商业智能技术在高校教学管理中应用研究.docVIP

商业智能技术在高校教学管理中的应用研究 　　摘 要: 商业智能通常被理解为将企业中现有的数据转化为知识,帮助企业作出明智的业务经营决策的工具。本文作者提出了将商务智能技术应用于高校教学管理中,并给出了基本思路,同时在成绩管理模块中尝试具体运用,旨在通过建立统一的教学管理数据视图,为相关的应用人员提供准确、快捷、高效的教学业务数据查询平台,尤其是为广大师生提供教与学的方向指示。 　　关键词: 高校教学管理 商业智能技术 数据挖掘 　　 　　1.引言 　　 　　商业智能也称作BI(Business Intelligence),这一概念最早是由GartnerGroup提出来的,主要应用于企业中。它能将企业数据转化为知识,进而转化为企业利润。确切地讲,商业智能并不是一项新技术,它是将数据仓库(DW)、联机分析处理(OLAP)、数据挖掘(DM)等技术与资源管理系统(ERP)结合起来应用于商业活动实际过程当中,实现了技术服务于决策的目的,目前在国外已经得到了广泛的应用。其中IBM公司就是一个为很多企业提供BI解决方案的知名公司,已经有大量的成功案例。在国内,当前商业智能系统也主要运用在企业的商业活动中,例如广告业、银行业、移动通信等;部分政府机关和事业单位为了更有效地管理和使用各种经济数据等也有运用,如各级税务部门。但是在高校的教务管理部门的应用目前尚没有深入的应用和研究。我们提出了将商业智能技术引入到高校教学管理的设想,给出了基本思路,并在学生成绩管理中小试牛刀,作了初步尝试,希望能够进一步深入推广。 　　 　　2.基本思路 　　 　　在高校教学管理中利用商业智能技术的基本思路就是以数据仓库、联机分析处理(OLAP)和数据挖掘为核心,将来自教学过程中不同运作系统的大量冗余数据,进行识别、提取、清理,以保证数据的正确性和有效性,然后经过抽取(Extraction)、转换(Transformation)和装载(Load),即ETL过程,合并到一个相对级别较高的数据仓库中,从而得到教学数据的全局视图。 　　商业智能在教学中的应用与在商业中的应用最根本的区别在于反馈受众的不同。在企业商业智能应用中,最终结果以某种知识形式反馈给相应的企业决策人员,而原始数据的创造者――绝大多数的员工,得??到最终结果的反馈,从管理角度上考虑,他们也无需得到这部分知识的反馈。而在教学中,商业智能应用的最终结果的主要反馈对象也包括原始数据的创造者之一,例如学生本人。学生作为重要的反馈受众得到他自己所创造的大量数据的最终形式化结果,从而更有效地引导学生关注和了解自己的学习状况,主动地看清自己的位置,自己的趋势,自己的所作所为的可视化结果,以便更好地完成学业。同时,帮助教学管理者分析和掌握学生的总体情况与发展趋势,更有效地利用现有的数据,挖掘数据的功效,以加快教学管理体系的改革,从而最大限度地提高教学管理的效能。 　　 　　3.学生成绩管理中商业智能技术的应用初探 　　 　　在高等院校中,学生的相关数据尤其是和学习相关的数据可谓是海量,但是目前这海量的数据没有发挥其应有的功效,大部分高校对这部分数据的应用主要在于对数据的查询和统计,而这两个功能也只是数据的一小部分功能;对数据的分析,并给出相应的决策指导,使数据起到更高层次的功效。我们设想,在教学中,商业智能应用的最终结果的主要反馈对象是原始数据的创造者――学生本人。以往数据分析的最终结果主要反馈给学校各级领导,仅仅将形式化的数据知识作为决策参考,从而主动地影响学生本人,而学生只是被动地接受影响,这种现象导致的最终结果就是教师苦口婆心地劝导,而学生却置若罔闻。这正是因为学生没有得到全面的、准确的、实时的数据信息反馈,对自身的学习状态没有正确而清醒的认识,所以,我们设想,让学生作为重要的反馈受众得到他自己所创造的大量数据的最终形式化结果,从而使学生主动地看清自己的位置,自己的趋势,自己的所作所为的可视化结果。 　　在学生成绩管理模块中,学校通过合适的查询工具、数据挖掘技术、OLAP技术等对学生成绩数据进行分析处理,最终以可视性较好的最终知识呈现给学生用户。本模块力争主要达到以下目标:一是图表化的综合趋势分析;二是可视化的学习定位分析;三是可预见的学习趋势分析,等等。 　　3.1成绩均值分析 　　学生可以将自己各门课程的成绩与本专业各门课程平均分进行比较,通过曲线图来形象表示。如图1所示。 　　 　　事实上,学生可以更加灵活地选择需要,任意圈定比较的人群范围,比如和同宿舍几位同学的成绩比较,或者本专业成绩比较优异的几位同学,等等。 　　3.2合格率分析 　　通过对一个班或一个专业的各门课程的合格率进行分析,学生可以清楚地看到自己是否属于不合格的人群当中,从而加强学习。尤其对于那些