数据挖掘与分析在实训课程教学评价中的应用.pdf

本篇文章探讨了数据挖掘与分析在实训课程教学评价中的应用，文章指出，在高等职业院校中，实训课程是评价毕业生质量的重要指标，而教学评价是了解学生学习效果的关键手段。文章强调了利用数据挖掘和数据分析技术的重要性，通过构建教育相关模型，探索教育变量之间的相关性，为教育教学改革提供有效支持。作者提出，传统的教学评价形式较为单一，主要依赖成绩和成绩形式进行评价，而利用教育大数据挖掘和数据分析技术能够更加客观、精准和有效地评价教学质量，为教育教学改革提供科学依据。 文章详细描述了实训课程教学评价指标体系，包括教学准备与课设、课程内容与教学环节设计、学生的充分调研情况、知识讲解与实训操作演示、实训任务的分配、教学过程巡回指导、学生设备与仪器保养、实训课程教学过程的小结与问题处理、课程考核情况、学生参与学习的积极性、实训作品和平时作业的完成情况等各个方面的评价指标。 作者还讨论了实训课程教学评价数据的采集方法，强调了数据的准确性、有效性、多元性和对学生的人文关怀。数据采集的首要步骤是将影响教学质量的因素进行归类，并根据影响程度对各因素进行权重分析，建立影响因素的责任清单。此外，还应着重挖掘整理教学过程自然产生的数据，这些数据最能反映实训课程教学的本质。 文章提出了教学评价数据采集时需要避免的一些问题，比如单一的数据来源、缺乏深度的数据挖掘以及对学生心理的影响。为了提升实训教学质量，文章提出需要对学生学习参与的积极性和能力素质等方面进行评价，并采用信息化教学手段和创新教学方法。 文章还介绍了一项相关的研究项目，即“互联网+”背景下实训课程CIPP教学评价模式的构建研究，这是2017年广西职业教育教学改革研究的重点支持项目。作者崔凯是该项目的研究人员之一，他在机械设计与制造领域具有丰富的教学经验。 文章强调了数据分析工具的使用，如Minitab，在实训教学过程的数据挖掘中起到的关键作用。作者指出，利用学校现有的教学数据对实训教学过程进行数据挖掘，可以收集到关于学生学习情况的全面数据，并将这些数据用于评价过程，从而更准确地分析出实训教学质量的影响因素。 文章最后通过具体案例展示了如何应用数据挖掘和分析技术，比如学生完成轴类零件外圆尺寸的数据表，通过这些数据可以分析出教学中的问题，为改进教学方法和提高教学效果提供依据。这种基于数据的评价方式，能够帮助教师和教育管理者更好地理解实训课程的现状，发现问题并提出解决方案。