杨烨军，李娜，王徐凯

摘要：运用决策树算法挖掘影响研究生导师指导满意度的因素，并对机器学习所得相关影响因素进行列联分析，提出增加导师与研究生交流沟通的次数，积极引导、鼓励学生参加各类学术活动和科学研究等建议.

关键词：学科评估;指导质量;统计调查;机器学习

[中图分类号]G526.5[文献标志码]A

Research on the Satisfaction Factors about

Guidance Quality of Graduate Tutors

YANG Yejun*，LI Na，WANG Xukai

（ Anhui University of Finance and Economics，Institute of Statistics and Applied

Mathematics，Bengbu 233030，China）

Abstract：Use decision tree algorithm to excavate factors affecting the guidance of graduate tutors，and analyze the relevant factors basing on machine learning.Then carry out contingency table analysis on the obtained influencing factors，and compare in detail the differences of influencing factors at different levels.Our recommendations are as follows：increase the number of additional tutors and postgraduate exchanges;actively guide and encourage students to participate in various academic activities and research projects of supervisors.

Key words：subject evaluation;guide quality;statistical survey;machine learning

決策树方法是常用于构造分类模型的机器学习方法.[1]通过决策树算法对回收的问卷进行机器学习，可以挖掘研究生导师指导质量满意度的主要影响因素，指导和改进教学.A大学研究生院的“导师指导质量”调查全程模拟了教育部学科评估中的研究生指导质量调查，具有一定的代表性.笔者以A大学为例，分析调查中反映出的问题，摸底研究生导师指导满意情况，查摆研究生导师指导过程中存在的问题，进一步提升研究生导师指导质量满意度.

1问卷说明与样本描述性统计

A大学研究生院于2020年5-6月组织了研究生“导师指导质量”问卷调查，问卷内容包括研究生对导师学术水平、人品道德及指导等细分方面满意度评价.问卷调查对象为所有在校研究生，共发放问卷1 800余份，回收有效问卷1 699份.

1.1问卷说明

导师指导质量问卷分析中决策树的目标变量是各项满意度，影响因素[2]包括导师职称、导师与学生月平均交流次数等12个变量，分别以导师学术水平、导师人品道德、思想品德指导、专业知识指导、科研能力指导、就业指导、日常生活……