浅析高校学生管理系中数据挖掘的研究与实现-于澍.docVIP

浅析高校学生管理系统中数据挖掘技术 于澍 随着国家教育、教学范围及其规模的逐渐增大，在整个教育体系中，学生本身更像市场经济体系中的消费团体，只有学校制度的多样化、多重化才能满足他们的要求。各高校需给予学生充分的、更多的选择。各高校的服务应以人为本、以学生为本，展现给学生更多的、优质的服务。同时学生数量的逐渐增加、学生管理制度的不断完善以及教学任务的分配、科研管理、青年教师的培养等工作量也与日俱增。这些都给学校的传统管理工作带来了很大的烦恼，学校传统管理模式将无法满足这些新的要求。根据辽宁省教育评估体系的工作评估文件调查结果显示，截止至2009末，辽宁省内仍有30余所高校采用传统的管理模式，由此产生的纸质化办公的工作量非常之大，而且数据保存有一定的时间及年限，10年前或者20年前的数据材料有些已经无法查询或很难查询。因此在这样的情况下，众多高校采用学分制管理的，并提出了学生管理系统的信息化及规范化。但是只有学生信息管理系统还是远远不够的，因为在很多高校只有管理学生工作及教学工作的工作者才能应用，其他的与学生相关的管理部门如想通过学生管理信息系统查找学生相关数据都很难在本地的计算机上直接实现。因此提出了学院数字化办公的建设目标。就是以校园网络为基础，利用相关的技术及工具，实现从资源(如图表、讲义、课件、信息等)、到活动(包括教、学、管理、服务、办公等)、到环境(包括机房、教室等)的全部数字化，数据生存于整个网络之间，使学院各部门通过其网络使学生、专业、各系部及其学生信息、财务、招生、就业、资助、学籍等等管理成一条线，全部实现计算机管理。 针对以上问题，我们提出了数据挖掘的应用研究。数据挖掘就是从大型数据库的数据中提取人们感兴趣的知识，这些知识是隐含的、事先未知的、但潜在有用的信息，数据挖掘意味着在一些事实或观察数据的集合中寻找模式的决策支持过程。它是一门交叉性学科，融合了人工智能、数据库技术、模式识别、机器学习、统计学和数据可视化等多个领域的理论和技术。数据挖掘作为一种技术，它的生命周期正处十沟坎(chasm)阶段，需要时间和精力去研究、开发和逐步成熟，并最终为人们所接受。 近年来，许多高等学校在教学和日常管理工作中积累了大量的数据，但这些海量数据却没有有效的利用。学校管理人员在日常整理中只是通过统计或排序等简单功能获得表面的潜在信息，因此对于这些数据的挖掘是一个待开发的“金库”。如何对这些表面数据再次进行有效管理和整合，从中发现规律，将现有的管理数据转化为可供使用的知识，以便于为学校管理者提供决策支持，提高管理水平和办学质量，是现在各大高校都在研究和讨论的重点。 学生是高校的重点管理对象，学生管理质量的优差是高校管理是否成功的关键所在。高校管理信息系统中几乎收集到了所有关于学生的信息。校园卡管理系统中收集了关于学生生活方面的信息，包括学生是否在校、学生的作息情况、学生的消费情况等等；教务管理系统中收集了学生学习方面的信息，包括每个学生的基本档案，各个专业的学生学习哪些课程，学生每门课成绩如何等等。将高校管理信息系统中收集到的信息，用数据挖掘技术进行分析, 将得到一系列可以为高校学生管理者提供决策支持的结论。目前的高校学生管理，首先需要建立数据仓库，在数据仓库的基础上进行联机分析处理和数据挖掘，为学生管理提供依据支持。数据挖掘从广义上说，就是在一些事实或观察数据的集合中寻求模式的决策支持过程。因此，它除了处理传统数据库中的数值型的结构化数据外，还可以对文本、图形、图像、WWW信息资源等半结构、非结构数据进行挖掘。数据挖掘意味着在一些事实或观察数据的集合中寻找模式的决策支持过程，数据挖掘的对象不仅是数据库，也可以是文件系统、数据集合。对于那些管理者明确了解的信息，可以用查询等其它工具直接获取，而另外一些隐藏在大量数据中的关系、趋势等信息就需要数据挖掘技术。数据挖掘技术可找出大量真正有价值的信息和知识，可以更好地对高校的学生管理做出定量的分析和预测。在国外，数据挖掘技术已被广泛的应用于各个领域，其中一些典型应用如加州理工学院喷气推进实验室与天文科学家合作开发的SKICAT系统，能够帮助天文学家发现遥远的类星体，是人工智能技术在天文学和空间科学上的第一批成功应用之一，生物学研究中用数据挖掘技术对DNA进行分析；利用数据挖掘技术识别顾客的购买行为模式，对客户进行了分析；对银行或保险公司经常发生的诈骗行为进行预测；IBM公司开发的AS（Advanced Scout）系统针对NBA的比赛数据，帮助教练优化战术组合等。 在学术研究上，数据库、人工智能、信息处理、知识工程等领域的国际学术刊物也纷纷开辟了数据挖掘专题或专刊，如：IEEE的Knowledge and Data Engineering会刊领先在1993 年出版了数据挖掘技术专刊，在In