数据挖掘技术在高校教学质量评估中的应用
（上海对外经贸大学统计与信息学院，上海?松江?201620）
摘 要：随着现代化信息技术的不断发展，将数据挖掘技术运用于高校教学质量评估中，可以促进高校管理水平以及教学质量的有效提升。所以，文章对于数据挖掘技术在高校教学质量评估中的具体应用进行了深入探索分析。
关键词：数据挖掘；高校；教学质量；评估
Application of Data Mining Technology in the Evaluation of Teaching Quality in Colleges and UniversitiesLIU?Liang-liang
（School?of?Statistics?and?Information，Shanghai?University?of?International?Business?and?Economics，Shanghai，Songjiang，201620，China）
Abstract:?With?the?continuous?development?of?modern?information?technology,the?application?of?data?mining?technology?to?the?evaluationof?teaching?quality?in?colleges?and?universities?can?promote?the?management?level?and?the?effective?improvement?of?teaching?quality?in?collegesand?universities.Therefore,this?paper?makes?an?in-depth?exploration?and?analysis?on?the?application?of?data?mining?technology?in?the?evaluationof?teaching?quality?in?colleges?and?universities.
Key words:?data?mining；colleges?and?universities；teaching?quality；evaluation在每个学期结束时，高校均要对教学质量进行评
估，根据设定的评估项目让学生对任课教师进行打分评价，最后根据统计的评分结果对教师的教学质量作出相应的评价。这种评估方式的缺点在于，由于学生对于不同课程有着不同的认识，部分学生在打分过程中可能会存在着一定的随意性和主观性，同时，这就导致学生的评分结果的真实性和客观性无法得到有效保障。所以，为了提高高校教学质量评估体系的科学性和合理性，在高校教学评价体系中运用数据挖掘技术将会带来积极的作用。通过数据挖掘技术，可以找到教学质量与教师教学技能水平、教师专业素质之间的关系，通过对数据挖掘的结果进行有效分析，从数据信息中寻找内在的规律，从而将这些规律有效地运用到教学管理中，可以促进教学质量的有效提升，为高校教学改革提供指导、决策作用。
一、数据挖掘技术的相关概念
近几年来，随着现代化信息技术、大数据技术等
迅速发展，数据挖掘技术作为一门全新的学科应运而生，并且呈现出突飞猛进的态势。数据挖掘技术本质上属于一个知识发现的过程，主要是指从数据仓库中提取和发现潜在的、隐含的知识和规则等，从而对决策作出相应的指导。数据挖掘这门学科具有非常鲜明的综合性和交叉性的特征，其涉及到神经网络、数据库、统计、模式识别以及机器学习等多方面的知识。数据挖掘对象主要包括数据库、事务、文本等构成。
二、数据挖掘的处理过程
数据挖掘涉及到多个阶段。一般情况下，其主要
由数据准备、数据挖掘、结果解释三个处理过程所构成。
文章将对这三个阶段的具体处理过程进行详细论述。
（一）数据准备过程
在整个数据挖掘过程中，数据准备是重要的组成
内容，并且占据的比例最大。数据准备阶段又由三个子阶段构成，分别为数据选择、数据预处理以及数据变换。所谓数据选择，主要是指从数据仓库中根据某个规则提取合适的数据，将这些所提取的数据作为目标数据。数据预处理主要是指对所提出的目标数据按照一定的规则进行处理，使得处理后的数据能够满足数据挖掘的相关规则。主要是检查数据是否存在拼写上的错误、删掉重复的记录、补全缺失数据以及数据类型转化等构成。数据变换主要目的是将数据进行降维处理，即保留数据中有用的特征值以及变量的个数。
（二）数据挖掘阶段
数据挖掘阶段是整个数据挖掘过程的核心。在该
阶段，主要由以下几个步骤所构成：首先，确定数据挖掘所要使用的算法规则，算法规则主要有聚类分析、分类、关联规则等构成。其次，在确定数据挖掘方法后，即根据所选择的方法选择合适的算法，所选择的算法类型将会对数据挖掘的质量和性能起到直接的影响。
最后，当完成了上述方法选择以及算法选择后，就开始进入到数据挖掘算法运行模块中，该模块也是最重要的一个环节，被认为是真正意义上的数据挖掘。
（三）结果表达和解释阶段
在数据挖掘运行结束后，就需要紧密结合用户的
目标决策对于所提取的信息进行科学、合理地分析，从而将最有价值的信息提取出来。针对数据挖掘阶段所得到的结果还需要采取一定的方式进行评估，如果评估不够合格将会重新返回到上一阶段，重新选取数据变换方法以及数据挖掘方法进行处理。
三、基于数据挖掘的教学质量评估体系的模型构建
构建科学、高效的教学质量评估体系，在促进高
校管理水平全面提升的同时，也为收集、分析以及处理教学信息提供了重要平台。教学质量评估体系是否科学、合理，将会为教师的决策提供可靠的参考依据，推动高校教学改革的稳步推进。一般情况下，高校教学质量评估体系具有非常鲜明的多目标性、多层次性以及复杂性的特征。因此，在构建教学质量评估体系的模型时，可以考虑使用层次分析法、AHP 扩展模型等。
所以，本文对于层次分析法和 AHP 两种方法在构建教学质量评估体系中的应用进行详细论述。
（一）层次分析法
1. 层次分析法概述
在科学决策过程中，层次分析法是一种应用较为
普遍的方法。所谓决策，主要是指人们对于自己所作出的选择作出相应的评价和判断，无论这种决策活动属于简单的还是复杂的，人们在作出相应的决策行为时，总会对各种会对决策结果造成影响的因素进行对比、分析以及评价。这些影响因素既有定量因素也有定性的因素，因此，必须要选择一种适用于大型规模的、状态多变性、影响广泛性的决策工具。所以，层次分析法就是属于构建多层次评价体系的重要方法之一。
2. 层次分析法的详细步骤
层次分析法的详细步骤主要由以下几个步骤构成：
第一，建立具有层次结构的模型。通过对影响因素的分析，按照指定的属性规则进行归类，将其分解成为若干个层次。根据层次的不用，可以分为上层因素和下层因素。同属于一个层次水平的因素将从属于上层因素，或者其将会对上层因素造成一定的影响；同时，其又会对下层因素起到支配作用，或者其并不会受到下层因素的影响。第二，将这些因素构造成对比矩阵。
利用成对比较法以及成对比较标度两种方法从层次分析结构模型的第二层开始一直到最底层进行分析。第三，对于每个成对比较矩阵的权向量进行逐一计算。第四，对于该模型的一致性进行检验，如果一致性与所要求的标准不相符，则需要对该对比矩阵重新进行判断并且进行相应的修改。运用层次分析法，即可以将整个思维过程进行系统化和数学化处理，同时，也不会一味地进行逻辑推理。分层分析法最为鲜明的优势在于其将定性和定量两种方法有效整合在一起，将复杂的、繁琐的系统分解转化为清晰的、简洁的决策体系，该体系具有非常明显的多目标性和多层次性的特征。
（二）基于数据挖掘的 AHP 扩展模型
基于数据挖掘的 AHP 模型的基础和前提是 AHP
的相关思想，并且将数据挖掘中的关联规则与 AHP 思想两者有效融合在一起，从而使得评价指标体系的准确性、科学性可以得到有效保障，从而采取动态的方法将多目标的、多层次的问题进行有效解决。当完成该步骤后，以及完成了一致性检验后，就需要进行关联规则检验，如果从数据信息中所提取的信息与评价体系的标准两者之间保持着较高的一致性，则认为该评价体系是可行的，就可以直接将结果输出。但是，如果发现所挖掘出来的规则与评价体系的标准存在着偏差的情形，则可以将有关信息存储于知识库中，对于评价体系的整体结构进行相应调整，对于指标体系进行修改和完善，或者是重新返回到构建对比矩阵那一步。总体而言，基于数据挖掘的 AHP 扩展模型构建的具体步骤如下：
1. 构建递阶层次结构
充分发挥专家智能的优势和作用，构建一个递阶
层次结构，该结构可以实现对系统的功能以及特征进行准确地描述，同时，其可以从层次的角度出发，将系统以及环境两者进行有效区分。一般情况下，该层次结构主要由三大类所构成：目标层、准则层以及方案层。其中，目标层位于结构中的最高层，该层由一个元素所构成；准则层又可以被称作为是中间层，该层由多个层次所构成，包含了实现目标所涉及的各个环节，即在实现目标过程中所需要考虑的准则等。方案层在结构中位于最底层的位置，由实现目标过程中所需要的各种措施以及方案等构成。同时，层次结构的层次数量与挖掘问题的复杂度、分析的详尽度等之间有着密不可分的联系。一般情况下，对于层次结构的层数不会作出具体的规定，但是，每个目标层次所能够支配的准则层的数量要控制在 9 个以内，如果控制的准则层数量越多，那么比较的复杂度将会大大增加。在解决问题过程中，层次结构的好坏对于问题是否能够得到有效解决两者之间有着直接的联系。因此，在挖掘过程中，必须要保证层次的科学性和合理性。
2. 构造两两比较判断矩阵
在递阶层次结构中，如果已经明确了上层和下层
两者之间的从属关系。各个因素之间的重要性也存在着一定的区别，因此，根据重要性的不同，分别赋予不同的权重。对于某些定量因素，可以直接赋予权重。
但是，对于一些定性的因素，无法直接通过定量的方法进行赋权重，则应该采取合适的方法，如采用专家评价的方式对因素进行两两对比，从而构造得到两两对比的判断矩阵。
3. 验证关联规则
以构建的评价体系作为基础，面向一定范围的用
户获取评级的信息和数据，再对评价的结果进行处理。
在寻找评价数据和评价结果两者之间的关联规则时，可以采用 Apriori 算法进行，即将相关的信息挖掘出来，从而对评价体系的准确度进行相应验证。
四、结束语
综上所述，随着我国科学技术呈现出突飞猛进的
发展态势，将科学技术充分运用到高校教育中，探索和研发智能信息系统，这对高校教学改革和教学建设将会起到积极的推动作用。将数据挖掘技术运用于高校教学质量评估中，可以对相关的信息和数据进行分析总结，从而及时发现其中存在的问题，并且采取有效的方式加以解决，促进高校教学质量的全面提升。
参考文献：
[1]???赵伟，武力兵 . 数据挖掘在高校教学质量评价中的应用 [J]. 产业与科技论坛，2018，17（17）：78-79.
[2]???孟强 . 数据挖掘技术在高校教学质量评估中的应用 [J]. 福建电脑，2016，32（7）：49-50+74.
