数据挖掘技术在中职教师评价系统中的应用研究

发布时间：2021-04-21 10:03

　　近年来随着我国对中职教育的日益重视,教育教学质量评价在中职教育层次不断的扩展加深,对教师评价的活动已经成为每个学校常规教务工作。数据挖掘技术在各行业应用迅速发展,但在教育教学方面却相对较少。对教育教学质量评价的研究多集中在对评价产生的客观评分数据进行分析,建立模型或分类规则以供教师考核使用。而且,对分析结果的应用方面的研究较少,也很少涉及评价的主观评语文本数据。本文借助数据挖掘技术、文本分析方法,对教师评价中的大量客观评分数据和主观评语数据进行挖掘。结合教师教学中各种因素,探讨教师教学的优缺点。希望能提高教师教学水平优化教学,为中职教育发展及学校教学决策提供支持。本文主要工作如下:1.运用决策树对教师评价系统产生的评分数据进行挖掘,构建决策树,抽取分类规则,并对评分等级进行预测。2.对评语文本进行褒贬倾向性分析。构建评语专用情感词典,依据褒贬倾向分类加权算法及等级划分算法,给出学生对教师教学的褒贬情感支持率及情感等级。3.对评语文本进行细粒度分析。划分细粒度属性,基于评语细粒度属性进行情感分析,并给出评语中所含细粒度属性类别及情感倾向。4.设计教师评价系统,应用算法实现对评分数据决策树... 

【文章来源】：郑州大学河南省 211工程院校

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 研究现状
        1.3.1 国内外教师评价研究现状
        1.3.2 数据挖掘技术在教育领域的应用现状
    1.4 研究内容
2 相关技术理论
    2.1 数据挖掘技术
        2.1.1 数据挖掘定义
        2.1.2 数据挖掘的对象及过程
        2.1.3 数据挖掘的功能
        2.1.4 决策树
    2.2 文本情感分析技术
        2.2.1 文本情感分析
        2.2.2 文本预处理
        2.2.3 中文分词
        2.2.4 文本表示方法
        2.2.5 文本分类评估指标
    2.3 本章小结
3 基于决策树的教师教学质量评测
    3.1 C4.5算法简介
        3.1.1 信息熵与信息增益率
        3.1.2 C4.5算法的工作原理
    3.2 教师教学质量评测的决策树构建
        3.2.1 评价数据的抽取
        3.2.2 评价数据的离散化
        3.2.3 评测决策树的构建
    3.3 案例分析
    3.4 本章小结
4 评语文本的褒贬倾向性分析
    4.1 中职学生评语文本特点分析
    4.2 评语文本预处理
    4.3 评语专用情感词典建立
        4.3.1 基础词典简介
        4.3.2 评语专用情感词典构建
        4.3.3 影响情感倾向性的其他因素
    4.4 评语情感褒贬倾向分析
        4.4.1 评语褒贬倾向分类加权算法
        4.4.2 评语褒贬倾向等级划分
    4.5 本章小结
5 评语文本的细粒度情感分析
    5.1 细粒度分析
    5.2 评语预处理及分割
    5.3 评语细粒度属性表的构建
        5.3.1 细粒度属性初表建立
        5.3.2 细粒度属性的类别划分
        5.3.3 评语特征属性终表调整
    5.4 评语细粒度分类及情感倾向分类
    5.5 本章小结
6 基于数据挖掘的教师评价系统设计与实现
    6.1 设计背景及目的
    6.2 教师评价系统的设计
        6.2.1 系统结构
        6.2.2 系统模块功能
        6.2.3 系统数据库设计
    6.3 教师评价系统的实现及结果展示
        6.3.1 系统开发实现环境
        6.3.2 系统前期评价数据生成页面展示
        6.3.3 基于决策树的评测结果展示
        6.3.4 评语褒贬分析结果展示
        6.3.5 评语细粒度情感分析结果展示
    6.4 本章小结
7 总结与展望
    7.1 总结
    7.2 展望
个人简历、在学期间发表的学术论文
参考文献
致谢


【参考文献】：
期刊论文
[1]一种语义弱监督LDA的商品评论细粒度情感分析算法[J]. 彭云,万红新,钟林辉.  小型微型计算机系统. 2018(05)
[2]基于大数据挖掘的高校知识管理系统[J]. 李景奇,卞艺杰.  计算机系统应用. 2017(09)
[3]Moodle平台师生访问行为日志统计与挖掘研究[J]. 郭涵阳,高曼如,沈良忠.  计算机技术与发展. 2016(11)
[4]面向大数据分析的决策树算法[J]. 张棪,曹健.  计算机科学. 2016(S1)
[5]汉语复句关系的特征结构[J]. 冯文贺.  中文信息学报. 2015(06)
[6]教育数据挖掘研究进展综述[J]. 周庆,牟超,杨丹.  软件学报. 2015(11)
[7]中文分词模型的领域适应性方法[J]. 韩冬煦,常宝宝.  计算机学报. 2015(02)
[8]基于语义模式和引用分布的科技文献信息抽取[J]. 杨中国,李洪奇,朱丽萍,刘蔷.  山东大学学报(理学版). 2015(03)
[9]面向在线教育领域的大数据研究及应用[J]. 陈池,王宇鹏,李超,张勇,邢春晓.  计算机研究与发展. 2014(S1)
[10]一种基于属性相关的C4.5决策树改进算法[J]. 魏浩,丁要军.  中北大学学报(自然科学版). 2014(04)

博士论文
[1]文本倾向性分析中的情感词典构建技术研究[D]. 杜伟夫.哈尔滨工业大学 2010

硕士论文
[1]美国高校学生评教研究[D]. 李媛媛.河北大学 2017
[2]基于文本意见挖掘的烟台大学教学评价系统设计与实现[D]. 梁入文.电子科技大学 2015
[3]改进的C4.5决策树算法研究及在高考成绩预测分析中的应用[D]. 周琦.广西大学 2012



本文编号：3151555