[發明專利]一種基于聚類的獨立學院學生評教數據分析方法

有效

• 申請號: 201810102590.7
• 申請日: 2018-02-01
• 公開（公告）號: CN108256102B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 辜萍萍
• 申請（專利權）人: 廈門大學嘉庚學院
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06K9/62;G06Q10/06;G06Q50/20
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊;薛金才

1.一種基于聚類的獨立學院學生評教數據分析方法，其特征在于，包括以下步驟：

(1)教學評價結果數據的預處理，將數據統一化為文本屬性，得到評教數據表；

(2)采用模糊K-Modes算法對評教數據表的數據進行分析，得到數據分析的結果；

所述步驟(2)具體包括：

步驟S1：設置循環參數高限，并設初始值為0，設置聚類數K的初始值為1；

步驟S2：從評教數據表中任意選取K條記錄作為初始聚類中心；

步驟S3：計算每一個數據樣本對各個聚類中心的隸屬度，隸屬度最大的表示該樣本已找到對應的類；

步驟S4：計算輪廓系數S，

其中，n表示樣本總數，假設樣本i被聚到c類，個體輪廓系數

a(i)表示樣本i和同屬于c類的其他所有樣本之間的平均距離，b(i)表示樣本i和非c類的各個類中所有樣本的平均距離的最小值；

步驟S5：對循環參數遞增加1，重復步驟S2至S4，重新尋找k類聚類中心后再聚類，再計算輪廓系數；

步驟S6：達到循環參數高限，每次循環中計算的輪廓系數越接近1，說明當前選取的初始聚類中心是最佳的，淘汰其他的循環中所得到的聚類中心，轉到步驟S7；

步驟S7：更新每個類的聚類中心，重新找出數據集中更能代表聚類中心的數據記錄，即聚類中心的每一個數據列取值為該類所有樣本中該數據列出現頻率最高的那項值；

步驟S8：重新計算各個數據樣本對新聚類中心的隸屬度；

步驟S9：如果隸屬度有變化，根據每個樣本的最大隸屬度重新歸類，回到步驟S7；如果隸屬度沒有變化，那么k類的聚類已經完成，計算距離評價函數F(X,K)的值；

其中，x_i為第c類中任一對象，z_i為第c類聚類中心；

步驟S10：如果K值遞增加1，回到步驟S2進行下一輪的聚類流程；如果聚類流程停止，比較每一輪聚類計算得出的F(X,K)的值，找到最小的值對應的那輪聚類為最佳的聚類結果，得到數據分析的結果。

2.根據權利要求1所述的獨立學院學生評教數據分析方法，其特征在于，所述步驟(1)具體包括：

獲取教學評價結果數據，每一個樣本包括學生屬性數據、課程屬性數據和課程評教成績數據；

學生屬性數據的預處理：

所述學生屬性數據包括專業類型、年級、性別、出勤率和課程期末成績，其中專業類型、年級、性別的屬性取值為文本型數據，

出勤率y＝出勤課時/學期總課時,當{y|y≥0.9}屬性賦值為高，當{y|0.9＞y≥0.8}屬性賦值為中，當{y|0.8＞y≥0.7}屬性賦值為低，當{y|y＜0.7}取消評教資格；

課程期末成績按照分數進行降序排序，再根據所排名次劃分成5個區間{[0，10％]，[11％，20％]，[21％，30％]，[31％，40％]，[41％，100％]}，對應得到屬性賦值分別為{優，良，中，合格，不合格}；

課程屬性數據的預處理：

課程屬性數據包括課程類型，具體包括專業必修課、專業選修課、全校性公選課和基本技能課；

課程評教成績數據的預處理：

將每一個課程評教成績按照分數進行降序排序，再根據所排名次劃分成5個區間{[0，10％]，[11％，20％]，[21％，30％]，[31％，40％]，[41％，100％]}，對應得到屬性賦值分別為{優，良，中，合格，不合格}。