数据挖掘技术在教学管理中应用研究.docVIP

数据挖掘技术在教学管理中应用研究 　　摘要：本文就数据挖掘技术内涵、科学重要性，探讨了其在教学管理中的实践应用、开发研究。通过英语四六级成绩通过率数据处理分析、系统模块设计，教师评价管理应用，体现了数据挖掘技术的显著优势。对优化高校教学管理水平，提升工作效率，有积极有效的促进作用。 　　关键词：数据挖掘技术；教学管理；应用 　　中图分类号：G642 　　文献标识码：A 　　文章编号：1009-0118（2013）03-0162-02 　　一、数据挖掘技术内涵及应用任务 　　（一）数据挖掘技术内涵 　　数据挖掘技术通过知识发现手段，由较多不完整、不明确、模糊、丰富、随机可影响数据中做价值化、隐秘数据、知识及信息的提取。该技术可以说是多学科技术知识的交叉形成产物，从其中挖掘精髓内容，涵盖数据库技术、神经网络技术、机器学习手段、模糊控制、统计原理、人工智能、知识库体系、搜索信息、可视化数据库技术等内容。 　　（二）数据挖掘技术应用任务 　　通过数据挖掘技术的知识发现进程，可完成各类关键数据管理任务，即关联分析、聚类分析、预测分析与异常检测。关联分析主体通过数据关联特征挖掘进行描述，倘若一些数据项取值存在重复，同时出现该现象的机率较高，则证明该类数据间包含相应关联性，进而可创建同该类数据项的具体关联规则。可通过该项规则将各关系数据进行有效聚合，进而便于实践工作管理。基于该项关联规则，在实践教学管理中，倘若学生需要在教务处系统中进行成绩查询，则与该学生相关联的成绩、学分均会呈现出来，可全面提升教学管理效率，优化实践控制效果。针对教学管理数据库体系来说，聚类分析主要针对存储的丰富数据，进行有效合理、科学的归类。可将归类方式分成聚类与分类等。倘若明确用户要求，可依据要求引入分类方式进行分析。聚类则通过不知晓要求基础上，针对数据信息中的相关特点，例如同类集合、关联特征等实现分类分析。 　　预测分析主体依据自变数据进行他类目标变量、特定数据的预测，该分析对数据信息研究尤为重要。在高校教学管理实践中，倘若将学生学习成绩视为自变量，则教师、各级工作人员便可由各个数据分值之中，进行具体学生或整体班级、各系成绩分数的统筹预测，做好后续教学管理规划，下学期课程体系设置。通过数据分析提供安排调整参考，进而对各个课程实施有针对性的整改辅导。异常检测手段主体针对不同特点的数据，发觉检测对象的异常之处，可树立科学检测目标，杜绝将正常信息误认为异常状况。例如，在教学管理阶段中，对学生成绩进行分析，倘若一个班级中有三十名学生，其中有二十九名学生英语成绩在七十分之上，一名学生则获得三十五分的成绩，则针对该类成绩存在的差异，我们认为该类分数数据很可能包含异常，同时也不排除其有可能正常的现象。为此，相关教师应对该类数据成绩通过数据挖掘技术实施异常检测，核查真正成因。倘若数据包含异常现象而不实施检测，则会对学生今后的学习热情、自信心、积极性形成不良影响。倘若数据信息不存在异常，则教师应实施有针对性的培养辅导，令该学生尽快的缩短同他类学生的差距，优化学习效果。 　　二、教学管理系统设计 　　（一）教学管理系统应用需求分析 　　教学管理系统的设计应符合高校实践发展的根本需求，对各个学生的档案信息、成绩分值、教师状况、课程安排信息、任课情况、教师评价等层面进行统筹管理。同时，教学管理体系中还应嵌套包含合理实用的数据挖掘功能与分析的技术模块，进而对教学系统各项数据信息实施分析研究。各系学生则可借助该教学管理系统实现自助选课，根据爱好兴趣选择相关课程内容。同时还可对所学课程成绩状况进行在线查询，并可对任课教师教学状况、师德师风、实践效果展开综合评价，作出项目内容的删除与改正等。教师则可利用该类系统对学生具体选课状况展开核查，并做好执教内容的针对性处理。例如进行成绩录入、修改、删除等操作。对于学生学习成绩状况，教师则可进行实时查询，并可通过成绩数据挖掘分析，明确授课效果，做好针对性教学手段、课程设置改进。系统管理人员则可对在校学生各项基本状况、教师信息、课程安排实现综合管控。做好各类信息的删除、添加、改进等，还可基于不同查询方式、设置条件由系统得到特定信息，并实现有针对性的数据挖掘分析与应用。 　　（二）教学管理系统模块与数据库设计 　　通过教学管理系统需求分析，我们应做好模块设计，具体方案为，教学管理系统应包含登陆、管理学生、教师、课程以及效果评价、查询与数据挖掘模块等。同时，学生管理应涵盖增删改相关信息、选课模块等内容。课程管理、评价管理、教师管理、成绩管理、同样应涵盖增删改相关模块。数据挖掘模块则应包含决策树分析与关联规则分析等子模块。而查询模块则应涵盖学生与教师信息的查询、成绩以及评价查询等子模块。基于教学管理系统相关功能，其主体数据库表应包含