《表5 普通课程最终聚类中心》

《表5 普通课程最终聚类中心》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《课堂教学评价数据挖掘与分析》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录

得到综合指标的因子得分并不是最终的结果,我们进一步在因子分析的基础上对综合质量评价指标的因子得分值进行聚类分析,获取各门课程等级更科学的划分。由于教学评价等级分为优秀、良好、中等、合格、不合格五个等级,故类的个数确定为5个。在已知类的个数情形下,我们采用速度和可扩展性更优的K-均值聚类方法进行分类。经过22次迭代后,普通课程的最终聚类中心如表5所示。可以看出,按照聚类中心的大小,第3类为等级优秀,第1类为良好,第5类为中等,第4类为合格,第2类为不合格。在所有1 905门普通课程中,有680门课程获得优秀,747门课程获得良好,348门获得中等,115门获得合格,15门为不合格。方差分析中,P值<0.001,结果表明该聚类所得的类别之间是有显著差异的,即表明此次聚类结果有效。采用同样的方法对所有107门实验课程进行聚类分析,有29门课程获得优秀,37门为良好,27门为合格,12门为合格,2门为不合格,且五个类别之有显著差异,该聚类结果有效。从统计结果看出,普通课程的总体优良率达到了74.9%,而实验课程的总体优良率仅为61.7%,明显低于普通课程。这意味着学校在实验室课程质量管理方面还需加强,采取措施促进教师进行实验教学的积极性。在原来采用的绝对值分数段简单分类中,由于学生打分普遍较高,使得原始总分的区分度低,甚至按照60分以下为不及格的原则,所有课程的教学质量评价结果均是中等以上,无法真实反映各门课程的实际教学质量水平。相较于原有的分数段分类方法,聚类分析方法可以非常清晰地划分出水平不一的五个等级,体现出了各门课程的相对质量水平,更为科学合理。