数据挖掘在计算机教学评价中的应用研究
基于数据挖掘技术的本科教学智能化评估方法的研究与应用
决，但实 际使用 结果 表 明这 两种方 式都 存在 着不 同
程度 的局 限性， 应用 成效不佳 。 对海量 的教学相 关 面
数据 ， 我们 必须从 中提取 中评估所需 有价值 的信息 ，
从 而得 出相关结论 。
收 稿 日期 ：０ ８ ０ — ０ ２０ — ３ ２
摘
要 ： 于本 科 教学 水 平 评估 对 象 和 因素 众 多 且 关系 复 杂， 海 量 的教 学 数 据 中提 取 出 对评 估 有 用 的信 息具 由 在
有 一定 的困 难 。在 研 究教 学 评估 相 关 指标 体 系 和 特点 的基 础上 ， 出 了基 于数 据 挖掘 技 术 智能 教 学评 估 思 想 ， 提 并进
・
５ ９・
维普资讯
襄 ｌ 本 科 教 学 评估 主 要 体 系指 标
一
现被评估 对 象 的问题 与 劣势 ， 效实现 评估 的原则 。 有
二 、 科教 学智能 化评估 方法研 究 本
级 指标
二级 指 标
１ 办 学 指导 思 想 １ １ 校 目标 定 位 １ ２办 学思 路 、 － 学 －
往往导致 了评估 专家与 被评估对 象之间存 在着不 能 准确描述 的非线性 关系 ， 要分析这 种关 系 ， 以往一 般 采用 语 言 文字 表 述 和数 学 模 型拟 合 两 种 方 式 来解
、
本科教 学评估方 案及 特点
（ ） 标 体 系” 一 指
教学评估 包括 大量指标体 系 ， 如表 ｌ 所示 。 本 方 案二 级指 标 共 １ ８项 ， 中重 要 指标 （ 其 带 号 ）１ ， １ 项 一般 指标 ７项 以及相关特 色项 目等 。
数据挖掘技术在教育领域的应用
数据挖掘技术在教育领域的应用随着信息技术的快速发展，数据挖掘技术作为一种利用计算机分析、处理和挖掘大规模数据的方法，越来越受到人们的关注。
在教育领域，数据挖掘技术也得到了广泛的应用。
本文将探讨数据挖掘技术在教育领域中的应用，并探讨其带来的益处。
一、学生学习评估数据挖掘技术可以对学生的学习情况进行分析，提供实时的学习评估。
通过收集和分析学生的学习数据，系统可以了解学生的学习进度、学习习惯以及学习难点。
同时，数据挖掘技术还可以根据学生的学习情况，进行个性化的学习推荐，帮助学生更好地学习。
二、教学内容优化数据挖掘技术可以对教学内容进行分析，提供对教学内容的优化建议。
通过分析学生的学习情况和学习成绩，系统可以发现教学内容中的薄弱环节和难点，并提供相应的改进建议。
这有助于教师针对性地调整教学内容，提高教学效果。
三、学生行为预测数据挖掘技术可以对学生的行为进行预测，提供对学生行为的指导。
通过分析学生的学习行为和学习数据，系统可以预测学生可能的行为趋势，如学习兴趣、学习倾向等。
这有助于教师和学校及时发现学生的问题，并提供相应的帮助和指导。
四、学校管理优化数据挖掘技术可以对学校管理进行优化，提供对学校管理的决策支持。
通过分析学生的学习情况、学校的教学资源和学校的管理情况，系统可以发现学校管理中存在的问题，并提出相应的解决方案。
这有助于学校管理者根据实际情况进行管理决策，提高学校的管理效率和质量。
五、教育资源配置数据挖掘技术可以对教育资源进行优化配置，提供对教育资源的合理分配建议。
通过分析学校的教学资源、学生的学习情况和学校的实际需求，系统可以发现资源分配中存在的不合理之处，并提供相应的优化建议。
这有助于学校更好地配置和利用教育资源，提高教育资源的利用效率。
六、预警机制数据挖掘技术可以建立学生的学业预警机制，提供对学生学业情况的预测和预警。
通过分析学生的学习情况和学习数据，系统可以发现学生可能存在的学习问题和困难，并提供相应的预警措施。
数据挖掘技术在计算机基础教学模式改革中的应用
学效果 ，更 好地培 养 出具有 计算机 应用 能力 的专业人 才 ，采 用数据 挖掘 技术对 计算机 基础教 学方 面的调查 间卷 进 行挖掘 ，为 学校 计算机 基础课 程 实施 “ 任务一 究式”教 学模 式提供 了决 策支持 。教 学实践表 明 ，该 教 学模 式 探 符合计 算机基 础课 程特点 ，提高 了非计 算机专 业学 生利用计 算机解 决 问题 的能力。
【 关键词】 数据挖 掘 ，计算机 基础 ， 问卷调 查 ，教 学模 式
中 圈分 类 号 ：ＴＰ ７ ２４ 文 献 标 识码 ：Ａ
ＡＢ Ｔ Ｓ ＲＡＣ Ｔ Ｕｎｖ ｒ ｉ ｏ ｕ ｅ ｏ ｎ ａｉｎ ｃ ｕ ｓ ａ ｅ ｏ ａｉ ｏ ｒｅｆｒｔ ｅｓｕ ｅ ｔ ｆｎ ｎ ｃ ｍｐ ｔｒｍａｏ ｓｔ ｓｅ ｉｅ ｓｔ ｃ ｍｐ ｔｒｆ ｕ ｄ ｔ ｏ ｒｅｈ ｓｂ ｃ ｍｅａｂ ｓ ｃ ｕ ｓ ｏ ｈ ｔ ｄ ｎ ｓｏ ｏ —ｏ ｕｅ ｊｒ ｏ ｍａ ｔｒ ｙ ｏ ｃ
Ｍ ｏ ｅ ｏ ｍ ｐ ｔ ｒ Ｆｏ ｄａ ｉ ｎ Ｃｏ ｒ ｅ ｄ ｆ Ｃｏ ｕ ｅ ｕｎ ｔｏ ｕ ｓ
朱艳 丽 【 摘 郭 晓娟 ４ ３０ ） ５ ０ ３ （ 河南科技 学 院信 息工程 学 院 河南新 乡
要】 《 大学计 算机基 础 》是 非计 算机 专 业学 生掌握计 算机技 术 的入 门课程 ，为提 高该课 程 的教 学质量和 教
评 价 方 法 教 师评 价 ， 生 互评 ｝ 学 自我 评 价 ， 班 ／ 组 互 评 全 小
题 分析 的基础上 ， 结合 高校创 新型 人才培 养 的 目标 ， 提
出了 “ 务一 究 式 ” 任 探 的教 学 模 式 ［ ］ １ 。在 该 教学 模 式
中， 教师 以任务 驱动 为线索组 织教 学 ， 学生 以探究 式学 习进行知 识拓展 ， 成绩 的评定 采用 多元评价 方式 ， 包括
数据挖掘在对教师档案和教学质量评分关联分析的应用
０８ ７ ． ５ 结果 表 明 ：双 师 型教 师 与 总评 成 绩 存在 着 较 高 的
关联 性 ． 双师 型 教师 具有 丰 富实 践经 验 ． 些 经验 带 入 这 课堂 ，学生 更容 易融 会 贯通 ，使 其课 程 的评价 等 级 为 满 。 双 后 下 面 分 析教 师 的学 历 与学 生 评 价结 果 的联 系 根 “ 意 ” 说 明本 系在 大 量引进 和 培养 “ 师 型教 师 ” 。 据表 ｌ 供 的数 据 ， 提 可将 学 历 分 为 “ 科 ” “ 本 、 硕士 ” “ 、 博 教学 质 量相对 提 高 。 院教学 管理 领 导也 应 加强 对 “ 学 双 士” 三个 等 级 ， 总评 成 绩 分 ［０ ，０ 、 Ｏ 、 ０、６ ］ ｔ １０ ９ ］［ 】［ 】［０Ｉ 个 师型 ” 师培 养 的工作 。 ８ ７ ￣ 教 、 等级 ，利用 Ａ ｒ ｒ 算法 处 理 数 据并 得 出关 联 规则 ， ｐｉ ｉ ｏ 设 ４ 结束 语 最小 支持 度 为 ０２ 并 利 用 支持 度 算法 求 出 每个项 集 的 ．． 根 据关 联 分 析 算法 对 教 学质 量 评 价 系统 的评 分 和 支 持度 。结果 如 下 ： 教师 档案 各 素质 条件 的关 联 分析 研究 ，突 出 了在 高 等
项 集 ＡｎＢ Ｏ， ＝ 规则 Ａ Ｂ表示 由 Ａ推到 Ｂ：
支持 度 （ ｕ ｐ ￣） Ｓｐ ｏ ：
表 １教 师 信 息 与 总评 表
Ｓ ｐ ｏｔ ÷ ） （ Ｂ ｕ ｐ ｒ（ Ｂ ： Ｉ Ａ ） Ａ＿ Ｖ
支 持度 是 一 种重 要 度 量 ．支 持 度低 的规则 很 可 能
３ 关联 规 则挖 掘 ． ２ １ 对 年龄 的关 联 分析 、 根 据 表 １提供 的数 据 ．结 合高 职 高专 年 龄层 次 结
计算机科学中的数据挖掘技术应用
计算机科学中的数据挖掘技术应用计算机科学作为现代科技的代表之一，早已成为办公、娱乐、交流等方方面面的支持者。
数据挖掘技术则是计算机科学的一个重要分支，其对于人们实现智能化决策、认知模式的建立等方面都有着不可替代的作用。
下文将就数据挖掘技术在计算机科学中的应用进行深入探讨。
1. 数据挖掘技术概述数据挖掘技术是指从海量、复杂、不规则的数据中，分析出有用信息、发现潜在关联、确定达到预期目标所需的数据模式和规律的技术。
计算机科学中的数据挖掘技术主要包括分类、聚类、关联规则等几种方法。
分类是指根据已知数据属性，将数据分为不同的类别，从而实现对数据的有效分析和处理。
经过分类处理后，用户可以更好地理解数据，同时也可以制定更好的决策方案。
聚类则是以相似性为基础，将同类数据分组，形成“簇”，从而更好地对数据进行处理。
聚类算法主要有K-Means、层次聚类等多种方法。
关联规则则是指根据数据集合中的已知规则，发掘未知的关联规律，从而生成新数据。
关联规则算法主要有Apriori、FP-Growth 等多种方法。
2. 在计算机科学中的应用数据挖掘技术在计算机科学中的应用范围非常广泛，包括财务管理、市场调研、医学、生命科学、环境保护、网站评估等方面。
2.1 财务管理在现代的企业管理中，对数据的分析和处理已经越来越受到重视。
众所周知，财务数据是企业发展中最为重要的数据之一。
计算机科学中的数据挖掘技术能够对企业的财务数据进行深入分析和处理，帮助企业更好地了解自身的经济状况，制定正确的决策方案。
2.2 市场调研市场调研是企业中非常重要的一个环节，它能够让企业更好地了解市场需求、竞争情况等信息。
计算机科学中的数据挖掘技术可以对市场调研数据进行深度挖掘，从中发掘出有用的信息，制定更切实可行的市场营销策略。
2.3 医学在医学领域中，利用计算机科学中的数据挖掘技术来进行疾病分析和治疗方案设计已经成为趋势。
例如，根据病人的医疗记录和检查数据，对病人进行分类，可以更加准确地进行诊断和治疗。
教学考核系统中数据挖掘技术应用分析
教学考核系统中数据挖掘技术的应用分析摘要：随着当前科技发展的不断完善，教学考核开始逐步地以数据挖掘技术辅助开展，而从近几年应用的效果分析，此项技术对于教学考核工作是极为有益的。
在教学考核内容及形式等日益趋于多样化的当今时代，数据考核技术得到了众多人士的关注，成为考核系统中的关键应用技术。
本文便是以数据挖掘技术在考核系统中的应用为例，通过对此种技术进行理论分析，着重探讨了其在考核系统中应用的具体问题。
关键词：教学考核系统；数据挖掘技术；理论分析；应用中图分类号：tp311.13 文献标识码：a 文章编号：1007-9599 （2012） 23-0000-02近几年来来，我国教育部门对于教学考核工作的重视力度不断提升，为考核工作的精准度以及全面性提出了诸多的要求，这就要求教学考核工作人员必须对大量的信息做出有效的分析整合，并从这些信息中找出自身工作所需要的能够对教学工作效果进行有效评价的数据。
因而，数据挖掘技术应用的宽度及深度不断加强，日益成为了教学考核系统主要的技术支撑，就目前来讲，各教学部门利用数据挖掘技术进行教学考核，最为首要的工作就是要进一步深入地研究数据挖掘技术具体应用问题。
1 数据挖掘技术相关理论分析21世纪计算机与网络信息技术迅猛发展，带动了各种数据处理技术的发展，其中数据挖掘技术便是最为关键的科技产物之一，此种技术在新时期国家的教育单位教学考核工作中得到了宽泛的应用，并逐步地实现了发展与完善。
本文下面就具体分析一下数据挖掘技术含义、分类及应用于教学考核系统中的必要性：1.1 数据挖掘技术含义。
数据挖掘技术以数据库技术以及人工智能技术作为发展的源头，是多种学科理论的交叉技术，顾名思义，它是以数据挖掘为主要的工作目的，用来为计算机处理繁多复杂的数据进行辅助工作，帮助计算机操作者从众多、不完整、模糊的数据中挖掘出具有价值的、潜在的知识信息。
同时，数据挖掘技术在计算机数据处理工作中反复使用，可以为众多数据构建出有效的模型，或者是依照某种指令分析出所有数据所具有的隐含规律，帮助应用者获得其需要的各种有效信息，并支持应用者利用这些信息对过去的工作进行还原，或者对未来的趋势加以预测。
基于大数据分析的教育数据挖掘研究
基于大数据分析的教育数据挖掘研究随着信息化、智能化的发展，大数据领域越来越成为各个行业的研究热点。
教育领域也是如此。
随着教育信息化建设的深入发展，大量的数据积累在了教育系统中。
如何利用这些数据，为我们更好的教育服务？教育数据挖掘应运而生。
一、教育数据挖掘是什么？教育数据挖掘（Education Data Mining, EDM）是指运用计算机技术、数据分析技术和数据挖掘技术解决教育领域相关问题的新兴学科。
它通过对教育数据的深入挖掘，发现其中的内在规律和价值信息，以便判断学生的学习表现和发掘潜在的学习问题。
同时，教育数据挖掘也可以帮助教育机构制定更有效的教学计划和提供更优质的服务。
二、教育数据挖掘可以研究哪些内容？在教育领域，各种信息都可以被转化为数据进行记录和分析。
教育数据挖掘的研究范围也非常广泛。
例如：1. 学生学习历程数据：课程学习过程中的学习轨迹，包括学习时间、学习进度、回答问题的正确率等。
2. 学生成绩数据：学生的考试成绩、作业成绩等，也包括学生在课堂上的表现评价。
3. 线上学习平台数据：包括学生在线学习时的行为、点击记录、回答问题的记录等。
4. 教师的教学反馈数据：包括教师对学生提供的指导、改进的建议等。
以上是仅仅列举了一些例子，实际上，教育数据挖掘可以研究的范围越来越广泛。
随着技术的不断升级，我们可以收集的数据也会更加多元化。
三、教育数据挖掘的应用教育数据挖掘的应用非常广泛，主要包括以下几个方面：1. 个性化学习：教育数据挖掘可以根据学生的学习记录，分析出学生的学习习惯、兴趣和能力瓶颈，给学生推荐适合他们的学习资源或者课堂学习方式，提高学生学习效率。
2. 教学计划制定：通过教育数据挖掘，可以对一个教学班级的平均成绩、标准差、学生之间的相互关系等进行分析，并针对不同情况制定不同的教学计划。
3. 教师教学改进：教育数据挖掘可以对教师的授课表现、授课质量进行评估，分析出教师的教学优缺点，并提出改进方案。
基于数据挖掘技术的高校教学质量考评研究_吕红
图 2 成绩频数 分布图
96
吕红 : 基于数据挖掘技术 的高校教学质量考评研究 该模块主要有 两部分 : ( 1) 试 卷的宏 观整体 分析和 评价指 标 , 包 括成绩 频数分 布
m n m n i = 1j = 1
2. 试题质量分析和评价模块
图( 见图 2) 、 平均分和标准差。 ( 2) 依据数据挖掘技术的评价指标 , 包括 : 难易度 ( d f = 1-
第 26 卷
第5期
理
工
高
教
研
究
2007 年 10 月
Journal of Technology College Education
Vol. 26 No. 5 Octember评研究
华中科技大学
吕红
摘要:
简要介绍了数据挖掘技术的基本概念 , 根据高校教学工作的 特点提出 了适用于高 校教学 考评的 数据挖 掘流
v ij * X i
i = 1j = 1
v ij * max( X ) ) , 其
中 X i 表示 该大题的某个得分 , Yj 表示总分的某个分数段 , Vi j 表示该大题 分数为 X i 且总分 为 Y j 的人数 ) ; 区分度 ( 采用极 端 分组法算法 , d r = XH - XL , 其中 X H 和 X L 分别为高分组学生和低分组学生在该项目上的平均得 分 , H 和 L 分 别为该项目 的 H- L
1. 数据管理模块
图 1 基于数据挖掘技术的 教学考评系统架构 使用 SQL 语言建立后台数据库 , 包括以下 7 张表 : ( 1) 考试 名称 ; ( 2) 考试 题型 ; ( 3) 考试答 案 ( 标
准答案) ; ( 4) 班级学号 ; ( 5) 考试成绩 ( 某个学生的 每道题答案 ) ; ( 6) 成绩 ( 按题型得 到的该大题 的得分 ) ; ( 7) 总成绩 ( 某次考 试 的总分 ) 。其前台用户界面则使用 C+ + 语言编写相应程序。
数据挖掘技术在信息技术教学评价中的应用
数据挖掘技术在信息技术教学评价中的应用教学评价是教学活动的重要环节。
教师在教学过程中积累了大量的信息，为教学评价提供有力的数据基础。
数据挖掘是深层次的数据信息分析方法。
将数据挖掘技术应用于教学评价管理有着积极的作用。
本文就如何解决教学评价中的几个常见问题，探讨数据挖据技术的应用方法。
教学评价信息技术应用方法随着基础教育新课程改革的不断深入，教学评价作为教学活动的重要环节，已不再仅关注于对学生的甄别和选拔，而更注重于发挥评价的促进作用。
信息技术学科是一门实践性和创造性较强的学科。
在探索适应新课程评价体系的道路上，教师可以利用各种技术手段丰富教学活动，全面记录学生学习进程，检测学生操作能力。
数字化的教学环境积累了大量的教学信息。
这些数据可以客观的反映出学生的信息技术认识水平和发展潜力。
然而这些信息很少被开发利用，只是单纯的记录和查询，没有挖掘隐藏在这些数据中的教学规律、学生信息能力的差异性和相关性规律、有效地为教学评价提供数据基础。
数据挖掘是一种通过自动或半自动方式探索和分析大量数据，以发现其中有意义的模式和规则的过程。
将数据挖掘技术应用于信息技术教学评价管理有着积极的作用。
问题一：终结性评价缺乏对学生表现的分析，难以有效把握学生个体间差异性教师在课程或模块学习结束后，经常通过客观题考试或作品评分来评定学生的认知水平。
这种单一的定量评价有着鉴定和监督的积极作用，但忽视了造成学生发展差异的原因，难以开展针对性教学。
对策：将终结性评价与安置性评价或过程性评价相结合，运用决策树c5.0算法分析影响信息技术认知水平的主要因素。
决策树是实现分类和预测的常用方法，其将数据集通过一系列的规则递归分割成具有同等或者相近属性的子集，并以树形方式展现结果，有直观易懂的优点。
c5.0算法是在决策树经典算法id3算法基础上发展起来的，其核心与c4.5相同，但在执行效率方面有所改进，并支持更多的数据类型。
例如，分析学生课外使用电脑情况对信息技术水平的影响。
数据挖掘与教师评价系统
数据挖掘与教师评价系统摘要今年来，随着网络技术与数据库技术的迅速发展，人们所积累的数据越来越多，这些数据的背后隐藏着许多有用的信息和知识，这些信息和知识得到了广泛的引用，比如金融投资、政府决策、生产控制、市场分析、医疗保险和科学研究等领域。
如今的社会，竞争很激烈，拥有获取隐藏在数据背后的有用知识，并利用它们的能力变得越来越重要。
在教育领域也是一样，各大高校在每学年的教学评价过程中，面临着同样的问题。
教学教务管理部门面对大量的教学评价数据，实用传统的评价方法，效果不大，已经满足不了现代教学发展的需要。
人们希望能够对这些教学评价数据进行多角度、高层次的分析和处理，希望从中能发现更多、更有用的知识和信息，为提高教学质量提供更多的方法和措施。
教师教学评估的现状新课程观下的教师评价强调对教师进行综合评价。
综合评价就是用动态的、发展的眼光, 对教师工作的各个环节进行系统的、全程的、较长时间的、循环往复的评价。
教师从事的教育活动是一个长期复杂的过程, 工作中的任何成绩都是日积月累的结晶, 绝非一朝一夕的产物, 仅仅依靠一、两次的单项评价, 不可能真实反映教师工作的整个发展过程, 也必然导致评价结论与教师实际工作表现的偏差。
缺少综合评价, 就无法全面了解评价对象的工作表现, 无法把握教师的发展倾向和发展需求, 也无法修正评价过程中的晕轮效应、趋同效应等引起的各种偏差。
因此, 新课程必须强调对教师进行综合评价。
同时, 新课程观下的教师评价也注重教师的个体差异。
由于教师在个性心理、职业素养、教学风格、交往类型和工作背景等方面都存在较大差异, 因此, 评价应根据这种差异,确立个性化的评价标准、评价重点以及选择相应的评价方法, 有针对性地对每位教师提出改进建议、专业发展目标和进修计划等。
只有这样, 才能充分挖掘教师的潜能, 发挥教师的特长, 更好地促进教师的专业发展和主动创新。
对于教师的评价考核是学校教学质量的提升,调整教学体制,教师等级评定的重要参考依据。
数据挖掘技术在高校计算机等级考试成绩分析中的应用
随机抽取本校教师信息 ， 与学生等级考试 成绩信息连接构
成教师教学综合信息表。 将教师 的年龄、 职称、 所教授学生 的成
绩 ３ 录人数据库 ， 略其他信息 ， 项 忽 为便 于后 面进行分 析 ， 我们 需要将数据进行抽象、 离散化处理 。及格 的成绩对应为 １不及 ， 格的成绩对应 为 ０ 。年龄分为 四个 阶段分别 用 Ａ１ ２ ３ ］Ａ ２ — ０、 ２ １
据挖掘技术找到影响学 生成绩 的真实原 因，从 而得 出结论 ， 供
度。 比如在 １ ０万个移动通信用户中 ， ２ 万用户使用手机银 ０ 有 ５
行业务 ， ２万用户 同时使用手机银行和移动秘 书业务 ，则 同时 使用两种业务的支持度 为 ２ ０ １ ０ ０ ２ 使用手机银 行业务 ０ ／０ ０ ＝ ％；
［１３１ ３ ６ ４］ ４ ０ ６ ］ 替 ， ３ － ５、 １ — ９ Ａ １ — ０ Ａ ３ 、 ５ 代 职称分别 用 Ｂ 初级 、２ １ Ｂ 中级、 ３ Ｂ 副高、４ Ｂ 正高代替 ， １ ，］ Ｃ［ １ ０ 代表等级考试成 绩。
库、 面向对象数据库、 空间数据库、 时态数据库、 文本数据源、 多
（１） 数据挖掘 的分类 数据挖掘 的分类方式很 多 ， 根据数据挖掘的任 务分 为如下 几种： 分类 或预测模型数据挖掘 、 数据总结 、 数据聚类分析 、 关 联规则分析 、 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 ； 根据数据 挖掘 的对 象 ， 以下 数据源 ： 系数据 有 关
（ 家庄理 工 职业学 院 ， 石 河北 石家庄 ０ ０ ２ ） ５ ２ ８
【 摘 要 】 数据 挖掘给人们提 供了 一种新的认识数据、 理解数据的智能 手段。 在对数据挖掘 技术岛概 挖掘过程和常用 念、
数据挖掘技术应用研究
而 “ 据 数
挖 掘 ”Ｄ ｔ Ｍｉ ｎ） 新 领 域 逐 渐 走 进 了人 们 的 事 业 ， 且 在人 们 的 关 注 和 不 断 研 究 下 飞 速 发 展 ， 是一 个 与 统计 学 、 （ａａ ｎ ｇ 的 ｉ 并 这 人 智 能 、 模
ａｔｆｃａ ｎｔｌ ｇ ｎｃ ．Ｉ ｈｉ ａ ｔ ｌ，ｔ ｄ ｖ ｌｐｍ ｅ ｔ ａ ｈｅ ｐｒｎ ｉ ｅ ｆＤ ａａ Ｍ ｉ ｎｇ ａｅ ｎｒ ｄｕ ｅ ｒｉ ｉｌｉ ｅｌ ｅ ｅ ｎ ｔ ｓ ｒｉ ｅ ｈｅ ｅ ｅｏ ｉ ｉ ｃ ｎ ｎｄ ｔ ｉ ｃｐｌ ｏ ｔ ｎｉ ｒ ｉｔｏ ｃ ｄ．Ｓｏ ｅ ｆｔ ｅ ｎ ｗ ｌ ｐｐｉａｉ ｍ ｏ ｈ ｅ ｙ ａ ｌｃ ｔ ｏｎ ｏｆ
随 着 时 代 的 发展 ， 计算 机 科 学 在 以 飞快 的 速 度 前 进 着 。在 计 算 机 科 学 的 众 多 领域 中 ， 工 智 能 是最 富有 挑 战 性 和 创 造性 的一 个 人 领 域 。 几 十 年来 ， 着 人 工 智能 技 术 的 日渐 成 熟 ， 们 对 人 工 智 能 的 研究 更 加 深 入 ． 人工 智能 更 加 重 视 。 学 界 对 于 人 丁智 能 的 近 随 人 对 科
挖 掘 的发 展 和 原 理 ． 以及 现 代 相 关 的 一 些应 用 的研 究 ． 并作 出 了展 望
关键 词 ： 据 挖 掘 ： 户偏 好 ； 数 用 考试 系统 ； 入侵 检 测
中图 法 分 类 号 ： ７ ＴＰ２ ４ 文献标识码 ： Ａ 文 章 编 号 ：０ ９ ３ ４ （０ ０２ — ２ １ ０ １ ０ — ０ ４２ １ ）２ ６ ３ — ２
数据挖掘技术在计算机取证中的应用研究
挖 掘的分类 算法 ，通过 对历史案件 数据 的挖掘分 析，来构建
危 险命令模式库 。
发 现 可 疑 用 户 时 ，要 立 即 对 陔 用 户 进 行 跟 踪 和 调 查 。
Ｉ — ｒｗｔ ＿ Ｇ ０ ｈ箅法是 一个典 型的关联规则算 法。它能 自动地从 ’ Ｐ 海量数 据 中挖掘 ｝各个 数据 记录之 间的关联关 系，尽 【能地 ｛ Ｊ １ Ｊ 还原 …用户的上 网行为，挖掘 出用户的网上活动规律 、网络爱 好 等。在取证分 析过程 中，我 们可以通过 关联 规则算 法来挖 掘 海量数据 一与犯罪行 为有关的所有可能 的证据 。 ｛ １
第２次 国 算 安 学 交 会 § 》 ／２ １第 ９ ６ 全 计 机 全 术 流 《§ ｜ ０年 ０ １ 期
■ ｄ ｉ１ ９ ９ ｓ ｎ１ ７ — １ ２２ １ ０ ５ ｏ ： Ｏ ３ ６ ￣ｉ ６ １ １２ ０ １ ９０ １ ｓ
数据 挖 掘 技 术 在 计算 机取证 中的应 用研究
构建过程 ， 可以看 ｍ， 选择分支判定属性是生成决策树 的关键 ，
不 同的属性会 使对 应不 同的划分 子 集，如 何选择判定 属性将 影响生 成决 策树 的速 度和生 成的决策树 的好坏 ，进而影响到
分类规则的质量。
策树 的两层 结点 ：
设 Ａ为备 选属性 ，Ａ含有 “个不 同值，对应 的概 率分 别 是 Ｐ，Ｐ ， Ｐ ，按照最小属 ｌ 的原则对 Ａ进行扩展， 个 。 ： …， 生熵
ｐａ ｒｐｏｎ ｓｏ ｈ ｅ ｔ ｅ ｅ ｒｈ ｒｃ ｉｎ ｏ ａａｍ ｉｉ ｇｔ ｃ ｏ ｏ ｙ ｉ ｏ ｐ ｔｒｆｒ ｎｓｃ ． ｐｅ ｉｔ ｕｔ ｅｎ ｘ ｓ ａ ｃ ｄｉｅ ｔｏ ｆｄ ｔ ｎ ｎ ｅ ｈｎ ｌ ｇ ｎｃ ｍ ｕ ｅ ｏ ｅ ｉｓ ｔ ｒ Ｋ ｅ ｒ ：ｃ ｍｐｕｅ ｏ ｅ ｓｃ ；ａ ｓ ｃａｉ ｎｒ ｅ ；Ｉ ３ａｇ ｉ ｍ ｙ ｗｏ ｄｓ ｏ ｔｒｆ ｒ ｎ ｉ ｓ ｓ ｏ ｉｔｏ ｕｌｓ Ｄ ｌｏｒｔ ｈ
数据挖掘技术在计算机软件工程中的应用
数据挖掘技术在计算机软件工程中的应用数据挖掘技术在计算机软件工程中的应用随着信息时代的到来，大量的计算机软件和数据得以创建和收集，使得软件工程领域面临着巨大的挑战与机遇。
在这个背景下，数据挖掘技术作为一门新兴的研究领域，开始被应用于计算机软件工程中。
本文将探讨数据挖掘技术在计算机软件工程中的应用，以及其对软件工程的影响。
一、数据挖掘技术概述数据挖掘技术是从大量数据中找出有用的模式和知识的过程。
它结合了机器学习、统计学、数据库等多个学科的知识和技术，可以通过大数据分析来发现隐藏在数据背后的规律和信息。
二、数据挖掘技术在软件开发中的应用1. 缺陷预测与管理软件开发过程中常常会产生许多软件缺陷，这些缺陷对软件的正常运行和维护都会带来一定的影响。
数据挖掘技术可以通过对历史软件缺陷数据的分析，找出潜在的缺陷来源和模式，从而预测和管理软件的缺陷。
这帮助软件开发团队更好地分配资源和制定测试策略，提升软件的质量和稳定性。
2. 软件需求挖掘软件工程中的需求分析是一个关键的环节，它要求开发团队能够准确地理解和捕捉用户的需求。
数据挖掘技术可以通过对用户数据、竞争产品和市场趋势等数据的挖掘，为软件需求的分析和预测提供支持。
通过这种方式，软件工程师可以更好地把握用户需求，减少需求变更和重复劳动，提高软件的开发效率和用户满意度。
3. 软件工作量估计在软件开发的初期，准确地估计软件的工作量是非常关键的。
数据挖掘技术可以通过对历史软件项目数据的挖掘和分析，找出影响软件工作量的关键因素和规律。
基于这些规律，软件工程师可以更加准确地预测和估计软件的工作量，为项目的规划和资源分配提供决策依据。
4. 软件质量评估软件质量是一个软件工程中非常重要的方面。
数据挖掘技术可以通过对软件测试数据、用户反馈数据等的分析和挖掘，发现影响软件质量的主要因素和模式，为软件质量的评估和改进提供支持。
通过这种方式，软件工程师可以及时地发现并解决质量问题，提高软件的可靠性和可用性。
数据挖掘在教学中的应用
等参数 ， 使得所挖掘 的规则更符合需求
作 者 简介 ： 武 （９８ ， ， 西 北 海人 ， 师 ， 究 方 向 为 高 职 计 算 机 教 学 与研 究 梁 １７ －） 男 广 讲 研
现代计算机
２ １ ．４ ０ ０ ２
聚类是把数据按照相似性归纳成若 干类别 ．同一 类 中的数据彼 此相似 ． 同类 中的数据相异 聚类分析 不 （ｌｓ ｒ ｇ 可 以建立 宏观 的概念 ， 现 数据 的分 布模 Ｃｕｔ ｉ ） ｅｎ 发
式 ． 及 可 能 的数 据 属 性 之 间 的相 互 关 系 以 分 类 ｆ１ ｓ ｃｔ ｎ Ｃａ ｉ ａ０ １就 是 找 出一 个 类 别 的 概 念 描 ｓｆ ｉ ｉ
性 都 难 以保 证 。所 以 ， 据 挖 掘 算 法 的效 率 、 效 性 和 数 有
是， 数据挖 掘技术应 运而生 。 将数据挖掘 （ ａ ｉｉｇ Ｄ ｔ Ｍ ｎｎ ， ａ
Ｄ 技 术 应 用 于 教 学 中 ． 从 大 量 的 教 学 数 据 中 发 现 Ｍ） 可
可扩充性都显 得至关 重要 然而充分利用现代数据 库
Ａ ｗ ｌ 人 首 先 提 出 的 个 或 两 个 以上 变 量 的取 值之 ｐ ａ等 两
１ 数 据 挖 掘 的概 念
数 据 挖 掘 的概 念 ． 称 数 据 库 的知 识 发 现 ｆｎｗ ． 又 Ｋｏ１ ｅｇ ｉ ｏｅｙｉ ａ ｂｓ ， Ｄ ）就 是 从 大 量 的 、 完 ｄ ｅＤｓ ｖｒ ｎＤ ｔ ａｅ Ｋ Ｄ ， ｃ ａ 不
数 据 规 模 都 具 有 依 赖 数 据 库 的特 点 ． 别 的 ． 据 挖 掘 特 数
浅谈数据挖掘在高等教育信息化中的应用研究与展望
福
建
高等教 育信息化 中的应 用研 究与展望
刘琼梅 ，彭 国星 ，刘
【 摘
强
（湖 南 工 业 大 学 计 算机 与 通信 学 院 湖 南 株 洲 ４ ２０ ） １０ ０
要 】 随着信息时代的迅速到来 ， ： 海量信 息在 给人 们带来便利的 同时也 带来 了信息的 消化 、 息的辨识 、 信 信息的安
始 技 能 、 前技 能 和 目标 技 能 。学 习 风 格 包 括 学 生 的 生 理 特征 、 当 早在上世纪 ８ ０年代 末 ９ ｏ年 代 初 ．许 多 的 高校 教 学 部 门就 心 理 特 征 和 社会 特 征 三 个 方 面 开 始 着 手 开 发 教学 管 理 软 件 。 由于学 校 实 行 学 分 制 ． 上 插 班 生 加 利 用 数 据 挖 掘功 能分 析 学 生 特 征 ． 目的 在 于 帮 助 学 生修 正
全 、 息 形 式 的 一 致 性 等 问题 。这 引起 了］ ４ 的 重 视 和 思 考 ： 何 才 能 不被 大量 信 息 淹 没 。 且 从 中及 时挖 掘 出潜 在 的 隐含 信 ，Ｊ ，ｑ － 如 而
的 有 价 值 的 知 识 ， 是 当前 信 息 化 建 设 中一 个 非 常 迫 切 的 问题 。本 文 对 高 等教 育 信 息 化 条 件 下 数 据 挖 掘 的应 用 空 间进 行 分 这 析 ， 望 能 为 高 等教 育信 息 化 建设 提 供 有 价 值 的 参 考 。 希 【 关键 词】 ：数据挖掘 、 高等教育、 息化 、 信 应用空间
一
、
高 等 教 育信 息化 的研 究 现 状
制 、 辅 修 双 学 位 制 等 等 ． 生 成 绩 较 为 复 杂 ． 一 代 软 件 不 是 自 己的 学 习 行为 。 里 有 ～ 理 论 假 设 ： 过对 学生 特 征 分 析 结果 主 学 第 这 通 很 成 功 ， 是 单 纯 实 现 了模 拟 手 工 操 作 。 计 算 机 上 输 入 课 程 、 和 事 先 制定 的行 为 目标 标 准 进 行 比较 ．教 师 能 够 帮 助 学 生修 正 只 在 教师 、 室 、 教 教材 等 信 息 ， 乏 课 程 、 室 等 数 据 库 的建 设 ， 较 学 习 行 为 、 高 学 习 能 力 、 善 人格 ， 利 于学 生 各 方 面 素 质 的 缺 教 比 提 完 有 呆板 ． 用起 来 不 是 太 方 便 ， 与 手 工 管理 相 比还 是 先 进 和规 范 和 谐发 展 使 但 了许 多 。第二 代 软 件 是 学 籍 管 理 系统 ． 产 生 于上 世 纪 末 。随着 它 计算 机 软 、 件 的迅 速 发 展 。 系 统 设 计 的过 程 中 思 路 清 晰 ． 硬 在 对
数据挖掘技术在计算机公共课评价中的探索与研究
口 江 建
湖南 ・常德 ４ １ ５ ０ ０ ０ ）
（ 湖南 ‘ ， 学院计算机 学院
摘
要： 运用数据挖掘技术科学分析计算机公 共课 学生成绩 ， 找 出学生知识结构特 点， 有针对 性调整教 学方法 ， Ｌ ａ ｐ ｒ ｉ ｏ ｒ ｉ 算法 教 学评价
节进行讲解和补充 ，以实现更好的和教学成果和达 到更高的 去除冗余选项集， 减少每次扫描中的时问， 将数据库的信息尽 教学 目标 。本文 以我校 ２ ０ １ ２级的计算机文化基础期末成绩 快转化为可用信息， 这样就能达到减少了 Ｉ ／ Ｏ开销， 提高系统 为背景， 给学生建立一个成绩数据 库， 数据挖掘技术在本 次实 的性能的 目的。
１ ０ ０ ０ 位学生成绩 作为原始数据库 ， 抽取 １ ０ 位 的原因是数据过 少不便于分析数据。在期末考试题弄 中有选择题、 操作题 ， 程
数据挖掘这一 名词在 １ ９ ８ ９ 年 国际上就 已经提 出来 了， 它 序题三种题型， 其中选择题 占 ４ ０分， 操作题 占 １ ０分， 程序题 是针对数据进行深层次 的分析 。数据挖掘实际上就 是一个通 占 ５ Ｏ分 。 为 了更 清 楚 的 了解 学 生 掌握 情 况 ， 最 好 是 把 知 识 点 过数据库里面 的大量数据 ，探索和发现潜在的有用 信息 的过 分到各个个章节， 计算机技术基础 一共 是六章 ， 每个章节的总 程 。由于信息量大 ，模糊随机 的数据在其它很多算法中显得 分 数 分 别 是 ３ ０ 分、 ｌ ５ 分、 ５分 、 １ ５分 、 １ ５分 、 ２ Ｏ分 。我 们 需 要 力不从心 ， 而数据挖掘技术就能很好 的解决这个 问题 。当然， 现在数据挖掘技术 的关注度越来越高 ，我们的研究方向也逐 渐偏 向于实用性 。也能够运用于除 汁算机外的其它领域 。从 而实现 了各 门学科之 间的相 互关联 。 ２ ． ２ Ａｐ ｒ ｉ ｏ ｒ ｉ 算法 Ａ ｐ ｒ ｉ ｏ ｒ ｉ 算法是一种数据的遍历 ， 而且是逐层遍历 。总先 是 以总 的数据库 中的数据为依据 ，首先找 出频繁项集 １中遍 历一次找 出集合 Ｊ １ ， 然后通过频繁项集 Ｊ １ 遍历找出频 繁第 ２ 项集合 Ｊ ２ ， 通过频 繁项集 Ｊ ２遍历找出频繁第 ３ 项集合 Ｊ ３ ， 相
探讨数据挖掘技术在教学评估系统中的应用
探讨数据挖掘技术在教学评估系统中的应用作者：张敬姚书科来源：《软件导刊》2012年第02期摘要：随着信息技术的快速发展，数据挖掘技术已逐渐成为信息技术领域的重要研究课题。
作为数据挖掘技术的重要组成部分之一的关联规则技术，通过寻获，并分析海量的数据中各个类别数据的各种关联，从而挖掘出有价值的信息。
对需要进行教学评估的高校来说，为了得到公正客观的评估信息，数据挖掘技术可发挥重要的作用。
在对数据挖掘技术的了解以及关联规则的认识基础上，通过其在高校教学评估中的应用研究，为高校教学评估以及教学工作提供相关的指导以及信息参考。
关键词：数据挖掘；教学评估；关联规则；应用中图分类号：TP311.131 文献标识码：A 文章编号：1672-7800（2012）002-0157-作者简介：张敬（1982-），女，河南驻马店人，黄淮学院国际学院研究硕士生，研究方向为数据挖掘；姚书科（1980-），男，河南驻马店人，黄淮学院国际学院硕士研究生，研究方向为计算机应用。
0 引言在当前诸多高校中的信息管理系统并不能对数据进行有效的分析处理，而其查询或者报表等都仅仅是对数据进行简单的数字处理，并未能进行其有效提取。
在关联规则模型下的数据挖掘技术，可以对教师课堂教学指标的评估以及对数据收集进行挖掘，同时深入其中分析数据间的内在联系，从而实现对教学作出有效评估，提供了更为客观合理的依据。
1 教学评估系统中数据挖掘技术的过程结构在高校教学评估中的数据挖掘主要对学生、管理员以及教师三个方向进行数据提取。
而在数据的挖掘过程中，分别可以从以下几个方面着手：首先，学生数据的挖掘。
主要是针对开课的科目课程的数量，在某阶段性学习过程中学生的学习态度，以及各个授课教师对学生整体素质的评定和给予学生的相应课程的学习成绩；其次，教学模块的数据挖掘。
学生可以进入各自所在班级的模块，同时可以对某阶段性学习期间的授课教师进行评分，其评分内容是多方面的，主要包括任课教师教学内容、教学态度、教学方法以及给学生的总体印象等等；最后，管理员数据挖掘。
大数据挖掘技术在本科院校计算机专业教学管理中的应用
DOI：10.16660/ki.1674-098X.2019.22.222大数据挖掘技术在本科院校计算机专业教学管理中的应用①崔炳德 辛晨 冯涛(河北水利电力学院计算机科学与信息工程学院 河北沧州 061001)摘 要：针对计算机专业课程教学过程和管理的大量数据，利用大数据挖掘技术，通过正确识别数据源，挖掘相同的粒子所产生的概念节点之间的关系，自动获取和积累关于关联规则的知识，并控制关联规则，以便在搜索过程中自适应地获得最优解，实现数据的自动获取和处理，用数据分析了解学生学习状况，更有针对性的对学生学习情况进行管理和优化，进而加强专业建设，优化人才培养方案，采用最佳教学方法，提高教育教学质量和人才培养质量。
关键词：大数据挖掘技术 教学过程与管理 应用中图分类号：G434 文献标识码：A 文章编号：1674-098X(2019)08(a)-0222-02①基金项目：河北省教育厅“新升本科院校计算机专业教学体系的构建”教改项目(课题编号：2017GJJG209)；主持河北省教育厅教改项目《应用型本科数字媒体技术专业课程体系改革研究与实践》(课题编号：2018GJJG379)。
作者简介：崔炳德（1973—），男，河北盐山人，硕士，副教授，研究方向:数字媒体技术、算法。
辛晨（1985—），男，河北河间人，硕士研究生，讲师，研究方向：图像处理、通信技术。
1 国内外研究现状计算机专业教学过程中产生的数据具有以下两个特点：一是数据流动频率高；二是数据流动量大[1]。
采用大数据挖掘技术，可以对其中有用的数据信息进行挖掘，并将其进行梳理和分类[2]。
当教学过程中需要进行教学决策时，能够快速获得有效的相关信息，进行准确推送，提高决策的科学性和准确性。
采用大数据挖掘技术，对教学过程中产生的海量数据进行综合分析，为计算机专业教学与管理提供决策支持和帮助。
2 大数据挖掘技术在教学与管理中的应用在计算机专业教学与管理中，不仅要完成专业学习任务，更重要的是要注重学生学习能力的培养。
- 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)。
用Ｅ Ｍ 算 法进 行 分析 。 首先， 应 通过 Ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ方法 分析 教 学策 略效果 ， 再通过 Ｅ Ｍ 算 法计 算 最 大 期 望值 。再 通 过 数 据 挖 掘 分
数据挖掘在计算机教 学评价 中的应用研究
刘 娟 （ 四川文化艺术学院， ６ ２ １ ０ ０ ０ ）
【 摘 要 】 ２ １ 世纪是一 个信 息时代， 计 算机 技术 已广泛应用到了各个领域， 不论 日常生活， 还 是学习办公都离不开计算机 ， 人 类 已对计 算机产生
了依 赖 性 。现 如 今 计 算 机 技 术 知 识 已成 为 现 代 社 会 活 动 中必 备 技 能 ， 计 算 机 教 学 开 始 受 到 广 泛 关 注 。计 算机 教 学对 培 养 学 生 信 息 素 质 ， 帮 助 学 生 掌 握 计 算机 知 识 和 操 作 技 能 有 着 很 大 帮做 。 实践 证 明 “ 数据挖掘 ” 在 计 算机 教 学评 价 中 的应 用 ， 不仅 能够 提 高评 价 效 率 ， 还 能 够 发 现 评 价 数 据
析 教 学 策略 实 际效 果 ， 最后 进 行 数据 对 比 ， 明确 数 据 偏 差值 ， 最 后 通 过偏 差值 对 比 ， 判 断教 学策略 科 学性 和 有 效性 偏 差 值 越 小说 明教 学效 果越 好 ， 越 大则说 明教 学效 果越 差
２ ＿ ３ 课 堂教 学评 价
课 堂 教 学 是 教 学的 核 心 ， 对 教 学质 量 起 着决 定 性 作 用 ． 因 此 对 课 堂教 学进 行 评 价 也 就 成 为 了教 育 管 理 工 作 的 主 要 内 容。 课 堂教 学评 价 对 提 高教 学质 量 ， 促 进 课 堂 改革 有 着 很 大帮
学性 和有 效 性 的作 用 ， 十分 有 利 于教 学 策略 改进［ ２ ３ 。通过 数 据 挖 掘 对教 学策 略 评价 数 据 进 行 分 析 时 。 应采用 Ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ方 法 ． 使
１ 数据挖掘
数 据 挖 掘 是 随 着 计 算 机 技 术发 展 起 来 的 新 兴 概 念 ． 它是
准进行对 比 ． 得 出比 较 结 论 ， 最后根 据比较 结论 ， 帮 助 学 生修 正 学 习行 为 。 提 高 学生 学 习能 力 和 学 习效 率 。 但 实施 中必 须保
障 制 定 目标标 准 的 科 学 性 和 合 理 性 ．教 师 应 先 通 过 数 据 挖 掘 对 每 一 名 学 生 建 立模 型 库 ． 以 明确 学 生 差 异 信 息 ， 从 而保 障 分
中 的 有用 信 息 ， 这 对 提 高 教 学 质 量 起 着 积 极 作 用 。 本 文 将 针 对 数 据挖 掘 在计 算 机 教 学 评 价 中 的 应 用 展 开 研 究 。
【 关键词 】 数据挖 掘 ； 计算机教学 ； 教学评价
【 中图分 类号 ｌ ｖ ｐ 的 有 效 性及 合理 性 。 另 外 ． 为 了提 高数 据 使 用 价 值 ． 应 对 其
进行“ 去噪 ” 处 理
２ ． ２ 教学策略评价
教 学 策略 在 教 学 中十 分 关键 ．影 响 着教 学 质 量 和教 学 效 果， 是教学思想、 教学方法、 技 术 手段 的集 合 。 想要 保 障 教 学 有
一
种从 数 据 库 中发 现 知 识 、 信 息 的技 术 ， 是 从 大 量 数 据 中通 过
计 算 法搜 索 隐 藏 于 其 中有 用信 息 的过 程 。属 于 计 算 机 科 学 范 畴。 随 着 近 些 年 信 息技 术 的 高速 发 展 ， 数 据 挖 掘 引起 了信 息产
业界 的极 大 关 注 ，其 主 要 原 因是 人 们 迫 切 的 希 望 将 大量 的数 据 转化成知识和有用的信 息． 并 将 这 些 信 息更 好 利 用起 来 ． 来 提 高工作效率 ． 为 管理 和 决 策 提 供 依 据 数 据 挖 掘 目前 已广 泛 应 用 到 了企 业 管 理 、 生 产控 制 、 市场 分析 、 科 学研 究 、 教 育 管 理 等 领 域 当 中 。 分 析 中主 要 使 用 的 方 法 有 ： ｃ ｌ ａ ｓ ｓ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ 、 Ｅ ｓ ｔ ｉ —
把“ 数据 挖掘” 应 用到 计 算 机 教 学 评 价 中 ． 必 然 能 够 对 提 高 计
算 机 教 学质 量起 到 积 极 作 用 。
效性 ， 提 高教 学质 量 ， 必 须制 定 科 学 的教 学 策略 。 教 学 策略 评 价 是教 学 评价 中 的重 点 内容 ， 评价 教 学 能够 起 到检 查 教 学策 略 科
【 文章编号 】 １ ０ ０ ６ — ４ ２ ２ ２ （ ２ ０ １ ５ 】 １ ４ — ０ ２ ４ ９ 一 Ｏ １
引 言
教 学 评 价 是 教 学 与教 育 管 理 的 重 要 内容 ，影 响 着 教 育 质 量． 是评价教 学效果 ， 检 查教 学 质 量 的 主 要 手 段 。 实 际 上在 多 年 经 营 发 展 中许 多 学校 都 累积 了大 量 教 学评 价 数 据 ，但 这 些 教 学评 价 数 据 却 未 能发 挥 出职 能 ， 其 价 值 并 未得 到体 现 。 学 校 管理 者 应 加 强 对教 学 评 价 数 据 的应 用 ，使 其 能 够 为教 学 活 动 提供参考 ， 为 学 校 管 理 决 策 提 供 支持 ， 以提 高教 学 质 量 和 管 理 水平 。“ 数据挖掘” 在 教 学 评 价 中的 应 用 能够 有 效发 现 数 据 中 的 价 值 及 潜在 规 律 ． 是 提 高教 学评 价 数 据 利 用 率 的 有 利 手 段 。