数据挖掘在高校教学管理中的应用论文.pdfVIP

数据挖掘在高校教学管理中的应用 袁颖 中南财经政法大学信息学院，武汉，430060 摘要近几年．中国大众化高等教育的普及，高校学生敷量的澈增，导致教学管理工作中出现了 诸多新的问题，迫切需要引入以前未采用的数据挖掘技术，以有效地分析和管理相关海量数据。提 高管理水平和效率，并且能够对高校各项工作起到辅助决策的作用。 关键词数据挖掘，教学管理 1数据挖掘 数据挖掘(Data 则)的过程，是一类深层次的数据分析方法。它是一门交叉学科，包括机器学习、数理统计、神 经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。 数据挖掘过程包括数据收集、数据处理、数据变换、数据挖掘、模式评估、知识表示等过程， 以上的过程不是一次完成的，其中某些步骤或者全过程可能要反复进行。 数据挖掘的方法较多，常见的有关联规则的挖掘、多层次数据汇总归纳、决策树方法、神经 网络方法、覆盖正例排斥反例方法、粗糙集方法、遗传算法、公式发现、统计分析方法、模糊论方 法、可视化技术等等，具体内容本文不作介绍。 2数据挖掘在教学管理中的应用 (1)学生综合素质测评 综合素质测评涉及政治思想素质、学业成绩平均分数、科研与创新能力、社会实践能力、体 育括动等，这些指标只有部分可以量化。教学管理部门多采用人工测评方式，利用层次分析法 或模糊分析法进行评价。人工测评受主观因素影响较大，准确度不够高。同时需要设计不同 的效用函数并给各个指标赋予权值，处理过程比较复杂且难推广。可以利用决策树分类理论 解决这个问题。 首先建立决策树分类规则如下： l、2、3级。 前40％至∞％)、较差(排名前 If r 课外实践能力1)then(综合寒质1) 强外寒践能力2)th∞(辖台寒质2) 课外实践能力1)the(辖合素质2) 课外塞聪艋力2)thn(综合寒质3) and(课外实践能力1)th∞(综合素质3) Iff 课外实践能力1)th∞(综合素质3) 根据前面建立的决策树分类规则，建立数据训练集，输入已有数据，选用决策树分类的模 型进行数据训练。生成预测学生综合素质的决策树。 (2)教师测评 在教学评价系统中，为了得出评价的规律，必须对收集的众多信息指标进行处理，有些指 标是关键的，获取这些指标有助于管理的成效，在实际教学管理中有很大的价值。通过对老师 上课情况的调查，了解了很多指标，如教学态度、教学内容、教师对课堂时间运用情况、板书情 况、教师学历等。如何以较少的指标做出准确的评价，同时具有代表性和决策性是主要内容。 基于这些，可以利用粗糙集理论，通过求属性重要性排序，在泛化关系中找出与原始数据具有 相同决策能力的相关属性最小集合，实现属性归约，以便产生更简洁、更有意义的知识规则。 (3)课程合理设置和教学方法选择 由于课程之间的前后联系，所以课程学习都是循序渐进的，需要先修课程傲知识准备。同 时，课程的设置也应根据需要做出合适的更新和调整。可以使用数据挖掘中的关联规则分析 方法，分析课程之间的设置是否正确。比如通过分析课程A和课程B之问的关联性，决定怎 样安排这两门课程的开课顺序，才能使学生按照一个合理的知识脉络来学习。尤其有些课程 没有很明确的前后修读关系，但是安排在同一学期或者不同的学期学习，可能效果是不一样 的，此时，可以利用关联规则分析。比如设置了课程A和课程B，是否应该设置课程c。 教学效果因教学方法而异，同-1]课，不同的老师运用不同的教学方法讲授，学生成绩也 有区别。通过对数据库中往届学生的成绩进行回归分析、关联分析，探究学生的成绩和教学方 法之间的关联性，对于寻找一种合适的教学方法有很大的作用。这也是数据挖掘的一种优势。 关联规则的分析方法除适用以上方面，它还能对学生学习、成长状况以及老师