随着信息化建设的发展,高等学校积累了海量的教务数据,对该数据进行挖掘,并探讨建立高效的质量评价指标体系显得十分必要。首先,基于某高校学期内所有课程的评教大数据,从5项指标出发,采用熵权法定量计算各项指标的权重,建立了机器学习...随着信息化建设的发展,高等学校积累了海量的教务数据,对该数据进行挖掘,并探讨建立高效的质量评价指标体系显得十分必要。首先,基于某高校学期内所有课程的评教大数据,从5项指标出发,采用熵权法定量计算各项指标的权重,建立了机器学习的TOPSIS(Technique for order preference by similarity to an ideal solution)模型;然后,将大数据按照得分进行聚类分析,得到了相应的教学特征;最后,将课程考核平均绩点与各项指标得分进行相关分析,结果表明课程综合评价得分以及5项指标与课程成绩均呈现统计学上显著的相关性。展开更多
文摘随着信息化建设的发展,高等学校积累了海量的教务数据,对该数据进行挖掘,并探讨建立高效的质量评价指标体系显得十分必要。首先,基于某高校学期内所有课程的评教大数据,从5项指标出发,采用熵权法定量计算各项指标的权重,建立了机器学习的TOPSIS(Technique for order preference by similarity to an ideal solution)模型;然后,将大数据按照得分进行聚类分析,得到了相应的教学特征;最后,将课程考核平均绩点与各项指标得分进行相关分析,结果表明课程综合评价得分以及5项指标与课程成绩均呈现统计学上显著的相关性。
