基于数据挖掘技术的大学教育质量分级评价

发布时间：2021-02-25 12:26

　　针对传统教育质量分级评价方法指标体系单一,导致分级评价准确性低,为此设计一种基于数据挖掘技术的大学教育质量分级评价方法。分析大学教育质量分级评价要求,确定分级评价指标,采用层次分析法计算分级指标权重,并进行一致性检验,最后将数据挖掘技术应用到大学教育质量分级评价中,实现大学教育质量分级评价。设计实例分析,以专家评价结果为标准,将设计方法和常规评价方法比较,常规方法与专家评价值最大误差为0.08分,设计方法与专家评价值最大误差为0.05分,因此,证明基于数据挖掘技术的大学教育质量分级评价方法比传统方法准确性高。 

【文章来源】：现代电子技术. 2020,43(15)北大核心

【文章页数】：4 页

【部分图文】：

图1 分级评价指标关系

根据上述过程生成的网络结构模型如图2所示。最后通过利用数据挖掘技术中的结果层评估大学教育质量分级评价结果，测量大学教育质量指标。在进行评价时，将需要评价的指标输入到该模型中，按照模型步骤逐步计算，先计算每个类的先验概率[15]，在此基础上计算指标条件概率，得到大学教育质量分级评价结果。

【参考文献】：
期刊论文
[1]多元化视域下高校英语教育教学改革研究——评《高校英语教育教学理论与实践研究》[J]. 王歆.  教育发展研究. 2020(01)
[2]基于Delphi-AHP法的科学教师教学能力评价指标体系建构[J]. 王碧梅,曹芳芳.  当代教育与文化. 2019(03)
[3]基于多维分层的产学研合作绩效评价模型研究[J]. 苏州.  南京理工大学学报. 2018(06)
[4]AHP中指数标度下的区间数判断矩阵构造及其一致性自动调整方法[J]. 艾春安,奉非东,李剑,刘凯旋.  统计与决策. 2019(01)
[5]体育课堂教学问题多元层次分析及整体改进策略[J]. 于素梅.  体育学刊. 2018(06)
[6]基于模糊数据挖掘的教学质量满意度分析[J]. 郑莉,王建骅.  数学的实践与认识. 2018(18)
[7]审核评估视域下高等教育质量评价指标体系的审视与反思[J]. 刘啸,王俊.  中国成人教育. 2018(15)
[8]基于大数据的高校教学质量评价体系构建[J]. 马星,王楠.  清华大学教育研究. 2018(02)
[9]模糊判断矩阵的一致性检验[J]. 杨燕华,吕跃进.  统计与决策. 2018(04)
[10]基于大数据的学习分析仪表盘研究[J]. 姜强,赵蔚,李勇帆,李松.  中国电化教育. 2017(01)



本文编号：3050965