数据挖掘技术在课堂教学评价中的应用

张继成+张路

摘要：当前各个高校都非常重视课堂教学评价问题，数据挖掘作为一个新兴的技术应用十分广泛。本文阐述了聚类分析技术的方法，通过引入数据挖掘中的聚类分析技术，研究聚类分析在教学评价中的应用、具体实施过程以及算法的实现，结果证明数据聚类的聚类效果良好。

关键词：数据挖掘；聚类分析；教学评价

数据挖掘技术是当前非常流行的一种技术，其应用领域广泛，可以对数据挖掘按照数据库类型、发现模式、使用技术等进行分类。而聚类分析是数据挖掘中比较活跃的研究领域，它广泛应用于高校课堂教学评价中。本文主要研究聚类分析在高校课堂教学评价中的重要应用。

一、教学评价体系模型的构建

课堂教学评价体系是一个复杂的系统，评价体系有多种不同的常用指标组成，评价体系可以通过层次分析法来建立。层次分析法主要有四步，即建立评价系统的层次结构、构建判断矩阵、计算权重向量、检验一致性。

二、聚类分析应用与教学评价模型

根据教师课堂教学评价表，采用数据挖掘流程的方法，利用典型的K-means算法，实现评价数据的聚类分析。

1.具体实施过程

（1）确定挖掘对象、目标。根据学院某一学年度学生课堂教学评价表中反馈的数据，整理200张某课程教学的评价表，研究教学评价数据与学生成绩之间的关系。

（2）数据采集。在学院教务处采集学生对教师的课堂教学评价数据。

（3）数据预备处理。按照评价表中的评价指标对数据进行清理和转换，经过转换可以把多项评定项目转换成五项重要的代表指标：教学素质、教学内容、教学方法、教学效果、教学管理，然后完成数据样本的数据聚类。

（4）数据挖掘。对于数据样本的聚类分析，本文采用K-means算法，经过反复聚类分析完成数据挖掘的任务。

2.算法的实现

（1）基本运算策略。在K-means算法中，首先要设置聚类数量为3，确定好聚类中心，通过在样本中集合选取元素的方式，测算其他元素与聚类中心的距离，从而完成一次聚类过程，以此类推，最终完成聚类全过程。

（2）样本数据的輸入。在记事本中，把采集的评价数据样本按照某种格式输入，把等待输入的样本数据存放在dt.dat文件中。用Numlist表示样本个数，Numopt表示属性个数，NumCluster表示簇的数目。

（3）流程图

如图1，其中，Loadlists（）为样本获取函数，InitClusters（）为聚类初始化函数，RunKmeans（）为聚类运行函数，ConvFlag为聚类结束的标识变量，Showcenters（）显示簇的中心点函数。

3.数据聚类的结果

聚类的结果如表1所示：

其中，簇1占比24%，簇2占比64%，簇3占比12%，这个和实际教学的成绩占比情况基本一致，聚类效果良好。

三、结语

本文分析了聚类分析技术的方法及教学评价模型的构建。研究了聚类分析在教学评价中的应用、具体实施过程、算法的实现，给出了数据聚类的结果，结果表明聚类效果良好。endprint