决策树算法在高校教学评价中的应用研究.pdfVIP

广西轻工业 2008年 11月 第 11期 (总第 120期) GUANGXIJOURNALOFLIGHTINDUSTRY 理论探讨 决策树算法在高校教学评价中的应用研究 肖志明 (桂林电子科技大学，广西 桂林 54l004) 【摘 要】数据挖掘的本质是从已有信息中发现规律和模式。通过研究数据挖掘技术，运用决策树算法，对高校教学评价 进行有意义的探索，研究如何从教学评价数据中提取有价值的知识，帮助教学管理人员进行科学决策，提高教学质量。 【关键词】数据挖掘；决策树；ID3算法；教学评价 【中图分类号】G434 【文献标识码】A 【文章编号】 1003—2673(2008)11—164—02 1 引言 树的每个节点对应一个非类别属性 ，每条分支对应这个属性的 高校教学评价，是高校全面提高教学质量，促进教师教学 每种可能，而树的每个节点就代表一个类别。一般决策树的中 水平提高，使师资队伍的管理系统化、科学化而采取的一项有 间节点常用矩形表示，而叶子节点常用椭圆表示。决策树可以 效措施。近几年 ，高校扩招 ，生源质量下滑，对教师的教学质量 很容易转化为分类规则，从根到每个叶子节点的一条路径就对 提出了更高的要求。传统教学评价方法评价某教师的教学水平 应着一条分类规则。目前已经形成了多种决策树算法 ，其中最 是 “好”或者 “不好”，缺乏一套科学、严谨、真实反应教学效果的 著名的算法就是 Quinlan提出的ID3算法。 教学评价体系，也无法说明教学水平的高低究竟与哪些因素有 关。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的 数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有 用的信息和知识的过程 ，被信息产业界认为是数据库系统最重 要的前沿之一，是信息产业界最有前途的交叉学科。 目前数据挖掘已经广泛应用到金融风险管理、保险信用评 估、客户流失分析等诸多领域，但高校领域的应用还在启步阶 段。本文以高等教育为背景，以高校教学评价为数据基础 ，应用 图 1 数据挖掘技术中的决策树算法，探索和发现有现实意义的高校 2．3ID3算法 教学评价知识 ，对促进教育信息化管理、提高教学质量都具有 ID3算法 ，由Quinlan首先提出的，其基本思想是采用信 一 定的理论意义和应用价值。 息论中的互信息(或称信息增益)作为决策属性分类判别能的度 量，进行决策节点属性的选择。在ID3算法中，决策节点属性的 2 数据挖掘中的决策树算法 选择应用了信息论中熵fEntropy)f~J概念来完成，通过信息增益 2．1数据挖掘的定义和知识分类 最大(或最大熵压缩)的属性建立决策树，这样选择的节点属性 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随 保证了决策树具有最小的分枝数量和最小的冗余度。 机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜 (1)信息熵的计算： 在有用的信息和知识的过程。数据挖掘应该更正确地命名为 从“数据中挖掘知识”。还有很多和这一术语相近似的术语，如 HU()=一∑Pu()logP(ui) 知识发现、数据分析、数据融合以及决策支持等。人工智