数据挖掘在农村普通高中学生管理中的应用.doc

数据挖掘在农村普通高中学生管理中的应用 摘要：本文通过对当前的高中教育形势以及本校高中教育的实际情况进行调研，结合本人的专业方向数据挖掘研究，拟对学校的高一下期文理分班学生、高三上期专业定位的学生进行分析、预测。在成都市新课改的大力推动下，对学生的综合素质评比显得特别重要，为了适应新课改、新高考的人才发展需求，我们通过计算机采用算法和软件来分析问题。通过将学生的各个学期成绩，综合素质表现内容进行汇总，采用聚类分析和关联预测建立数据模型。这样，我们可以为学生选择文理科提供参考，为学生的高考分数进行预测，以便学生、教师、学校做出及时调整和准确的判断。 关键词：数据挖掘 ；农村高中；文理分班；高考升学；关联预测 一、本文的研究背景 本文是以本人在实际工作中的问题为依据的，本人的工作单位是一所农村普通完中学校，随着近年来的不断发展，招收的学生人数逐步增多，学校规模逐步扩大，但是问题也随之而来。以前学校人数少，学校管理人员采用打印纸表格，手工评比学生的综合素质，工作起来也不是很费时间；随着学生人数增多，在评比过程中既浪费人力也浪费时间，更重要的是评比的过程中忽略了很多重要的隐藏信息，使准确率降低了，出现了很多由于人工失误带来的错误。在成都市新课改的大力推动下，对学生的综合素质评比显得特别重要，于是我们需要通过计算机采用算法和软件来解决手工评比中出现的问题，适应新课改、新高考的人才发展需求。通过将学生的各个学期成绩，综合素质表现内容进行汇总，采用我们的聚类分析和关联预测，我们可以为学生选择文理科提供参考，为学生的高考分数进行预测，以便学生做出调整；同时，通过成绩和素质表现分析，我们可以为任课教师的教学目标、教学策略提供帮助，以便根据学生的实际情况和需求，及时的改变教学方法；最后，挖掘出来的数据可以为学校的决策者提供依据，为学校开展各项活动，调整招生计划，做好升学准备等方面提供数据支持。 2014年3月，中国教育部副部长鲁昕在中国发展高层论坛上表示，中国即将出台方案，实现两类人才、两种模式高考。据鲁昕介绍，第一种高考模式是技术技能人才的高考，考试内容为技能加文化知识;第二种高考模式就是现在的高考，学术型人才的高考。技能型人才的高考和学术型人才的高考分开 [1]。新高考模式的出台，不仅仅只是意味着部分本科院校向应用技术、职业教育类型转变的工作，同时，作为普通高中，更应该根据学生在校的学习成绩和综合素质评估信息，从这些大量且杂乱的数据中获取有意义的信息，帮助学校管理者和班主任定位，还可以预测学生的发展趋势，为学生的高考选择提供数据分析和帮助，从而提高学生高校就读率和学校自身的竞争优势。 数据挖掘可以帮助决策者从学生的大量数据中分析出其间所蕴涵的有价值的知识。而聚类是数据挖掘的主要方法之一，通过聚类分析，可以将事物进行分类，并发现其特征，提取出更多的隐性价值 [2]。Apriori算法，对学生的基本信息与德智体美劳之间的多个属性进行关联规则挖掘。 聚类分析（flustering） 聚类是把数据按照它们的相似性归纳成若干类别，同一类别中的数据距离较小、彼此相似，不同类别中的数据距离偏大、彼此相异。 聚类分析已经广泛地用在许多应用中，包括模式识别、数据分析、图像处理、以及市场研究。典型的K-means方法、K-medoids方法、CLARANS方法,BIRCH方法等在后续研究中，我会通过回归分析方法中的线性回归方程 [22]，以时间为变量建立预测学生的文理分科倾向，预测学生技术 型和学术型的倾向，这些分析对一所农村高中学校非常有竞争力的。 时序模式（Time-Series Pattern） 时间模式是通过时间序列搜索出的重复发生的概率较高的模式。它也是用已知函数预测未来的值，只是变量所处的时间不同。 偏差分析（Deviation） 偏差分析主要是发现数据库中数据的异常情况。例如学生数据分类中的反常实例、不满足特定规则的一些特例、观测结果与模型间的偏差等等。 三、在实际实验操作中的具体步骤： 步骤S1，步骤S2，步骤S3，Apriori算法，以及对历史学生数据做基于线性回归方程的回归分析进行预测分析。 步骤S4，步骤S5，……then的表现形式，不断的循环处理，构造一个精确决策树，再从决策树中提取分类规则进行分类，把学生进行分类，并建立分类模型。 步骤S6，Apriori算法，建立事物数据表，调用存储过程sp_find_seeker_1_set，统计各项出现的次数；调用存储过程sp_find_regular_1_set,计算各子项的支持度。 步骤S7，步骤S8，步骤S，步骤S，discovery and datamining[M].AAAI/MIT Press,1996. [9]SATTY T L.T