论文部分内容阅读
【摘要】课堂教学质量评价结果可信度一直是师生关注而无法得到验证的难题。通过改进的关联规则挖掘算法,分析、总结出了学生差异、教师差异等因素对教学评价数据的影响及其影响的程度,并提出了对课堂教学质量评价的改进建议。
【关键词】教学评价关联规则可信度
【中图分类号】G642【文献标识码】A【文章编号】1006-9682(2010)02-0021-02
基金资助:山东工商学院2008年教学研究项目
一、前 言
课堂教学质量由教学态度、教学水平、教学方法、教学效果等一级指标和二十多项二级指标构成,经过多年的实施,已有几十万人次学生参加了对教师授课质量的评价,为提高教师授课水平和教学质量取得了良好的效果。所以教师授课质量学生网上评价结果受到学校、教师、学生等各方面的广泛关注。
1.问题一
有研究表明,已经有80%以上的高校以学生评价为主体开展教学质量评价,但是学生评价的可靠性和有效性却一直备受质疑。
(1)不同班级给出对在本班任课教师的评价,与另一班级对另一些教师的评价之间会存在差异;同一个班的学生在不同的阶段对标准的掌握也难一致,使得学生对教师的评价也难有权威性;不同年级、不同学科学生的评价严格程度不同;同一个班的学生对不同性质的课程的评价严格程度不同。
(2)男生、女生对教师评价严格程度不同;学生对不同性别、不同年龄的教师评价严格程度不同;学生学习成绩与评教得分的差异,学习成绩差的学生是否会给教师打低分。
2.问题二
“课堂教学质量评价结果是否受到与教学质量无关的因素影响”、“教学质量评价信息的真实性、可靠性能否得出客观、公正评价的结果”,一直是师生关注而无法得到验证的难题。
为了探讨学生评教的可靠性和有效性,我们依据教育测量学原理并应用基于约束的关联规则挖掘技术对学生评价的数据进行内在一致性信度分析和内容效度的分析。通过对数据挖掘结果的分析,总结出了学生差异、课程差异等因素对教学评价数据的影响及其影响的程度,并提出对课堂教学质量评价的改进建议。
二、研究数学模型
应用基于约束的关联规则挖掘技术,按照局部随机原则从教学评价系统中抽取了不同年级、不同专业的多个班级原始评价记录,对教学评价体系的科学性、学生差异、课程差异等因素对评价结果的影响进行验证性研究,以此来评估评价结果的客观性和准确性,为评价数据的可信度提供依据。
1.关联规则挖掘技术的基本原理
关联规则发现任务或问题是:给定一个事务数据库D,求出所有满足最小支持度Minsup和最小置信度Minconf的关联规则。该问题可以分解为两个子问题:
(1)求出D中满足最小支持度Minsup的所有频繁项目集。
(2)利用频繁项目集生成满足最小置信度Minconf的所有关联规则。
2.改进的关联规则挖掘算法
Apriori关联规则挖掘算法是基于“具有教学关系的师生”的约束条件,其中X、Y是变量,取值分别是学生和教师,即F=(X,Y),其算法如下:
步骤1:I={i1,i2,…,im}为项的集合,D为事务集合,其中每一个事务T都是项的集合,且有T I。
步骤2:设X为一个项集,当且仅当T I时我们说事务T包含X。
步骤3:关联规则是形如X Y的蕴涵式,其中X I,Y I,且X∩Y= 。
步骤4:如果D中包含X的c%的事务同时也包含Y,规则X Y在事务集D中具有置信度c。
步骤5:如果D中有s%的事务包含X∪Y,那么规则X Y在事务集D中具有支持度s。
步骤6:置信度可以表示规则的可信性,支持度表示模式在规则中出现的频率。
三、实验结果
教学质量评价是包含大量不确定因素的非结构化问题,具有复杂性和模糊性等特点。根据改进的关联规则挖掘算法,根据设定的支持度、置信度阀值,对以下关系进行挖掘、分析。
1.挖掘学生性别和教师性别的异同与评价结果的关联关系
变量1∈{男,女}∧变量2∈{男,女} 结果∈{好、较好、一般、差}。
2.挖掘学生所学专业与评价结果的关联关系
变量1∈{经管、文商、理工} 结果∈{好、较好、一般、差}。
3.挖掘学生在读年级与评价结果的关系
变量1∈{一年级、二年级、三年级、四年级} 结果∈{好、较好、一般、差}。
4.挖掘学生成绩与评价的关联关系
变量∈{好、较好、一般、差} 结果∈{好、较好、一般、差}。
5.挖掘课程性质与评价结果的关联关系
变量∈{公共课、基础课、专业课、实验/体育课} 结果∈{好、较好、一般、差}。
通过采用三组不同离散化方式和支持度、置信度阀值对比,得到优化的强规则集,评价分数阀值为89.5分,置信度和支持度阀值分别是20%和60%。
教师评教结果原始数据见表1,学生评教原始数据见表2,网上评教可信度分析结果见表3。
表1教师评教结果原始数据
表2学生评教原始数据
四、结 论
虽然教学评价模型中已将评价内容细分为多个指标,以保障学生在评分时不偏离“教学质量”,但结论还是在一定程度上受主观因素影响。从具体数据看,反映评价体系不合理的强规则支持度和置信度高于阀值不多,尽管挖掘结果揭示了一些不公正和不合理的地方,但程度都在可接受的范围内,不存在“绝对强”的关联关系。从整体上看,评价结果基本能反映教学现状。根据关联挖掘的结论,为了提高学生评教的置信度和支持度,可根据研究结果采取有利于提高学生评教置信度和支持度的一系列措施:①对课堂教学评价的分数采取分类统计的方式,比如按学生在读年级分类统计、按专业分类统计,在同类中进行比较;②对课堂教学质量评价数据进行处理,将明显影响评价结果的属性分开统计,然后根据其置信度乘以一个指定系数,生成最后得分;③进一步调整、优化评价指标,针对不合理的属性修改评价内容。
参考文献
1 容如江、徐兆健.高校教师授课质量学生网上评价结果的信度与效度分析[J].科技信息,2008(7):193～195
2 于燕华、王晓晖、王宝恒.高校课堂教学质量及其评价指标体系研究[J].中国成人教育,2008(7):137～138
3 李云峰、陈建文、程代杰.关联规则挖掘的研究及对Apriori算法的改进[J].计算机工程与科学,2002.24(6):65～68
【关键词】教学评价关联规则可信度
【中图分类号】G642【文献标识码】A【文章编号】1006-9682(2010)02-0021-02
基金资助:山东工商学院2008年教学研究项目
一、前 言
课堂教学质量由教学态度、教学水平、教学方法、教学效果等一级指标和二十多项二级指标构成,经过多年的实施,已有几十万人次学生参加了对教师授课质量的评价,为提高教师授课水平和教学质量取得了良好的效果。所以教师授课质量学生网上评价结果受到学校、教师、学生等各方面的广泛关注。
1.问题一
有研究表明,已经有80%以上的高校以学生评价为主体开展教学质量评价,但是学生评价的可靠性和有效性却一直备受质疑。
(1)不同班级给出对在本班任课教师的评价,与另一班级对另一些教师的评价之间会存在差异;同一个班的学生在不同的阶段对标准的掌握也难一致,使得学生对教师的评价也难有权威性;不同年级、不同学科学生的评价严格程度不同;同一个班的学生对不同性质的课程的评价严格程度不同。
(2)男生、女生对教师评价严格程度不同;学生对不同性别、不同年龄的教师评价严格程度不同;学生学习成绩与评教得分的差异,学习成绩差的学生是否会给教师打低分。
2.问题二
“课堂教学质量评价结果是否受到与教学质量无关的因素影响”、“教学质量评价信息的真实性、可靠性能否得出客观、公正评价的结果”,一直是师生关注而无法得到验证的难题。
为了探讨学生评教的可靠性和有效性,我们依据教育测量学原理并应用基于约束的关联规则挖掘技术对学生评价的数据进行内在一致性信度分析和内容效度的分析。通过对数据挖掘结果的分析,总结出了学生差异、课程差异等因素对教学评价数据的影响及其影响的程度,并提出对课堂教学质量评价的改进建议。
二、研究数学模型
应用基于约束的关联规则挖掘技术,按照局部随机原则从教学评价系统中抽取了不同年级、不同专业的多个班级原始评价记录,对教学评价体系的科学性、学生差异、课程差异等因素对评价结果的影响进行验证性研究,以此来评估评价结果的客观性和准确性,为评价数据的可信度提供依据。
1.关联规则挖掘技术的基本原理
关联规则发现任务或问题是:给定一个事务数据库D,求出所有满足最小支持度Minsup和最小置信度Minconf的关联规则。该问题可以分解为两个子问题:
(1)求出D中满足最小支持度Minsup的所有频繁项目集。
(2)利用频繁项目集生成满足最小置信度Minconf的所有关联规则。
2.改进的关联规则挖掘算法
Apriori关联规则挖掘算法是基于“具有教学关系的师生”的约束条件,其中X、Y是变量,取值分别是学生和教师,即F=(X,Y),其算法如下:
步骤1:I={i1,i2,…,im}为项的集合,D为事务集合,其中每一个事务T都是项的集合,且有T I。
步骤2:设X为一个项集,当且仅当T I时我们说事务T包含X。
步骤3:关联规则是形如X Y的蕴涵式,其中X I,Y I,且X∩Y= 。
步骤4:如果D中包含X的c%的事务同时也包含Y,规则X Y在事务集D中具有置信度c。
步骤5:如果D中有s%的事务包含X∪Y,那么规则X Y在事务集D中具有支持度s。
步骤6:置信度可以表示规则的可信性,支持度表示模式在规则中出现的频率。
三、实验结果
教学质量评价是包含大量不确定因素的非结构化问题,具有复杂性和模糊性等特点。根据改进的关联规则挖掘算法,根据设定的支持度、置信度阀值,对以下关系进行挖掘、分析。
1.挖掘学生性别和教师性别的异同与评价结果的关联关系
变量1∈{男,女}∧变量2∈{男,女} 结果∈{好、较好、一般、差}。
2.挖掘学生所学专业与评价结果的关联关系
变量1∈{经管、文商、理工} 结果∈{好、较好、一般、差}。
3.挖掘学生在读年级与评价结果的关系
变量1∈{一年级、二年级、三年级、四年级} 结果∈{好、较好、一般、差}。
4.挖掘学生成绩与评价的关联关系
变量∈{好、较好、一般、差} 结果∈{好、较好、一般、差}。
5.挖掘课程性质与评价结果的关联关系
变量∈{公共课、基础课、专业课、实验/体育课} 结果∈{好、较好、一般、差}。
通过采用三组不同离散化方式和支持度、置信度阀值对比,得到优化的强规则集,评价分数阀值为89.5分,置信度和支持度阀值分别是20%和60%。
教师评教结果原始数据见表1,学生评教原始数据见表2,网上评教可信度分析结果见表3。
表1教师评教结果原始数据
表2学生评教原始数据
四、结 论
虽然教学评价模型中已将评价内容细分为多个指标,以保障学生在评分时不偏离“教学质量”,但结论还是在一定程度上受主观因素影响。从具体数据看,反映评价体系不合理的强规则支持度和置信度高于阀值不多,尽管挖掘结果揭示了一些不公正和不合理的地方,但程度都在可接受的范围内,不存在“绝对强”的关联关系。从整体上看,评价结果基本能反映教学现状。根据关联挖掘的结论,为了提高学生评教的置信度和支持度,可根据研究结果采取有利于提高学生评教置信度和支持度的一系列措施:①对课堂教学评价的分数采取分类统计的方式,比如按学生在读年级分类统计、按专业分类统计,在同类中进行比较;②对课堂教学质量评价数据进行处理,将明显影响评价结果的属性分开统计,然后根据其置信度乘以一个指定系数,生成最后得分;③进一步调整、优化评价指标,针对不合理的属性修改评价内容。
参考文献
1 容如江、徐兆健.高校教师授课质量学生网上评价结果的信度与效度分析[J].科技信息,2008(7):193～195
2 于燕华、王晓晖、王宝恒.高校课堂教学质量及其评价指标体系研究[J].中国成人教育,2008(7):137～138
3 李云峰、陈建文、程代杰.关联规则挖掘的研究及对Apriori算法的改进[J].计算机工程与科学,2002.24(6):65～68