基于Apriori算法的校园教学质量评价系统设计

文/张鸿雁

在目前的教学评价工作中，大部分学校仅仅是对庞杂的教学数据进行简单的堆砌和搜索，难以对数据背后隐藏的知识进行深度挖掘和利用。这种传统的校园教学质量评价系统不能全面分析和反映教学情况，更不能提高校园教学效果，甚至影响学生成绩的提高。在这样的背景下，数据挖掘技术在教学质量评价领域中应运而生。数据挖掘技术合理地运用在教学质量评价领域中可以及时有效地反馈教师教学情况，提高校园教学质量和教学效果。

1 Apriori关联规则算法

1.1 数据挖掘技术

数据挖掘技术主要是指从大量的、模糊、随机等数据流中，通过技术手段和智能分析获取隐藏在庞杂数据中的有用信息。数据挖掘技术改变了传统对数据简单地查找和录入的情况，通过对于大量信息的智能搜索和分析，深度挖掘数据背后潜在的有价值信息，提高了数据的利用率。数据挖掘具有处理大量的数据信息的能力，得到的数据规律不需要普适所有领域，只在某一特定领域适用即可。

1.2 关联规则算法

数据挖掘技术中，对于关联规则的挖掘是重点研究对象。关联规则是在分析了信息之间的关联性后为数据挖掘提供了简单的描述模式。利用关联规则的数据挖掘步骤一般是先根据最小支持度阈值总数据库中找到相应的项集，将数据控中项集总个数与最小支持度阈值相乘以获得最终项集，之后将置信度大于最小支持度阈值的频繁项集生成强关联规则。关联规则在不同标准下有不同分类。

2 基于Apriori算法的教学评价系统设计。

2.1 教学质量评价系统架构设计

从教学质量评价系统的功能需求角度出发设计教学质量评价系统的架构，主要包括客户移动端设计以及系统服务端设计。具体可以分为Web网页服务器、数据库、电脑PC端和移动端四部分，如图1所示。系统运行时，客户端向服务端发送请求，Web端口接受请求后调取数据库中的相应数据，最后将所需数据发送至客户端中。

（1）教学评价系统客户端设计。客户端的设计主要作用是对教育评价的相关数据进行预处理，将处理后的数据信息借助网络技术手段发送到服务器上进行分析和存储。这一过程主要采用的是客户端/服务器架构（C/S架构），通过这种架构可以将任务合理分配到客户端和服务器端，充分利用了两端硬件环境的优势，又实现了网络上信息资源的共享以及数据处理。客户端在接入网络后，登录教学质量评价系统可以修改账户相关信息，获取教学所需要的评价信息。

（2）教学评价系统服务端设计。教学评价系统服务端主要利用JAVA编程实现Web页面功能，主要功能是完成数据的前期准备和存储。服务端数据中有教师及学生用户的账户信息、课程计划、教师评分等信息。用户端和服务器之间的信息交换主要通过JavaScript Object otation（JSON）格式实现。经过解析的数据信息可以直观地显示在手机等移动终端上，便于用户提取和使用。

图1：教学质量评价系统架构图

2.2 教学质量评价系统数据库设计

本系统中数据库是对数据进行存储和管理数据集合仓库。数据作为教学评价系统的核心部分，会对整个系统的正常运行产生直接影响。在对数据库进行设计之前考虑各个数据表之间的关联，将整理后的数据表导入数据库中有利于后期数据的快捷、准确调取。本系统中采用的数据库管理系统是瑞典公司开发的MySQL数据库。MySQL数据库以其低成本、高性能、使用方便和多平台使用的优点在Web开发领域深受欢迎。

以某高校学期评教活动为例，在数据预处理阶段，从教学评价系统中抽取了教学质量评价信息2000余条，并按照学生年级、专业、性别、教师年龄、学历职称以及课程等信息将抽取的数据汇总成一个数据表。针对汇总的数据表，借助关联规则数据挖掘方法，可以找到教师各项信息与所得评分之间的大致关系，在对学生的相关信息调整结果。设定支持度=3%，置信度=5%，在系统中输入数据便能得到强规则项，最终可以得出某一指标与评教得分之间的关系式，关联规则表现为X=>C。

通过对结果的分析可以得出如下规律：高学历、高职称、教龄长的教师的评分相对较高；不同年级、不同专业的学生对同一教师的评分区别较大。因此，应针对不同专业的学生制定不同的教学方案，结合学生专业背景采取相应的教学形式。

3 基于Apriori算法的教学评价系统的应用

Apriori 算法是关联规则算法中核心算法之一，由于Apriori 算法具有容易理解、运算简单、运算结果精准等优点在数据挖掘中广泛应用。该算法主要通过对数据进行多次处理，需要先找到含有相同参数的所有项目集出现的频次并确定最大项目及，然后多次重复操作直到不再有最大的项目集产生。

影响Apriori 算法的主要因素是对原始数据多次重复扫描，以及多次重复操作后产生的项目集占用大量空间。针对以上因素现提出：

（1）控制原始数据库的扫描次数。对每个候选项目集标示对应的存储数据库，在系统进行运算的过程中只需要对相应的存储数据库进行扫描即可完成运算，不需要再重复扫描大量的原始数据。

（2）压缩待扫描数据库大小。由于教学质量评价系统的原始数据量庞杂，若不对源数据进行压缩和预处理不可避免将占用大量空间和时间，降低运算效率。改进后的算法只需要扫描预处理后的后数据库即可完成对原始数据的分析，进而压缩了工作量，提高了系统效率。

基于Apriori算法的教学评价系统主要由成绩管理、教学管理、学生评教三个模块构成。在成绩管理模块，教师根据学生的学习情况进行成绩评定，再将成绩录入系统。学生评教模块主要是学生对特定课程的任课教师按照相应标准进行评分。教学管理模块主要是同专业教师在某一教师的课程进行旁听后进行同级评分。整个教学质量评价系统可以直观地反映教师教学情况和教学质量。良好的评教系统有助于激励教师改进教学方式，提高教学质量。

4 结束语

随着大数据时代的到来，数据挖掘技术在各领域的扩展和应用具有重要意义。在校园教学质量评价领域，利用数据挖掘技术可以从庞杂的原始数据中提取出对于改进教学模式、提高教学质量有价值的信息。教学质量评价是促进学生成长、提高课堂教学质量的重要方式。基于Apriori算法的校园教学质量评价系统不仅可以对教师的教学情况进行评价，更能有效促进教师教学水平以及专业化的提升，提高课堂教学效果和学生的学习成绩。因此，应大力推进基于Apriori算法的校园教学质量评价体系的应用，为校园教学质量的整体提高提供有力保障。