摘  要： 應用模糊聚類最大樹算法對教學質量評估指標進行聚類以確定關鍵評估指標集，使用模糊相似關系挖掘出大量數據中教學質量評估指標與評估等級之間的規則，并以本校數據實例為對象建立教學質量評估模糊數據挖掘驗證了該方法的有效性。
關鍵詞： 模糊數據挖掘；模糊聚類；教學質量評估；模糊相似矩陣

    教學管理是為了實現教學目標，按照教學規律和特點對教學過程進行的全面管理。通過不斷改善影響學校教學質量的內部因素和外部因素，建立科學的評價體系來提高教學質量，達到最佳教學效果。
    數據挖掘是從大量數據中提取或“挖掘”知識(即數據中的知識發現)，并以這些知識為基礎，自動做出決策和預測。數據挖掘已經應用于眾多領域，如金融數據分析、零售業、信息檢索等。隨著信息技術的發展和高等教育體制改革的不斷深入，高校實現了教育信息化，大大提高了工作效率。將數據挖掘技術應用于高校教務管理中，可以挖掘出重要的對決策或者預測有用的信息和知識，利用分析結果輔助教學，幫助教學管理者做出科學的決策。然而數據庫或者數據倉庫的容量越大，系統復雜性越高，相應的精確化能力就越低，也就是說模糊性越強，因而僅僅依靠復雜算法和推理并不能完全發現隱藏知識，因此，考慮將模糊數學、模糊邏輯和數據挖掘結合起來的模糊數據挖掘技術引入到教學質量評估中。



3 模糊數據挖掘在教學質量評估中的應用
3.1 建立教學質量評價指標體系
    課堂教學質量測評工作是教學質量評估體系的重要組成，是加強教學管理、提高教學質量的重要手段。為使課堂教學質量、學生測評工作科學化和規范化，教務處制定了完善的課堂教學評價指標體系，其中第n條是整體評價。如表1所示。

3.2 教學質量評價中的模糊數據挖掘
    通過科學評估教師的課堂教學質量，為學校教學管理提供決策的信息與依據，促使形成一套較為完整的教學評價機制。每門課程的學生測評成績（統計時自動剔除5%的最高分和最低分）由教務管理系統自動生成。教師的學期測評成績為其該學期所承擔的各門課程學生測評成績的平均值。年度測評成績為兩學期的平均值。如教師只承擔一個學期的課程，則以該學期測評成績為其該年成績。教師年度學生測評成績以70％計入教師當年教學考核總評成績。表2所示為我校10名教師的學生測評成績。

    本文使用基于模糊聚類最大樹算法的模糊數據挖掘發現教學質量評估數據庫中教師課堂教學質量評估等級同評估指標之間的規則知識，依據該規則知識對挖掘結果進行有效的評價，并且在分析、預測方面有著很大的優勢，從而幫助決策者做出決策。當然對于該教學質量數據挖掘來說，這只是一部分工作，如何進一步優化該系統是下一步研究的主要工作。
參考文獻
[1] 劉琦，林懷忠，陳純.模糊聚類的最大樹算法在Web頁面分類中的應用[J].計算機應用研究，2004，21(11)：286-287.
[2] 王新洲，舒海翅.模糊相似矩陣的構造[J].吉首大學學報(自然科學版)，2003，24(3)：37-41.
[3] Zhan Liqiang，Liu Daxin.Fuzzy clustering method for web  user based on pages classification[J].Wuhan University Journal of Natural Sciences，2004，9(5)：553-556.
[4] 馮源.基于模糊相似矩陣與粗糙集的規則獲取[J].太原師范學院學報(自然科學版)，2008，7(1)：26-30.