数据挖掘在地方高校课堂教学质量评价体系中的构建应用

林 琳

一、相关研究动态

地方高校本科教学评价从产生伊始就被赋予保障与提高本科教学质量的历史重任，成为教学评价工作者和实际教学工作者共同持续关注的热点研究与实践领域。地方高校本科教学评价研究领域虽然不乏高质量的深度学术研究成果和富有成效的实践活动，但与一刻不息地向前迈进的时代步伐形成鲜明对照的是，目前地方高校本科教学评价的相关理论研究仍需继续深入[1]。

（一）高校内部教学质量评价体系的相关研究动态

高校内部教学质量评价体系是教学质量保障体系的组成部分。现阶段，我国大部分学者主要通过整体研究高校内部教学质量保障体系，得出与教学质量评价体系相关的结论，其研究重点集中体现在三个方面。

第一，探究构建高校内部教学质量保障体系的必要性和重要性。在研究初期，学者将重点集中于高校内部教学质量保障体系本身的重要作用与应用必要性方面。其中，学者李建辉重点探究了构建高校教学质量保障体系的必要性，以及构建步骤、运行机制等相关内容[2]。

第二，深入分析高校内部教学质量保障体系的现状。学者魏红等人系统分析了国内普通本科高校内部质量保障体系的文本内容，最终得出结论，即国内高等院校内部质量保障体系初具雏形，但仍需不断改进要素结构和建设内容[3]。

第三，研究高校内部教学质量保障体系建设。现阶段，高校内部教学质量保障体系主要包括教育质量诊断和评价、教育质量管理、教育质量目标制定、内部评估信息分析、组织体系及功能划分等多个方面。很多学者通过运用控制论思想，打造闭环控制系统，强化质量监控的效果。

对我国现有的高校教学质量保障体系研究现状进行分析可以看出，一些国内学者将更多的精力与时间放在研究国外发达国家的高等教育质量保障体系上，而对国内的高等教育质量保障体系的研究十分有限。另外，绝大部分学者将国外高校表面的可借鉴经验作为重点展开介绍，但并未深入研究其深层原因与理论基础。同时，很多研究人员更倾向于研究宏观层面的问题，而忽略了对微观层面的问题与操作层面的问题的重要性。此外，也有部分研究人员更强调对高校外部教学质量保障体系的研究与分析，对高校内部教学质量保障体系的研究力度仍有待加强，并且在研究过程中未能很好地将理论和实证相结合。

（二）数据挖掘相关的研究动态

数据挖掘的英文名称是Data Mining，出现于20世纪80年代后期，又被称为资料勘探、数据采矿。其主要作用就是从海量的、复杂的、模糊的、不完全的、有噪声的实际应用数据中，有效地提取出人们尚未知道并且具有一定潜在价值的信息与知识。这也是从数据库中发现知识不可或缺的步骤。目前，数据挖掘已经被普遍应用于多个领域。

越来越多的国外高等院校开始借助由教职员工、学生的专业顾问、行政人员组成的人工智能数据挖掘网，了解学生个性化学习所面临的挑战及进步情况。德国杜伊斯堡- 埃森大学（UDE）通过长期对教学质量、学业成就、院校管理工作进行量化数据跟踪，建立起了针对性与整体性相结合的高校质量评价数据库。芬兰库奥皮奥大学出于教学改进的目的，自2006年秋季起就在全校推行了学生反馈系统。该系统分为学习模块反馈和学习路径反馈两部分。为了更好地对学习模块反馈的数据进行收集和分析，该校采用的是建立在本校内联网上的在线反馈系统。

（三）国内高校数据挖掘技术的相关研究动态

学者陈以一、常桐善等人纷纷对高等学校内部教育教学质量保障体系建设进行了深入思考，探究了数据挖掘技术的应用对高校内部教学质量保障体系的作用，及其对高校决策模式产生的影响[4-5]。

总体而言，我国学者对高校数据建设的研究虽然取得了一些成果，但仍有待深入。首先，研究成果较为薄弱，仅涉及部分领域。其次，缺乏多学科、多视角的交叉研究。现阶段，我国学者的研究重点大多集中于论证阶段或理论阶段，尚未提出健全的、具有可行性的方案。另外，大多数研究机构习惯于独自制定方案，未能实现有效合作。鉴于此，运用多学科、多视角的交叉研究模式，对地方高校内部教学质量评价的数据挖掘工作进行深入研究，具有一定的必要性。

二、设计地方高校内部教学质量评价数据仓库

要想解决我国本科教学改革的问题，可以从地方高校内部教学质量评价库的创建入手。

地方高校内部教学质量评价体系需借助数据完成驱动。而数据仓库则能够使教学评价有据可依，从而加快决策速度，提高决策的准确性。因此，要建立地方高校内部教学质量评价的数据库，根据研究对象选取原始数据，其主要包括三个部分，即地方高校教务管理平台的业务数据、地方高校教学评价的业务数据、一些相关文本信息等。同时，做好近实时（nearreal-time）数据的获取工作，用于预警预测分析与过程性评价，进而建立地方高校内部教学质量评价数据仓库。

（一）地方高校内部教学质量评价数据预处理

向数据仓库内输入原始数据后，最关键的就是针对数据进行预处理。这样可以提高数据本身的准确性与一致性，使得挖掘的数据符合标准要求。这样做的原因在于，原始数据往往来源于多个数据库，一定会存在冗余、不完整、不一致和含有噪声等问题。本文主要采用以下三种数据预处理技术，对数据进行清理，去除数据内含有的噪声，避免出现数据不一致的情况。首先，可利用数据集成技术，以相同的数据存储形式对数据进行规范化处理。其次，可对数据进行变换，以科学化的数据挖掘形式转换数据。最后，在数据规约方面，可借助删除冗余和聚集冗余等方式简化表示数据集。以上技术并非互相排斥而是可以互相配合的，可对其进行综合利用进而确保数据质量达标。

（二）建立地方高校内部教学质量评价多维数据模型

多维数据模型是数据仓库的重要基础。在多维数据模式当中，数据始终被当成立方体形式，可通过不同维度构建数据模型，而定义数据立方体则需要通过维与事实完成。多维数据模型围绕中心主题组织，该主题用事实表表示，事实是数值度量的。以建立“师资队伍”情况的多维数据模型为例，需要对师资队伍事实表进行定义。记录“师资队伍”情况的事实中涉及的维就是年龄、时间、学历、门类、学科级别等。在对主题进行分析的基础上，此研究确立的事实表主要包括师资队伍事实表、教师评教事实表、学生评价事实表等，用于数据挖掘和决策分析。

确定了事实表和维表后，即可确定多维数据模型的表示与存储方式。涉及关系型数据库的时候，通常以“实体—关系”模型为主。数据库模式的组成则表现为实体集及它们之间的联系。在进行联机事务处理的时候，即可选用这一数据模型，但数据仓库所需要的数据模型必须以主题为核心、简明且适用于联机数据分析。现阶段，数据仓库内大部分为多维数据模型，以雪花型与星型最常见。其中，星型模型的组成包括一个事实表与若干组维表，数据结构容易理解，但数据冗余的发生率较高。而雪花型模型是以星型模式为基础的变种，可确保维表更加规范，并将数据进一步分解到附加表中，降低数据冗余的发生率。此次研究选择的是雪花型模型。

（三）构建基于数据挖掘的地方高校内部教学质量评价模型

长期以来，高教内部教学质量评价的过程均相对复杂。首先，需以评价对象为依据，组建评价专家小组；其次，对评价指标进行确定，然后通过会议商讨或专家打分等形式对评价指标的权重做出规定；再次，对评价的方法进行设计，或直接选择现有的方法；最后，对综合评分进行确定，获取评价结果，并提出评价意见。以上过程的弊端十分明显。其一，评价周期长，会消耗大量人力、物力、财力；其二，主观因素会明显影响评价结果；其三，很难准确鉴别主观评价与客观评价，从而影响到会议商讨、权重确定、专家打分等关键环节。

结合既有评价体系的不足之处，此次研究以数据挖掘为基础，构建地方高校内部教学质量评价模型，并借助计算机软件进行模型计算，最终给出综合评价结果。这个过程较为便捷，可以克服传统评价体系的第一个弊端。另外，为不断增强评价结果的准确程度与客观程度，此模型还将客观评价与主观评价分开。在客观评价期间，运用数据挖掘的方法，充分发挥数据的导向作用，尽可能地规避主观因素产生的影响，以克服传统评价体系的第二个弊端，使客观评价在评价结果中发挥主导作用。但需要注意的是，若仅依赖客观性评价，则很容易使所获得的结果背离实际情况。即便专家给出的评价具有明显的主观性色彩，但其同样以客观现实为依据，只不过受到不同客观环境的影响。因此，在模型中合理调整主观评价与客观评价的权重，即可克服传统评价体系的第三个弊端。

要想提高高等教育教学质量，必须对基于数据挖掘的地方高校内部教学质量评价模型的评价结果进行检验，并且对诊断出的问题进行持续改进，形成高校教育质量持续提高的良性循环。

在基于数据挖掘的地方高校内部教学质量评价模型系统中，多维残差产生器可以用来构造全阶观测器，用于教学数据监测和软测量。在上述多入单出的残差产生器的基础上，通过构造m 个诊断观测器，可以将残差扩展到m 维。通过构建残差产生器，可以产生多维的残差向量。由于残差中包括了所有的系统扰动和故障信息，可以通过对残差的分析进行教学质量异常数据的诊断。

三、基于数据挖掘的地方高校内部教学质量评价体系的构建策略

首先，中共中央、国务院印发了《深化新时代教育评价改革总体方案》，相关部门随之联合发布了《科技部教育部人力资源社会保障部中科院工程院关于开展清理“唯论文、唯职称、唯学历、唯奖项”专项行动的通知》，明确了教育评价改革的相关原则，有效推动了地方高校本科教学评价体系的建设。其次，以数据挖掘为基础的地方高校内部教学评价体系，从定位与目标、师资队伍、教学资源、培养过程、学生发展、质量保障等方面得到了进一步的完善。最后，运用层次分析法对审核要素的二级指标、三级指标的权重进行设计，以有效实现地方高校内部教学评价体系的优化。

基于数据挖掘的地方高校内部教学质量评价体系的运作，需要有针对性地构建评价指标。只有科学、全面、适合的评价指标才能真实反映教学各环节的实施情况。只有在系统的评价指标的支撑下，全面准确地挖掘采集教学数据，然后通过数据分析工具进行统计学分析，并从数据中寻找科学规律，才能找到教学过程中存在的问题，并根据问题有针对性地制定解决措施。在实践过程中，基于数据分析的评价结论能够显著提高教学的质量，确保实践课程教学的客观性与准确性。随着现代信息技术的发展，教学评价的方式方法也要与时俱进，从而促进新时代高等教育的高质量、高水平发展[5]。

综上，地方高校在培养社会主义事业建设者和接班人方面发挥重要作用，需要不断提高教育教学质量。而地方高校内部教学质量评价体系是全面提高学生综合素质的重要基础和条件。可以利用数据挖掘的方法对地方高校内部教学质量评价体系进行数据仓库设计，并设计一种基于聚类的异常挖掘算法来快速发现异常的教学数据。这为地方高校提高教育教学质量和效果提供了可靠的依据，为地方高校的发展提供有益借鉴。