基于数据挖掘的网络实验教学评价系统设计

2020-08-04韦德华韦小铃

现代电子技术 2020年3期

韦德华韦小铃

摘要：网络实验教学是教育信息化环境下大学生掌握理论知识、形成综合实践能力的重要手段，现代网络实验教学平台多是通过作业、测试的方式进行教学评价，仅通过学生成绩对教学效果进行检验是不合理的。文中构建完善的网络实验教学评价体系，使用数据挖掘技术设计网络实验教学评价系统，以此挖掘网络实验教学中有价值的信息作为原始数据，并且处理原始数据，实现评价结果的输出，从而实现全面评价网络实验教学的效果，进一步科学、合理地完善网络实验教学的评价和管理，进一步提高人才培养质量。

关键词：数据挖掘; 教学平台; 网络实验教学; 评价系统; 数据收集模块; 数据库设计

中图分类号： TN710?34 文献标识码： A 文章编号： 1004?373X（2020）03?0142?04

Design of network experimental teaching evaluation system based on data mining

WEI Dehua1， WEI Xiaoling2

（1. Wuzhou University， Wuzhou 543002， China; 2. Beibu Gulf University， Qinzhou 535011， China）

Abstract： The network experimental teaching is an important way for college students to master theoretical knowledge and shape comprehensive practical ability under the environment of educational informationization. The modern network experimental teaching platform performs teaching evaluation mainly by means of homework and test. However， it is unreasonable to evaluate the teaching effect only by students′ achievement. In view of this， a perfect network experimental teaching evaluation system is built in this paper， which is then designed on the basis of data mining technology， and the valuable information in the network experimental teaching is mined as the original data. Then， the original data is processed to realize the output of evaluation results， so as to evaluate the network experimental teaching effect comprehensively， and further improve the network experimental teaching evaluation and management scientifically and reasonably， and improve the quality of personnel training.

Keywords： data mining; teaching platform; network experimental teaching; evaluation system; data collection module; database design

0 引言

隨着“互联网+教育”、网络课程、MOOC、虚拟仿真教学和在线学习平台在高校的广泛应用，与之对应的网络实验教学平台也得到快速发展。网络实验教学平台不仅实现了教学资源共享，还能够整合教学资源，促进师生更密切的沟通与交往，有效弥补了传统课堂互动环节，使教师教学质量和学生学习兴趣得到提高。因其所具备的这些优势及高校对实验教学质量的重视，网络实验教学平台逐渐被更多的高校关注。目前，网络实验教学平台在教学评价方面有所欠缺，主要体现在网络实验教学评价体系不够完善、评价主体单一，对网络实验教学中产生的海量数据缺乏有效的分析和关联挖掘，不能为网络实验教学和管理提供决策建议。为此，本文结合教学评价理论提出网络实验教学评价体系，并基于数据挖掘技术设计了网络实验教学评价系统，挖掘后台数据库有价值的信息，实现关键信息的提取、量化和分析，最终得到有用的关联规则，发现与网络实验教学存在必然联系的因素，实现完善网络实验教学评价的目的。

1 数据挖掘概念

数据挖掘也称资料探勘和数据采矿，是使用人工智能技术从海量的看似无关的数据中寻找数据之间的关系和规律的技术，是一个探寻数据库知识的过程[1]。探寻数据规律、数据知识的主要方法有分类、聚类和关联规则等，以规则、规律、模式和概念等数据知识为挖掘目标。

在获得知识的过程中，关联规则挖掘属于尤为重要的技术，能够识别数据库中的属性类别及其关系[2]。如果变量之间存在某种相关性，关联规则分析就能够通过数据库寻找出隐藏于其中的关系网。

2 评价系统的数据挖掘体系结构

随着Internet技术的兴起和发展，B/S架构广泛应用于网络平台设计上，这一模式统一客户端，用户以WWW浏览器为工作界面，通过Web Server交互后台数据库中的数据，使开发周期得到有效的简化。使用ASP技术设计动态网页文件，存放于服务器中，用户通过浏览器向服务器发送HTTP请求，服务器接到用户请求后生成HTML文件并发送给客户端浏览器，浏览器将响应文件解释和呈现给用户，实现数据实时更新。

以上所述的技术特点，符合网络实验教学评价系统的设计需求，因而本系统的开发采用了B/S模式，使用了ASP的开发手段和SQL Server数据库。应用基于数据挖掘的网络实验教学评价系统的基本过程是，从数据库的大量数据中整合出有待挖掘的数据集，使用数据挖掘方法探寻数据集中的规律和知识，将规律和知识以用户可视化的方式呈现出来。系统的数据挖掘步骤如图1所示。

教师的教学行为对学生的学习行为起到引发、维持和推动的作用，教师教学质量分析除了采用传统的听课、评课方式对教师的教学进行“望、闻、问、切”诊断外，还可通过大数据技术对教师的教学行为进行B超扫描式的数据采集、分析和可视化表达，以中西医结合的方式开展教学质量评价[3]。网络实验教学评价系统在数据采集上则主要指向教师的网络实验教学行为数据，从可行性上分析：

1）保障数据来源的丰富性。为了提高数据挖掘的效果，从而实现有效教学评价，就要实现数据的有效收集。可被挖掘的数据除了存在于网络实验教学系统之外，还分布在在线学习平台、网络精品课、MOOC等平台，甚至还可以是常规和传统的教学管理资料中。

2）保证数据来源的质量。对于数据类型不一、规格不一造成的数据质量低、数据不适合挖掘的问题，需要先进行数据的清洗。

3）明确在教师的实验教学中哪些数据作为教师网络实验教学行为数据。如在网络实验教学系统中，教师本学期内登录系统的时长，登录平台的次数，平均每次在线时间，在网络学习论坛中发帖组织师生交流的次数、时长、点击量、回帖数，电子实验报告批改次数、时长、批改评语，教学进度与教学计划的匹配度，学生电子签到率，辅助课件数量及点击数等。

3 网络实验教学评价体系的构建

在采集教师的网络实验教学行为数据后，需要有一套科学合理的教师教学质量评估体系作为教师教学质量评价的依据和目标。采用结构分析法，建立不同的教学质量评价主体的评价指标，实现教学主管、专家同行和学生的多元评价。在网络实验教学评价的总目标下建立教学态度、实验准备、教学内容、教学方法、考核与效果等一级指标[4?5]，再分解为若干个具体的二级指标，这些具体指标是网络实验教学评价的行为目标，可运用具体的操作化行为对其进行描述。将初步构建的网络实验教学评价体系通过问卷调查的方式向任课教师、教学主管、专家同行和学生开展调查、分析和调整后，本文提出网络实验教学评价的指标体系，如表1和表2所示。

4 基于数据挖掘的网络实验教学评价系统的详细设计

4.1 系统功能构成

教学主管、专家同行、学生为多元化的网络实验教学评价主体，分布在不同評价层次中，都能够利用校园网实现评价信息的提交和浏览。系统的物理构成如图2所示。

网络实验教学评价系统并非一个独立的系统，其应成为网络实验教学平台中的一个主要部分，要求其和平台各功能相互集成、融合，实现一体化的管理。同时也要求其具备独立性，方便其今后的扩展与灵活配置。总体分析，其在逻辑构成上主要包括教学评价指标体系、教学评价基础数据，及由此二项功能产生的评价数据和评价结果数据，网络实验教学评价系统的逻辑构成如图3所示。

4.2 登录模块

登录模块能够验证用户的身份，并且实现权限分配。学生通过学号，教师、专家同行和主管领导等评价人员通过工号分别登录到系统中，在完成初始密码修改后就可以进到系统的有关功能模块中。系统登录流程如图4所示。

4.3 数据收集模块

用户在完成登录后，其身份也就得到了确认，其在系统中就能够采用预先设计好的相应类型的实验教学质量评价指标体系开展评价。系统对用户的录入信息按照数据规则进行有效提取、整理和转换处理，并存储到数据仓库中，使这些数据成为网络实验教学评价系统的数据挖掘来源之一。当然可被挖掘的数据还分布在在线学习平台、网络精品课、MOOC等平台，甚至还可以是常规和传统的教学管理资料中，也可以在教学评价系统中添加在线调查子系统，利用网络调查方式得到数据。为了保证收集数据的可靠性及公正性，评价者可使用匿名方式进行教学评价，并且利用学生识别号跟踪实现学生重复评价与超范围评价控制[6]。本系统数据采集模块的流程如图5所示。

在数据采集过程中，来自不同数据库的数据可能存在数据类型不一、规格不一、数据缺失等问题，需要进行数据的预处理。据统计，数据预处理的用时占数据挖掘全程时长的60%，而数据挖掘本身仅占10%的时间[7]。对教学行为数据预处理的过程就是对数据进行清洗、集成、变换和规约的过程[8]。数据清洗就是对网络实验教学系统中的无关数据、无效数据、不完整数据进行处理，例如，在网络实验教学系统中删除重复注册而没有学习记录的用户信息，删除空缺值，更正有误信息。数据集成是对来自不同数据库的教学评价数据按照统一的规格集中到同一个教学评价数据库上，并对重复记录进行删除。数据变换是将教学评价数据变换为适合于数据挖掘的数据。数据规约是将原始数据进行压缩表示，例如，将与用户在线学习时间相关的数据转换为以分钟计时的数据。

4.4 综合评价模块

这一模块是网络实验教学评价系统的核心，经过前期的数据采集、数据预处理，本模块主要目的是从数据中建模，形成预测模型和描述模型等主要模型，预测模型可以通过已知数据预测未知数据，描述模型可以通过数据分析发现新模型[9]。

在综合评价模块中，主要涉及到数据挖掘中的分类分析、聚类分析和关联分析等应用工具。分类的目的是对数据进行类别指定，例如，根据教师在网络实验教学平台上的操作行为判断其教学风格;聚类是把特征近似的数据归集起来，进行数据分组;关联是发现数据之间隐藏的某种规律，例如，发现学生网络实验教学效果与教师教学风格的关联。网络实验教学评价系统的综合评价模块流程如图6所示。

4.5 结果查询模块

评价教师网络实验教学质量的主体主要包括学生、专家同行与教学管理人员。任课教师通过结果查询模块能够查看本人的网络实验教学质量评价结果。教学管理人员通过此模块查看全校教师网络实验教学评价结果，可以从一个侧面对全校实验教学质量进行宏观上的了解和把握，并可据此修改、完善和制定相应的实验教学质量评价体系和管理制度[10]。本系统结果查询的流程如图7所示，教师查询评价结果的界面如图8所示。

5 系统测试

在完成网络实验教学评价的数据挖掘之后需要对数据挖掘结果进行鉴别，使用验证数据集来测试所发现的关联规则、决策树的准确率和精度，之后对有效性进行判断。在具体实践中，为网络实验教学评价系统建立验证数据集，验证数据集可以是此前所采集的数据，也可以是一個独立的数据集，用验证数据集测试挖掘出的关联规则的有效性，某条关联规则测试中正确率大于80%时，判断该关联规则有效。有效的关联规则还要放到网络教学实践中进行小范围应用，取得满意效果之后再扩大应用范围。

6 结语

本系统的开发采用了B/S模式，使用了ASP的开发手段和SQL Server数据库，基于大数据技术实现网络实验教学质量评价系统的设计，对数据的内在关联性进行分析，解决网络实验教学质量评价中主观性及片面性等问题，为教学主管部门提供决策参考，提高了网络实验教学质量评价的科学性与准确性，具备一定应用价值。

参考文献

[1] 范明，范宏建.数据挖掘导论[M].北京：人民邮电出版社，2015.

[2] 李悦，孙健，邱志祺.基于关联规则的数据挖掘技术的研究与应用[J].现代电子技术，2016，39（23）：121?123.

[3] 王陆，魏宁.课堂教学行为大数据：架设理论与实践的桥梁[J].中国信息技术教育，2017（12）：9?17.

[4] 朱德全.教育测量与评价[M].北京：高等教育出版社，2016：168?171.

[5] 徐学福.教学论[M].北京：人民教育出版社，2012：245?252.

[6] 吴元庆.基于数据挖掘的体育教学信息系统的研究与设计[J].自动化与仪器仪表，2017，12（3）：77?78.

[7] 元昌安.数据挖掘原理与SPSS Clementine应用宝典[M].北京：电子工业出版社，2009：40.

[8] 丁国勇，钱静珠.教育数据挖掘在高校实验教学中的应用研究[J].实验室研究与探索，2018，37（1）：204?207.

[9] 李宇帆，张会福，刘上力，等.教育数据挖掘研究进展[J].计算机工程与应用，2019，55（14）：15?23.