决策树在高校课堂教学评价中的应用

王峻

摘要：决策树是数据挖掘技术中一种有指导的分类方法，它可以通过构建决策树对数据进行分类预测。课堂教学评价是目前高校普遍采用的一种课堂教学评价方法，运用决策树算法对课堂教学评价数据进行分析，构建课堂教学效果的决策树模型，挖掘出影响课堂教学效果的关键因素为教师有针对性地改进课堂教学方法、提高课堂教学质量提供科学有效的参考依据。

关键词：数据挖掘;决策树;课堂教学;评价

中图分类号： TP301.6   文献标识码：A

文章编号：1009-3044（2020）36-0104-02

Abstract： Decision tree is a kind of guided classification method in data mining technology. It can classify and forecast data by constructing decision tree.Classroom teaching evaluation is a kind of classroom teaching evaluation method widely used in colleges and universities at present. The decision tree algorithm is used to analyze the data of classroom teaching evaluation and to construct the decision tree model of classroom teaching effect， on the one hand， we can find out the key factors that affect the classroom teaching effect， and on the other hand， we can predict the teacher's classroom teaching effect， it provides a scientific and effective reference for teachers to improve classroom teaching methods and improve the quality of classroom teaching.

Key words： Data Mining; Association Rules; Classroom teaching; Evaluation

隨着高等院校教学管理工作逐步信息化，在教学和管理过程中聚集了大量的、原始的教学信息，需要运用数据挖掘技术进行更深入的数据分析。数据挖掘是从大量数据中挖掘出隐含的、人们之前未知的信息和知识的过程[1][2]。决策树是数据挖掘技术中一种分类方法，通过构建决策树发现一些对决策有价值的信息。目前各高校每学期都要进行课堂教学测评，本文运用决策树算法对课堂教学评价数据进行分析，探讨课堂教学效果与教学环节之间的必然联系，为教学部门提供决策支持信息， 促使教师更好地开展教学工作， 提高教学质量。

1 决策树分类方法

1.1 决策树分类算法

决策树分类方法是从大量数据中推理出对决策有价值的分类规则[3]。决策树分类算法[4]通过信息增益值在属性中合理地选择根节点和内部节点，采用自上而下的递归算法构造一颗决策树。目前决策树分类算法中最著名的算法是Quldan提出的ID3算法、C4.5算法[5]。

1.2 ID3算法

ID3算法是选择信息增益值最大的属性作为测试属性，构建一棵易于分类的决策树。

信息增益的计算方法[4]：

ID3算法是选择具有最大信息增益值的属性作为当前的测试属性，由此形成相对应的分支节点。

2 决策树在课堂教学评价中的应用

2.1 数据来源

实验数据选择淮南师范学院计算机专业学生的课堂教学评价，共有410条评价信息。

2.2 数据预处理

课堂评价指标[6]共有14项，为了便于数据的统计分析，将14项指标归纳为教学态度、教学组织、教学方法、专业水平四大类，课堂教学的总体评价按照总分大于等于90分为优，小于90分为非优。部分课堂教学评价数据如表1所示：

2.3 实验过程及实验结果分析

2.3.1 属性信息增益值，以职称为例

属性“职称”的信息增益值最大，将该属性作为决策树的根节点。依此方法分支，再依次分别计算下一层节点的信息增益值。

2.3.2 构建以总体评价为叶子节点的决策树

职称的信息增益值最大，作为根节点的测试属性，以此依次构建决策树，决策树图例如图1所示：

2.3.3 实验结果分析

1）职称是决策树分类的重要属性，职称是教师教学能力的综合体现。

2）影响课堂教学效果的因素各不相同。对于副教授，教学方法是影响教学效果的重要因素;对于讲师，专业水平是影响教学效果的重要因素;对于助教，教学组织是影响教学效果的重要因素。

3）由决策树图例可以清晰地得到if-then规则，例如if（职称=副教授）and（教学方法=优）and（教学组织=优）then（总体评价优秀）等。

3 总结

本文运用决策算法对课堂教学测评数据进行分析，通过构建课堂教学效果的决策树模型，挖掘出影响课堂教学效果的重要因素为教师有针对性地改进课堂教学方法、提高课堂教学质量提供科学有效的参考依据。

参考文献：

[1] （加）Jiawei Han;Micheline Kamber，范明，孟小峰.数据挖掘概念与技术[M].北京：机械工业出版社，2007.

[2] 王振武，徐慧.数据挖掘算法原理与实现[M].北京：清华大学出版社，2015.

[3] 袁燕.决策树算法在高校教学评价系统中的应用[J].浙江海洋学院学报（自然科学版），2006，25（4）：440-444.

[4] 毛国君，段立娟.数据挖掘原理与算法[M].北京：清华大学出版社，2009.

[5] 李如平.数据挖掘中决策树分类算法的研究[J].东华理工大学学报（自然科学版），2010，33（2）：192-196.

[6] 蒋秀英.关联规则在课堂教学评价中的应用[J].山东师范大学学报（自然科学版），2003，18（3）：25-28.

【通联编辑：梁书】