李常训 赵伟峰 吴凤静

(安徽科技学院，安徽 蚌埠 233100)

一、引言

2020年，新型冠状病毒在多国多点暴发，全国高等院校贯彻落实“停课不停学”的文件精神[1]，实行线上教学模式，这是对传统高校教学环境、方法、技术和功能的重大革新。教学质量的保证依赖于教学评价管理，传统教学管理的指标体系与评价方法的适用度有待评估，探讨如何有效评价高校线上教学质量成为高校教学评价研究的重点与焦点。

在教育研究领域，通过构建教学评价模型，运用数据挖掘( Data Mining)技术，探讨评价对象与评价指标间的内在联系，给出更加有效的评价标准与方法以提升高校教学质量，成为教学评价与教学管理的发展趋势[2]。相较于传统的教学，线上教学模式扩展了获得教育数据的领域，涉及大量的携带更有价值信息的半结构化和非结构化的数据[3]。Divna等人以Moodle平台中的学习数据为基础，运用聚类算法分析，实证了应用数据挖掘技术分析网络学习的可行性[4]。刘坚等人利用数据挖掘分析方法对多种评价指标数据进行因子分析和聚类分析，证明了其在教学指标权重和教学水平划分的重要作用[2]。Huseyin等人基于多种模型视图建立了数据挖掘系统，运用决策树算法预测学生学习效果的显著因素[5]。陈子健等对远程学习者学习效果的影响因素进行数据挖掘，并基于机器学习构建分类预测模型[6]。

综上所述，各界学者对线上教学评价的分析，问题突出表现在，一是评价指标体系或模型多采用一级指标或综合性指标，精确度有待提升，同时大大降低了实用性。……