 年 第 ｌ 学 期 我 校 教 师 教 学 评 价结果 ２ ０ ０个 样 本 数 据 ： 包括工号 、 姓名 、 性别 、 出生 年 月、 学历 、 职称 、 教龄、 参评 人 数 、 质量等级等数据 ， 这 些 数 据 可 以在 青 果 教 务 管 理 信 息 系 统 采 集 。为 保 护 教 师
文章编号 ： １ ０ ０ ７ — １ ４ ２ ３ （ ２ ０ １ ４ ） １ ３ 一 Ｏ ０ １ ５ — ０ ４
Ｄ ＯＩ ： １ ０ ． ３ ９ ６ ％． ｉ ｓ ｓ ｎ ． １ ０ ０ ７ — １ ４ ２ ３ ． ２ ０ １ ４ ． １ ３ ． ０ ０ ３
使用关联规则挖 掘高校教 学评价数据