【摘 要】本文列举了教学评价中的十项指标，基于聚类分析原理，以75位计算机公共课教师的教学情况为样本对各项指标进行了聚类分析，并进行了恰当分类。通过分类和排序，得出了教师各项指标的差异，为今后教师哪些方面的努力提供了一定的参考价值。 【关键词】聚类分析 教学评价 【中图分类号】G642 【文献标识码】A 【文章编号】1006－9682（2009）04－0014－02 【Abstract】This paper lists the 10 teaching evaluation indicators, The cluster analysis of indicators and appropriate classification is based on the principle of cluster analysis to the public 75 computer teachers teaching situation Through the classification and sorting, the teachers come to the indicators of differences in which aspects of teachers for the future of efforts to provide a certain reference value. 【Key words】Cluster Analysis Teaching Evaluation 教学评价既包括对教的评价，也包括对学的评价。当然，评价方法也是多种多样的，但大多数都以定性评价为主，本文旨在采取定量与定性相结合，来探讨聚类分析法在教学评价中的应用。 一、基本概念 俗话说：“物以类聚，人以群分。”分类是人们认识世界的基础。在社会、经济及自然现象的研究中，存在着大量分类研究的问题。尽管传统的分类方法起源很早，但利用数学和计算机手段对复杂对象进行定量分类的方法还只有几十年的历史。 聚类分析的基本思想是根据对象间的相关程度进行类别的聚合。在进行聚类分析之前，这些类别是隐蔽的，能分为多少种类别事先也是不知道的。聚类分析的原则是同一类中的个体有较大的相似性，不同类中的个差异很大。聚类分析又分为样品聚类和变量聚类，本文主要探讨变量聚类。［1］ 1．聚类分析的一般步骤［2］ （1）数据变换处理。在聚类分析过程中，需要对各个原始数据进行一些相互比较运算，而各个原始数据往往由于计量单位不同而影响这种比较和运算。因此，需要对原始数据进行必要的变换处理，以消除不同计量单位对数据值大小的影响。 （2）计算聚类统计量。聚类统计量是根据变换以后的数据计算得到的一个新数据。它用于表明各样品或变量间的关系密切程度。常用的统计量有距离和相似系数两大类。 （3）选择聚类方法。根据聚类统计量，运用一定的聚类方法，将关系密切的样品或变量聚为一类，将关系不密切的样品或变量加以区分。选择聚类方法是聚类分析最终的、也是最重要的一步。 2．数据变换 为了克服原始数据由于计量单位的不同对聚类分析结果产生不合理的影响。在聚类分析过程中，首先应对原始数据进行数据变换处理。数据变换的方法很多，本文主要采用Z分数变换， 即： 。 其中：x'ij表示标准化数据， 表示变量j的均值，sj表示变 量的标准差，即： 。 3．聚类统计量 研究样品或变量疏密程度的数量指标有两大类，一类是距离，另一类是相似系数。这两大类指标就是用于反映各样品或各变量间差别大小的统计量。变量的测量尺度不同，所采用的统计 量也就不同。本文采用的欧氏距离，即： 。 4．聚类方法 聚类方法有很多，比如最小距离法，最长距离法，组间聚类法，组内聚类法，本文主要介绍最小距离法，即：首先合并最近的或最相似的两类，用两类间最近点间的距离代表两类间的距离。［3］ 二、应用实例 我校教师教学质量评价共有10项指标，如图1所示： 本次教学质量评价是每位学生对该班计算机任课老师的各项指标进行的网上评价，每项指标分为非常满意（3分）、满意（2分）、不满意（1分）三种情况，原始数据略。本文主要是用SPSS软件［4］对75位老师的10项指标的得分情况进行聚类分析，也就是变量聚类，而不是样本聚类。聚类图如图2所示。 根据聚类图中的归类情况，参照各样本的指标数据，我们将26位教师分为四类。分别是：第一类：1、3、4、7；第二类：5、6、8；第三类：9、10；第四类：2。根据聚类结果再对数据进行定性分析发现第一类和第三类的六项指标达到的满意率较高，而第四类的一项指标次之，学生最不满意的是第二类的5、6、8三项指标。 由此可见，教师在授课过程中还应该多介绍该学科最新发展动态、最新研究成果和启发学生思维、创造良好课堂气氛。教师尤其要尽职尽责，积极批改作业和辅导学生。计算机是操作性很强的学科，如果学生的问题得不到及时解决，必然影响教学质量。 三、结 论 本文通过聚类分析对教学评价的10项指标进行分类，反映出不同的教师各项指标存在的差异，通过分类和排序，得出不同的教师在教学上不同的努力方向。同时，又根据聚类分析大量的算法而得出聚类结果，最后采用定量与定性相结合，对我校计算机公共课的教师的各项指标进行分析，明确了教师在以后教学过程中的改进方向，对教学质量的提高具有积极的作用。 参考文献 1 李旭荣.聚类分析在教学评价中的应用.长江大学学报（自科版），2007 2 黄水平.聚类分析法在教师课堂教学中的应用.山西医科大学学报，2005 3 刘明星.聚类分析法在教师考核中的运用.教学与管理，2004 4 魏连昌.试用统计软件进行教学质量分析.软件研制，2006 注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文
【摘 要】本文列举了教学评价中的十项指标，基于聚类分析原理，以75位计算机公共课教师的教学情况为样本对各项指标进行了聚类分析，并进行了恰当分类。通过分类和排序，得出了教师各项指标的差异，为今后教师哪些方面的努力提供了一定的参考价值。 【关键词】聚类分析 教学评价 【中图分类号】G642 【文献标识码】A 【文章编号】1006－9682（2009）04－0014－02 【Abstract】This paper lists the 10 teaching evaluation indicators, The cluster analysis of indicators and appropriate classification is based on the principle of cluster analysis to the public 75 computer teachers teaching situation Through the classification and sorting, the teachers come to the indicators of differences in which aspects of teachers for the future of efforts to provide a certain reference value. 【Key words】Cluster Analysis Teaching Evaluation 教学评价既包括对教的评价，也包括对学的评价。当然，评价方法也是多种多样的，但大多数都以定性评价为主，本文旨在采取定量与定性相结合，来探讨聚类分析法在教学评价中的应用。 一、基本概念 俗话说：“物以类聚，人以群分。”分类是人们认识世界的基础。在社会、经济及自然现象的研究中，存在着大量分类研究的问题。尽管传统的分类方法起源很早，但利用数学和计算机手段对复杂对象进行定量分类的方法还只有几十年的历史。 聚类分析的基本思想是根据对象间的相关程度进行类别的聚合。在进行聚类分析之前，这些类别是隐蔽的，能分为多少种类别事先也是不知道的。聚类分析的原则是同一类中的个体有较大的相似性，不同类中的个差异很大。聚类分析又分为样品聚类和变量聚类，本文主要探讨变量聚类。［1］ 1．聚类分析的一般步骤［2］ （1）数据变换处理。在聚类分析过程中，需要对各个原始数据进行一些相互比较运算，而各个原始数据往往由于计量单位不同而影响这种比较和运算。因此，需要对原始数据进行必要的变换处理，以消除不同计量单位对数据值大小的影响。 （2）计算聚类统计量。聚类统计量是根据变换以后的数据计算得到的一个新数据。它用于表明各样品或变量间的关系密切程度。常用的统计量有距离和相似系数两大类。 （3）选择聚类方法。根据聚类统计量，运用一定的聚类方法，将关系密切的样品或变量聚为一类，将关系不密切的样品或变量加以区分。选择聚类方法是聚类分析最终的、也是最重要的一步。 2．数据变换 为了克服原始数据由于计量单位的不同对聚类分析结果产生不合理的影响。在聚类分析过程中，首先应对原始数据进行数据变换处理。数据变换的方法很多，本文主要采用Z分数变换， 即： 。 其中：x'ij表示标准化数据， 表示变量j的均值，sj表示变 量的标准差，即： 。 3．聚类统计量 研究样品或变量疏密程度的数量指标有两大类，一类是距离，另一类是相似系数。这两大类指标就是用于反映各样品或各变量间差别大小的统计量。变量的测量尺度不同，所采用的统计 量也就不同。本文采用的欧氏距离，即： 。 4．聚类方法 聚类方法有很多，比如最小距离法，最长距离法，组间聚类法，组内聚类法，本文主要介绍最小距离法，即：首先合并最近的或最相似的两类，用两类间最近点间的距离代表两类间的距离。［3］ 二、应用实例 我校教师教学质量评价共有10项指标，如图1所示： 本次教学质量评价是每位学生对该班计算机任课老师的各项指标进行的网上评价，每项指标分为非常满意（3分）、满意（2分）、不满意（1分）三种情况，原始数据略。本文主要是用SPSS软件［4］对75位老师的10项指标的得分情况进行聚类分析，也就是变量聚类，而不是样本聚类。聚类图如图2所示。 根据聚类图中的归类情况，参照各样本的指标数据，我们将26位教师分为四类。分别是：第一类：1、3、4、7；第二类：5、6、8；第三类：9、10；第四类：2。根据聚类结果再对数据进行定性分析发现第一类和第三类的六项指标达到的满意率较高，而第四类的一项指标次之，学生最不满意的是第二类的5、6、8三项指标。 由此可见，教师在授课过程中还应该多介绍该学科最新发展动态、最新研究成果和启发学生思维、创造良好课堂气氛。教师尤其要尽职尽责，积极批改作业和辅导学生。计算机是操作性很强的学科，如果学生的问题得不到及时解决，必然影响教学质量。 三、结 论 本文通过聚类分析对教学评价的10项指标进行分类，反映出不同的教师各项指标存在的差异，通过分类和排序，得出不同的教师在教学上不同的努力方向。同时，又根据聚类分析大量的算法而得出聚类结果，最后采用定量与定性相结合，对我校计算机公共课的教师的各项指标进行分析，明确了教师在以后教学过程中的改进方向，对教学质量的提高具有积极的作用。 参考文献 1 李旭荣.聚类分析在教学评价中的应用.长江大学学报（自科版），2007 2 黄水平.聚类分析法在教师课堂教学中的应用.山西医科大学学报，2005 3 刘明星.聚类分析法在教师考核中的运用.教学与管理，2004 4 魏连昌.试用统计软件进行教学质量分析.软件研制，2006 注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文