【摘要】：教學(xué)評價是針對教師教學(xué)和學(xué)生學(xué)習(xí)價值的判斷,已經(jīng)成為高校教學(xué)管理和教學(xué)過程中的重要組成部分。常見的教學(xué)評價體系眾多,大多數(shù)是評價教師的行為表現(xiàn),而學(xué)生的學(xué)習(xí)過程及效果很少提及。同時,實施教學(xué)評價的工作流程比較繁瑣,往往需要完成大量的數(shù)據(jù)計算任務(wù)。因此如何采用現(xiàn)代科學(xué)技術(shù)建立完善、客觀可行的課堂教學(xué)評價體系和優(yōu)化評價流程是亟需解決的重要問題。本文從構(gòu)建以學(xué)習(xí)為中心的高校教學(xué)評價體系出發(fā),通過采用數(shù)據(jù)相關(guān)性分析、關(guān)聯(lián)規(guī)則等方法優(yōu)化了學(xué)生教學(xué)評價指標(biāo)。同時,將機(jī)器學(xué)習(xí)算法引入教學(xué)評價過程中,構(gòu)建教學(xué)評價模型,實現(xiàn)教學(xué)評價過程的自動化。首先,針對獲取的教學(xué)評價數(shù)據(jù)集,采用線性回歸方法和基于密度的離群點檢測方法進(jìn)行了異常數(shù)據(jù)的清洗。為驗證評價屬性的獨立性,本文提出一種基于關(guān)聯(lián)規(guī)則算法的相關(guān)性分析方法,根據(jù)規(guī)則的置信度判斷屬性間的依賴關(guān)系,然后結(jié)合屬性間的相關(guān)系數(shù)確定出相關(guān)性較強(qiáng)的特征項,去除冗余項,優(yōu)化了評價體系。其次,提出基于加權(quán)樸素貝葉斯算法的教學(xué)評價模型。根據(jù)不同屬性對評價結(jié)果的影響程度,提出一種利用類屬性的相關(guān)概率確定各個評價屬性的權(quán)值的方法,為各評價指標(biāo)設(shè)置相應(yīng)的權(quán)重,從而構(gòu)建出適合教學(xué)評價的分類模型。最后,采用加權(quán)貝葉斯增量學(xué)習(xí)方法,解決新增樣本分批抵達(dá)的問題。通過這一策略不必耗時重新訓(xùn)練舊樣本數(shù)據(jù),只需根據(jù)新樣本數(shù)據(jù)調(diào)整模型參數(shù)。為驗證算法的可行性,本文收集某高校學(xué)生對課堂教學(xué)的評教數(shù)據(jù)進(jìn)行實驗。實驗結(jié)果表明,采用加權(quán)樸素貝葉斯算法構(gòu)建模型進(jìn)行分類的準(zhǔn)確率可達(dá)到75%,相比傳統(tǒng)的貝葉斯分類算法,平均準(zhǔn)確率可提高3%左右。同時,面對數(shù)據(jù)的快速增長,增量學(xué)習(xí)方法不僅可以完善分類模型的分類性能,也可提高算法的時間效率。該教學(xué)評價模型的構(gòu)建過程對教育信息化領(lǐng)域研究具有較強(qiáng)的理論與實踐參考價值,也可提高實際教學(xué)評價的工作效率。
【圖文】：

首先懫用回歸分析方法進(jìn)行異常數(shù)據(jù)檢測。實驗中采用機(jī)器學(xué)習(xí)逡逑ｓｋｌｅａｍ庫中提供的ＬｉｎｅａｒＲｅｇｒｅｓｓｉｏｎ方法，，通過該方法構(gòu)建出回歸預(yù)測模逡逑型。通過該模型得到的預(yù)測值與真實評價值的對比如圖２－１所示。逡逑邐ｐｒｅｄｉｃｔ逡逑奏邐？邐—邋ｒｅａｌ逡逑評：＿岤＿＿病逡逑價逡逑值逡逑３邋－邐＇逡逑２邋－逡逑１邋－逡逑0邐５０邐ｌＯＯ邐ＩＳＯ邐２００邐２ＳＯ邐３００逡逑數(shù)據(jù)量逡逑圖２－１回歸分析的預(yù)測值與真實值的對比逡逑Ｆｉｇ．邋２－１邋Ｔｈｅ邋ｃｏｍｐａｒｉｓｏｎ邋ｂｅｔｗｅｅｎ邋ｔｈｅ邋ｐｒｅｄｉｃｔｅｄ邋ｖａｌｕｅ邋ａｎｄ邋ｔｈｅ邋ｒｅａｌ邋ｖａｌｕｅ邋ｏｆ邋ｔｈｅ逡逑ｒｅｇｒｅｓｓｉｏｎ邋ａｎａｌｙｓｉｓ逡逑在圖２－１中，紅色實線為數(shù)據(jù)表中記錄的真實評價值，藍(lán)色虛線為模型通逡逑過分析一系列評價屬性值而給出的預(yù)測評價值。由圖可見，預(yù)測值與真實值逡逑存在偏差，個別數(shù)據(jù)記錄的真實值與預(yù)測值之間的偏差很大，這些偏離整體逡逑數(shù)據(jù)分布的數(shù)據(jù)極有可能是異常數(shù)據(jù)。根據(jù)整體數(shù)據(jù)分布情況，設(shè)置偏差范逡逑圍的閾值為１，即偏差大于１的數(shù)據(jù)記錄視為異常數(shù)據(jù)點。通過回歸方法檢逡逑測出異常數(shù)據(jù)的實驗結(jié)果如表２－７所示。逡逑為了減少異常數(shù)據(jù)的檢測失誤，針對該數(shù)據(jù)集再次采用ＣＬＯＦ算法進(jìn)行逡逑局部離群點檢測。在ＣＬＯＦ算法實驗中，Ｋ均值聚類的簇數(shù)設(shè)為５，離群點逡逑個數(shù)閾值設(shè)置為１０。離群點檢測結(jié)果如表２－８所示。逡逑—１５—逡逑

圖２－２基于關(guān)聯(lián)規(guī)則的相關(guān)性分析流程圖逡逑Ｆｉｇ．邋２－２邋Ｃｏｒｒｅｌａｔｉｏｎ邋ａｎａｌｙｓｉｓ邋ｆｌｏｗ邋ｃｈａｒｔ邋ｂａｓｅｄ邋ｏｎ邋ａｓｓｏｃｉａｔｉｏｎ邋ｒｕｌｅｓ逡逑結(jié)果與分析逡逑用Ｐｙｔｈｏｎ作為開發(fā)語言，實驗平臺為Ｅｃｌｉｐｓｅ＋Ｐｙｄｅｖ。理后的評教數(shù)據(jù)集，共含有２９０條評教數(shù)據(jù)。逡逑驗數(shù)據(jù)，計算得出評價屬性間的相關(guān)系數(shù)，各評價屬表２－９所示。逡逑—１９—逡逑
【學(xué)位授予單位】：延邊大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 劉鳳娟;;大數(shù)據(jù)的教育應(yīng)用研究綜述[J];現(xiàn)代教育技術(shù);2014年08期

2 李建林;姚一豫;聶明;邊長生;;基于粗糙集理論的高校教師教學(xué)質(zhì)量評價系統(tǒng)研究[J];計算機(jī)應(yīng)用與軟件;2014年03期

3 涂冬波;史靜寰;郭芳芳;;中國大學(xué)生學(xué)習(xí)性投入調(diào)查問卷的測量學(xué)研究[J];復(fù)旦教育論壇;2013年01期

4 劉繼斐;;評價指標(biāo)相關(guān)性的處理方法研究[J];管理科學(xué)文摘;2006年12期

5 譚杰鋒;評價指標(biāo)體系中的相關(guān)性分析[J];統(tǒng)計與決策;2005年22期

6 徐祥發(fā),肖人彬;評價指標(biāo)相關(guān)性的消除方法研究[J];系統(tǒng)工程理論與實踐;2002年11期

相關(guān)博士學(xué)位論文 前1條

1 俞佳君;以學(xué)習(xí)為中心的高校教學(xué)評價研究[D];華中師范大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 馬m:;基于神經(jīng)網(wǎng)絡(luò)的教師教學(xué)評價系統(tǒng)研發(fā)[D];南昌航空大學(xué);2017年

2 張程程;基于數(shù)據(jù)挖掘技術(shù)的教學(xué)質(zhì)量評價系統(tǒng)的研究[D];大連理工大學(xué);2017年

3 唐成成;聚類分析在高校課堂教學(xué)質(zhì)量評價中的應(yīng)用[D];重慶師范大學(xué);2017年

4 張靜;大數(shù)據(jù)技術(shù)在學(xué)生業(yè)績分析中的研究與應(yīng)用[D];吉林大學(xué);2016年

5 周云鋒;基于密度的局部離群點檢測算法的研究與應(yīng)用[D];華中師范大學(xué);2016年

6 趙明芳;數(shù)據(jù)挖掘技術(shù)在教學(xué)評教中的應(yīng)用與研究[D];寧夏大學(xué);2015年

7 孫天虹;基于關(guān)聯(lián)信息的貝葉斯分類算法研究[D];大連海事大學(xué);2015年

8 陶晶;基于聚類和密度的離群點檢測方法[D];華南理工大學(xué);2014年

9 黃美娟;美國“全國大學(xué)生學(xué)習(xí)性投入調(diào)查”（NSSE）研究[D];上海師范大學(xué);2014年

10 彭菊萍;基于BP網(wǎng)絡(luò)的民族高校教學(xué)質(zhì)量評價體系的應(yīng)用研究[D];蘭州大學(xué);2012年

本文編號：2656222