数据挖掘技术在中学生个性化评价中的应用

数据挖掘技术在中学生个性化评价中的应用摘要：为落实新课程理念，张扬中学生个性，创新的将数据挖掘技术引入新课改理念下中学生的个性化评价。应用数据挖掘技术进行多指标、多主体、全过程、全方位的整体综合评价。提高教育评价技术水平,提高教育评价的科学性、客观性和公正性,使之更好地为教育服务。具有一定的理论意义和实际应用价值。关键词：新课改；个性化评价；数据挖掘一、引言当前，国内外都非常重视中学生个性化发展，韩国基于学生的能力、个性、发展前途，使教育内容和方法多样化，确立了可以使学生根据自身的个性和素质选择教学科目、能动自律学习的“以学习者为中心”的课程体系[1]。芬兰为学生提供继续学习、工作生活、个人兴趣及多方面的个性发展所需要的知识和技能。提出教育应成为促进学生的终身学习和自我发展机会[2]。美国当代的个性化教育与日本自2O世纪8O年代开始的以个性养成为基本价值取向的第三次教育改革行动如出一辙，均体现了对生命个性的追求与崇尚。因此，科学精神和人文精神的融合、健全人格的养成、素质的提高便成为新世纪教育改革的主题。我国2001年6月1日，《基础教育课程改革纲要（试行）》和义务教育各学科课程标准正式颁布。高中新课程方案改变了中国传统的模式化教育，为学生个性发展，走向自立提供了平台。新一轮基础教育课程改革把课程评价观的转变作为一项主要内容，并明确指出，要“建立促进学生全面发展，促进教师不断提高，促进课程不断发展的评价体系”。开展合乎时代要求的现代教育评价，将是我国当前教育改革运动顺利进行的有效保障。由于教育评价具有复杂性、多因素性和模糊性等特点,是一类带有大量不确定因素的半结构化问题或非结构化问题。而现有的教育评价技术并不能把评价主体的内部数据和外部数据进行有效的集成。不能对大量积累的教育数据进行有效地抽取和清理，形成一致的格式，为评价提供支持。同时，现有的教育评价技术在分析数据，特别是在多维、不定因素的半结构化或非结构化问题分析上还存在很多不足之处。由于数据挖掘技术在数据抽取、数据分析上的显著优势，以及其本身分析数据的多维性特点，使得应用数据挖掘技术进行多指标、多主体、全过程、全方位的整体综合评价成为可能。利用数据挖掘中的粗糙集、神经网络、关联规则、决策树等来研究教育评价问题,建立了一种新的基于数据挖掘的教育评价方法。数据挖掘是一新的数据分析技术，这一技术在医学、化学、材料学、地理学、管理科学和金融学等领域的到了广泛应用。为落实新课程理念，张扬学生个性，本文创新的将数据挖掘技术引入新课改理念下中学生的个性化评价，可以提高教育评价技术水平,提高教育评价的科学性、客观性和公正性,使之更好地为教育服务。具有一定的理论意义和实际应用价值。二、相关理论（一）相关教育理论主要包括教育测量和评价理论，中学生个性化发展的相关理论，以及对多元智能理论、自主学习、探究学习等教育理论的研究。1．个性化学习理论当前，国内外都非常重视中学生个性化发展，美国、日本和新西兰等国的教育改革均体现了对生命个性的追求与崇尚，我国的新课程改革也改变了中国传统的模式化教育，为学生个性发展，走向自立提供了平台。我国古代教育家孔子早在两千余年前就提出“因材施教”的教育基本原则，著名的美国教育家约翰·杜威(JohnDewey)在《明日的学校》(Tomorrow'sSchools)一书中，他曾经用大量笔墨论述了更加灵活的和因材施教的教育取向。在以终身教育为显著特征的学习化社会里，个性化学习也是教育自身发展规律的集中体现。个性化学习意味着围绕学生不同的学习方式来塑造教学，以及关注发掘每一个学生独特的天资。学生学习的个性化应在学习兴趣、学习积极性的基础上展开。这充分反映了发展学生个性的原则。学生学习的个性化是一种目的性概念，学生学习的目的不仅是打基础，更是个性的发展和主体人格的培养。个性化学习的概念构成见下表。表：个性化学习的概念构成[3]19世纪的教育图景21世纪的教育图景学生为固定不变的人生而准备学生的身份和目标是可变的智力是恒定的智力是多维度的学校是相似的学校是不同的学校的类型差不多学校的类型多样化学校教育是为了少数人学校教育为所有人都提供个性化学习学校有严格且明确的边界教育对每个学生都是终生的学校以工厂的模式进行运作教育不受时间和地点的限制角色是严格确定的且是隔离的角色是模糊的且有交迭学校与教师独立工作学校与教师在复杂的网络中工作教育是生产者导向的(producerled)教育是消费者导向的(userled)2．多元智能理论1983年，美国哈佛大学心理学教授霍华德·加德纳(HowardGardner提出了多元智能理论(TheTheoryofMultipleIntelligences，简称MI理论)。他认为，智能是在特定的文化背景下或社会中解决问题或制造产品的能力，它是多元的。就其基本结构来说，每个人身上至少存在八又二分之一种智能，即言语/语言智力(verbal／linguisticintelligence)、逻辑／数理智力(1ogic／mathematicalintelligence)、视觉／空间关系智力(visual／spatialintelligence)、音乐，节奏智力(musical／rhythmicintelligence)、身体/运动智力(bodily/kinestheticintelligence)、人际交往智力(interpersonalintelligence)、自我反省智力(interpersonalintelligence)、自然观察者智力(naturalistintelligence)、存在智力(existentialintelligence)。但是，具体到每个人身上表现又有所不同。譬如，有人在某一种或某几种智能方面表现突出，而其他的可能较为逊色。这就决定了每个人的智能类型及学习类型具有独特性。人与人的差别主要在于这些智能在每个人身上的组合方式、表现形式、发展顺序、发展程度各不相同。如果给与适当的教育并加以鼓励，每个人都能使自己的某方面智能达到相当高的水平[4]。3．教育测量和评价理论[5]教育评价作为当今世界教育领域中三大研究课题(教育评价、教育基础理论和教育发展)之一，对于教育改革和发展，对于教育管理和决策，起着越来越重要的作用．目前的教育评价指标(不管是学生综合测评指标、课堂教学评价指标、还是网络课程评价指标等)大多是参考国内外相关评价指标体系并结合实际操作中的经验和调查问卷等来制定的。教育评价对教育活动具有直接的导向、激励和改进作用。我国正在进行新一轮基础教育课程改革，大力推进素质教育之际，开展合乎时代要求的现代教育评价，将是我国当前教育改革运动顺利进行的有效保障。教育评价的理念是指贯穿教育评价活动的总的指导思想，它是在总结教育评价的功能及特征的基础上提出的，体现了人们对教育评价的期望目标。现代教育评价的基本理念是：以人为本，注重发展，重视过程。它们之间的关系是：以人为本是评价的立足点和出发点，促进发展是评价所要达到的最终目的，在达到目的的过程中，我们应注重教育活动的过程，即注重对过程的评价。新一轮基础教育课程改革把课程评价观的转变作为一项主要内容，并明确指出，要“建立促进学生全面发展，促进教师不断提高，促进课程不断发展的评价体系”。在教育评价中必须保证学生个性化学习的权利和参与评价的权利。这要做到：1.教师要对学生进行个性化评价；2.教师的评价要有个性，倡导评价多元化；3.教育评价要情境化，不同情境下采用不同的评价方式[6]。（二）相关数据挖掘理论[7]数据挖掘技术已经在多个领域取得令人满意的应用，如零售业、电信业。数据挖掘技术出现于20世纪80年代末，90年代得到迅猛发展．它是当前最为活跃的数据库研究领域之一，是解决当前“数据丰富，知识贫乏”问题的关键技术，其发展历史虽不过十余年，但在最近GartnerGroup的一次高级技术调查中将数据挖掘和人工智能列为“未来三到五年内将对工业产生深远影响的五大关键技术”之首，并且还将数据挖掘列为未来五年内十大新兴技术投资焦点的第二位。目前，这一技术在零售、金融、电信、医疗等领域得到广泛应用，但在教育领域并没有引起人们的广泛关注。随着教育信息化进程的推进，积累了大量的、复杂的数据。面对如此巨大的数据资源，人们却无法更充分、更有效地利用这些数据。因此，将数据挖掘技术应用于教育中，从大量的教育数据中发现隐藏的、有用的知识来指导教育，有望促进教育的改革和发展。三、评价系统的实现（一）评价系统的作用1．从学生的基本信息、多元智能特质观察量表、心理健康、自我状态、学习动机等测试量表形成初步的学生个性化特征库，为初步实现学生的个性化评价做准备。2．个性化指导学习过程中形成学生成长记录，完善学生个性化特征库，并形成指导效果反馈，反映学生成长趋势，为进一步完善学生的个性化评价做准备。3．在学生特征信息库上采用数据挖掘技术，发现各种有价值的信息和知识，为学校的管理者，教师（家长）和学生提供个性化的指导。最终实现学生的个性化评价。个性化评价指导系统个性化评价指导系统管理者学生教师（家长）管理者学生教师（家长）为学习方法、方式和选课提供依据；了解自己，规划人生；促进全面发展和能力提高等为教学方法和手段的选择，发展性评价提供依据检验素质教育和新课程改革，为决策提供依据为学习方法、方式和选课提供依据；了解自己，规划人生；促进全面发展和能力提高等为教学方法和手段的选择，发展性评价提供依据检验素质教育和新课程改革，为决策提供依据图1评价系统的作用(二)评价系统的实现收集和制作个性化测试量表收集和制作个性化测试量表收集学生基本信息组织学生填写测试量表数据集成、选择数据预处理数据挖掘结果表达和解释个性化指导学生成长记录图2评价系统的实现1．调查分析、收集数据对目前中学生个性化学习和评价的现状进行调查分析。具体对目前中学生的多元智能、学习风格、学习能力和心理健康状况展开调研了解。2．收集和设计个性化测量表根据相关理论和调查分析情况，设计制定了以下测量表：学习风格测试、学习能力测试、中学生心理健康测试、多元智能特质观察量表。3．收集学生基本信息收集学生及其家庭的相关信息，如：毕业学校、健康状况、是否担任过班干、家庭居住环境和父母受教育程度等。4．组织学生填写测量表使用测量表收集有关中学生个性化情况的数据，为下一步的数据挖掘工作做准备。5．数据预处理从学生的基本信息、多元智能特质观察量表、心理健康、学习能力、学习风格测试量表形成初步的学生个性化特征库。对前期收集的数据进行数据挖掘前的预处理，包括数据清理、数据集成、数据归约等。6．数据挖掘利用粗糙集理论，针对问卷所设置的相关问题进行属性重要性评价。聚类分析预处理后的学生数据，形成不同对象类的簇群，找出学生的共性和个性。关联分析学生数据，找到学生各个性化特征间的关联规则。应用决策树方法找出影响学生发展的因素及各因素间的关系，从而为个性化评价提供数据依据，并进行学生个性化发展趋势预测。对学生个性特征与学校表现（如：成绩、艺术、体育和德育等方面）之间的相关性进行分析。帮助教师选择适合的教学方法和手段，并为个性化评价提供依据；为学生选择合适的学习方法、方式和选课提供依据；帮助学生更好的了解自己，规划人生。7．成长记录的建立用实际数据进行测试系统，对其进行实证研究。力图用较大规模的实际数据来验证所获得的数据挖掘结果的科学性与实际应用的准确性。个性化指导学习过程中形成学生成长记录，完善学生个性化特征库，并形成指导效果反馈，反映学生成长趋势。四、结束语将数据挖掘技术引入中学生个性化评价还是较新的课题，如何更有效的提高这一信息技术在教育实践中的效益是下一步研究的重点。文献资料[1]韩国第七次基础教育课程大纲，1997年12月.[2]1998年芬兰《