决策树算法在高校教学质量评价系统中的应用研究

摘要

目前，国内众多高校利用信息技术提高管理水平，其校园内部运行着各种系统和数据库，如教务信息管理系统、就业信息管理系统等。长时间的系统运行积累了大量数据，但由于缺乏信息意识和技术，管理人员只能通过简单的统计或排序等功能获得表面的信息，藏在这些数据中的信息一直没有得到进一步的挖掘利用。
　　 本文试图将决策树和关联规则用于构建高校教学评价系统，以期挖掘出教师个体因素、教学运转环节因素与教学效果之间的关系，为教学评价方法提供决策依据。本文充分考虑了影响教学质量的多个环节，即教师主观因素(职称、学历、年龄、性别、教学方法与手段等)和客观环境(课程性质、课程类别、选课人数、教师周承担课时总量等)相结合，对相关因素进行了综合分析。
　　 本文首先对数据挖掘的基本知识作以简要综述，着重介绍了其中的决策树方法和经典的关联规则挖掘算法，并简要介绍了微软商业智能分析工具(Microsoft SQLServer2005 Analysis Services)。以某高校2009～2010学年的教学评价数据为实例，使用微软商业智能工具，完整地实现了数据挖掘的全过程，包括采用数据清理、数据转换、数据集成等数据预处理技术；利用决策树方法建立教学评价的预测模型，通过计算所有的属性信息增益，找到决策树节点，建立决策树，通过优化决策树算法参数，提取出有效关联规则。以教学评价数据为基础，运用关联规则挖掘的方法，首先分析了各输入属性与评价结果之间的关联关系，然后对每个输入属性与评价结果单独进行了关联分析，找出了频繁项集，并通过设置支持度阈值和置信度阈值，找出了满足一定支持度和置信度的频繁项集，以对决策树算法产生的规则作验证对比，找到影响教学效果的关键因素；论文结论部分对实验结果进行了详细的分析，找出了存在的主要问题，并提出了改进教学质量的有关措施，从而为更好地开展教学工作、提高教学质量提供参考依据。

目录

文摘

英文文摘

声明

第1章 绪论

1.1研究背景

1.2国内外研究现状

1.3主要内容

1.4本文的组织结构

第2章 相关理论及应用平台介绍

2.1数据挖掘技术简介

2.1.1数据挖掘定义

2.1.2数据挖掘步骤

2.1.3数据挖掘的功能

2.2 Microsoft SQL Server 2005数据挖掘平台介绍

2.2.1 Microsoft SQL Server 2005商业智能平台

2.2.2 SQL Server 2005数据挖掘功能的优势

2.2.3 SQL Server 2005数据挖掘算法

2.3决策树及算法

2.3.1决策树简介

2.3.2 ID3算法

2.4关联规则及算法

2.4.1关联规则概念

2.4.2经典关联规则挖掘算法-APriori

2.4.3由频繁项集产生关联规则

第3章 决策树算法在教学质量分析中的应用

3.1教师个体因素对教学质量的影响分析

3.1.1数据预处理

3.1.2决策树的归纳描述

3.1.3由决策树提取分类规则

3.1.4使用Microsoft SQL Server 2005 Analysis Services进行实验对比

3.2教学运转环节对教学质量的影响分析

3.2.1数据预处理

3.2.2决策树的归纳描述

3.2.3由决策树提取分类规则

3.2.4使用SQL Server 2005 Analysis Services进行实验对比

第4章 关联规则在教学质量评价中的验证研究

4.1 Microsoft关联规则算法介绍

4.2教师个体因素对教学质量的影响分析

4.2.1数据预处理

4.2.2 Microsoft关联规则数据挖掘

4.2.3关联规则挖掘结果分析

4.3教学运转环节对教学质量的影响分析

4.3.1数据预处理

4.3.2 Microsoft关联规则数据挖掘

4.3.3关联规则挖掘结果分析

结 论

致 谢

参考文献