计算机应用基础教学评价分析

导语：计算机应用基础教学评价分析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。

1数据处理

本研究所使用的数据是体育教育学院2017-2018-2学期的“计算机应用基础”的期末成绩，经过数据处理后共323条数据，每条数据对应着一名学生的基本信息，包括学号、班级、专业、任课老师等。其次每条数据对应有6个属性，分别对应出勤、表现、平时作业、Word题、Excel题、以及PowerPoint题。其中，Word题包含了6道小题，Excel和Pow－erPoint每道大题里包含了5道小题。然后，对数据进行规范化处理，选择最小———最大规范化方法将所有数据转化到[0，1]的范围内。最后，将得到的数据同时扩大10倍。

2基于Apriori的课程成绩挖掘方法

本研究运用Apriori进行关联规则挖掘后，程序输出的关联规则中总用有34条规则，并且所有的规则中都满足最小支持度0.35和最小置信度0.75的要求，都是强关联规则。（1）在所得34条关联规则中以D4为后项的关联规则就有8条，现将8条关联规则如表1所示。从表中可以发现代号为A4，B4，E4与D4之间存在着较强的关联规则，支持度在0.45以上。说明学生如果出勤、平时表现和Excel三项的得分决定了Word的分数，如果有一项达到4级，那么他的Word成绩有45%以上获得4级的分数。且出勤率是Word取得好成绩的关键因素。同时将第四、五这两道大题同时拿到4级分的概率是46.7%，而第五、六这两道题拿到4级分的概率是42.1%。这说明Word和Excel之间的知识点关联更强，而PowerPoint跟Word的知识点关联相比稍弱。因此，教学中应该适当减少Word和Excel的课时量，并增加Power－Point的学时比重。（2）在所得43条关联规则中以E4为规则的后项的关联规则（如表2所示）有2条。表2E4为后项的关联规则通过整理出来的以E4为关联规则后项的2条关联规则可以看出，依然是出勤、平时表现、Word与Excel之间存在强关联规则。并且，出勤和Word获得4级分数的同学，其Excel获得4级分数的概率为38.7%，这再次说明出勤和Word对于Excel学习效果的影响。

3基于可视化技术的课程成绩分析

利用可视化技术对“计算机应用基础”课程6个评价点进行深入分析，挖掘教学评价中存在的不足之处，可视化图例如图1所示。（a）（b）由图1（a）所示，展示了平时3个评价点成绩的概率密度分布情况。其中，平时出勤和表现成绩都很高，集中于7.5———10分之间。而且，平时表现的分布多集中在满分区域，导致图中曲线的斜率很高。但与作业和出勤的分布比较，说明表现的给分存在主观性过大，缺少一定评价标准。由图1（b）所示，Word、Excel和PowerPoint三部分评价成绩分布于0—10分之间，相比平时成绩分布更加均匀。这三部分的成绩表现从高到低依次为Word，Excel，PowerPoint。Excel的成绩呈现波浪起伏上升，表明少部分同学仍然没有很好掌握Excel中的知识点，需要教学中进一步加强Excel的讲授和实践，提高学生的此项技能。PowerPoint的成绩有40%的同学集中在0—5分之间，明显低于Word、Excel的表现。分析其原因，主要有两方面：（1）从前述关联规则分析，PowerPoint与Word的关联度较低，低于Excel与Word的关联度，导致同学学习这块知识点难度加大。（2）由于教学改革导致学时的压缩，PowerPoint的教学学时只有4学时，而Word和Excel的学时分别为10学时和8学时，这也影响了学生的学习效果。因此，在接下来的教学中，应适当增加PowerPoint的教学学时，并改进教学模式，提高教学效果。

参考文献

[1]王改花，傅钢善.网络学习行为与成绩的预测及学习干预模型的设计[J].中国远程教育，2019（02）.

[2]刘坚，黄钰莹，颜李朝.课堂教学评价数据挖掘与分析[J].湖南师范大学教育科学学报，2019（02）.

[3]周俊萍.基于数据挖掘的计算机辅助课堂教学系统设计[J].现代电子技术，2020（02）.

作者:王进忠 单位:沈阳体育学院基础部