摘  要： 应用模糊聚类最大树算法对教学质量评估指标进行聚类以确定关键评估指标集，使用模糊相似关系挖掘出大量数据中教学质量评估指标与评估等级之间的规则，并以本校数据实例为对象建立教学质量评估模糊数据挖掘验证了该方法的有效性。
关键词： 模糊数据挖掘；模糊聚类；教学质量评估；模糊相似矩阵

    教学管理是为了实现教学目标，按照教学规律和特点对教学过程进行的全面管理。通过不断改善影响学校教学质量的内部因素和外部因素，建立科学的评价体系来提高教学质量，达到最佳教学效果。
    数据挖掘是从大量数据中提取或“挖掘”知识(即数据中的知识发现)，并以这些知识为基础，自动做出决策和预测。数据挖掘已经应用于众多领域，如金融数据分析、零售业、信息检索等。随着信息技术的发展和高等教育体制改革的不断深入，高校实现了教育信息化，大大提高了工作效率。将数据挖掘技术应用于高校教务管理中，可以挖掘出重要的对决策或者预测有用的信息和知识，利用分析结果辅助教学，帮助教学管理者做出科学的决策。然而数据库或者数据仓库的容量越大，系统复杂性越高，相应的精确化能力就越低，也就是说模糊性越强，因而仅仅依靠复杂算法和推理并不能完全发现隐藏知识，因此，考虑将模糊数学、模糊逻辑和数据挖掘结合起来的模糊数据挖掘技术引入到教学质量评估中。



3 模糊数据挖掘在教学质量评估中的应用
3.1 建立教学质量评价指标体系
    课堂教学质量测评工作是教学质量评估体系的重要组成，是加强教学管理、提高教学质量的重要手段。为使课堂教学质量、学生测评工作科学化和规范化，教务处制定了完善的课堂教学评价指标体系，其中第n条是整体评价。如表1所示。

3.2 教学质量评价中的模糊数据挖掘
    通过科学评估教师的课堂教学质量，为学校教学管理提供决策的信息与依据，促使形成一套较为完整的教学评价机制。每门课程的学生测评成绩（统计时自动剔除5%的最高分和最低分）由教务管理系统自动生成。教师的学期测评成绩为其该学期所承担的各门课程学生测评成绩的平均值。年度测评成绩为两学期的平均值。如教师只承担一个学期的课程，则以该学期测评成绩为其该年成绩。教师年度学生测评成绩以70％计入教师当年教学考核总评成绩。表2所示为我校10名教师的学生测评成绩。

    本文使用基于模糊聚类最大树算法的模糊数据挖掘发现教学质量评估数据库中教师课堂教学质量评估等级同评估指标之间的规则知识，依据该规则知识对挖掘结果进行有效的评价，并且在分析、预测方面有着很大的优势，从而帮助决策者做出决策。当然对于该教学质量数据挖掘来说，这只是一部分工作，如何进一步优化该系统是下一步研究的主要工作。
参考文献
[1] 刘琦，林怀忠，陈纯.模糊聚类的最大树算法在Web页面分类中的应用[J].计算机应用研究，2004，21(11)：286-287.
[2] 王新洲，舒海翅.模糊相似矩阵的构造[J].吉首大学学报(自然科学版)，2003，24(3)：37-41.
[3] Zhan Liqiang，Liu Daxin.Fuzzy clustering method for web  user based on pages classification[J].Wuhan University Journal of Natural Sciences，2004，9(5)：553-556.
[4] 冯源.基于模糊相似矩阵与粗糙集的规则获取[J].太原师范学院学报(自然科学版)，2008，7(1)：26-30.