文摘

本研究介绍了基本指南开发一个政治思想教育评价指标体系根据当前系统的缺点,包括其有限的评估目标,单一评价方法,评价指标缺乏针对性,评价标准的主观性。同时,大数据相关技术被用来确定评价体系的指标和指标权重系数的政治思想在高等学校教学。这是早期的研究的基础上对大数据和教学评价。本研究中使用的决策树方法建立教学评价的预测模型,然后修剪基于“相对支持”对样本数据进行分类。决策树方法是针对大量的教师信息数据库。最后验证了模型。根据实验发现,这种教育评价体系是稳定的一定程度的94.6%,及其评价精度可以达到95.33%的水平。教育评价系统的有效性和可靠性发达在这项研究证实了这个结果。大数据因此可以用来评估政治思想教育在高等教育机构,为相关研究提供了一些新的视角。

1。介绍

一个理论框架来评估教育逐步发展。评估对象包括教育计划、教育活动,乃至整个教育过程1)除了对学生学习的影响。政治思想教育评价体系是一个有机结构由许多不同但连接评价项目和评价标准,获取政治思想教育的影响。系统分析教育质量应该被包括在教育质量的评价,基于定性和定量描述(2]。AHP(层次分析法)、回归分析、因子分析、聚类分析、齐次马尔可夫链和数据包络分析的只是几个评价技术(3]。除了强调政治思想的缺点教师政治思想的教学过程中,教学评价是一个关键的工具测量的过程和影响政治思想教育。这允许对教学方法和教学质量的提高。它还可以帮助学生识别问题与他们的学习为了提高学习效率4]。评估结论是基于数据和数据的有效性决定了疗效的评价5]。这是需要解决的主要问题的分析和挖掘数据的评价教育的一个重要指标。改革教学策略,改进培训方法,给教学决策一个坚实的科学基础都是很重要的。

大数据是这个术语,用来描述各种各样的数据集,无法收集,存储,查询,共享,或分析使用目前可用的软件工具。大数据的使用已渗透到生活的各个领域,由于数据技术的快速发展。使用大数据领域的教育也获得了广泛的关注(6]。大数据的使用是普遍在所有学术领域,特别强调计算机软件和应用,自动化技术、宏观经济管理、数学、电信技术、企业经济,和互联网技术。数据挖掘(DM) [7,8)从数据中删除的过程有趣,潜力,可用的个人知识和表达的方式,用户可以理解。DM中最活跃的研究领域之一是关联规则挖掘,它反映了有趣的在很多数据项之间的相关性。DM的频繁应用技术之一是决策树算法。显示规则等方式将获得什么样的价值在什么情况下是由决策树方法。教育大数据信息平台可以帮助教育部评估学校的教育资源公平和科学的方式和基于分析教师的课堂表现,它可以评估教师的教育水平在一个更公平、科学、全面。大数据时代的总体趋势是使用数据驱动改进教学和学习。教育质量评价积累了大量的数据作为学习和教学的重要组成部分。数据掩盖了大量的法律问题,必须立即发现并应用(9]。数据研究的一个重要领域是如何负责任地使用大数据来支持决策促进生活的所有方面。人们特别关注大数据的商业应用价值,可以帮助企业分割他们的顾客和提供高质量的定制服务10,11]。以下是本研究的创新。

本研究调查评估体系的发展政治思想指导高等教育机构从大数据应用背景的角度来看。DM的概念分为以下5个水平基于数据的层次结构和复杂性:描述性分析、相关性分析、预测解释,分类分析和制度建设。此外,这项研究彻底的理解适用于大数据和政治思想教学评价研究如何开发一个政治思想在高等教育教学评估系统机构,满足大数据时代的要求。

针对当前的政治思想教育评价体系的缺陷,如狭窄的评价目标,单一的评价方法,缺乏针对性的评价指标和主观的评价标准,本研究提出了构建一个评价指标体系的基本原则的政治思想教育。与此同时,基于前人研究大数据和教学评价,大数据相关技术应用于确定评价体系的指标和指标权重系数的政治思想在高等学校教学。它提供了一个全新的视野和广阔的政治思想的评价理念在高等学校教学。

政治思想教育的评价体系基于大数据的概念是本文的主要话题。五个章节的具体组织结构如下:部分的开始1。本文的研究背景和意义首先被覆盖在这一章,以及研究的基本思想和组织原则。一个相关的章是部分2。本章提出了研究工作和程序用于这项研究,以及研究课题国内外的研究现状。方法部分的部分3。本节主要集中于DM的定义和分类;本研究探讨的主要方法,治疗的过程中,和DM的应用技术。基于数据的大政治思想教育提出了评价方法和发展。节4算法的性能和收益模型用于这项研究检查了。结论和展望部分中找到5。本研究的研究总结了在这一节中,和任何当前要检查缺陷的潜在未来的改进。最后,研究的重点是浓缩的,即将到来的方向和范围的研究前景。

2。相关工作

曼分析了现有评价方法的政治思想教育,并从国内外管理性能的定量方法。建立和完善不同指数系统的定量方法12]。Likki Staerkle试图使用决策树、关联规则构建高等学校教学评估体系,为了我的老师信息和教学效果之间的关系,并提供决策依据教学评价方法(13,14]。以综合评价学生的学习和考试成绩为研究对象,肯等人关注如何建立综合评价模型;并进行了仿真分析的合理性评价模型(15]。基于教学评价数据,崔和金姆使用关联规则挖掘的方法来优化关联挖掘的结果通过比较不同的离散化方法,在不同的支持和信心阈值找到之间的差异教学效果和教师的基本情况。关系。另外验证预测模型(16]。维兰纽瓦等人提出一个动作路径数据驱动的改进教育教学。同时,从三个方面提出了相关建议:顶层设计的教育评价、教育评价的建设专业团队,和基于数据的实证研究17]。基于因子分析和聚类分析,夏和燕提出一个因素排名的学生评价方法(18]。这种方法是完全不同的从传统的学生评价结果基于学生的总分,并能评估学生以更多元化的方式。

缺乏研究使用大数据来评估政治思想在高等教育机构的教学提供了一个机会和挑战这一主题的发展。本研究构建一个评价体系对政治思想教育基于大数据的概念,总结了每种方法的优点和缺点使用彻底回顾相关文献。考虑到现有系统的缺点,包括其约束评价目标,独特的评价方法,缺乏适用性的评价指标和主观的评价标准,本研究提出了基本原则为发展中政治思想教育的评价指标体系。本研究目标大量教师教学信息数据库,同时开发预测模型评估使用决策树方法。为了分类样本数据基于“相对支持度”,决策树被修剪。最后,模型验证。

3所示。方法

3.1。矿业政治思想教育的评估数据质量

大数据是数据的集合,使用目前可用的软件工具管理和处理。它可以快速获得、处理和分析数据使用当前的软件工具,然后从中提取有用的数据(19]。使用大数据领域的教育是随着大数据的发展扩张。收集和矿业的基础教育提供的数据也是教育信息技术。教学质量评价是教育教学的重要组成部分,而这样做的结果是,积累了大量的数据。然而,数据也掩盖了大量的法律问题,迫切需要探索和应用程序(20.]。大量的数据,各种复杂的数据类型,数据值密度低,和令人难以置信的快速数据处理速度是大数据的四个特征。不同的部门在高等教育机构长期以来存在分散、独立的国家,它们的发展已经逐步。自动教学评价就可以完成在高等教育机构由于大数据应用的发展。高等教育机构已经进入了一个新的时代在线办公和网上教学管理与数字化校园的发展。可以统一大量以各种格式的数据,以前在各部门的管理系统。信息系统的数据量也在迅速增长的管理模式的变化。大量的数据中发现潜在的规则使用各种数学技术被称为数据挖掘(DM)。这是需要解决的主要问题的分析和挖掘数据的评价教育的一个重要指标。DM矿山信息和发现知识,它假设,这是区别DM和传统数据分析的关键。 The data gathered by DM should have three qualities: it should be novel, efficient, and useful. The DM model structure is shown in Figure1。

总的来说,有很多缺点在当前高等学校教学评估。例如,学校教学评价活动的形式和信息来源相对单一;评价方法过于简单和单一;缺乏数据平台支持;一系列的问题,如不能及时反馈和总结教师教学评价的结果。政治思想教育的评价体系在高等教育机构必须进一步改善这些问题的结果。寻找稳定的法律和潜在问题背后的数据海量数据用于教育质量评价是有价值的。通过预见未来趋势和行为,DM知识和前瞻性的决策。分类和预测、关联分析、聚类、概念描述,和偏差检测是DM的五个特性。分析目前学生的成就在很大程度上依赖于DM (21]。广泛的专业背景,包括教育管理、学科教学、心理测量、信息技术、使用等,在高度专业教育评估工具的发展。它需要经过很多步骤,包括帧创建、项目设计、测试面试,修订讨论,等,要求大量的劳动力和物质资源。学生的评价评估政治思想教学的传统方法主要是基于其政治思想成就,和政治思想的评价教师主要是基于个人,主观印象,使评价两个不完整的和不可靠的。政治思想的教室环境能精确记录和评估使用大数据技术,允许政治思想教师和学生更全面、客观地了解自己。对于教师和学生的政治思想,我们还可以提供科学的评价技术。实施教学评价的过程如下:教学评价体系是由专家研究,课程结束后,管理部门安排学生年级教师按照教学的态度、评价体系的要求内容,方法和影响。目前阻止学校使用系统的两个基本问题,为所有类型的结构化数据库和高质量的数据质量评价工作。首先,有一个问题与数据源;第二,缺乏顶层设计和整体思维和设计的应用评价内容、评价方法和评价结果的评价教育质量由学校在全国范围内实施。 The process of designing a scientific comprehensive evaluation index system and choosing a workable comprehensive evaluation method in accordance with the evaluation objectives constitutes the research on the evaluation of college students' political thought education. The systematic scientific method is required as the theoretical framework for this research because it is a complex system with numerous factors, indicators, and levels. With the advent of the era of big data, it provides a brand-new vision and broad ideas for the evaluation of political thought teaching in institution of higher learning. Using big data knowledge to study the evaluation system of political thought teaching in institution of higher learning can not only promote the implementation of teaching evaluation in institution of higher learning, but also effectively improve the quality of political thought teaching in institution of higher learning.

3.2。的基本原理构建现代政治思想教育的评价体系

为学校教学质量评价是一种手段,让教师和学生参与教学管理和监督,针对提高学校教师和学生的责任感,确保教学质量。评价指标的概念和定量表达式是一个评价对象的某些特征。它不仅可以澄清的概念评价对象,但也反映出评价对象的数量,和既有定性和定量知识。的基本规则辩证法必须遵循的普遍联系,必须克服形而上学的片面性,和一个全方位,全过程、多角度评价标准必须从头开始构建指标体系。政治思想的教学评价体系的高等教育机构应该理论为基础,从政治思想教学过程的各个方面,并主要遵循以下原则:(1)客观、科学的原则。(2)的完整性和全面性原则。(3)可测试性和可行性原则。(4)的想法融合普遍性与独特性。(5)开放性和敏捷原则。科学的政治思想教育评估目标对整个评价活动具有重要的指导意义。 Promoting people’s overall development is the overarching or core objective of political thought education. The entire political thought education evaluation index system should demonstrate care and concern for people’s current circumstances and future development, encourage people to recognise their own value and the unity of social development, and accomplish the goal of promoting people’s holistic development. Weight is used to compare and quantify the relative importance of various factors in the overall set of things being evaluated, and changes in the weight value are directly correlated with the outcome of the evaluation. As a result, the index weight reflects the degree to which a particular index matters in the evaluation index. To ensure that the detailed indicator system can comprehensively, systematically, and effectively reflect, reproduce, and cover the evaluation content of political thought education, and draw a comprehensive conclusion, the evaluation system should convert the project’s content into a number of detailed indicators. This makes it easier to comprehensively and systematically understand the evaluation object’s overall situation.

评价指标体系无法改变一旦被建立。系统的有效性,以及公众接受的评价以及动机的人的评价,都是影响因素如何客观的评价指标体系。政治思想教育评价体系具有以下特点:(1)目标。为此,有必要深入了解社会背景,设计和实现政治思想教育,实现政治思想教育。(2)活跃。评价体系的动态特性是最初要求课程所展示的政治思想教育与时俱进。(3)比较。确定一个评价系统的关键是有效的是相比其他评价系统。(4)沟通。评价主体必须使用他们所有的主动性和极性来完成这一任务。 In order for a system of scientific political thought education to be effective, the object must be able to be evaluated. Measurability, however, does not always imply feasibility, and sometimes the system of standard scientific evaluation is challenging to put into use. In order to build the evaluation system for political thought education, it is crucial to address the dialectical relationship between measurability and feasibility. All indicators in the political thought education evaluation index system should, at the same time, reflect care that is people-oriented and humanistic from various angles and to varying degrees; reflect the fundamental values of respect, understanding, care, and cultivation of people It should demonstrate the fundamental values of valuing people’s contributions, reaffirming their roles, and fully igniting and mobilising their enthusiasm, initiative, and creativity.

3.3。政治思想教育的评价体系建设

首先,根据矿业目标,收集使用的原始数据,这些数据清洗、转换和集成生成示例数据。单独的数据的统计描述大致可以分为四类:集中趋势,离散趋势,分布、相对位置,等。一般来说,相应的指标可以直接生成的统计函数的操作软件。在此基础上,可以进行更详细的描述和分析来描述和分析一个特定的索引类别。可靠性反映测量结果的可靠性,也就是说,是否真正的测试结果和客观地反映考生的实际水平。可靠性越高,测试结果更加可靠和稳定的。影响可靠性的主要因素是测量误差。数据预处理可以提供干净的数据挖掘,这是糖尿病的一个重要阶段。数据预处理主要是清理收集到的数据。由于数据库中的数据通常是不可靠的和吵闹,是很重要的检查数据,以确保其准确性和一致性,消除任何错误,取代任何缺失的信息,并删除任何过时的信息存储数据库之前准确、一致的,和所有数据。专家的热情系数是指专家咨询形式的反应率。录取率的价值越大,专家的积极性就越高。 The formula is:

其中,是指所有专家的数量,指的是实际数量的专家参与。变异系数计算如下: 在哪里代表变异系数,代表标准偏差,代表算术平均值。我们的数据集 , 被分类的数量 ; 某一分类的标签;的概率是样本属于吗 ,和是样品的数量分类 。预期的信息对于一个给定的样本分类:

让属性有不同的价值观: 可分为与属性子集 :

其中,包含一些样品 ,它有价值在 。如果选择测试属性,从这些子集对应于分支节点包含设置 。让是类的样本的数量在子集 。然后,熵或预期信息分为子集可以由

一般而言,熵值越小,子集划分的纯度越高。,对于一个给定的子集 :

然后获得的信息:

获得(一个)被认为是减少熵得到除以样本集按属性值。皮尔森相关系数是衡量相似的变量,和相关系数的输出范围(−1,1)之间。皮尔森相关系数计算公式可以选择确定两个变量之间的相关系数,如果这两个变量是派生的人口正态分布:

其中,和两个样品的平均值;和两个样本的标准差。

因子分析的目的是把原始变量之间的相关性和常见的因素,研究相关矩阵和协方差矩阵的内部依赖关系,总结大量的原始变量的数据较少的常见因素,和分类变量的共同权力因素。只要找到自上而下的上三层分支节点,其余属性是最后一个分支节点。获得计算的目标是选择测试属性的属性最大的增益设置为后续分支属性。教学评价的主要结构和过程如图所示2。

除了知道单个变量的结果,有必要研究两种类型的现象或行为之间的关系在教育和了解一种类型的行为方向和程度的影响。当两个或多个相关变量是使用相关分析的方法,分析变量之间的密切关联的程度是使用特定的相关系数值量化。学习一些客观规律和事实是相关分析的主要目标。如果我们能确定高度相关的元素,我们可以调整自变量因变量的改善结果。数据预处理不保证数据的准确性和完美,它可能包含一些噪声数据。许多分支在生成的决策树训练数据集中的反映异常情况时噪声在训练数据集或数量太小,生产目标函数的代表样本。经常需要分类数据分析的样品质量评价当样本容量较大或有许多变量进行分析,以分析组织更彻底。为了确定数据是否异常,本研究应用的三个原则。在这项研究中,异常值偏离平均值的一组测量值超过三次。本研究采用直接消除高度异常值。 In order to obtain ideal decision rules from a fully grown decision tree that are as loyal to the source data as possible, it is necessary to prune the decision tree. Obviously, over-pruning and under-pruning will greatly affect the quality of decision rules. In this study, the method of combining front pruning with back pruning is chosen, in which the front pruning adopts the pruning algorithm based on “relative support” and the back pruning adopts the simplified pessimistic error pruning algorithm.

4所示。结果分析和讨论

评价大学生的政治思想教育、指标和标准的制定是一个非常重要的基础工作。不同的指标都有自己的特点和变化范围。指数标准制定研究中是普遍的在高校政治思想教育的评价。本章使用指标体系来评价政治思想教育。硬件实验环境研究研究:Windows64-bit操作系统,基于X64处理器,1.60 GHz CPU运行和16 G内存;软件环境是SPSS软件,版本是Stastistics WinWrap基本脚本;Python语言。政治思想教育评价的调查结果如表所示1。

数据必须收集数据挖掘之前为了采矿有明确的数据分析对象和数据库来存储收集到的数据。本文的主要数据来源是教学评估信息表和教师的基本信息表。网络的学习性能曲线与训练样本训练后如图3。

从这,我们可以看到,网络也能相对迅速地实现预定的性能目标。这表明,在本研究中建立的网络模型是合理的。此外,是否代表数据挖掘结果会有很大的影响。代表性数据,我们应该扩大数据库,增加节点的分配比样品,我再一次,将得到不同的结果。数据收集意味着建立一个新项目后,评估数据终于进入根据项目类别和规定的评价方法。政治思想的教师,在这项研究中,领导人和学生输入政治思想教学的评价数据从校园网络平台,与此同时,他们可以添加、修改、删除和执行其他操作功能。系统的稳定性结果如图所示4。

分析结果显示为图表、文字,通过可视化工具报告等。此外,测试数据集是用来检查,分析和建模过程优化来提高挖掘的准确性和效率。图5显示了不同的算法的精度比较。图6显示了不同的算法的效率比较。

通过应用big-data-related技术政治思想教学评价,收集到的数据可以集成和分析,可以深入挖掘和大量的信息,使评价结果更加科学和客观,有一定的应用价值。比较不同算法在本章实验结果的均方误差(均方误差),均方根误差(均方根误差),和梅(平均绝对误差)如表所示2。

评估后,有一个必不可少的环节,即反馈链接,没有评估是不完整的。政治思想教育的评价通过最后的反馈应该发挥它的作用。如果没有反馈,政治思想教育的评价就会失去应有的意义和作用。总共有200名教师和学生选择本研究评估的教育评价体系。教师和学生的主观分数图所示7。

本章的实验结果表明,这种教育评价系统的稳定性是94.6%左右,及其评价精度可以达到95.33%。这个结果验证构建的教育评价体系的有效性和可靠性。因此,它是可行的大数据应用于政治思想的评价教学在高等院校,为相关研究提供了一些新思路。

5。结论

使用DM技术教育管理领域的稳步增长和进步的高等学校科学管理标准。大学管理者有一个坚实的基础来做出明智的决策由于特定关联规则在教学管理中的应用。政治思想教育的评价可以集成和分析收集的数据,探究深,收集大量的信息与大数据相关技术的帮助。本研究调查评估体系的发展政治思想指导高等教育机构从大数据应用背景的角度来看。DM的概念分为以下5个水平基于数据的层次结构和复杂性:描述性分析、相关性分析、预测解释,分类分析和制度建设。根据实验发现,这种教育评价体系是稳定的一定程度的94.6%,及其评价精度可以达到95.33%的水平。教育评价系统的有效性和可靠性发达在这项研究证实了这个结果。结果,可以使用大数据来评估政治思想在高等教育机构的教学,作为一个模型和设计的灵感来源持续促进教育质量评估。评价指标的选择政治思想在高等学校教学仍不能满足大数据的时代,由于技术的局限性和可行性的影响;因此,这项研究的结论可能有一些限制和缺陷。 Additionally, there is no empirical research, necessitating future investigation and study.

数据可用性

使用的数据来支持本研究的发现可以从作者要求。

的利益冲突

作者没有任何可能的利益冲突。

确认

本研究支持的2021年河南省高等教育教学改革研究与实践项目:思想政治教学改革的研究与实践的概念下高职院校思想政治课程“大”(没有。:2021 sjglx996)。