基于区分矩阵的关联规则在教学实施过程评价中的应用

    李缙　高明亮　张翼凌

    

    

    

    摘? 要 由于影响计算机课程教学的因素多且复杂，因此，教学实施过程评价是教育发展进程中需关注和研究的问题。以区分矩阵为基础，将关联规则挖掘方法应用于计算机教学实施过程评价中。首先整理四项评价的数据，涉及案例讲解、课件制作、教师职业素养、互动有效性四项评价;然后计算区分矩阵并求核心，做属性约简得案例讲解、教师职业素养、互动有效性三项评价;最后抽取规则，根据计算机公共课程教学实施过程评价得分，可以自动进行等级判定。得出的规则应用可为教师及学校教学规划部门提供重要参考和决策支持信息，从而科学有效地加强教学资源建设，满足社会实际需求，提高就业质量。

    关键词 区分矩阵;关联规则;计算机公共课程;就业质量

    中图分类号：G434? ? 文献标识码：B

    文章编号：1671-489X（2020）16-0096-03

    Distinction Matrix based Association Rules with Application to Teaching Process Evaluation： Taking Computer Public Course as an Example//LI Jin， GAO Mingliang， ZHANG Yiling

    Abstract Because there are many and complex factors that affect the?computer course education， the evaluation of teaching implementa-tion process is a problem that needs attention and research in the pro-cess of education development. In this paper， based on the discerni-bility matrix， association rules mining method is applied to the eva-luation of computer teaching process. First of all， the data of four?evaluations are sorted out， including case explanation， courseware making， teachers professional quality and interactive effectiveness. Then， the differentiation matrix is calculated and the core is obtained，?and the attribute reduction is made to obtain three evaluations： case?explanation， teachers professional quality and interactive effective-ness. Finally， the extraction rule is： according to the evaluation score?of the teaching implementation process of? Computer Public Course， we can to determine the grade automatically. The application of the?rules can provide important reference and decision support informa-tion for teachers and school teaching planning departments. Thus， we?can strengthen the construction of teaching resources scientifically and effectively， meet the actual needs of the society， and improve the?quality of employment.

    Key words distinguish matrix; association rules; computer public course; employment quality

    1 引言

    教學实施过程与社会企业实际需求息息相关，对提高学生就业质量起着至关重要的作用[1-2]。教学实施过程中的评价常采用20多个指标，很难区分;或采用三个指标，由于不同评价者在权重上给出的分值差异太大，并不能得出客观公正结论，对教师评价及指导的可信度降低[3-4]，

    同时影响学校培养学生的质量。本文将区分矩阵与关联规则结合，通过数据挖掘，定量地找出教学实施过程中的核心评价指标，提取课程评价的自动等级判定规则，对提高教学质量和管理效率起到很好的指导作用[5-6]。

    2 关联规则

    一个事务数据库[7]中的关联规则描述如下：

    设I={i1，i2，…，im}是一个项目集合，其中的元素称为项（item）。记D为事务T（transaction）的集合，这里事务T是项的集合，且TI。对应每一个事务有唯一的标识，如事务号，记作TID。设X是一个I中项的集合，如果XT，

    则称事务T包含X[8-9]。

    关联规则：X=>Y，这里XI，YI，并且X∩Y=Φ[10]。

    如案例讲解=“优”=>教学评价等级=“优”即是一条关联规则。

    3 基于区分矩阵的关联规则挖掘模型

    基于区分矩阵的关联规则挖掘模型由以下五个步骤组成，如图1所示。

    数据预处理? 数据预处理主要是指对如问卷调查得到前期数据进行检查，删除缺失、重复、矛盾的数据，通过标准化操作，确保不同对象区分前数据量、可信度一致。

    计算区分矩阵? 信息表S中属性集C的区分矩阵M（C）=

    （mi，j）n×n定义：

    M（C）=（mi，j）n×n代表了区分xi，xj的完整信息。

    计算区分矩阵的方法是在信息表中所有对象（记录）条件属性名的属性值依次两两进行比较，找出属性值不同的行，区分矩阵依次存放两行对象（记录）对应比较中属性值不同的条件属性名。

    求核心? 核心是区分矩阵中所有单个元素或属性名组成的集合，即core（A）={a∈A|α（x，y）={a}，其中x，y∈U}。

    属性约简? 属性约简是指条件属性集但不包括决策属性集的约简，在已知区分矩阵及核心的前提下得出。

    抽取规则? 属性约简后的信息表，包含决策属性集D、生成规则，以备自动决策判定使用。

    4 基于区分矩阵的关联规则在教学实施过程评价中的应用

    编制初始信息表? 通过问卷调查某高校开设计算机公共课的学生5000人，收集10位教师四项评价指标和数据，编制教学实施过程评价的信息系统实例，如表1所示。其中C1、C2、C3、C4分别表示四项评价指标，即案例讲解类评价、课件制作类评价、教师职业素养类评价、互动有效性类评价;同时在表中作为条件属性，有五个等级优、良、中、及格、不及格的量化评價，对应得分依次是5、4、3、2、1。决策属性D，表示该门课程的总评等级，其五个等级的量化评价值与条件属性一致。将每行评价信息作为一个记录，教学实施过程评价的信息系统实例中共有10条记录。

    区分矩阵? 根据区分矩阵的定义，计算得到表1的区分矩阵如图2所示。

    由区分矩阵求核心? 核心是计算属性约简的前提。找出区分矩阵内仅含单个元素构成的集合即核心。根据图2，可以得出核心CORE={C1，C4}，即{案例讲解类评价，互动有效性类评价}。

    计算属性约集? 根据计算属性，约集算法按以下步骤进行：

    1）核心作为初始的属性约集;

    2）将区分矩阵中所有包含核心的项置为空;

    3）求得矩阵中出现次数最多的属性，将其加入初始的约集中，同时置空包含该属性的矩阵元素集;

    4）转至上一步，循环，直到矩阵中的所有元素集都为空。

    可得到图2的属性约集为{C1，C3，C4}，即{案例讲解类评价，教师职业素养类评价，互动有效性类评价}。属性约简后的信息表如表2所示。

    抽取规则? 对教学实施过程的最终评价等级评定是根据表3中的数据按照以下规则进行的：

    Rule1：（（C1=4∨C1=3）∧（C3=5）∧（C4=4∨C4=3））

    →（D=4）

    Rule2：（（ C1=5）∧（C3=5）∧（C4=4∨C4=5））→（D=5）

    Rule3：（（C1=2∨C1=3）∧（C3=5∨C3=4）∧（C4=2∨

    C4=3））→（D=3）

    Rule4：（（C1=3∨C1=2）∧（C3=3∨C3=4）∧C4=2））→

    （D=2）

    Rule5：（（C1=2∨C1=1）∧（C3=4∨C3=3）∧C4=1））→

    （D=1）

    已获得计算机公共课程的教学评价指标得分如表3所示。利用上述规则，给出计算机公共课程的教学实施过程评价的自动等级判定：

    “C语言程序设计”的案例讲解、课件制作、教师职业素养、互动有效性得分依次是C1=2、C2=4、C3=5、C4=2，由规则Rule3可以确定“C语言程序设计”课程的总评得分D为3，即等级中;

    “VB程序设计”的案例讲解、课件制作、教师职业素养、互动有效性得分依次是C1=4、C2=5、C3=5、C4=3，由规则Rule1可以确定“VB程序设计”课程的总评得分D为4，即等级良;

    “数据库技术与应用”的案例讲解、课件制作、教师职业素养、互动有效性得分依次是C1=2、C2=3、C3=4、C4=1，由规则Rule5可以确定“数据库技术与应用”课程的总评得分D为1，即等级不及格;

    “多媒体技术与应用”的案例讲解、课件制作、教师职业素养、互动有效性得分依次是C1=3、C2=4、C3=4、C4=2，由规则Rule4可以确定“多媒体技术与应用”课程的总评得分D为2，即等级及格。

    5 结语

    本文工作将区分矩阵与关联规则结合应用到教学实施过程评价中，从现有问卷调查的数据出发，计算区分矩阵并求核心，给出条件属性的简化和相对简化，如属性约集{案例讲解类评价，教师职业素养类评价，互动有效性类评价}，最后抽取所需的规则，如Rule1到Rule5，得出的这些规则可为教师及学校教学规划部门提供重要参考和决策支持信息。如在准备课件制作的同时，需更多关注案例讲解、教师职业素养、师生间互动有效性的提高。根据Rule1到Rule5可推出四门不同课程三个约简属性得分对应的课程总评等级。以决策属性即总评等级优、良、中、及格、不及格为依据，再从案例讲解、课件制作、教师职业素养、互动有效性等方面有针对性地加强课程建设，将来可应用该方法到更多的教学领域。

    参考文献

    [1]鲍威.学生眼中的高等院校教学质量：高校学生教学评估的分析[J].现代大学教育，2007（4）：16-22，110-111.

    [2]宋中发.高校思想政治理论课考核方式探析[J].西南石油大学学报（社会科学版），2014（5）：119-122.

    [3]谢晴，吴小军.基于关联规则的数据挖掘技术在提高课程教学质量中的应用[J].中国科教创新导刊，2009（5）：175-176.

    [4]谢秋丽.基于关联规则的教学质量评价数据挖掘[J].现代计算机，2008（6）：25-27.

    [5]刘文军，谷云东，李洪兴.基于区分矩阵求决策算法的约简[J].北京师范大学学报（自然科学版），2003（3）：311-315.

    [6]Han J， Kamber M， Pei J. Data Mining Concepts and?Techniques[M].3rd ed. San Francisco： Margan Kaufmann，2011.

    [7]毛国君，段立娟，王实，等.数据挖掘原理与算法[M].北京：清华大学出版社，2007：166-175.

    [8]孙晓梅.基于粗集的关联规则挖掘模型在网络课程评价中的应用[J].中国远程教育，2004（7）：67-69.

    [9]肖志明.关联规则在远程教育教学评价中的应用[J].中国远程教育，2012（9）：39-42.

    [10]俸世洲，周尚波.关联规则在独立学院招生决策中的应用[J].计算机工程与科学，2012（1）：119-123.

    *项目来源：对分课堂在计算机通识课程中的探索和实践（项目编号：X2018JGYB037）。

    作者：李缙，西南石油大学计算机科学学院，讲师，研究方向为数据挖掘、软件工程（610500）;高明亮，山东理工大学电气与电子工程学院，副教授，研究方向为机器学习（255000）;张翼凌，西南石油大学计算机科学学院，讲师，研究方向为计算机软件与理论、数据库技术与应用（610500）。