基于数据挖掘的高校学生成绩预警状况分析.pdfVIP

第32卷第5期 长春师范学院学报(自然科学版) 2013年10月 V01．32No．5 of Journal Normal 0ct．2013 Changchun University(NaturalScience) 基于数据挖掘的高校学生成绩预警状况分析 叶福兰 (福州外语外贸学院，福建福州350202) [摘要]针对我国高校近几年不断扩大的招生规模给教学管理带来的巨大冲击，本文利用数据 挖掘技术(分类决策、关联规则、聚类分析)对预警生成绩进行分析，寻找不及格课程之间的内在 联系、可能原因和关键因素以及预警生共性等，挖掘出隐藏规律和模式，将问题解决在萌芽状态， 以期提高整体教学质量。 [关键词】数据挖掘；预警；教学质量 [中图分类号]TP31[文献标识码]A [文章编号]1008—178X(2013)05—0045—05 伴随着我国高校的不断扩招，生源质量也在下滑，越来越多的学生出现考试成绩不及格的现象。同 时，随着信息时代的到来，很多高校使用教务管理系统对学生成绩进行管理，日积月累，存储了大量的数 据，但是对所拥有的数据分析不够深入，对于不及格的情况往往是到了临毕业前才针对系统所导出的相关 信息采取相应措施。学生前面的课程成绩往往预示着后续课程成绩的走势，利用数据挖掘对学生成绩进 行全面的分析，找出各种因素隐藏的内在联系，对已经或即将处于偏离学分要求的学生进行预警，提前进 行预测，提早对其进行学习监管，减少不及格情况，这对提高整体教学质量具有重大意义¨。2]。 1数据挖掘技术 1．1数据挖掘定义 数据挖掘(DM)指从海量的数据库中，经过分析挖掘出对我们有应用价值的、潜在的内在规律的过 程1。数据挖掘将多门学科进行交叉使用，包括人工智能、机器学习、知识获取、统计学等，通过数据挖掘 技术，可以从信息量庞大的数据库中提取、寻找出有价值的信息模式，从而帮助决策者进行更高效的决策。 数据挖掘的应用十分广泛，如电信业、教育业、金融业等[4]。数据挖掘过程可分为问题定义阶段、数据准备 阶段、数据挖掘阶段、挖掘结果及应用阶段旧j，如图1所示。 田 圜 璺 圈圆 豳田囱圈囝目圈囝圜 图1 数据挖掘过程示意图 [收稿日期]2013—06—11 [基金项目]福建省2012年教育厅B类科技项目(JBl2239)。 [作者简介】叶福兰(1981一)，女，福建漳州人，福州外语外贸学院讲师，硕士，从事数据挖掘研究。 ·45· 万方数据 J 1．2关联规则挖掘H 关联规则挖掘是数据挖掘中最活跃的研究方法之一。关联规则指寻找数据库中项与项之间潜在的内 在关系。关联规则首先从数据库中抽取频繁出现的项集(即频繁项集)，接着寻找频繁项集之间的隐含关 系，衡量指标有支持度与置信度。 1．2．1关联规则挖掘基本概念 一个事务数据库中的关联规则挖掘可以描述如下： 对应的事务编号，唯一地标识一个事务。 定义1 设x∈I且x≠①，项目集x在事务数据库D上的支持度指在事务数据库中包含项目集x的 百分比，即Support(X)=|I{t∈D x∈t㈨川D忆 定义2设有关联规则xjY，所谓关联规则的置信度指在只包含x的事务数中包含x和Y的百分 定义3 为频繁项目集。 1．2．2Apfiofi算法 Apfiofi算法是关联规则挖掘算法中最典型的算法，是一种宽度优先算法，它采用逐层搜索迭代的方 法，是挖掘布尔型频繁项目集的最有影响力的算法，是关联规则挖掘算