计算机粗糙集教育评估探究范文

本站小编为你精心准备了计算机粗糙集教育评估探究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

作者：李颖单位：广东科学技术职业学院

高职计算机项目教学模式具有如下教学特征：在教学内容上，多为结构较复杂的综合性问题，与职业实践或企业日常事务有关，可以促进跨学科的学习与综合。在组织形式上，学生自主组织学习过程，学习多以小组进行，留给学生充足的尝试新的行为方式的实践空间。在教学方式上，一般是使用教学做一体化教学，充分考虑学生的兴趣和经验，强调合作与交流。

基于粗糙集的教学评价研究

粗糙集能有效地处理下列问题:不确定或不精确知识的表达；经验学习并从经验中获取知识；不一致信息的分析；根据不确定,不完整的知识进行推理；在保留信息的前提下进行数据化简。

本文采用粗糙集进行知识约简，最终获得课程整体评价的主要规则。一般的，建立一个基于粗糙集的知识发现模型需要经过以下步骤：1)明确系统目标，建立相关数据集（决策表）；2)数据预处理：包括数据清洗、转换、离散化、数据约简等；3)产生分类规则，进行规则的选择和过滤；4)模型评价。本文通过以下步骤进行数据分析：

1构建决策表

教学过程的基本因素是教师、教学对象、教学内容和教学方法手段,教学评价也必须以这四个基本要素为评价，因为粗糙集只能处理离散化的数据,根据这个要求，本文设计以下调查问卷（表1）来获取样本数据，其中所有属性的取值均为为“优”，“合格”，“差”三种。对计算机大二必修专业课程进行问卷调查，一共得到50份样本数据。由样本数据构建的决策表中，条件属性定义为属性（1-9），决策属性定义为属性（10），部分数据如下表所示：

2约简

决策表的约简包括属性约简与值约简，通过属性约简来删除对决策结果不产生影响的条件属性，以此来达到约简的目的。约简后的决策表具有较少的条件属性但保留约简前的功能。挪威科技大学开发的粗糙集软件Rosetta(图1)是基于粗糙集理论框架的表格逻辑数据工具。它提供了多种数据预处理功能，如决策表补齐、决策表离散化等及其算法，同时提供了粗糙集中常见的约简和规则的获取算法，支持从数据预处理到预测和分析规则的全过程。本文利用Rosetta对决策表属性进行约简，以提取对课程整体评价有重要贡献的属性。计算得到所有的属性约简为：{2,5,7},{2,5,9},{4,5,6,7},{2,3,5,6},{2,5,8},{1,2,3,5},{2,5,10}...。由于约简的数量过大，进一步分析比较困难。因此，需要选择属性的一个子集进行分析，本文利用所有约简后属性出现的频数来选择最具代表性的属性。属性2，5，7在约简数据中出现的频数最高。最终，下面的一组属性被选定：属性2-老师对课程内容精心准备并解释详尽；属性5-课程项目主题明确，有助于学生理解、掌握和喜爱这门课；属性7-教学做一体化教学，讲授和操作交互进行，时间搭配合理。

规则提取

利用约简后的决策表(只选择三个属性：属性2，属性5，属性7)，使用Rosetta规则获取算法得到规则集，表3列出了所有可信度不小于0.5的规则：

结论

通过以上分析，对一门计算机课程的整体评价，最主要的影响因素为：1，老师对课程内容精心准备并解释详尽；2，课程项目主题明确，有助于学生理解、掌握和喜爱这门课；3，课程采用教学做一体化教学，讲授和操作交互进行，时间搭配合理。

从粗糙集约简中得到核为：“课程项目主题明确，有助于学生理解、掌握和喜爱这门课”。它是所有属性约简的交集。从表3中也可以看到当课程项目主题不明确，不能让学生喜爱这门课时，学生肯定对课程评价不高。因此，必须加倍重视课程项目选取，同时精心准备每一堂课，保护学生的兴趣，从而提高教学质量。