基于大数据在高职院校教学中的应用研究.docxVIP

基于大数据在高职院校教学中的应用研究 　　摘要：本文介绍了当前情况的数据挖掘技术和研究现状，论述了关联规则、时序模式等相关算法，分析了数据挖掘技术在高职教育教学中的相关应用及未来的发展趋势，探讨了在大数据时代数据挖掘技术面临的挑战。 　　关键词：大数据;高职教学;关联规则;时序模式 　　中图分类号：tp311.13文献标识码：a文章编号：1007-9416（2020）01-0024-02 　　随着国内高等职业院校招生人数和院校数量的增加，目前全国高职院校近2700所，今年又扩招职业院校学生100万，这种形势下给学校教育教学管理工作带来严峻考验，传统的教学管理手段已逐渐不能适应社会的发展，但是，原有这些教学教务信息会成为高职院校丰富的信息资源，随着大数据时代的到来，学校面對这些大量的数据信息时并未完全进行隐含信息的挖掘和分析，而依然采用传统的甚至还采用纸质的管理方法，这在当前的大数据时代，在当前尤其需要大量高级职业技术人才的时代背景下，这种教学管理模式显然已经落伍。 　　目前大数据环境下数据挖掘技术日渐成熟，高职院校已开始将数据挖掘的相关技术应用于教育教学管理之中，即对教学中产生的数据库或数据仓库中的数据信息进行提取、分析、建模等工作，从分析结果中找出教育教学的日常规律，并指导教学，甚至也可以为学生今后的就业提供有力的指导和帮助。 　　1大数据与挖掘技术的现状 　　大数据时代缺少不了数据挖掘技术，它是汇聚了多个学科的交叉性学科，即从庞大的数据库或数据仓库中，将未知、隐含或具备潜在价值的信息进行提取和分析的过程。1995年，加拿大蒙特利尔市召开的第一届知识发现和数据挖掘国际学术会议上提到数据挖掘技术，即数据挖掘的整个过程，主要包括：分类、聚类、模式挖掘和规则提取等环节，之后技术领域专家逐渐地形成了一整套的理论基础[1]。经实践研究发现数据挖掘技术可以独立的身份存在于处理大数据的整个系统之中，与其他模块之间相辅相成、协调发展。 　　自上述事件以后，大数据中数据挖掘技术的研究和应用受到业界的高度重视。与此同时，在教育信息化也搭乘了大数据的快车得到广泛的应用。利用数据挖掘分析学习者特征、状态或者行为，利用得到精准分析结果帮助学习者修正自己的学习行为，改变学习方法，对教师而言，根据分析结果合理设置课程，进行学习评价，提高教学质量，有效进行教学管理。 　　2课堂教学中主要的挖掘技术 　　数据挖掘所牵涉的领域方向比较广，下面主要介绍挖掘技术中的关联方法和时序模式方法。 　　2.1关联方法 　　关联方法是从数据库中提取知识的一类重要方法，若两个或多个数据项的取值之间重复出现且概率较高时，就可以建立起这些数据项之间的关联方法。其形式如下：x→y（a，b）其中x、y为不相交的两个项目集合，其含义为在交互中x项目集的发生将会导致y项目集的发生，则认为x和y之间存在某种关联关系，此时，我们认为x项目集为关联规则中的支持度，y项目集为关联规则中的信任度。关联规则算法就是从交互数据库中找出满足用户需求a（大于最小支持度）和b（大于最小信任度）的关联方法[2]。 　　a.设i={i1，i2，...im}是的属性集，称为项，给定一个存储教学数据的数据库d，其中每个记录t是项对应的数据集合，满足t包含于i，每个记录都有一个标示符，称为tid，x是i的子集，如果xt，则称t包含x;如果x的元素个数为k，则可以称为x为k-项集（k-intemset）。 　　b.如果项集xi，yi，并且x∩y=，则形如x→y的蕴含式称为关联规则，其中，x是规则的前项集，y是规则的后项集，它表示包含x项集的因子t也很有可能会包含y项集。如果包含x的因子有c%也包含y，那么规则x→y的置信度为c%;如果d中有s%的因子包含x∪y，那么规则x→y的支持度为s%，其计算表达式分别为： 　　在大型数据库中通过支持度a和信任度b两个关联值进行提取数据项，删除那些无意义的关联数据项，而信任度是衡量设置规则的可能性。 　　例如：如既能正确回答课堂提问又能及时有效的做好课堂笔记的学生占全班学生的百分比，这种学生通常学习成绩都较优秀。 　　2.2时序模式方法 　　时序模式是主要与时间有密切关联的方法，强调时间前后的影响，通过时间序列找出重复发生概率较高的数据项的模式方法。即按时间先后顺序查看时间数据项数据库，从中找出另一个或多个相似的时序数据项[3]。 　　3关联规则的具体应用 　　以创新学院为例，教师在讲授，学生在被动的接受知识和技能，其过程中以学生点名册，学生平时成绩表为辅助，对学生进行监督和较粗略的评分，而没有就过程中产生的问题进行后续个性