数据挖掘在独立学院课程预警中应用与实践.docVIP

数据挖掘在独立学院课程预警中应用与实践 　　摘 要： 为了提升独立学院的办学质量，以独立学院教务系统数据为研究对象，以优化的Apriori算法为主要思想，开发了基于学生预警和教师教学效果预测新型功能的数据挖掘系统。能实现对可能不及格的学生和可能教学效果不理想的课程老师及早提示，大幅消除对后续课程的影响并减少不及格人数，对提升独立学院的整体教学效果起到重要作用。 　　关键词： 数据挖掘； 效果预测； 教务管理； Apriori算法 　　中图分类号： TN911?34； TP311 文献标识码： A 文章编号： 1004?373X（2016）17?0136?04 　　0 引 言 　　数据挖掘是一种能从海量数据中智能提取到有价值并关联信息与知识并有效支持决策的一种技术，在某些普通本科高等院校教学管理中已有应用[1]，然而由于独立院校历史短暂，学生数据相比较少，通过文献检索，并没有文章研究过数据挖掘技术在独立学院课程预测中的应用。 　　本文基于数据挖掘理论[2]，采用优化的Apriori算法[3]为主要方法，以我院万名学生的学生教务系统数据库为数据源，智能分析出学生不同课程考试成绩之间的关联性，在原有教务系统的功能上增加了学生成绩预警，教师教学效果预测两个功能，这样学生在学习一门新的课程的时候，就会得到一些预警信息，如前期某些课程没有学好会不会对本门课程的学习造成很大影响，同样，教师在教授这门课程的时候，系统也会给出一个统计报告，给出前期相关课程的班级总体情况，如果按照一般教学有可能会得到一个什么样的教学效果，对本专业后续课程会带来何种影响，这样老师在教学过程中就会注意前期知识点的影响，及时补救，就能大大减少学生不及格的情况，提升教学质量。 　　2 系统架构与设计 　　2.1 系统总体架构 　　系统主要采用微软的.NET开发工具Microsoft Visual Studio 2010中的Business Intelligence Development Studio为开发环境，采取标准三层架构[5]设计开发，表示层主要实现教务系统的一般功能，学生主要可以查询成绩，教师教务员等权限可以录入、修改、删除、统计成绩，本系统表示层增加了对于可信度与置信度的最小设定，并可设定课程相关度的预警因子[6]，学生登录后可以自动对可能学不好的课程做预警提示，教师登录后可自动预测教师即将教授课程的预测统计表。业务逻辑层主要实现关联挖掘算法，主要采用优化之后的Apriori算法，能快速对关联数据实现挖掘，并将结果反馈到表示层。数据层主要对采用Sqlserver 2010以及配套的Data Mining实现原始数据存储，挖掘数据库[4]的建立，关联规则库的抽取。三层架构如图1所示。 　　2.2 数据库的逻辑结构设计 　　系统运行的原始数据存储在SQLServer 2010物理数据库中，其设计符合一般数据库原理，达到了BC范式[7]，消除了插入删除更新异常以及数据大量冗余等问题，其包含了学生基础信息表，课程基础信息表，学生选课成绩表，教师信息表，教室信息表等11张二维表，并存储了总共约5 000万条元组的数据量，创建关联规则库[8]，设定最小的支持度与置信度[9]，采用优化Apriori算法创建相对应的关联规则二维表，通过关联规则对原始数据进行筛选处理，得到了以学号为主关键字的学生成绩信息等汇总数据表，为数据挖掘做前期铺垫。 　　3 数据挖掘实例分析 　　3.1 前期数据准备 　　以我校某院09级（1）班54名计算机师范专业同学为研究对象，选取理工科课程成绩数据为例，通过相应的数据挖掘算法分析，找到各科课程成绩的内在关联，为学生的学习，老师的教学提供数据决策支撑，为方便表述，表1中高等数学1的成绩表示为GDSX1，计算机导论成绩表示为JSJDL，网页编程成绩表示为WYBC，线性代数成绩表示为XXDS，表1给出了以学号为主键的大学四年成绩汇总表。 　　3.2 数据筛选及转换 　　该班54名学生中有1名学生考入强化部，1名学生转专业转入商学院，后续课程无关联，因此从挖掘数据库中排除，得出有效选课成绩元组1 664条（平均每学期选取了4门理工科课程），统计大学所有课程成绩，为数据挖掘方便需要对数据进行格式化处理，为以后该专业学生的学习做数据预警和老师教学效果做出预测，考虑到了独立学院学生的特殊性，自觉性比一般本科院校学生差，不及格率更高，90分以上学生较少，本文对成绩等级区分做了细化处理，成绩与等级关系如表2所示。 　　对表1和表2数据进行转换统计，得出如表3所示的成绩等次统计表。 　　根据表3，对照Apriori算法设定最小支持度[10]为0.2，班级总人数为52名，那么最小支持人数必须达到52×0.2即10.4名，如果这门课