数据挖掘技术教育督导信息处理研究.docx

《数据挖掘技术教育督导信息处理研究.docx》由会员分享，可在线阅读，更多相关《数据挖掘技术教育督导信息处理研究.docx（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、数据挖掘技术教育督导信息处理研究 摘要：利用大数据挖掘方法对教育督导过程中产生的大量数据进行处理、分类和建模，通过决策树模型实现完整、准确提取督导工作数据信息的目的。这种方法对教育督导信息的利用具有创新性，给教育督导工作的各方参与主体提供了很高的应用价值。 关键词：数据挖掘；决策树；教育督导：信息提取 随着信息化和网络技术的发展，教育正经历着一场“数据革命”。大数据技术为教育督导工作的创新搭建起了宽阔的平台,与传统督导方式相比较,通过大数据、云计算、高效的数字信息化处理，极大推动了教育督导监测评估方法的技术创新、知识创新。在2022年10月的深化教育督导改革工作会议上，国务院副总理刘延东提出“

2、要创新督学方式，健全评估监测体系，提高信息化水平”的号召。目前，我国教育督导评估主要以资料收集和实地调研的方式开展，传统的信息采集和处理过程给督导工作造成很大的负担，而且在督导信息的有效性上难以准备把握，对信息甄别手段的匮乏很可能会影响教育信息价值的判断，难以保证督导评估效果的科学性和公正性。因此，通过大数据技术与教育信息处理的结合，利用数据挖掘方法对督导过程中的数据进行识别、分类和建模，就能实现完整、准确提取督导工作数据信息的目的。 一、数据挖掘技术应用于教育督导信息处理的必要性 1.数据挖掘技术应对教育督导信息的多样性。随着教育资源的丰富和多样化，线上线下等多种教学形式也广泛应用于日常课程

3、之中，使教育数据资源的外延不断扩大，大量非结构化、异构的数据增大了教育督导信息处理的复杂性。数据挖掘可以从种类繁多、数量巨大的教育督导资源中，根据需求标识出相对应数据进行信息加工的过程，具有数据查找、数据清理、数据分类、数据变换、模式发现、模式评估和知识表示等功能1。在教育督导信息化处理过程中应用数据挖掘技术可以从海量混乱信息中识别所需求的信息资源，大大提升工作成效，节省人力、时间成本。2.数据挖掘技术整合教育督导信息的分散性数据挖掘处理信息可以把庞杂繁多的教育督导信息通过添加人工规则使数据信息带有实体关系标记，然后通过标识利用人工智能技术进行数据分类，产生新的数据流后可以规划数据原型来建立分

4、类模型，通过模型对分类后的督导数据信息进行提取2。利用结构化的优势，建立模型通过数据权限等参数设置，使“督导前督导中督导后”三个时期的信息高效率的利用，解决了督导信息评估中的信息零散，碎片化的难题。3.数据挖掘技术开发教育督导信息的价值性。数据的价值在于利用，数据挖掘技术的实施使督导信息的质量开发成为可能。传统的督导信息评估过程缺少对目前教学现状的全面且综合性的评价，往往评估结果缺少严谨的层次性分析。数据挖掘是建立在数据库结构建模的基础上，生成系统化、规范化、层次化的数据分析逻辑结构，对于教学质量做全方位的测评，包括学院、教师、学生、课程、环境多维体系，实现对评课数据全面深入的挖掘，建立立体式

5、的教育督导评价体系3。 二、数据挖掘技术的教育督导信息的提取 数据挖掘技术采用文本聚类的方式提取督导信息关键词，生成的关键词成为信息检索表达语句，系统会根据关键性术语进行分词处理，分析和挖掘词与词之间的关联度，从中创建信息提取的关键指标和对应的指标值，这样就促使对督导信息在分流过程中过滤和筛选更多有效可利用的信息进入评估环节。在数据挖掘技术中决策树是一项重要的算法分类手段，决策树的模式构架规则清晰，适用范围广泛，容易被理解。因此，构建督导评估信息决策树模型，对教育督导信息的利用具有很重要的价值。1.提取数据样本，计算信息增益。拟定采集的信息样本数据属性集合S内拥有s种样本数据，代表样本数据分类

6、的种类总数，si代表类Ci内的样本总数，数据集S相应的信息熵为：其中，代表样本集内随意样本属于类别Ci的几率。拟定医疗数据信息属性A内含有v中不同的值，使用属性A把S分化为v种子集，其中SJ代表A中拥有aj值的样本，拟定A是目前的测试属性，sij即子集Sj内类别是Ci的样本数量，则属性A划分样本的信息熵是：针对拟定的子集Sj，信息能够利用下列公式进行计算：其中，代表Sj里的样本属于类Ci的几率，代表在属性A中含有aj值的样本数量，凭借估算获取的信息熵相关信息，获得属性A的划分样本集S所得的信息增益是：2.构建决策树模型。对提取的数据信息属性训练样本集进行待处理，评估教育督导信息表达语句的属性，

7、按决策树规则在估算的信息增益率从中选择最大的可以作为根节点，处理属性集合中其他数据，删除已经使用过的属性，直到候选属性子集变成空集，从根节点出发，分配类别属性信息数据，形成子节点，形成决策树形结构。构建决策树挖掘模型为：图1数据挖掘决策树模型由此可见，数据挖掘以自顶向下递归的方式构造决策树，使用信息增益来划分样本分类的属性。对测试属性的每个已知的值，创建一个分枝，并据此划分样本。这样就可使得信息处理集合清晰地构建出评估标准和导向，生成可以理解的教育督导信息的评估规则。 三、数据挖掘技术下的教育督导信息的应用 依据数据挖掘技术建立的教育督导评估系统是一个分层次、多目标的复杂系统，需要综合处理来自

8、学生评教、教师自评、教师互评、督导评价、管理者评价产生的多数据流信息4，进行分类、关联和评估才能提供一些可预测性的信息，这对于教学参与的各方主体都具有很高的应用价值。1.管理者层面，数据挖掘实现督导全方位循环监测。在数据挖掘技术的支撑下，管理者可以清晰的看到各种分类信息，并且精准地展现教育工作的落实情况和详细过程，提供可视化、数字化、随时查看管理对象的监测评估机制。通过数据的深度挖掘，管理者在解决实际问题的时候，也可以实现数据引导决策的功能。根据科学的预测分析来综合评价教学质量和给予检查对象全面的反馈信息，实现闭环无障碍的信息沟通。2.教师层面，数据挖掘辅助教师业绩信息管理。数据挖掘技术不但使

9、教师的教学过程数字化，同时更支撑教学管理的绩效提升。教师根据教育督导监测信息的评估结果可以量化自己的业绩，根据数据分析的结果，教师可以找出自己在教学过程中的薄弱环节加以改进5。通过数据挖掘技术，精细化分解教学的各个环节，形成由系统评分作为教师考评的重要依据。3.学习者层面，深化和改进学习质量。通过数据挖掘技术下的教育督导评估的结果可以引导学习者发现或改进表征要学习的内容，通过对学生知识，动机，认知和态度等影响因素的分析，可以预测学习者的偏好和学生未来的学习行为6，方便教师及时为学生提供帮助，推进学习者的学习质量和科学知识的提升。在数据挖掘技术的支撑下，教育督导监测与评价工作的信息处理能力将得到大幅度提升。与时俱进地推进教育督导监测系统的改革，全面运用分类、聚类、关联、预测等统计模型深入挖掘教学监测数据之间的相关性，推动教育督导评测结果的效果发挥。 第6页 共6页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页第 6 页 共 6 页