关联规则挖掘在高校计算机类教师教学质量测评中的应用

卢雪燕

摘 要 将关联规则挖掘应用于高校计算机类教师的教学质量测评，以发现任课教师和课程教学效果间的深层次内在关联，从而便于更科学合理地对计算机专业的任课教师进行安排，从而提高教学质量。

关键词 关联规则 高校 计算机类教师 教学质量

中图分类号：G424 文献标识码：A

Application of Association Rules Mining in the Teaching

Quality Evaluation of College Computer

LU Xueyan

（Department of Computer Science， Wuzhou University， Wuzhou， Guangxi 543002）

Abstract In order to fine the deep relationship between teacher and curriculum teaching effect， association rule mining was applied to the teaching quality evaluation of college computer teachers. It makes the arrangement of teacher more scientific and reasonable， thus improving the quality of teaching.

Key words association rules； college； computer teachers； teaching quality

0 引言

为了满足社会对人才的需求，近两年来梧州学院计算机科学系在原有的计算机科学与技术本科专业，软件工程专业的基础上申请了数字媒体专业，物联网工程专业，其中计算机科学与技术专业还分为嵌入式系统，信息安全，计算机网络三个方向。新专业，新方向的产生带来了许多全新的专业课程。该如何合理安排老师来上课，如何评价老师的教学质量，这些问题让类似于梧州学院这样地处边远山城且新升格的地方本科院校来说，一切都还在摸索中。为了解决传统教学质量测评中存在的不足，许多人尝试了将关联规则挖掘这一现代分析技术引入到教学质量测评中，①②③④但以往的分析没有专门针对计算机类教师，所进行的评分也比较笼统，没有分课程分别评分，此外，也没有加入教师的行业背景这些会严重影响教学效果的评价因素。因此本文利用C++的STL，加入教师的行业背景因素，专门利用关联规则挖掘来对高校计算机类教师教学质量进行测评，通过公正客观的统计和分析，做出归纳性推理，从中挖掘出潜在的模式，从而帮助决策者调整策略。

1 高校教师教学质量测评的现状

1.1 评价过程

我校建立了校系两级的教学质量监控体系，学生在网上查看成绩，需要把本学期所上课程的任课教师的评教问卷填写完成才可以查看本科目的成绩；此外，各系部还进行教学中期检查，通过调查问卷、听课、评课、座谈等多种方式对任课教师的教学工作进行综合评价。这样一来，光是计算机类教师的评教分数就至少有三类分数，一是所任课班级的每一名学生的评分；二是学院聘请的各学科专家经过随堂听课以及学生访谈后得到的分数；此外，还有教师所在的教研室经过相互听课以及学生访谈后，对教师授课的各方面情况打分。把所有分数收集了之后，通过录入计算机，再对每名教师的各方面打分加权合并汇总，形成一个最终得分。这个分数即是该教师教学质量测评得分，此分数可作为评价教师该门课程教学质量优劣的主要依据。

1.2 目前高校教师教学质量测评中存在的问题

以笔者所在的计算机科学系为例，每个学期每门课都积累了大量这样直接的评教分数，但是评测比较主观，分数收集上来之后，后期的数据分析与应用欠缺，失去了应有的激励价值。大多数高校都没有建立起一套科学的绩效考核体系，测评指标不全面，指标权重分配不合理，测评方法和手段单一、陈旧；评价对象不明确。因此，很有必要利用现代分析技术来对这些宝贵而庞大的数据进行科学的挖掘。

2 关联规则挖掘在高校计算机类教师教学质量测评中的应用

2.1 原始数据的准备

学生，学科专家，同行教师分别就教师所任教课程进行评分，评分的依据包含教学态度、教学内容、教学方法、教学基本功、教学效果等方面，评分之后，直接从教务系统导出相应的分数，该分数已经是Excel电子表格。由于学生的人数较多，同时同一门课的多个任课老师可能教授的学生数不同，所以学生对该名教师课程1的评教分数直接取平均值，记为X11；各学科专家一般是3～5名，把学科专家的分数取平均，记为X12；同行人数一般是5～10人，也是同行的分数取平均，记为X13，这样就得到一名任课教师某门课的三个 （下转第111页）（上接第82页）平均值。再把这三个分数求平均，四舍五入，取整。笔者所在的计算机科学系，每名教师平均一个学期授课2门，约有50名专任教师。每位计算机学科教师的最终评价分数为下式所示：

教师的最终评价分数=（X11+X12+X13）+（X21+X22+X23）+…+（Xn1+Xn2+Xn3）/n（n为该教师授课的门数）。再把职称，年龄，性别等常规影响教学效果的字段作为挖掘的因素，同时考虑到计算机专业的特殊性，还加入了是否有行业背景这一因素，抽取某个学期的测评情况，记录如表1所示。

表1 教学测评信息表（注：本校计算机系教师编号以17开头）

2.2 数据转换

由于用于挖掘的表1中性别，职称，学历等字段属于离散值属性，还同时存在年龄，最终评价分数等字段属于连续值属性，为了便于进行挖掘，需将连续值属性离散化处理。结果如下：对年龄按照全国高校状态数据库中的统计类别进行分组，35岁以下为A1，A2为[36，45]，A3为[46，55]，A4为56岁以上。根据计算所需的实际情况，对性别、职称、学历的表示加以规定。性别用M表示男性，F表示女性。职称分别表示为：初级为Z1，中级为Z2，副高为Z3，正高为Z4。学历分别表示为：E1为本科，E2表示硕士（含双学士），E3表示博士。endprint

2.3 挖掘过程实现

Step 1： 初始化参数；

Step 2： 进行关联规则挖掘；

for （i=0； i<教师人数；i++）

for （j=i+1； j<教师属性数目；j++）

// 分析教师属性与评价分数的关系

count（）；

//对各种情况进行统计，并记录到关联矩阵中

Step 3： 调用STL中的sort（）函数对关联矩阵进行排序；

Step 4： 输出结果。

2.4 挖掘结果分析

年龄在36～45岁的中青年男性教师具有较高职称和学历，而且多半具有从事行业背景，而且精力充沛，计算机方面的技术娴熟，课堂教学经验丰富，所以评价分数较高。由此可见，我校计算机科学系一批中青年男教师已经成为教学一线的骨干，教师队伍结构趋于合理。这跟我系长期重视学科建设，坚持实施人才战略，重视高学历，有行业背景的中青年男教师的引进和培养，已经初见成效。有趣的是，30岁以下的年轻教师，虽然大多数刚走上讲台不久，但是由于计算机专业是一个更新非常快的专业，所以置信度也挺高的。说明部分年轻老师由于有一定的专业知识的积累，加上注重教学能力的提升，所以他们的授课也受到学生的欢迎。

3 总结

为了探知计算机专业任课教师和课程教学效果间的深层次内在关联，把关联规则挖掘对教学质量进行评价，对高校多年来积累的教学评价数据进行挖掘、评价结果能给高校教学管理、教育行政部门的决策提供参考，尤其给教师的教学工作提供有益的帮助。本文针对特殊的计算机专业进行评价，分专业的探讨使得挖掘结果更准确，更贴近现实，同时，其思路也同样适用于高校其他专业，尤其是理工科类专业。

基金项目：广西教育厅科研项目立项项目（200911LX 421），梧州学院科研项目（2009C006）

注释

① 王晓艳，高云辉.数据挖掘技术在教学评价系统中的应用[J].计算机光盘软件与应用，2013（4）：211-212.

② 宋晓梅.数据挖掘技术在高校教师教学质量测评中的应用[J].赤峰学院学报（自然科学版），2013.29（2下）：181-184.

③ 於实.基于关系数据库的教学评价数据的关联规则挖掘[J].科技通报，2012.28（4）：99-101.

④ 刘淑娟.基于灰色关联分析算法的教学评价系统设计[J].科技通报，2012.28（6）：65-66.endprint