鄒靜?楊劼

摘 要：課程評價方法的科學性、準確性和有效性一直是高校“思想道德修養(yǎng)與法律基礎”課程改革的重點內(nèi)容之一。本文嘗試著將數(shù)據(jù)挖掘技術應用于“思想道德修養(yǎng)與法律基礎”課程評價之中，通過對相關數(shù)據(jù)的擇取、挖掘和分析，獲得科學而可量化的課程評價結(jié)果，進而指導教學改革。

關鍵詞：數(shù)據(jù)挖掘；關聯(lián)規(guī)則；課程評價

1 概述

“思想道德修養(yǎng)與法律基礎”課程是高校思想政治理論課的重要課程之一，其主旨在于幫助大學生提升思想道德素養(yǎng)與法律素養(yǎng)。思想道德與法律素養(yǎng)是人的基本素養(yǎng)，表現(xiàn)在人們協(xié)調(diào)、處理各種關系時的是非善惡判斷和行為選擇，決定著人們在日常生活中的行動目的和方向?！八枷氲赖滦摒B(yǎng)與法律基礎”課程融政治性、思想性、知識性及實踐性于一體，主要任務在于以馬列主義、毛澤東思想、中國特色社會主義理論體系為指導，針對大學生成長成才過程中所面對的思想道德和法律問題，通過人生價值觀、道德觀和法律觀的教育，使大學生成長為社會主義事業(yè)的合格建設者和可靠接班人。

因此，“思想道德修養(yǎng)與法律基礎”課程在當代大學生的課程體系當中占據(jù)相當重要的位置。

2 數(shù)據(jù)挖掘

2.1 數(shù)據(jù)挖掘概述

數(shù)據(jù)挖掘（Data Mining）技術是指挖掘巨大數(shù)據(jù)背后潛在知識，找尋關系數(shù)據(jù)庫里數(shù)據(jù)信息間隱藏的規(guī)則和聯(lián)系的過程。這門技術屬于跨學科技術，融合統(tǒng)計學、模式識別、數(shù)據(jù)庫、機器學習、可視化技術以及人工智能等于一體，能夠自動化地分析海量數(shù)據(jù)。隨著信息技術的快速發(fā)展，在海量的數(shù)據(jù)信息中，數(shù)據(jù)挖掘技術能夠預測數(shù)據(jù)未來的走向，給決策者提供有效的決策數(shù)據(jù)，從而做出有效決策，提高管理或行為控制效率。

2.2 數(shù)據(jù)挖掘的功能

描述和預測是數(shù)據(jù)挖掘的兩大基本功能。描述即分析現(xiàn)有數(shù)據(jù)，刻畫出數(shù)據(jù)的一般規(guī)律，進而發(fā)現(xiàn)數(shù)據(jù)之間的聯(lián)系；預測是指分析現(xiàn)有數(shù)據(jù)，從而預測數(shù)據(jù)未來走向和趨勢。

2.3 數(shù)據(jù)挖掘的特點

數(shù)據(jù)挖掘與傳統(tǒng)信息基礎相比，其特點在于：

（1）數(shù)據(jù)的海量性。數(shù)據(jù)挖掘的應用必須是在海量的數(shù)據(jù)基礎之上，需要從多個數(shù)據(jù)庫中抽取經(jīng)過預處理后的有效數(shù)據(jù)。

（2）數(shù)據(jù)的離散性。數(shù)據(jù)挖據(jù)技術是針對離散型數(shù)據(jù)進行的分析和應用。因而，在進行數(shù)據(jù)預處理時，往往需要進行數(shù)據(jù)離散化處理才能供數(shù)據(jù)挖掘工具進行處理。

（3）技術的實用性。數(shù)據(jù)挖掘技術現(xiàn)已被廣泛應用于金融領域、醫(yī)學領域、農(nóng)業(yè)領域、商業(yè)領域等諸多領域，其能夠在分類與預測中給予決策者有效的決策信息，從而做出科學決策。

（4）結(jié)果的動態(tài)性。數(shù)據(jù)是瞬息萬變的，隨著數(shù)據(jù)的不斷變化，數(shù)據(jù)挖掘結(jié)果也會發(fā)生相應改變，具有實時性、動態(tài)性的特征。

2.4 數(shù)據(jù)挖掘的常用技術

從創(chuàng)建至今，數(shù)據(jù)挖掘技術涉及各種學科領域。不同學科特點的挖掘技術存在著非常大的差異。因而，針對不同學科選取的技術也會有所區(qū)別。當前，數(shù)據(jù)挖掘的常用技術包括決策樹、關聯(lián)規(guī)則、人工神經(jīng)網(wǎng)絡、模糊集和粗糙集等，他們的基本概念和優(yōu)缺點各不相同。目前應用較為廣泛的幾種挖掘方法，它們的特點是：決策樹：易于構(gòu)造，簡單清晰，但難以預測連續(xù)性數(shù)據(jù)；關聯(lián)規(guī)則：適應性強，結(jié)果清晰明了，但需要準確設置最小支持度和最小置信度；人工神經(jīng)網(wǎng)絡：適應性、自學習和容錯性強，具有并行處理能力，但數(shù)據(jù)準備花費大，挖掘過程復雜難理解，且對設計者的要求高?？梢?，了解數(shù)據(jù)挖掘常用技術，掌握其不同優(yōu)缺點，并依據(jù)不同的挖掘領域和挖掘任務，選取恰當?shù)募夹g，對于挖掘結(jié)果的科學性至關重要。

2.5 關聯(lián)規(guī)則挖掘

關聯(lián)規(guī)則（Association Rule）是在數(shù)據(jù)挖掘的一個重要研究方向，用以描述事物間的相互聯(lián)系，是數(shù)據(jù)中一種簡單實用的規(guī)則。關聯(lián)規(guī)則的定義是：在給定一個事務數(shù)據(jù)庫的范圍內(nèi)，基于支持度（Support）-置信度（Confidence）框架中，發(fā)現(xiàn)數(shù)據(jù)之間大量有趣的相互聯(lián)系，找出所有支持度和置信度均滿足用戶設定的最小支持度閾值和最小置信度閾值的關聯(lián)規(guī)則。

支持度的算術表達式為：Support（X?Y）=P（X∪Y），即該條規(guī)則在所有事務中所占的比例，是表示這條關聯(lián)規(guī)則的頻度。

置信度算術表達式為： Confidence（X?Y）=P（Y︱X），即在包含X的事務中，出現(xiàn)Y的概率，它是關聯(lián)規(guī)則準確度的衡量標準。

從上述關聯(lián)規(guī)則的定義發(fā)現(xiàn)，任意兩個事務之間都存在大量屬性值的不同的關聯(lián)規(guī)則。實際上，滿足一定出現(xiàn)幾率且具有實用性的關聯(lián)規(guī)則才有價值、有意義。劃定合理范圍、選取恰當?shù)淖钚≈С侄群妥钚≈眯哦?，這取決于對數(shù)據(jù)挖掘目的的估計：如果取值過小，會發(fā)現(xiàn)大量的關聯(lián)規(guī)則，使有價值的關聯(lián)規(guī)則容易被埋沒，既浪費系統(tǒng)資源，又影響數(shù)據(jù)挖掘的執(zhí)行效率；如果取值過大，則有可能錯失比較稀有的規(guī)則。而在實際中，往往就是這類稀有的規(guī)則能帶來利益，凸顯價值。

3 “思想道德修養(yǎng)與法律基礎”課程評價

3.1 數(shù)據(jù)挖掘?qū)ο蠹斑x擇

教學評價是課程教學過程中的重要環(huán)節(jié)，其在指導教師開展教學效果評估，促進教學效果提升起著相當重要的作用?？茖W、有效、全面的教學評價能夠幫助思想政治理論課教師準確把握教學進程，及時調(diào)整教學方法，有效改進教學模式。筆者所在的廣西衛(wèi)生職業(yè)技術學院，一直在努力提高“思想道德修養(yǎng)與法律基礎”課程教育的質(zhì)量，嘗試過許多評價課程質(zhì)量的評價標準，但都不盡如人滿意。如：以調(diào)查問卷的形式向授課對象（學生）發(fā)放相關問卷，對回收問卷進行統(tǒng)計后得出學生對課程的滿意程度。但此種形式，容易造成的偏差是學生大多關注于教師個人的人格魅力、課堂的活躍程度、授課語言的幽默風趣程度等因素，而忽略了教師授課本身的理論素養(yǎng)；以單純的期末成績來評價，此種評價即唯分數(shù)論，本門課程是一門行為養(yǎng)成的課程，唯分數(shù)論有悖于思想政治教育教學目的中“知性合一”的教學目標；以綜合期末成績來評價，教學效果缺乏統(tǒng)一的量化標準，往往受到科學性、真實性等方面因素的質(zhì)疑。

為了解決上述評價標準的弊端，筆者嘗試將數(shù)據(jù)挖掘技術中的預測功能應用于教學評價中，利用關聯(lián)規(guī)則挖掘模式，試圖從大量數(shù)據(jù)中挖掘一些隱含在數(shù)據(jù)之間，有價值的關聯(lián)規(guī)則，另一個角度科學地分析某課程的教學評價。本次數(shù)據(jù)挖掘?qū)ο筮x定為2009年至2014年，廣西衛(wèi)生職業(yè)技術學院社管系（含原社科部），“思想道德修養(yǎng)與法律基礎”課程的所有數(shù)據(jù)。該數(shù)據(jù)包含所有學生個人信息，平時上課、學習、考試以及實踐信息，成績由平時成績、實踐成績和考試成績?nèi)糠纸M成，以及承擔該門課程任務的教師信息，將近2萬條各類原始數(shù)據(jù)。

3.2 數(shù)據(jù)挖掘過程

通過對數(shù)據(jù)挖掘?qū)ο蟮倪x擇，按照數(shù)據(jù)挖掘的要求，需要對原始數(shù)據(jù)進行數(shù)據(jù)準備方面的工作，包括數(shù)據(jù)選擇、數(shù)據(jù)清洗、數(shù)據(jù)離散化。

數(shù)據(jù)選擇過程，將原始數(shù)據(jù)中一些對挖掘結(jié)果的影響不大，不太需要的屬性剔除出去，比如學生的姓名、年齡等信息；數(shù)據(jù)清洗過程，是將選擇好的數(shù)據(jù)結(jié)果按照數(shù)據(jù)規(guī)范進行整理，主要完成明顯錯誤數(shù)據(jù)的舍棄、使用全局變量或平均值修補遺漏數(shù)據(jù)、“噪聲”數(shù)據(jù)平滑處理等工作；數(shù)據(jù)離散化過程，是將連續(xù)的數(shù)據(jù)轉(zhuǎn)化為離散的區(qū)間數(shù)據(jù)，例如將成績轉(zhuǎn)化為“優(yōu)”、“良”、“中”、“差”四等。

經(jīng)過上述數(shù)據(jù)準備階段的工作，可以將原始數(shù)據(jù)變?yōu)橐韵滦问降拇诰驍?shù)據(jù)表：

表3.1 待挖掘數(shù)據(jù)表

年級 姓名 教師 平時成績 實踐成績 考試成績

2009 王X 1 A A A

2009 盧X 1 B B A

… … … … … …

2009 劉X 2 C A C

2009 趙X 2 B C B

… … … … … …

2010 張X 3 D C C

2010 秦X 3 A B C

… … … … … …

由于這次數(shù)據(jù)挖掘的目的在于對課程效果的客觀評價，為的是能更科學評價各位授課教師的教學效果，更好地推進教學質(zhì)量的提高，因此，本次著眼的挖掘結(jié)果只是“優(yōu)”和“差”兩個極端。根據(jù)關聯(lián)規(guī)則有關支持度和置信度的定義，只分析成績?yōu)锳或者D的兩種可能，可以將表3.1的挖掘結(jié)果如下表3.2所示：

表3.2 挖掘結(jié)果表

教師1 教師2 教師3 教師4 …

平時

A 支持度 0.04 0.14 0.09 0.13 …

置信度 0.55 0.28 0.33 0.76 …

平時

D 支持度 0.23 0.15 0.07 0.02 …

置信度 0.33 0.39 0.72 0.35 …

實踐

A 支持度 0.19 0.13 0.01 0.05 …

置信度 0.44 0.72 0.10 0.52 …

實踐

D 支持度 0.02 0.06 0.13 0.07 …

置信度 0.26 0.34 0.53 0.86 …

考試

A 支持度 0.06 0.10 0.04 0.08 …

置信度 0.45 0.61 0.11 0.54 …

考試

D 支持度 0.16 0.03 0.05 0.11 …

置信度 0.30 0.47 0.30 0.61 …

支持度是關聯(lián)規(guī)則的頻度，表明出現(xiàn)的幾率。置信度是關聯(lián)規(guī)則的準確度。關聯(lián)規(guī)則挖掘結(jié)果也跟最小支持度和最小置信度的數(shù)值的選擇有著直接的關系。因此，需要慎重選擇。在實踐中，可以多次嘗試分別更改最小支持度和最小置信度的數(shù)值，找到較為合理的數(shù)值組合。經(jīng)過多次調(diào)整，本次數(shù)據(jù)挖掘最為合理的數(shù)值組合，確定選取最小支持度為0.1，最小置信度為0.5。將最小支持度和最小置信度應用于數(shù)據(jù)挖掘結(jié)果表3.2，整理出最終的挖掘結(jié)果為：

教師4?平時A；授課教師2?實踐A；教師3?實踐D；教師2?考試A；教師4?考試D。

以上關聯(lián)規(guī)則分別解讀為：學生在教師4的課堂中，平時表現(xiàn)較好，獲得評分較高，排除教師人為打分因素，可認定該教師在日常授課的方法較好；教師2在引導學生完成實踐作業(yè)的方面做得較好；教師3則在引導學生完成實踐作業(yè)的方面需要改進和提高；教師2在課堂理論講授做得較好；教師4在課堂理論講授方面有待提高。

通過將幾年的數(shù)據(jù)整合起來，形成統(tǒng)一的源數(shù)據(jù)，可以最大程度降低學生自身的因素，如學習態(tài)度、學習方法、學習能力等，對挖掘結(jié)果的影響，更有效地將課程評價的決定因素鎖定在教師自身的因素上。因此，該挖掘結(jié)果對于教師自我反思、交流學習、比較改進自己的授課方式方法和教學效果，具有較科學的指導意義，也對“思想道德修養(yǎng)與法律基礎”這門課程整體教學質(zhì)量提高具有明顯的推動作用。

4 結(jié)語

在當前重視數(shù)據(jù)收集和積累的信息時代，合理運用新技術，更充分有效利用數(shù)據(jù)，更好地借助信息化水平發(fā)展帶來的便利，使之為教學水平提高、進一步改善教學質(zhì)量提供參考依據(jù)。實踐結(jié)果證明，數(shù)據(jù)挖掘技術為課程評價提供了一個全新的視角和評價方法。該方法較之傳統(tǒng)的評價方法，能減少明顯的不足和弊端，能減少其他因素對結(jié)果的干擾，發(fā)現(xiàn)隱含在數(shù)據(jù)之間更有價值的知識，更科學地利用、分析數(shù)據(jù)。

參考文獻

[1]Han Jiawei， Michelin Kamber.范明，孟小峰譯.數(shù)據(jù)挖掘概念核技術（原書第2版）[M].北京：機械工業(yè)出版社，2007.

[2]紀希禹.數(shù)據(jù)挖掘技術應用實例[M].北京：機械工業(yè)出版社，2009.

[3]陳申燕.多層關聯(lián)規(guī)則挖掘算法的研究及應用[J].計算機工程與設計，2010，31：885-888.

[4]夏李燦.基于關聯(lián)規(guī)則的移動資費與手機上網(wǎng)收益相關性數(shù)據(jù)研究[D].長沙：湖南大學，2010.

[5]http：//datamininglab.com/

作者簡介

鄒靜（1981-），女，廣東南海，法學碩士研究生，中級，憲法、行政法、數(shù)據(jù)挖掘。

楊劼（1981-），男，湖南長沙，計算機科學碩士研究生，初級 數(shù)據(jù)庫應用、數(shù)據(jù)挖掘。