陈晓红,安烁羽,亓 慧

(1.广州南洋理工职业学院 人文与教育学院,广东 广州 510925;2.上海交通大学 马克思主义学院,上海 200240;3.太原师范学院 计算机系,山西 晋中 030619)

0 引言

随着数据挖掘技术的发展,高校教学管理摒弃了原有人工统计繁琐且有误差的弊端，借助计算机和智能算法来实现大规模教学数据的深度挖掘[1-2].相比于传统统计及平台数据分析灵活性差等缺点,通过有效挖掘,可以从不同角度对教学产生的数据进行多维度分析,提高教学分析的科学性,这为高校的教学管理决策提供了有力数据支持.大学英语作为高校专业覆盖面最广、跨越年级最长的课程之一,其教学质量评估需考虑的因素多,教学质量评估难度大,需要通过合适算法来完成教学质量的深度评估.

当前,关于教学质量评估的研究成果丰富.张雅清[3]采用SVM和主动学习完成了教学质量评估,张居设[4]采用神经网络和GA算法对英语教学质量评估,卫娜[5]详细分析了英语教学多维评估指标方法.这些研究均存在评估效率不高且缺乏一致性验证的问题.本文采用决策树算法对影响英语教学质量的关键因素进行分类,生成有效的分类规则,获得各指标因素的分析结果,并且采用规则关联对教学质量评估进行结果一致性验证.

1 决策树和规则关联

1.1 决策树的分类规则生成

决策树主要由根节点、分支节点和叶子节点构成[6],其核心结构如图1所示.

图1 决策树结构

设样本集合S中的……