数据挖掘在教学质量评价中的应用研究

摘要

努力提高教学质量是每一所学校所追求的目标，影响教学质量的因素有许多，有些影响因素人们无法用主观的意识从中发现它们之间的关系。传统的方法是通过学生问卷的形式再由人工统计、分析，但是，传统方法无法找出隐藏在影响因素之间的相互关系。随着计算机科学技术的发展，可以借助数据挖掘技术发现影响因素中隐藏的相关规律，获得有价值的信息，为学校教学管理提供科学管理的依据，从而提高学校的办学水平。
　　 由于学校办学规模大，要挖掘的数据量大，挖掘速度、质量易受到影响；处理这一问题方法之一就是设法提高挖掘的效率。经典的关联规则挖掘算法Apriori，该算法主要存在两点不足，首先是产生过多的候选项集，由于频繁项集合产生的候选项集过多，计算过多项集会造成执行效率低；其次是要多次扫描数据库，该算法中候选项集是逐层产生，每层的频繁项集都必须扫描整个数据库一次，如果数据库产生的候选项集有K层就需要对数据库扫描K次。直接影响数据挖掘效率。针对上述挖掘的效率问题本文提出了一种改进算法--Apriori-P，改进算法先扫描数据库并将其分成N个非重叠的块，获得每块的局部频繁项集，再合并所有的局部频繁项集，生成全局的候选频繁项集，最后，再次扫描数据库，计算每个候选频繁项目的实际支持度，最后确定所要挖掘的频繁项集。
　　 改算法不仅具有关联规则算法的基本特性，即不需要具备先验知识，而且只需扫描数据库两次，节省了访问外存的I/O开销，实验表明Apriori-p算法与Apriori算法相比，Apriori-P算法具有占用空间小、运行速度快的优点。基于Apriori-P算法开发的教学质量评价系统，通过系统对数据进行挖掘，一方面发现影响教师教学质量的因素，可以帮助教师克服自身不足，提高教学水平；另一方面通过系统挖掘为学校制定科学的教学制度和科学决策等方面提供依据。