本站原创摘 要 ：教学评价是教学行为的一项重要措施,是一个多因素决策系统,权重系数的确定是一个重要环节,目前大部分教学评价系统使用的是主观赋权法,也可以称为静态赋权,这样的权重不能随情况的变化而变化,为了克服这一缺陷,该文将采用熵值法计算权重后,再修改主观权重,实现动态赋权和静态赋权相结合.教学评价的最终目的是为了加强师资队伍建设,因此该文还将教学评价结果与教师队伍信息（年龄、性别、学历、职称）相结合,通过决策树分类预测,找到影响教学质量的主要因素.
关 键 词 ：教学评价；熵值法；决策树
中图分类号：G642 文献标识码：A 文章编号：1009-3044(2012)36-8709-03
近几年来,高等教育的规模在不断扩大,学校的教学工作面临着许多的情况和问题.学校的扩招,给人们提供更多获得教育机会的同时,也容易导致教学质量的下降.山东胜利职业学院作为地方高等职业教育院校,也因此面临着极大的挑战,如何在教育资源相对减少的情况下保证教学质量成为学校教育管理部门的首要任务[1].
提高教师队伍的教学水平是解决上述问题的关键,由于一个教师教学水平的“高”或“低”是通过教学评价来判断的,因此学校需非常重视教学评价这个环节.
然而评教成绩只能说明教师教学的“好”或“坏”,这对于学校引进人才,加强师资队伍建设是不够的,还需要找到教师（年龄、性别、学历、职称）对教学质量的影响.
该文将采用数据挖掘中的熵值法来提高评教结果的准确性,决策树算法来找到影响教学质量的主要因素.
1.熵值法确定权重系数
传统的教学评价系统各个指标的权重系数是由专家评定或主观经验来确定的,这种权重
相对稳定,不能随实际情况的变化相应得调大或调小,会存在一定的误差[2].为了提高评价的合理性和正确性,该文将采用熵值法对指标权重进行调整,实现动态赋权和静态赋权相结合.
1.2 熵值法计算步骤
2.决策树
决策树是一种典型的分类算法,它采用自顶向下的方法构造决策树,在决策树的内部点进行属性值的比较并根据取值确定不同的分支,在叶节点处得到结论[6-9].
ID3算法是最基础、最具有影响力的决策树算法,它方法简单、理论易懂,适于处理大规模的学习问题.
2.2 ID3建树步骤
1）对于当前样本集,如果样本都属于同一类,则创建一个树叶节点,并用该类标记,算法停止.
2）否则,计算样本集中各个属性值的信息增益,选择信息增益最大的属性作为测试属性.
3）将样本集根据测试属性的不同取值重新划分子集.
4）按照同样的过程进行自顶向下的递归,直到满足下面三个条件中的任何一个,递归将停止.
①所有样本都属于同一类；
②没有属性再可以被划分.
3.实例应用
4.结束语
使用熵值法根据每次评价的具体分值对已给定的静态权重进行调整,实现了动态赋值,因而适应教学情况不断变化的需要.将评教成绩与教师的相结合,通过决策树预测得到的分类规则为学校引进人才,加强师资队伍建设提供了依据.