數据挖掘在教师调串课中的应用研究.docVIP

数据挖掘在调串课中的应用研究 摘要：针对我校近三年来的调串课情况，应用数据挖掘技术，对海量的教师调串课数据进行分析整理，得出了教师调串课的一般规律，将规律应用在课程编排过程中，解决了资源浪费等问题，取得了良好的效果。 关键词：调串课、数据挖掘、决策树、增益率。 The application of data mining for transfer lessons Zhanglei (The academic administration of Jiamusi University HeiLongjiang province) Abstract: In connection with the situation of transfer lessons for nearly three years,use the data mining,analysis the mananimity data of teachers which transfer lessons,obtain the laws of teacher transfer lessons.use those laws in course arranging resolve the problems of resource waste and good effectiveness is gained. 引言 日常教学中经常会有教师因为各种各样的问题要求进行调串课，这样不仅打破了正常的教学规律，给日常的课程安排和教学检查带来麻烦，而且造成了很大的人力、教室资源等方面的浪费。如何在教师的基本数据中提取出有用的信息和知识，对潜在的调串课现象进行预处理，减少调串课对正常教学的影响，成为各高校教学管理中亟待解决的问题。但是由于各学校调串课的数据量巨大，仅以我校为例， 2009年9月就多达上百份，使用简单的统计学方法无法满足需求，因此，综合本校的具体情况，应用数据挖掘技术中的决策树算法，解决本校调串课所带来的不良影响。由于调串课是比较典型的分类问题，并且某些训练样本可能缺少属性，所以本文使用C4.5决策树模型。 一、数据清理 教师的调串课基本情况包括如：姓名、性别、年龄、学历等，具体数据情况见表1。（教师姓名为虚构，数据以2008年春季学期部分数据为例。） 编号 学院 姓名 性别 年龄 学历 职务 是否调串课 音乐学院 高亮 女 30 本科 调课 材料学院 繁荣 女 53 硕士 教研室主任 调课 人文学院 王民 女 45 本科 院长 调课 材料学院 杨斌 男 40 硕士 教研室主任 调课 教育科学学院 许美 女 40 硕士 院长 调课 外国语学院 孟秀 女 33 本科 未调课 药学院 于丽 女 45 硕士 副院长 调课 教育科学学院 闫华 男 29 本科 调课 理学院 咸淳 男 45 本科 副院长 未调课 材料学院 李博 男 28 本科 调课 基础医学院 刘波 男 50 本科 调课 信息学院 王梅 女 40 硕士 未调课 生命科学学院 董文 男 41 博士 教研室主任 调课 机械学院 杨华 女 26 本科 未调课 国际学院 王元 男 39 硕士 未调课 （表1） 由于表中样本存在缺少属性的现象，所以针对不同属性的缺失采用不同的方法进行预处理。如：缺失姓名的样本将直接抛弃，缺失年龄的采用箱平均值平滑法进行处理，缺失学历的直接填充为本科。将无课教师筛选出去计算中不作考虑。 二、计算增益率选取属性 在决策树建立过程的选择点上，增益率最大的属性是用来进一步细分树结构而选取的属性。属性的增益率计算公式[1]： GainRatio（A）=Gain（A）/Split Info（A） Gain的计算公式：Gain（A）=Info（I）-Info（I，A） 其中：Info（I）= - log（） 将I划分为k个结果后 Info（I，A）= - Split Info（A）= - 将（表1）中的除编号外的各个属性分别代入到公式中，其中#inI取为在选定属性下是否调串课的数据总个数，#inclassi（#inclassj）所取的值为调课的数据个数。通过计算机自动计算出每个属性大的增益率。 三、构建决策树 计算取得增益率之后，根据所得的增益率最高选取该属性作为选定节点构建决策树。 构建决策树的算法为[2]： Decision_tree（samples，attr_candidate） 将属性设为决策树的点并计为C； if samples都在同一类then返回