導語：計算機應用基礎教學評價分析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

1數據處理

本研究所使用的數據是體育教育學院2017-2018-2學期的“計算機應用基礎”的期末成績，經過數據處理后共323條數據，每條數據對應著一名學生的基本信息，包括學號、班級、專業、任課老師等。其次每條數據對應有6個屬性，分別對應出勤、表現、平時作業、Word題、Excel題、以及PowerPoint題。其中，Word題包含了6道小題，Excel和Pow－erPoint每道大題里包含了5道小題。然后，對數據進行規范化處理，選擇最小———最大規范化方法將所有數據轉化到[0，1]的范圍內。最后，將得到的數據同時擴大10倍。

2基于Apriori的課程成績挖掘方法

本研究運用Apriori進行關聯規則挖掘后，程序輸出的關聯規則中總用有34條規則，并且所有的規則中都滿足最小支持度0.35和最小置信度0.75的要求，都是強關聯規則。（1）在所得34條關聯規則中以D4為后項的關聯規則就有8條，現將8條關聯規則如表1所示。從表中可以發現代號為A4，B4，E4與D4之間存在著較強的關聯規則，支持度在0.45以上。說明學生如果出勤、平時表現和Excel三項的得分決定了Word的分數，如果有一項達到4級，那么他的Word成績有45%以上獲得4級的分數。且出勤率是Word取得好成績的關鍵因素。同時將第四、五這兩道大題同時拿到4級分的概率是46.7%，而第五、六這兩道題拿到4級分的概率是42.1%。這說明Word和Excel之間的知識點關聯更強，而PowerPoint跟Word的知識點關聯相比稍弱。因此，教學中應該適當減少Word和Excel的課時量，并增加Power－Point的學時比重。（2）在所得43條關聯規則中以E4為規則的后項的關聯規則（如表2所示）有2條。表2E4為后項的關聯規則通過整理出來的以E4為關聯規則后項的2條關聯規則可以看出，依然是出勤、平時表現、Word與Excel之間存在強關聯規則。并且，出勤和Word獲得4級分數的同學，其Excel獲得4級分數的概率為38.7%，這再次說明出勤和Word對于Excel學習效果的影響。

3基于可視化技術的課程成績分析

利用可視化技術對“計算機應用基礎”課程6個評價點進行深入分析，挖掘教學評價中存在的不足之處，可視化圖例如圖1所示。（a）（b）由圖1（a）所示，展示了平時3個評價點成績的概率密度分布情況。其中，平時出勤和表現成績都很高，集中于7.5———10分之間。而且，平時表現的分布多集中在滿分區域，導致圖中曲線的斜率很高。但與作業和出勤的分布比較，說明表現的給分存在主觀性過大，缺少一定評價標準。由圖1（b）所示，Word、Excel和PowerPoint三部分評價成績分布于0—10分之間，相比平時成績分布更加均勻。這三部分的成績表現從高到低依次為Word，Excel，PowerPoint。Excel的成績呈現波浪起伏上升，表明少部分同學仍然沒有很好掌握Excel中的知識點，需要教學中進一步加強Excel的講授和實踐，提高學生的此項技能。PowerPoint的成績有40%的同學集中在0—5分之間，明顯低于Word、Excel的表現。分析其原因，主要有兩方面：（1）從前述關聯規則分析，PowerPoint與Word的關聯度較低，低于Excel與Word的關聯度，導致同學學習這塊知識點難度加大。（2）由于教學改革導致學時的壓縮，PowerPoint的教學學時只有4學時，而Word和Excel的學時分別為10學時和8學時，這也影響了學生的學習效果。因此，在接下來的教學中，應適當增加PowerPoint的教學學時，并改進教學模式，提高教學效果。

參考文獻

[1]王改花，傅鋼善.網絡學習行為與成績的預測及學習干預模型的設計[J].中國遠程教育，2019（02）.

[2]劉堅，黃鈺瑩，顏李朝.課堂教學評價數據挖掘與分析[J].湖南師范大學教育科學學報，2019（02）.

[3]周俊萍.基于數據挖掘的計算機輔助課堂教學系統設計[J].現代電子技術，2020（02）.

作者:王進忠 單位:沈陽體育學院基礎部