數據挖掘技術教育督導信息處理研究

導語：數據挖掘技術教育督導信息處理研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：利用大數據挖掘方法對教育督導過程中產生的大量數據進行處理、分類和建模，通過決策樹模型實現完整、準確提取督導工作數據信息的目的。這種方法對教育督導信息的利用具有創新性，給教育督導工作的各方參與主體提供了很高的應用價值。

關鍵詞：數據挖掘；決策樹；教育督導：信息提取

隨著信息化和網絡技術的發展，教育正經歷著一場“數據革命”。大數據技術為教育督導工作的創新搭建起了寬闊的平臺,與傳統督導方式相比較,通過大數據、云計算、高效的數字信息化處理，極大推動了教育督導監測評估方法的技術創新、知識創新。在2016年10月的深化教育督導改革工作會議上，國務院副總理劉延東提出“要創新督學方式，健全評估監測體系，提高信息化水平”的號召。目前，我國教育督導評估主要以資料收集和實地調研的方式開展，傳統的信息采集和處理過程給督導工作造成很大的負擔，而且在督導信息的有效性上難以準備把握，對信息甄別手段的匱乏很可能會影響教育信息價值的判斷，難以保證督導評估效果的科學性和公正性。因此，通過大數據技術與教育信息處理的結合，利用數據挖掘方法對督導過程中的數據進行識別、分類和建模，就能實現完整、準確提取督導工作數據信息的目的。

一、數據挖掘技術應用于教育督導信息處理的必要性

1.數據挖掘技術應對教育督導信息的多樣性。隨著教育資源的豐富和多樣化，線上線下等多種教學形式也廣泛應用于日常課程之中，使教育數據資源的外延不斷擴大，大量非結構化、異構的數據增大了教育督導信息處理的復雜性。數據挖掘可以從種類繁多、數量巨大的教育督導資源中，根據需求標識出相對應數據進行信息加工的過程，具有數據查找、數據清理、數據分類、數據變換、模式發現、模式評估和知識表示等功能[1]。在教育督導信息化處理過程中應用數據挖掘技術可以從海量混亂信息中識別所需求的信息資源，大大提升工作成效，節省人力、時間成本。2.數據挖掘技術整合教育督導信息的分散性數據挖掘處理信息可以把龐雜繁多的教育督導信息通過添加人工規則使數據信息帶有實體關系標記，然后通過標識利用人工智能技術進行數據分類，產生新的數據流后可以規劃數據原型來建立分類模型，通過模型對分類后的督導數據信息進行提取[2]。利用結構化的優勢，建立模型通過數據權限等參數設置，使“督導前—督導中—督導后”三個時期的信息高效率的利用，解決了督導信息評估中的信息零散，碎片化的難題。3.數據挖掘技術開發教育督導信息的價值性。數據的價值在于利用，數據挖掘技術的實施使督導信息的質量開發成為可能。傳統的督導信息評估過程缺少對目前教學現狀的全面且綜合性的評價，往往評估結果缺少嚴謹的層次性分析。數據挖掘是建立在數據庫結構建模的基礎上，生成系統化、規范化、層次化的數據分析邏輯結構，對于教學質量做全方位的測評，包括學院、教師、學生、課程、環境多維體系，實現對評課數據全面深入的挖掘，建立立體式的教育督導評價體系[3]。

二、數據挖掘技術的教育督導信息的提取

數據挖掘技術采用文本聚類的方式提取督導信息關鍵詞，生成的關鍵詞成為信息檢索表達語句，系統會根據關鍵性術語進行分詞處理，分析和挖掘詞與詞之間的關聯度，從中創建信息提取的關鍵指標和對應的指標值，這樣就促使對督導信息在分流過程中過濾和篩選更多有效可利用的信息進入評估環節。在數據挖掘技術中決策樹是一項重要的算法分類手段，決策樹的模式構架規則清晰，適用范圍廣泛，容易被理解。因此，構建督導評估信息決策樹模型，對教育督導信息的利用具有很重要的價值。1.提取數據樣本，計算信息增益。擬定采集的信息樣本數據屬性集合S內擁有s種樣本數據，代表樣本數據分類的種類總數，si代表類Ci內的樣本總數，數據集S相應的信息熵為：其中，代表樣本集內隨意樣本屬于類別Ci的幾率。擬定醫療數據信息屬性A內含有v中不同的值，使用屬性A把S分化為v種子集，其中SJ代表A中擁有aj值的樣本，擬定A是目前的測試屬性，sij即子集Sj內類別是Ci的樣本數量，則屬性A劃分樣本的信息熵是：針對擬定的子集Sj，信息能夠利用下列公式進行計算：其中，代表Sj里的樣本屬于類Ci的幾率，代表在屬性A中含有aj值的樣本數量，憑借估算獲取的信息熵相關信息，獲得屬性A的劃分樣本集S所得的信息增益是：2.構建決策樹模型。對提取的數據信息屬性訓練樣本集進行待處理，評估教育督導信息表達語句的屬性，按決策樹規則在估算的信息增益率從中選擇最大的可以作為根節點，處理屬性集合中其他數據，刪除已經使用過的屬性，直到候選屬性子集變成空集，從根節點出發，分配類別屬性信息數據，形成子節點，形成決策樹形結構。構建決策樹挖掘模型為：圖1數據挖掘決策樹模型由此可見，數據挖掘以自頂向下遞歸的方式構造決策樹，使用信息增益來劃分樣本分類的屬性。對測試屬性的每個已知的值，創建一個分枝，并據此劃分樣本。這樣就可使得信息處理集合清晰地構建出評估標準和導向，生成可以理解的教育督導信息的評估規則。

三、數據挖掘技術下的教育督導信息的應用

依據數據挖掘技術建立的教育督導評估系統是一個分層次、多目標的復雜系統，需要綜合處理來自學生評教、教師自評、教師互評、督導評價、管理者評價產生的多數據流信息[4]，進行分類、關聯和評估才能提供一些可預測性的信息，這對于教學參與的各方主體都具有很高的應用價值。1.管理者層面，數據挖掘實現督導全方位循環監測。在數據挖掘技術的支撐下，管理者可以清晰的看到各種分類信息，并且精準地展現教育工作的落實情況和詳細過程，提供可視化、數字化、隨時查看管理對象的監測評估機制。通過數據的深度挖掘，管理者在解決實際問題的時候，也可以實現數據引導決策的功能。根據科學的預測分析來綜合評價教學質量和給予檢查對象全面的反饋信息，實現閉環無障礙的信息溝通。2.教師層面，數據挖掘輔助教師業績信息管理。數據挖掘技術不但使教師的教學過程數字化，同時更支撐教學管理的績效提升。教師根據教育督導監測信息的評估結果可以量化自己的業績，根據數據分析的結果，教師可以找出自己在教學過程中的薄弱環節加以改進[5]。通過數據挖掘技術，精細化分解教學的各個環節，形成由系統評分作為教師考評的重要依據。3.學習者層面，深化和改進學習質量。通過數據挖掘技術下的教育督導評估的結果可以引導學習者發現或改進表征要學習的內容，通過對學生知識，動機，認知和態度等影響因素的分析，可以預測學習者的偏好和學生未來的學習行為[6]，方便教師及時為學生提供幫助，推進學習者的學習質量和科學知識的提升。在數據挖掘技術的支撐下，教育督導監測與評價工作的信息處理能力將得到大幅度提升。與時俱進地推進教育督導監測系統的改革，全面運用分類、聚類、關聯、預測等統計模型深入挖掘教學監測數據之間的相關性，推動教育督導評測結果的效果發揮。

參考文獻：

[1]簡楨富,許嘉裕.大數據分析與數據挖掘[M].北京:清華大學出版社,2016:26．

[2]魏順平.學習分析技術:挖掘大數據時代下教育數據的價值[J].現代教育技術,2013(2).

[3]陳雯雯,夏一超.教育數據挖掘:大數據時代的教育變革[J].中國教育信息化,2017(7)．

[4]李賀.縣級教育信息化發展水平監測評估框架建構研究[J].中國電化教育,2017(7)．

[5]王戰軍,喬偉峰,李江波.數據密集型評估:高等教育監測評估的內涵、方法與展望[J].教育研究,2015(6)．

[6]馬妍,湯佳妮.質量保障與評估:信息技術支撐下的院校應用[J].中國職業技術教育,2019(5)．

作者:劉歡 單位:吉林建筑大學