高校教育信息化效益评估模型探讨

导语：高校教育信息化效益评估模型探讨一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：传统高校教育信息化效益评估模型的数据处理量少，因此构建一个云模型数据挖掘算法的高校教育信息化效益评估模型。建立评估指标体系，融合全局评估视角，得到了评估指标的三维结构，通过计算数据的后挖掘概率计算出判决准则，利用该准则对评估体系中的各个指标进行评分，最后计算原始的指标数据矩阵，确定指标隶属度向量，完成教育信息化效益的评估流程。实验结果表明，设计的评估模型在完成评估时的数据处理量比传统模型高出51%，说明设计的评估模型在处理海量数据时的性能比传统模型更加优越。

关键词：效益评估模型；数据挖掘算法；高校教育信息化；评估指标三维结构；判决准则；评估流程

为了贯彻“科教兴国”的发展战略，近些年来我国高校在信息技术上的投资占比巨大，用来支持教学、科研和管理。高校的教育信息化是社会信息化的重要组成部分，这对于提高教学质量、改善科研水平有重要意义[1]。在中国教育信息化蓬勃发展的同时，如何对高校教育信息化效益进行评估也引起了相关专业的广泛关注。传统的高校教育信息化效益评估模型的数据处理量少[2]，因此，本文构建一个云模型数据挖掘算法的高校教育信息化效益评估模型。首先建立评估指标体系，融合全局评估视角，得到了评估指标的三维结构，通过计算数据的后挖掘概率计算出判决准则，利用该准则对评估体系中的各个指标进行评分，最后计算原始的指标数据矩阵，确定指标隶属度向量，完成教育信息化效益的评估流程。

1云模型数据挖掘算法的高校教育信息化效益评估模型的构建

云模型是一种处理定性概念与定量描述的不确定转换模型[3]，将云模型应用在数据挖掘中，能够分解海量数据。在高校信息化效益的评估过程中，涉及到大量的信息化效益数据，教育信息化效益可以划分为三大类：教育效益、组织效益和外部效益[4]，其详细示例如表1所示。表1中每一类效益中都包含了大量数据，需要对其进行运算，现有的评估模型受到数据处理、数据计算等方面的限制，无法从海量数据中提取出有效信息，导致评估结果不全面、不客观，因此，在高校信息化效益评估模型中应用云模型数据挖掘算法[5]，以改善这一问题。1.1建立评估指标体系。针对表1中教育信息化效益的分类，在全局的评估视角下，针对其中的各个主体提出相应的评估指标，在这些评估指标的基础上进一步细化[6⁃7]，建立教育信息化效益的评估指标体系，如图1所示。评估体系的构建，在一定程度上也能反映出评估者对高校教育信息化效益的理解。在建立该评估体系的基础上，综合吸收了平衡计分卡理论的全局评估视角[8⁃9]，进而构建出高校教育信息化效益评估模型的三维结构，如图2所示。构建的评估模型的三个维度分别为视角维、发展维和角色维。在视角维中，主要是从教育信息化相关的不同视角对效益进行评估；发展维是用来描述教育信息化效益的四个阶段，最终目的是能够达到合理、有规划地进行基础设施、资源建设和应用更新，信息技术最终会成为教学必不可少的组成部分，利用信息技术来搭建新的学习环境；角色维是通过不同的角色来考察教育信息化的发展程度。至此完成了教育信息化效益评估指标体系的构建。1.2计算效益评估的判决准则。在得到了教育信息化的评估体系后，需要计算出判决准则来对评估体系中的指标进行评分。利用云模型数据挖掘算法进行计算[10]，主要是由于教育信息化效益评估指标的数据量比较大，传统评估模型的挖掘算法都是通过高性能机或是大规模的计算设备来完成，但是服务器的性能有限，无法完成这些海量数据的全部计算。这些海量数据中，还有一些动态数据对于判决准则的计算过程有着特殊要求，这对于数据挖掘的环境有了更高的要求。数据挖掘就是从海量数据中挖掘出有用的信息，找到数据之间的联系，促进信息的应用和传递。云模型数据挖掘算法的计算过程如图3所示。在已知先挖掘概率与类条件概率的情况下的模式分类方法，待挖掘的数据样本分类结果取决于各类中样本的全体[11⁃12]。设数据挖掘的样本集一共M类，记为C={c}1…ci…cM，每一类的先挖掘概率为P(ci)，那么得到：P()cix=P()xci•P(ci)P(x)（1）式中P()cix为ci类的后挖掘概率，得到最大后挖掘概率的判决准则为：P()cix=MaxjP()cix（2）式中i=1,2,…,M。在经过上述的准则判决后，能够通过该准则对评估体系中的各个指标进行评分，为整体的效益评估提供基础。1.3实现教育信息化效益的评估流程通过判决准则完成各个指标的评分后，要想完成整个的评估流程，需要将原始的指标数据矩阵进行标准化变换[13]。设待评估的样本有m个，评价指标有n个，将原始数据矩阵进行标准化变换：xˉj=∑i=1mxijm,sj=1m-1∑i=1m(xij-xˉj)2（3）式中：xˉj为第j个指标的样本均值；sj为第j个指标的样本标准差。经过标准化变换之后，各个样本数据的均值和方差的取值分别为0和1，根据评估模型中的n个变量，利用统计的方法，并针对不同角色对信息化校园的需求不同，定量指标参照高校信息化评估指标体系来确定各个指标的隶属度向量[14⁃15]。在五梯度标准下，根据综合评定向量的计算结果对评价指标的综合评定向量进行归一化处理，根据以上计算过程对高校教育信息化效益进行综合评估。至此完成了云模型数据挖掘算法的高校教育信息化效益评估模型的构建。

2实验

2.1实验准备。为了验证设计的评估模型的有效性，需要设计实验与传统的评估模型进行对比。选取5所高校的教育信息化效益指标数据，分别利用本文设计的评估模型与传统的评估模型对这些数据进行处理并评估，最终将两个系统的评估结果进行对比。实验平台选择XSimStudio，实验中涉及到的一些实验参数如表2所示。2.2实验结果与分析。在上述的实验环境下，分别利用两个评估系统逐一对选取的5所高校进行教育信息化效益评估，并在得到评估结果时统计出两个评估模型处理的数据，绘制统计图，如图4所示。从图4中可以直观看出：本文设计的评估模型处理的数据量更加接近于选取的高校指标，经过统计计算，传统评估模型在得到评估结果时，5所高校的数据处理量平均为总量的42%；本文设计的评估模型在得到评估结果时，5所高校的数据处理量平均为总量的93%，说明本文设计的评估模型在处理海量数据时的性能比传统模型更加优越。

3结语

高校教育信息化效益评估的重要意义在于，对于高校一定时期内的教育信息化发展状况与取得的成果进行描述，反映出教育信息化在投资方面存在的改进之处。本文构建的高校教育信息化效益评估模型，为未来高校信息化教育的发展方向提供了一些建议。

作者:唐菡悄 沈磊 单位:1.安徽师范大学 2.淮南师范学院