略论高校教学管理中数据挖掘技术应用.docVIP

略论高校教学管理中数据挖掘技术应用 　　[摘要]高等学校多年来在教学管理工作中积累大量的数据，利用数据挖掘技术对这些数据进行分析和挖掘，发现对教学管理有用的信息，这些信息不但可以辅助管理者决策，同时也利于学校合理设置课程、优化教学资源，从而推动学校的全面发展。 　　[关键词]数据挖掘 学生成绩 教务管理 教学评估 　　中图分类号：TP3文献标识码：A文章编号：1671－7597（2009）0220059－01 　　 　　一、引言 　　 　　随着信息技术在高校管理中的普及，在教学管理系统中积累了海量的数据。这些有关教学的数据已经形成一个教学信息数据库。在教育信息化条件下，应对这些高校长期积累的海量数据进行分析和挖掘，以期发现对学校教学管理、学生管理有指导作用的信息，这些知识可以辅助学校管理者决策，提高学校的综合实力，同时也可以为学校提高教学质量、优化教学资源提供可靠的数据依据。 　　 　　二、数据挖掘及方法 　　 　　数据挖掘（Data Mining，简称DM）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又有潜在的有用信息和知识的过程[1]。简单地说，数据挖掘是从大量数据中提取或“挖掘”知识。目前，常用的数据挖掘分析方法有：关联规则分析、聚类分析、分类分析、特征、变化和偏差分析、Web页挖掘等几种。 　　 　　三、数据挖掘技术在高校教学中的应用意义 　　 　　我国高校的信息化发展迅速，截止目前，全国96％以上的高校已经建立起校园网。如何利用信息技术更有效地为校园管理服务，提高校园信息化程度已经成为衡量教学管理质量的重要标志之一。因此笔者认为利用数据挖掘技术将教务管理系统中的学生成绩信息、授课教师信息、学生信息结合起来分析，充分利用这些数据为教学管理服务，是非常有必要的。 　　 　　四、数据挖掘在高校教学管理中的应用 　　 　　（一）数据挖掘在学生成绩分析中的应用。在高校中的教务管理系统中存在着大量教学数据，这些数据都具有实时性和历史性。这些数据的数据量非常大，利用数据挖掘技术对所有学生的成绩进行分析，对学校专业、学年学期、课程、教师等多方面进行分析获得有价值的数据。 　　在高校中，学生的课程安排是循序渐进的，许多课程之间有一定的相互关联关系。学生在学习时，也必须按照一定的前后顺序。在学习某门专业课之前，要先学习某些专业基础课。而且如果先开设的课程没有学好，就会影响后续课程的学习。另外，同一专业学习同一课程的不同班级，由于授课教师、班级文化的不同，班级学生的总体成绩相差有时会很大，随着教学规模的不断扩大，教务管理人员及任课教师很难再像从前那样直接根据学生的成绩数据分布找出诸如前期课程与后继课程的关系。并据此进行教学进程的决策在这种情况下，我们可以利用数据挖掘中的关联规则对课程数据进行挖掘分析，发现数据中隐藏的课程相关规律或模式，为决策提供必要和准确的理论支持。 　　关联规则，侧重于确定数据中不同领域之间的联系，找出满足给定支持度和可信度阈值的多个域之间的依赖关系 关联规则是指在数据仓库中挖出具有这种形式的规则：由于某些事件的发生而引起另外一些事件的发生。例如，在学生成绩数据库中，我们可以发现“《计算机网络基础》成绩80分以上的学生，《局域网组网》成绩也是80分以上的可能性是66％”。这就是一条关联规则。这样，我们可以加强《计算机网络基础》的教学，以此来提《局域网组网》的教学效果。在大型数据库中，这样的关联规则可以产生很多，这就需要进行筛选用“支持度”和“可信度”两个阈值来淘汰那些无用的关联规则。 　　将关联规则应用到成绩分析系统中，分析学生成绩和课程安排以及课堂效果和教师整体素质之间的关系，合理设置教学课程和教学计划，掌握学生的学习情况，从而为教学部门提供决策支持。 　　（二）数据挖掘在教务管理中的应用。在教务管理中运用不同的数据挖掘方法可以挖掘出相关的有价值的信息知识，分类法即通过找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类，将数据库中的数据项映射到某个给定的类别。这项技术在高校教务管理中有着广泛的应用范围。 　　现代教育要求对不同的培养对象采取不同的培养方式。体现其个性化特征，人才培养方案的制定必须有一定的信息积累和数据要求，通过问卷调查或者从教务管理系统中直接提取如学生的个性特征、学习情况以及学校的教学资源配置、教学计划和课程设置等信息。利用分类法对这些数据进项分析挖掘，找出它们的共同点，对它们进行分类，制定科学合理的培养方案。 　　利用学生的家庭情况、特长、学习和获奖情况等数据信息对学生进行分类。然后根据分类结果寻找其中的内在联系。例如存在A+B→C的规则，那么根据学生的A行为和B行为就可以推出可能要