数据挖掘在计算机等级考试中的应用.docVIP

PAGE PAGE 1 数据挖掘在计算机等级考试中的应用 　　摘要：将数据挖掘技术引入到计算机等级考试的成绩，详细分析和讨论计算机等级考试成绩分布情况，并通过数据挖掘技术挖掘出隐藏其中的，潜在有用的知识和信息，及时反馈到教师教学和学生学习中去，促进教育教学改革和发展。 　　关键词：数据挖掘；考试成绩；数据分析 　　中图分类号：TP391文献标识码：A文章编号：1007-9599（2013）01-0055-02 　　计算机等级考试已运行多年，日积月累，数据越来越多，形成海量数据。这些数据是否还有意义呢？能否挖掘出些规则、知识反馈到学校教学中，促进教育发展？ 　　1数据挖掘技术 　　数据挖掘是从大量的、不完整的、有噪音的、模糊的、随机的数据中提取出隐含在其中的，事前不知道的，但又是潜在的有用的信息和知识的过程，致力于数据分析和理解。其处理对象是大量的日常业务数据，目的是为了从这些数据中抽取一些有价值的知识或信息，提高信息利用率，原始数据是形成知识的源泉。数据挖掘包括数据描述、聚类、分类、预测、孤立点分析、关联规则等多方面。其中数据描述又称为数据总结，目的是对数据进行浓缩，给出它总体的综合性描述，实现对原始数据的总体把握。常用数据描述方法是统计学的传统方法，如计算机数据项的总和、均值、所在比例、方差等基本描述统计量，或是绘制直方图、折线图等统计图形。数据分类是指研究已分类资料的特征，分析对象属性，据此建立一个分类函数或是分类模型，然后运用该函数或模型计算总结出据特征，将其他未经分类或新的数据分派到不同的组中，计算结果通常简化为及格离散值，常用来对资料做筛选工作。 　　2数据挖掘在计算机等级考试中的应用 　　大量的计算机等级考试数据，结构完好，数据全面，但是目前这些数据没充分利用起来，每次的数据都各自成为一个信息孤岛。为改变这种局势，打通信息孤岛的局面，把数据挖掘技术应用到计算机等级考试数据中，挖掘出潜在的、有意义的规则或知识。 　　2.1数据对象。在计算机等级考试中，涉及的数据繁多，如报名数据，成绩数据，考点数据等等。本文需要挖掘的对象是学生的成绩，成绩数据表包含如下字段，准考证号，姓名，民族、性别、出生年月日、身份证号、身份证号等，如表1。 　　从表中可以看出，成绩有笔试客观成绩、笔试主观成绩、笔试成绩，上机成绩和总成绩，其中笔试客观成绩和笔试主观成绩都是百分制，笔试成绩、上机成绩和总成绩都是等第数据，笔试成绩由笔试客观成绩和笔试主观成绩组成，总成绩由笔试成绩和上机成绩组成。 　　2.2数据预处理。本次挖掘的数据为我校多年形成的全国计算等级考试和省计算机等级考试的成绩数据。在实际的数据挖掘过程中，还必须对这些数据进行一系列预处理工作，转为适合的可用的数据。数据预处理方法很多：如数据抽取，数据清理，数据转换等。 　　2.2.1数据抽取。首先分别从两个考试数据中抽取出需要的成绩数据，具体信息包括笔试客观成绩、笔试主管成绩、笔试总成绩，上机成绩和总成绩。 　　2.2.2数据清理。挖掘的原始数据可能不完整，如某些记录表中有些字段的值为空，对这样的记录要做相应处理，可以将这些字段为空的值补全，或赋最常见的值，或根据数值的分布情况赋其他值等处理。 　　在全国计算机等级考试的数据中有少许社会考生数据，直接做删掉处理，因为我们研究的目的之一为了反馈给我校的教学，促进教学改革和发展。 　　2.2.3数据转换数据转换将数据变成统一的格式，以适合数据挖掘。如关联规则Apriori算法中在处里类似分数值之类的数据时，需要转换为等第形式的成绩，因此对前面处里的数据进行如下转化，优秀——100～90，良好——89～80，及格——79～60，不及格——59～0，如表2 　　3.1结果分析。由挖掘结果进一步分析，在总成绩未通过的记录中，因为笔试未通过的人数为466人，占未通过人数的7%，因上机成绩未通过的人数为1078，占未通过人数的16.19%，二者合计占总成绩未通过的23.19%，这比较发现：因上机成绩未通过的学生比因笔试成绩未通过的多，且近四分之一都是因为笔试或者上机成绩未通过。 　　总成绩通过记录中，总成绩分为三档：及格、良好和优秀，大致比例24：5：1。可见通过的学生中绝大部分都仅仅是及格而已。具体为及格人数达到2418人，占通过人数的79.58%，占总报名人数的24.94%；良好人数为512人，占通过人数的16.85%，占总报名人数的5.28%，优秀人数为108人，分别占通过人数的3.55%，占总报名人数的1.11%。由此可见，获得优良成绩的人数太少。 　　在总成绩为及格的记录中，笔试和上机成绩为均及格的1127人，占此部分的46.61%，另外笔试成绩为及格，上机成绩为优良的929人，占成绩为及格一档人数的38.42%，上机成绩为及格，笔试为