针对线上教学评价信息中缺失值的研究

曹丽娜

（江苏师范大学智慧教育学院，徐州221116）

0 引言

2019年末到2020年初爆发的新冠肺炎，为了避免人群聚集导致病毒传播，教育部对全国各大中小学利用网络平台开展“停课不停学”活动[1]。疫情期间开展线上教学的教学质量难以把控。教学评价是教学中最重要的一环，针对线上教学评价尤为重要。我们要精准掌握新课标下教学评价理念，科学分析线上教学评价标准，对教师线上教学情况进行分析，准确评价线上教学质量。进而依据评价结果制定新的教学方案，改进教学方式。然而教学评价信息收集过程中，因人工原因即人员操作失误或者填写信息遗漏和机器原因如机器出现故障等导致部分数据丢失的情况。研究表明不完整的数据集会导致错误的分析结果进而导致错误决策的产生。

数据缺失现象普遍存在于科学研究领域，不止是数字信息的缺失还包括交通运输中的图片和视频丢失，DNA微阵列的信息缺失以及医疗电子记录信息等等。在机器学习数据挖掘领域数据的缺失更普遍，包含缺失数据的数据集不仅使数据质量下降，还导致很多数据分析技术（例如回归和主成分分析）无法使用，进而导致数据挖掘结果的严重偏差。一直以来数据的缺失都是一个具有挑战性的问题。数据的缺失通用的定义是两种范式。第一种范式指出如果观察变量的概率与观察变量的值无关，则认为丢失数据是可忽略的；否则，将其视为不可忽略的[2]。……