任丽娜

(贵州轻工职业技术学院 信息工程系，贵阳 550001)

目前，高职教育存在几点不足：产学研用融合程度有待进一步提高，学校与社会、企业的合作有待进一步加强，课程体系和高职教材建设体系不够完善，有些专业的设置缺乏针对性，与市场需求相脱节现象。本研究根据实际数据样本设计出了基于SAWFCM算法的高职院校教学质量评价算法，用以改进聚类效果[1]，以期对高职院校教学质量作出准确评价。

1 基于大数据的高职院校教学质量评价体系

为了对传统教学质量评价体系进行积极改进、构建、完善、考量，本研究构建了由信息收集、数据处理、数据挖掘、结果公示、申诉机制这几部分组成的大数据背景下高职院校教学质量评价体系[2]。

2 基于SAWFCM的高职院校教学质量评估模型

数据挖掘阶段是整个基于大数据的高职院校教学质量评估体系的核心部分，可通过给定的聚类算法对该阶段从数据处理阶段得到的标准化数据进行分析，进而得到高职院校教师的教学质量分类。

将SAWFCM算法应用于数据挖掘阶段，将教学质量相关影响因素作为特征空间中的样本于迭代中，对所获取的当下最新数据予以重新的状态划分，重新计算并更新各样本的权重，不过高依赖随机选取的初始聚类中心和随机生成的初始隶属矩阵，进而提高高职院校教学质量评价的准确率。

对于给定教学质量评价数据集X={xi,i=1,…,n}，uik为样本xi对于第k个类的隶属度，其取值范围为[0，1]；ck为第k个类Ck的聚类中心；……