黄 敏，何中市

（1.重庆工贸职业技术学院 信息工程系，重庆408000；2.重庆大学 计算机学院，重庆400044）

0 引 言

教学质量评价作为保障教学质量的重要手段之一，各高职院校建立了相应的评价系统，随着时间的推移，系统内的评价数据也在飞速的增长，传统的数据分析手段已明显落后。简单地将评价结果反馈给教学管理部门，并将该结果作为教师奖惩、晋升职称等的依据之一，无法对评价对象与评价结果间隐含的信息进行深入挖掘。数据挖掘技术作为一种新兴的先进的数据分析工具，正被广泛应用在各个领域［1－4］。基于数据挖掘技术的教学质量评价系统也进行了较多的研究［5－8］，但对评价结果的分析及应用方面研究较少。鉴于此，本文利用数据挖掘中的分类技术对评价对像与评价结果之间的关系进行深入研究，采用分类算法构造决策树，挖掘出潜在关系，并将研究结果运用于实际，为教学管理者提供了更多的帮助信息。

1 数据挖掘

数据挖掘也叫数据开采，就是按照既定的目标，从大量数据中提取先前未知的信息或模式。它是从数据库中知识发现 （knowledge discovery in database，KDD）过程中的一个主要步骤。

KDD过程可以分为4部份：数据清理与集成 （cleaning and integration）、选择与转换 （selection and transformation）、数据挖掘 （data mining）、评估与表示 （evaluation and presentation）。数据清理与集成的目的是辨别出需要分析的数据集合，缩小处理范围，然而实际系统中收集到的原始数据通常是 “脏”的，即数据存在杂乱性、重复性以及不完整性；选择与转换可以处理数据中的遗漏及清洗脏数据，从而提高数据挖掘的质量；……