教学管理系统中数据挖掘技术应用研究.docVIP

教学管理系统中数据挖掘技术应用研究 　　摘要数据挖掘是数据仓库技术中的重要技术之一。将数据挖掘技术与教务管理系统相结合，从海量的数据中发现隐藏的有用信息，并将这些信息资源有效地组织、整理、提取，为教务系统管理者提供经验和有价值的总结，提高学校工作效率，实现教学安排等事务的合理性。 　　关键词 教务管理；成绩；教学质量评价；数据挖掘 　　中图分类号：G434 文件标识码：A 文章编号：1671-489X（2007）12－0066-03 　　 　　Application and Study of Data Mining in Educational Administration//Chen Song,Lu Jiping 　　Abstract Data mining is one of the important technology in the data storage technology. Combines this technology with the system of educational administration and find useful information which concealed in large amount of data, then have these resources effectively organized, sorted and extracted. It provides experiences and valuable summary for the educational administrators.Through promoting working efficiency to realize the rationality of teaching affairs arranging. 　　Key words educational administration management; achievement; teaching quality evaluation; data mining 　　Author’s address Deans Office, Zhejiang University of Finance Economics, Hangzhou 310018 　　 　　1 数据挖掘技术概述 　　 　　1.1 数据挖掘的定义 　　数据挖掘就是应用一系列技术从大量的数据中提取或“挖掘”人们感兴趣的信息和知识。这些知识或信息是隐含的，事先未知而潜在有用的，提取的知识表示为概念、规律、规则、模式等形式，数据挖掘也可以说是一类深层次的数据分析。数据挖掘按照既定的业务目标，从海量数据中提取可以解释为知识的规则，包括关联规则、特征规则、区分规则、分类规则、总结规则、偏差规则、聚类规则等。大多数数据挖掘方法都基于机器学习、模式识别、神经网络和统计学的试探和测试技术，即分类、聚类、回归等，这些技术对应的方法对于无论是新手还是有经验的数据分析专家都常常具有迷惑性。 　　1.2 数据挖掘方法的组成 　　数据挖掘方法主要有3部份组成――模型表示、模型评价和搜索。模型表示是一种用于描述能够被发现的模式的语言，这种语言既不能太受限制(会导致数据无法发挥有效的能力，产生一个精确的模型)，又不能具有太强的表示能力(会导致模型对未知数据的预测准确性降低)。模型评价标准是对一个特定模式满足只是发现(KDD)过程目标程度的定量描述，描述模型可以通过其预测准确度、新颖性、可用性及可理解性的度量尺度来评估。搜索由2部分组成――参数搜索和模型搜索。模型表示和模型评价标准一旦确立，数据挖掘问题就简化为优化任务：从已经选择的模型中寻找能够优化评价标准的参数和模型。参数搜索时，算法必须在给定的观察数据和固定的模型表示情况下，搜索能够优化模型评价标准的参数。模型搜索以循环的形式发生在参数搜索方法之上――改变模型表示以便考虑整个模型家族。 　　1.3 数据挖掘引入教务管理系统 　　数据挖掘技术已经在实际领域获得广泛应用，其优点是可以利用已有信息系统存储的数据进行挖掘计算，借助计算机应用程序，将复杂的统计技术、挖掘算法封装起来，使人们不用掌握这些技术也能完成同样的功能，从而更专注于自己所要解决的问题。基于此，笔者将数据挖掘技术引入教务管理领域，希望通过数据挖掘技术得到一些知识、规则等，进而指导实践，完善教学管理。 　　 　　2 数据挖掘技术在教务管理系统中的实现及2种应用 　　 　　2.1 数据挖掘技术的实现 　　现在的应用系统基本设计都是采用3层系统结构，本系统的结构也不例外。笔者采用基于Web的客户端、服务器、数据库3层体系构架而成。其中客户端由JSP开发