27、挖掘教育数据以提升教师绩效

挖掘教育数据以提升教师绩效

1. 引言

课堂教学质量主要通过教学绩效评估来确定。因此，大多数教育机构使用教师评估调查（TAS）来衡量学生的满意度，并挖掘有关教学行为的知识。TAS 通常旨在回答以下问题：
- 学生认为哪些教学结构令人满意或不满意？
- 学生的不满是否与某些属性（如性别、专业、学院）有关？
- 调查结果是否有特定模式，例如在某个学院/专业中学生不满更为普遍？
- 能否将学生分为具有某些共同特征的特定群体？
- 是否有学生不满的特定预测因素？
- 在不满意的学生群体中能否识别出某些属性？

同样的问题也适用于满意的学生群体。本文主要旨在开发数据挖掘模型，以解释与学生满意度显著相关的教师行为。这可以通过学生对某些特征（如教师的个性和科学背景）给出的分数来识别。数据挖掘在识别重要的学生满意度决定因素及其之间的相关性方面非常有效。基于各机构积累的数据，数据挖掘领域发展迅速。人们探索了几种新颖的数据挖掘方法来描述数据提取过程，如数据预处理、分析和表示。数据挖掘主要旨在建立分类模型、关联规则、进行演变和偏差分析以及对相似的数据对象进行聚类。数据首先要进行挖掘准备，即将数据清理并转换为适合挖掘的格式。教育数据挖掘（EDM）为教育应用提供了坚实的平台，能够提取与学习相关的知识。

本研究主要旨在通过以下方式利用数据挖掘来提高学生成绩：
- 全面理解现有的教学行为；
- 识别显著影响学生满意度且能很好预测教师绩效的教学行为；
- 根据观察结果设计未来计划以实现既定改进。

2. 相关工作

• Taherifar 和 Banirostam 对土耳其大