陈 涛，周建庆

(安徽医学高等专科学校,安徽 合肥 230601)

1 引 言

随着社会的发展，信息化和网络化已经融入高校工作的各个环节，其间各高校在教学管理等方面均累积了海量的数据，但很多高校均停留在利用原始数据进行最基本的排序筛选和汇总统计上，无法进行更有效的利用。KDD技术可以从大量不规则的数据中发现潜在有用的知识，从而更好的修正和指导教学。有效的课堂教学质量的评价主要依赖于指标设置的科学性和合理性。目前评价指标的设定主要参考国内外各高校已有课堂教学评价指标，将有效教学特征分为多个细目进行评价，评价结果的准确性尚需要进一步分析与验证。运用KDD技术，对海量的评价数据进行相关性分析，可以从中得到隐藏而潜在有用的数据和知识，在此基础上研究课堂教学质量评价各项指标对总体评价的影响，能更精准地评价教学效果。

2 KDD技术与课堂教学评价体系

2.1 KDD技术与数据挖掘

KDD （Knowledge Discovery in Data）—知识发现，是从数据中识别有效的、新颖的、有价值的、可理解的模式的非平凡过程，KDD的过程可粗略地划分为3部分：数据准备(data preparation)、数据挖掘(data mining)以及结果的解释评估(interpretation and evaluation)。KDD过程是多个步骤相互连接、反复进行人机交互的过程。包括对某领域知识的学习、建立目标数据集、数据处理、数据变换、数据挖掘、模式评估、知识表示与发现等过程。[1]

KDD核心技术是数据挖掘DM(Data Mining)。所谓DM，就是从数据库中抽取隐含的、以前未知的、具有潜在应用价值的信息的过程，即从海量无规则数据中挖掘有价值的信息或知识。……