基于数据挖掘技术高职院校教学应用探讨.docVIP

基于数据挖掘技术高职院校教学应用探讨 　　摘要：数据挖掘技术是近些年来新兴的技术，在多个领域广泛应用。高职院校在教学管理中常常处理大量的数据。因此，本文就数据挖掘的定义、功能和过程进行了详细分析，从而通过提高数据挖掘技术的应用，使教学和管理工作的质量和效率得到有效提升。 　　关键词：数据挖掘技术 高职院校 教学管理 　　中图分类号：TP311.13 文献标识码：A 文章编号：1007-9416（2013）07-0214-01 　　1 引言 　　近些年来，由于高职院校的学生数量的不断增长，学校的教学管理工作中产生了许多新的问题。高职院校在进行教学管理时通常要对大量的数据进行处理。这些数据包括老师的基本情况、课程安排、教学评价等方面，并且相互之间存在一定的联系。所以在高职院校中的教学管理应用数据挖掘技术，分析各种数据之间存在的相互关系，对及时排除高职院校教学管理中的问题有很大帮助，同时也可以加强教育教学工作中的针对性，是高职院校的教学管理工作的效率和质量达到提高。 　　2 数据挖掘技术的概念 　　数据挖掘技术是指在大量的数据之中，找出隐藏的、有意义的知识的过程，它是一种深层次数据分析的方法。同时也是一个交叉学科，包括数理统计、数据库、机器学习、粗糙集、模式识别等相关技术。数据挖掘技术是使人们对数据的认识从感性上升到理性的升华过程。它包括对存在于数据库的大量数据技能型抽样、转化、分析处理并从中找到对决策有益的关键性数据，所以说数据挖掘技术是一种深层次的数据分析方法。 　　3 数据分析的基本功能 　　一般来说，数据挖掘的主要功能包括： 　　（1）预测趋势和行为的功能。数据挖掘技术可以在数据库中找到预测性的信息，从而迅速直接的得到有用的结论。（2）关联分析：关联分析是数据挖掘技术的主要研究方法。关联分析的是数据库中的数据之间存在的关系，最初的时候它是针对市场购物研究提出来的。为的是探究顾客的购物方式。现在关联分析在其他的领域也应用广泛。（3）分类和预测：分类是指根据一个分类器把数据对象分到给定的某一个类别中去。一般分为两步：设定分类器，并根据分??器对数据分类。分类是有指导的数据分析学习过程，样本的训练集是已经知道类别的，并且类别的数目是一定的。分类的模型还可以应用于预测。预测是通过学习所得到的模型对某一类别的数据进行预测，从而得到相关类别。（4）聚类：聚类是把数据集合分成若干个小组，并保证每个小组的对象具有相似的特性，而不同小组的数据具有较大的差异。聚类与分类的差异在于，聚类是没有指导的学习过程，对样本的类别和个数事先并不知道。 　　总体来讲，数据挖掘技术就是在数据库中找到其中有益的隐藏事件，并对其进行分析，找到有价值的信息，归纳总结，是决策者决策问题的依据。 　　4 数据挖掘技术的过程 　　数据挖掘技术一般包括下面几个过程： 　　（1）对应用领域进行理解和确定，明确地把业务问题进行定义，这是数据挖掘技术的关键一步。（2）对数据进行选择。归纳所以与业务相关的数据信息，从中找出适合进行数据挖掘技术的重要数据。（3）对数据进行预先处理。对数据的质量进行研究，确定要进行数据挖掘技术操作的类型。（4）对数据进行编码和转换。把通过预先处理的数据进行相应的格式转换，保证数据适应数据挖掘技术软件的要求，并建立分析模型。（5）数据挖掘操作。根据各种数据挖掘技术对数据进行研究。找出用户所需的各种模型、类别、趋势等。（6）对数据挖掘技术结果进行解释说明。把数据挖掘技术的研究结果用易懂的方式展示在客户面前。（7）对发现的知识进行统一管理。 　　5 数据挖掘技术在高职院校的应用 　　高职院校信息化积累的大量数据，为我们采用数据挖掘技术提供了有效的资源。数据挖掘技术可以在高职院校的教育信息化等多方面进行应用，如教学管理和评价、教学方法选择等。 　　5.1 辅助高职院校的教学管理 　　近些年来，由于电子计算机在教育教学系统中的广泛应用，大量的数据信息储存在了教学管理的数据库中，学校可以通过对这些数据库进行数据挖掘，从而找到有益的数据来做出正确的决策。 　　5.2 制定合理的教师培训和招聘措施 　　在对高职院校教师的管理中，以前的方法就是根据平时管理所累积的信息进行决策，但是这样获得的仅仅是表层数据信息，无法得到数据的内在属性和所隐藏的内容。如果应用数据挖掘技术，对这些数据进行分析研究就会使数据信息的利用更加有效。对不同学历、职称的老师的教学数据进行分类算法的数据分析，找到哪些专业人才是通过内部培训产生，哪些是招聘引进的，进而制定老师的培训、招聘计划，使师资结构得到调整。 　　5.3 采用数据挖掘技术分析学生的特点 　　高职院校的学生入学报到后，在学校系统的数据库中存有学生档案的大量数据，内容包括：家庭成员状况、身体情