数据挖掘在高校教务管理中的应用研究.docVIP

PAGE PAGE 1 数据挖掘在高校教务管理中的应用研究 　　摘要：随着高等教育现代和信息化建设步伐的加快，现代信息技术在高校管理工作中得到了广泛的应用。文章对高校教务管理中利用数据挖掘技术进行了研究；首先对数据挖掘技术及其利用价值进行了阐述，进而就高校教务管理系统中该如何进行数据挖掘展开探讨；在此基础上，结合实践，就数据挖掘技术在高校教务管理系统中的实践进行了详细的论述，以期为此方面的应用提供有益参考。 　　关键词：数据挖掘高校教务管理实践应用 　　中图分类号：TP311.1文献标识码：A文章编号：1007-9416（2013）04-0145-01 　　随着现代信息技术在各领域各行业的渗透与应用，给现代人们的生活与工作方式都带来了极大的改变。高校也不例外，在近年来高等教育信息化建设的背景下，诸多高校积极推进数字化校园的建设。教务管理是高校常规管理工作中的核心组成部分，也是各类数据和信息庞大的聚集地。因此如何运用现代信息技术来提高高校教务管理工作效率，更好地为学校发展服务，是一项赋有现实意义的课题。基于此，笔者结合工作实践，就数据挖掘技术在高校教务管理中的应用，作以下探讨与分析： 　　1数据挖掘概述 　　以计算机为基础的现代信息技术的发展，推动了各种新技术、新手段的应用。数据挖掘（DataMining）是一门融合了机器学习、统计分析和数据库技术的作为一门交叉学科。其应用价值在于把对数据的应用从低层次的简单查询，提升到有价值信息的挖掘，从而为决策提供支持。作为一种全新的信息处理技术，数据挖掘已被广泛应用于各行业、各领域，并展现出其强大的应用优势。在已有的研究和实践证明，在高校教务管理系统中应用数据挖掘技术有助于提高工作效率，能为教务管理决策提供有益帮助，从而推动高校教育教学工作的快速发展。 　　2系统分析及设计 　　从当前多数高校教务管理系统的建设实践来看，一般的教学管理系统都属于操作型的管理系统，往往只具备基本的查询和分析功能，而在决策支持方面局限性很大。比如只能对某课程考试学生的及格率，或者某一届学生在共同英语、计算机考试的通过率等。教师和学生的基本情况进行查询或分析功能。并且这种数据的显示或报告也是二维报表形式，教务管理工作者难以从中发现其动态变化。由于高校教务管理信息会随时间的推移而不断积累，因此这些数据会不断的堆积，而得不到有效利用，因此，在教务管理系统决策过程中其利用率是极低的。在进行高校教务管理系统的数据挖掘之前，需要确定合适的数据挖掘组织结构。当前应用较多的数据挖掘体系结构模式是采取用户访问层、业务逻辑层和数据层三层构架模式，在各层之间数据和消息的传输借助相关接口来得以实现。 　　3数据挖掘技术在教务系统中的应用 　　基于上述目的，那么在具体的高校教务管理中，采取怎样的数据挖掘技术手段就是应当解决的问题。笔者结合实践经验，就应用分类、回归分析、聚类、关联规则、特征、变化和偏差分析等数据挖掘技术手段在教务管理信息系统中的应用，作以下介绍： 　　3.1分类分析法的实践应用 　　当前各高校推动教育教学改革的过程中，人才培养方案是其重要构成内容。高校如何根据学生的实际情况，结合人才市场的需求，从而制定出科学合理的培养方案，是诸多高校亟需解决的问题。而在这一决策过程中，就可以利用数据挖掘的分类分析法了。具体来说，可以对学生的性格特征、学习兴趣与方法、课程设置、教学资源配置等信息数据建立起一个量的模型，进而对其进行分析、归纳和总结，找出它们共同的特点，按照分类的模式将其进行划分、归类，将学生个性化培养方案概括到某个给定的范围，既可以为学生自主性个性化学习提供更为科学有效的指导，又可以对学校的学科课程设置提供建设性意见，从而更好地实现培养多样化、个性化、创新性人才的培养目标。 　　3.2关联分析的实践应用 　　关联分析是用来发现描述数据中强关联特征的模式。所发现的模式通常用蕴涵规则或特征子集的形式表示。在高校教务管理系统中，运用关联分析可以获得良好的效果。以教学计划编制为例，可以通过对学生选课关联关系进行识别，以寻求最佳排课方式；同时还可以对排课的数据进行分析，以优化课时的具体分配问题。 　　3.3聚类分析算法的实践应用 　　聚类分析其实是无监督分类，其目的在于实事求是地按被处理对象的特征分类，有相同特征的对象被归为一类。高校教务管理实践中，运用聚类分析算法，可以在命题质量分析方面获得良好的应用效果。在高校教学管理中，课程的命题考试是在很大程度上体现了该课程的教学情况如何，也反映了学生学习情况和达标情况是怎样。因此，在进行命题考试完成以后，就要对成绩进行分析。按照一般规律，学生学习成绩应呈正态分布。只有当分数较高和分数较低两头比例小，中间部分比例大，说明这次命题的试卷质量好，试题编制较为成功。 　　3.4异常检测的应