浅析高校学生标准管理系统中数据挖掘的研究应用与实现于澍.docVIP

浅析高校学生管理系统中数据挖掘技术 于澍 伴随国家教育、教学范围及其规模逐步增大，在整个教育体系中，学生本身更像市场经济体系中消费团体，只有学校制度多样化、多重化才能满足她们要求。各高校需给学生充足、更多选择。各高校服务应以人为本、以学生为本，展现给学生更多、优质服务。同时学生数量逐步增加、学生管理制度不停完善和教学任务分配、科研管理、青年老师培养等工作量也和日俱增。这些全部给学校传统管理工作带来了很大烦恼，学校传统管理模式将无法满足这些新要求。依据辽宁省教育评定体系工作评定文件调查结果显示，截止至末，辽宁省内仍有30余所高校采取传统管理模式，由此产生纸质化办公工作量很之大，而且数据保留有一定时间及年限，前或20年前数据材料有些已经无法查询或极难查询。所以在这么情况下，众多高校采取学分制管理，并提出了学生管理系统信息化及规范化。不过只有学生信息管理系统还是远远不够，因为在很多高校只有管理学生工作及教学工作工作者才能应用，其它和学生相关管理部门如想经过学生管理信息系统查找学生相关数据全部极难在当地计算机上直接实现。所以提出了学院数字化办公建设目标。就是以校园网络为基础，利用相关技术及工具，实现从资源(图表、讲义、课件、信息等)、到活动(包含教、学、管理、服务、办公等)、到环境(包含机房、教室等)全部数字化，数据生存于整个网络之间，使学院各部门经过其网络使学生、专业、各系部及其学生信息、财务、招生、就业、资助、学籍等等管理成一条线，全部实现计算机管理。 针对以上问题，我们提出了数据挖掘应用研究。数据挖掘就是从大型数据库数据中提取大家感爱好知识，这些知识是隐含、事先未知、但潜在有用信息，数据挖掘意味着在部分事实或观察数据集合中寻求模式决议支持过程。它是一门交叉性学科，融合了人工智能、数据库技术、模式识别、机器学习、统计学和数据可视化等多个领域理论和技术。数据挖掘作为一个技术，它生命周期正处十沟坎(chasm)阶段，需要时间和精力去研究、开发和逐步成熟，并最终为大家所接收。 多年来，很多高等学校在教学和日常管理工作中积累了大量数据，但这些海量数据却没有有效利用。学校管理人员在日常整理中只是经过统计或排序等简单功效取得表面潜在信息，所以对于这些数据挖掘是一个待开发“金库”。怎样对这些表面数据再次进行有效管理和整合，从中发觉规律，将现有管理数据转化为可供使用知识，方便于为学校管理者提供决议支持，提升管理水平和办学质量，是现在各大高校全部在研究和讨论关键。 学生是高校关键管理对象，学生管理质量优差是高校管理是否成功关键所在。高校管理信息系统中几乎搜集到了全部相关学生信息。校园卡管理系统中搜集了相关学生生活方面信息，包含学生是否在校、学生作息情况、学生消费情况等等；教务管理系统中搜集了学生学习方面信息，包含每个学生基础档案，各个专业学生学习哪些课程，学生每门课成绩怎样等等。将高校管理信息系统中搜集到信息，用数据挖掘技术进行分析, 将得到一系列能够为高校学生管理者提供决议支持结论。现在高校学生管理，首先需要建立数据仓库，在数据仓库基础上进行联机分析处理和数据挖掘，为学生管理提供依据支持。数据挖掘从广义上说，就是在部分事实或观察数据集合中寻求模式决议支持过程。所以，它除了处理传统数据库中数值型结构化数据外，还能够对文本、图形、图像、WWW信息资源等半结构、非结构数据进行挖掘。数据挖掘意味着在部分事实或观察数据集合中寻求模式决议支持过程，数据挖掘对象不仅是数据库，也能够是文件系统、数据集合。对于那些管理者明确了解信息，能够用查询等其它工具直接获取，而另外部分隐藏在大量数据中关系、趋势等信息就需要数据挖掘技术。数据挖掘技术可找出大量真正有价值信息和知识，能够愈加好地对高校学生管理做出定量分析和估计。 伴随学院数字化办公建设置即间推移，整个数字化系统中将积聚大量数据，怎样挖掘大量数据中所隐含规律，从而应用这些规律去指导学校工作，改善整个学校管理，提升管理效率是一项很有意义工作。数据挖掘技术及相关决议支持系统发展很快，己经给零售业、公共服务业、银行证券业等众多行业带来了令人吃惊利润，并已经有很多学校和科研机构也正投入大量资金进行数据挖掘技术深入开发和深入研究。 在国外，数据挖掘技术已被广泛应用于各个领域，其中部分经典应用如加州理工学院喷气推进试验室和天文科学家合作开发SKICAT系统，能够帮助天文学家发觉遥远类星体，是人工智能技术在天文学和空间科学上第一批成功应用之一，生物学研究中用数据挖掘技术对DNA进行分析；利用数据挖掘技术识别用户购置行为模式，对用户进行了分析；对银行或保险企业常常发生诈骗行为进行估计；IBM企业开发AS（Advanced Scout）系统针对NBA比赛数据，帮助教练优化战术组合等。 在学术研究上，数据库、人工智能、信息处理、知识工