信息熵与决策树在教学评价中的应用的路径创新

　近几年来，高等教育的规模在不断扩大，学校的教学工作面临着许多的情况和问题。学校的扩招，给人们提供更多获得教育机会的同时，也容易导致教学质量的下降。山东胜利职业学院作为地方高等职业教育院校，也因此面临着极大的挑战，如何在教育资源相对减少的情况下保证教学质量成为学校教育管理部门的首要任务[1]。
　　提高教师队伍的教学水平是解决上述问题的关键，由于一个教师教学水平的“高”或“低”是通过教学评价来判断的，因此学校需非常重视教学评价这个环节。
　　然而评教成绩只能说明教师教学的“好”或“坏”，这对于学校引进人才，加强师资队伍建设是不够的，还需要找到教师个人信息（年龄、性别、学历、职称）对教学质量的影响。
　　该文将采用数据挖掘中的熵值法来提高评教结果的准确性，决策树算法来找到影响教学质量的主要因素。
　　1 熵值法确定权重系数
　　传统的教学评价系统各个指标的权重系数是由专家评定或主观经验来确定的，这种权重
　　相对稳定，不能随实际情况的变化相应得调大或调小，会存在一定的误差[2]。为了提高评价的合理性和正确性，该文将采用熵值法对指标权重进行调整，实现动态赋权和静态赋权相结合。
　　1.2 熵值法计算步骤
　　2 决策树
　　决策树是一种典型的分类算法，它采用自顶向下的方法构造决策树，在决策树的内部点进行属性值的比较并根据取值确定不同的分支，在叶节点处得到结论[6-9]。
　　ID3算法是最基础、最具有影响力的决策树算法，它方法简单、理论易懂，适于处理大规模的学习问题。
　　2.2 ID3建树步骤
　　1）对于当前样本集，如果样本都属于同一类，则创建一个树叶节点，并用该类标记，算法停止。
　　2）否则，计算样本集中各个属性值的信息增益，选择信息增益最大的属性作为测试属性。
　　3）将样本集根据测试属性的不同取值重新划分子集。
　　4）按照同样的过程进行自顶向下的递归，直到满足下面三个条件中的任何一个，递归将停止。
　　①所有样本都属于同一类；
　　②没有属性再可以被划分。
　　3 实例应用
　　4 结束语
　　使用熵值法根据每次评价的具体分值对已给定的静态权重进行调整，实现了动态赋值，因而适应教学情况不断变化的需要。将评教成绩与教师的个人信息相结合，通过决策树预测得到的分类规则为学校引进人才，加强师资队伍建设提供了依据。
　　参考文献：
　　[1] 李清霞,黄桂花.数据挖掘在教师教学质量评估系统中的应用研究[J].软件导刊,2009(7):158-161.
　　. European J of Operational Research, 1999, 112(2): 397-404.
　　[3] 闫文周,顾连胜.熵权决策法在工程评标中的应用[J].西安建筑科技大学学报:自然科学版,2004,36(1):98-100.
　　. Fuzzy Sets and Systems, 2001, 1(20): 435-444.
　　[5] 张世英,张文泉.技术经济预测与决策[M].天津:天津大学出版社,1994:196-200.
　　[6] 陈青山.决策树算法在高校教学质量评价系统中的应用研究[D].西安:西安交通大学,2010.
　　[7] 宋向红,李爱增.决策树在成人高校教学管理中的应用[J].郑州大学学报,2009(10):4-5.
　　[8] 杨学兵,张俊.决策树算法及其核心技术[J].计算机技术与发展,2007(1):43-45.
　　[9] 李川.决策树分类算法--ID3算法及其讨论[J].软件导刊,2010(10):68-70.