数据挖掘技术在教务系统中的应用.docVIP

数据挖掘技术在教务系统中的应用 　　【摘要】利用数据挖掘技术，针对现在学分制的高校教务管理系统进行改革和创新，先将数据挖掘的概念引入到教务管理系统的使用中，分析了其实现的可行性。针对教务管理系统中的高校统考课程成绩这一项数据进行整理和建模。 　　【关键词】教务管理；数据挖掘 　　一、引言 　　随着信息技术在高校管理中的应用，日常使用中教学管理系统会遗留下海量的数据，这些数据已经形成一个关于教学信息的数据库。在现代化建设的的条件下，如果对这些海量数据进行分析和挖掘，就可以发现对教务管理、学生管理当中有规律并具有指导意义的信息。 　　数据挖掘作为一种工具，将其应用于高校的教学管理工作，可以帮助管理者从以往的数据中发现隐藏的规律或模式，为决策提供信息支持，从而不断提高教学管理质量，促进教育管理的进一步改革、完善和发展，从而提高管理的科学性、针对性和高效率。不管是国内还是国外，越来越多的高校利用数据挖掘等等技术进行决策系统的构建，为更高的决策提供数据基础。 　　二、数据仓库和数据挖掘的定义 　　数据仓库是决策支持系统（dss）和联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题。数据仓库的特征在于面向主题、集成性、稳定性和时变性。数据仓库不仅仅是是一个简单的数据集合，还是一个决策系统，它将相关联的的数据重新组织，并且为其找出一定的规律，从而对以后的数据进行预测，以供最终用户直接完成对数据的查询、分析与决策[1][2]。这些元素被收集在模型下，例如： 　　预测：估计销售量、预测服务器负载或服务器停机时间； 　　风险和概率：选择目标邮递的最佳客户、确定风险方案的可能保本点、将概率分配给诊断或其他结果； 　　建议：确定哪些产品有可能一起销售并生成建议； 　　查找序列：分析购物车中的客户选择，并预测接下来可能发生的事件； 　　分组：将客户或事件划分到相关的项目分类，分析和预测相关性。 　　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[3]。 　　三、数据挖掘在教务管理中的应用 　　随着时代的发展，对学生的要求也越来越趋向于个性化、多元化。学生可以自主选择自己感兴趣的课程，感兴趣的老师。这样就导致学校在定制人才培养方案的时候出现的盲区。或者我们可以通过调查问卷的方式提取学生的个人特征、学习情况和兴趣爱好。并对学校的教学计划、课程设置以及资源分配进行统筹。这样的方式会耗费大量的时间和精力，并有在这样的过程中，也会因为收调查的人群不同而得到不一样的结果。针对这种部分代表全部的方式，得到的结果也会有所误差。利用信息化的教务管理系统，我们在正常使用下就已经留下了学生信息、课程设置、成绩等等的大量信息。 　　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。按照不同的关联规则，对数据的分类也是不一样的，从而反应出的映射类别也是不一样的。选择合适的方法能够优化速度，更准确的预测，为决策提供更为精确的数据。按照不同的关联规则提取数据，并用对提取数据进行分析[4]。 　　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发生的C行为，这样就可以及时制定策略去鼓励或遏制C行为的产生。以A学生和B学生在一起的行为来说，推导出A和B在一起是起着积极作用还是负面的影响，进而可以选定学生之间的关联，促进学生之间的互助行为。通过这样的规律就可以更好的在学校内使用互帮互助的学生集合。并且利用分类规则对于学生的分类和判断，可以对于不同的学生采用不同的教学方法和教学课程，可以进一步实施分层次教学，提高教学质量。另外，利用数据挖掘技术挖掘教务管理系统中积累的有用信息，可以使学校的相关院系针对人才培养方案，进行课程的调节。通过选课率、通过率及相关信息，鼓励和引导学生选择互补的课程，这有利于学生整体素质的提高，也有利于教学资源的合理分配。 　　四、模型的建立 　　大部分的学校选用学分制的教务系统，采取分专业、分班教学的方式来测量学生的学习情况，在繁杂的的教务系统中，以统考课程成绩作为数据仓库的基础数据，利用数据挖掘的相关方法对学生的成绩进行分析和归类，并对课程的选择进行预测，更好的为学校制定人才培养方案提供基础数据和预测数据。进一步的为学校的管理者提供决策支持，更好的、更准确的制定学校的发展方案。于此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。 　　首先，在基于B/S的三层体系结构中，表示层、中间层、数据层被分割成三个相对独立的单元。利用数据仓库的三层体系结构，搭建属于高校统考课程成绩数据仓库的应用模型的体系[5]。 　　其中，这三层结构由五部分组成，如图4-1所示。 　　其中，五个部分分别是：