数据挖掘技术在高职院校选课数据中分析和的研究.pdf

摘要 摘 要 随着高职院校教学管理现代化进程的加快和教学体制的改革，各大院校的教务管 理正向“规范化、信息化、网络化”的方向发展，而基于学分制的选课方式也被运用到 教学管理中。基于选课系统的数据仓库中数据越来越多，隐藏在数据中的信息却越来 越难获取。通过数据挖掘技术可以准确而又快速的从浩瀚的数据资源中提取出所需信 息，寻找到课程与课程之间的相关性，能明确表示出前继课程与后继课程间的关系等。 因此可以帮助学生根据具体情况作出选修计划及为教学管理人员制定出合理的选课 课程组。而且，对成绩数据的深度挖掘还可找到影响学生成绩的原因，有利于针对性 的提高教学质量。 数据挖掘技术是可以通过对现状问题进行有效的模式提取，去发现隐藏在浩瀚的 数据资源中的一些规律和数据相互之间的某些关系，因而可以整理、分析、提取出有 价值的知识，让这些知识为用户的决策提供服务。本论文对数据挖掘等基础知识有了 透彻的理解，综合分析了数据挖掘的基本理论；并对数据挖掘中的常用算法做了详细 介绍；最后创建了相应的数据仓库，对某些数据进行了挖掘等。 本论文以教务管理中的选课数据作为研究对象，以培养学生为研究目的，对学生 选课、成绩数据的挖掘找到影响学生选课和成绩的内在因素。本文运用聚类法确定不 同专业学生的选课方向。并将一种改进的Apriori算法应用于所建立的学生成绩数据 中。并通过实验数据验证其有效性为模块教育的课程搭配提了一种可行的解决方案。 这些挖掘和分析对教学工作的开展与改进具有一定的指导意义 由于本研究所涉及到的数据量比较大，对学生选课状况及成绩数据难以做出较 全面的分析，因此，仅选取某高职院校教育系学生选课课程数据及信息工程系学生 成绩的作为数据分析对象。 关键词：数据挖掘；选课；聚类法；Apriori算法 ABSTRACT ABSTRACT the withthe vocational modemization Along higher collegesteachingmanagement the andthe and of of reform，universities system colleges quickeningprocess teaching educationaladministration and on network”，based positive”normalization，information thedirectionof credit hasbeen tocourse development，thesystem applied way data and of onthecourse ofdatawarehousemore managementteaching．Based system difficultto the moretheinformationin moreandmore data，but