本站小編為你精心準備了計算機粗糙集教育評估探究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

作者：李穎單位：廣東科學技術職業學院

高職計算機項目教學模式具有如下教學特征：在教學內容上，多為結構較復雜的綜合性問題，與職業實踐或企業日常事務有關，可以促進跨學科的學習與綜合。在組織形式上，學生自主組織學習過程，學習多以小組進行，留給學生充足的嘗試新的行為方式的實踐空間。在教學方式上，一般是使用教學做一體化教學，充分考慮學生的興趣和經驗，強調合作與交流。

基于粗糙集的教學評價研究

粗糙集能有效地處理下列問題:不確定或不精確知識的表達；經驗學習并從經驗中獲取知識；不一致信息的分析；根據不確定,不完整的知識進行推理；在保留信息的前提下進行數據化簡。

本文采用粗糙集進行知識約簡，最終獲得課程整體評價的主要規則。一般的，建立一個基于粗糙集的知識發現模型需要經過以下步驟：1)明確系統目標，建立相關數據集（決策表）；2)數據預處理：包括數據清洗、轉換、離散化、數據約簡等；3)產生分類規則，進行規則的選擇和過濾；4)模型評價。本文通過以下步驟進行數據分析：

1構建決策表

教學過程的基本因素是教師、教學對象、教學內容和教學方法手段,教學評價也必須以這四個基本要素為評價，因為粗糙集只能處理離散化的數據,根據這個要求，本文設計以下調查問卷（表1）來獲取樣本數據，其中所有屬性的取值均為為“優”，“合格”，“差”三種。對計算機大二必修專業課程進行問卷調查，一共得到50份樣本數據。由樣本數據構建的決策表中，條件屬性定義為屬性（1-9），決策屬性定義為屬性（10），部分數據如下表所示：

2約簡

決策表的約簡包括屬性約簡與值約簡，通過屬性約簡來刪除對決策結果不產生影響的條件屬性，以此來達到約簡的目的。約簡后的決策表具有較少的條件屬性但保留約簡前的功能。挪威科技大學開發的粗糙集軟件Rosetta(圖1)是基于粗糙集理論框架的表格邏輯數據工具。它提供了多種數據預處理功能，如決策表補齊、決策表離散化等及其算法，同時提供了粗糙集中常見的約簡和規則的獲取算法，支持從數據預處理到預測和分析規則的全過程。本文利用Rosetta對決策表屬性進行約簡，以提取對課程整體評價有重要貢獻的屬性。計算得到所有的屬性約簡為：{2,5,7},{2,5,9},{4,5,6,7},{2,3,5,6},{2,5,8},{1,2,3,5},{2,5,10}...。由于約簡的數量過大，進一步分析比較困難。因此，需要選擇屬性的一個子集進行分析，本文利用所有約簡后屬性出現的頻數來選擇最具代表性的屬性。屬性2，5，7在約簡數據中出現的頻數最高。最終，下面的一組屬性被選定：屬性2-老師對課程內容精心準備并解釋詳盡；屬性5-課程項目主題明確，有助于學生理解、掌握和喜愛這門課；屬性7-教學做一體化教學，講授和操作交互進行，時間搭配合理。

規則提取

利用約簡后的決策表(只選擇三個屬性：屬性2，屬性5，屬性7)，使用Rosetta規則獲取算法得到規則集，表3列出了所有可信度不小于0.5的規則：

結論

通過以上分析，對一門計算機課程的整體評價，最主要的影響因素為：1，老師對課程內容精心準備并解釋詳盡；2，課程項目主題明確，有助于學生理解、掌握和喜愛這門課；3，課程采用教學做一體化教學，講授和操作交互進行，時間搭配合理。

從粗糙集約簡中得到核為：“課程項目主題明確，有助于學生理解、掌握和喜愛這門課”。它是所有屬性約簡的交集。從表3中也可以看到當課程項目主題不明確，不能讓學生喜愛這門課時，學生肯定對課程評價不高。因此，必須加倍重視課程項目選取，同時精心準備每一堂課，保護學生的興趣，從而提高教學質量。