决策支持系统在成绩分析中的应用.doc

决策支持系统课程论文

PAGE10

决策支持系统在成绩分析中的应用

摘要：本文主要应用数据挖掘技术对教务系统数据库中现存的学生成绩进行统计分析，结合教育信息的特点，将决策树算法中的ID3算法模型用于构建成绩分析的智能决策支持系统，根据信息增益值的大小，全面反应出影响学生某学科成绩的各个因素，找出课程设置之间的关联性，并从客观层面上对教师的教学质量予以综合全面的评价，为高校课程培养方案的制定者提供决策策略。本研究对于发挥成绩统计的正面导向作用，评定教学效果，反馈教学活动，服务教育决策具有重要的研究价值和实践意义。

关键词：决策支持系统；成绩分析；决策树；ID3算法

1引言

各高等院校始终把教师的教学效果和学生的学习效果的评价作为一项重要工作，成绩统计分析是进行教学与学习效果评价的重要工作。现如今，各大高校扩招现象严重，然而无论是教务部行政人员还是高校教师们都未能找到现存数据库中那些历史数据之间的潜在关联。那么在决策支持系统广泛应用于教育管理工作的今天，高校教务管理系统不断的完善，我们可以利用教务系统中现存的大量学生成绩历史数据，为数据挖掘和辅助决策提供基础REF_Ref29814\r\h[1]。图1.1为基于决策树算法的成绩分析系统与数据库和用户之间的交互模型图：

图1.1成绩分析系统与数据库和用户之间的交互模型图

上图中，学校建立集中的数据库，数据主要来源于人工输入、文件导入、教

学系统及其它应用系统的数据库，此外它还与其它部门的数据库进行交互。

成绩分析系统的功能模块可以再具体细分，如图1.2所示。其中，数据预处理主要是收集数据，为数据挖掘做准备。首先是获取数据，这个数据是大量且杂乱无章的，然后再对获取的数据进行取样分析，筛选出有用的数据，并且把这些数据转换为决策支持系统可直接处理的格式。

数据挖掘模块主要是使用ID3算法对已经经过了预处理的数据进行挖掘，生成决策树，找出它们的内在联系，并生成规则集直接运用。

结果显示模块主要是对规则集的处理，使其在界面上显示出来。

图1.2成绩分析系统的功能结构图

2决策支持系统与成绩分析

2.1决策支持系统与决策树

2.1.1决策支持系统基本概念

在REF_Ref451450152\r\h[2]一书中认为，决策支持系统是按决策问题的需要，利用数据、模型和知识等决策资源，组合形成问题的多个方案，通过计算获得辅助决策的依据，达到支持科学决策的计算机程序系统。它具有如下特点：

用定量方式辅助决策，而不是代替决策；

使用大量的数据和多个模型；

支持决策制定过程；

为多个管理层次上的用户提供决策支持；

能支持相互独立的决策和相互依赖的决策；

用于半结构化决策领域。

2.1.2决策支持系统的体系结构

图2.1.2为决策支持系统的基本结构，从图中可看出，DSS（决策支持系统）主要由对话（人机交互）、模型和数据组成。

图2.1.2决策支持系统的基本结构REF_Ref451450152\n\h[2]

2.1.3基于决策树算法的智能决策支持系统

在决策支持系统的基础上，随着人工智能领域的快速发展，决策支持系统也有了很大的改进，进而出现了智能决策支持系统。本文主要介绍基于决策树算法的智能决策支持系统，它的基本结构如图2.1.3所示：

图2.1.3基于决策树算法的智能决策支持系统结构图

从上图中可看出，一个完整的决策树分类系统主要包括数据库管理、挖掘前处理、挖掘实施、模式评估、知识输出表示等模块，各个模块相互衔接、相互联系，共同构成了分类数据挖掘的体系结构REF_Ref30196\r\h[3]。

2.2成绩分析方法

2.2.1成绩分析及其重要性

在传统的教学模式中，一方面，学生所学知识的好坏程度主要取决于考试成绩的高低；另一方面，学校检验教师的教学质量和效果往往也是通过学生的成绩指标来反映，或者通过教务系统中学生对于教师的网上评价来反映。无可否认，这种做法可以在一定程度上反应教师的教学质量。然而，这种做法的一个弊端就是，学生对于教师的评价往往取决于学生的主观认知和评价，与教师本身的教学质量并没有必然联系。学生的评价可能仅仅取决于任课教师是否点名、考试出题难度高低，考试成绩给分高低。显然，这对那些教学严谨认真教学的任课老师是极为不利的。那么，对于教务系统中已存的庞大的历史数据，除了对这些数据进行最基本的查询、统计等功能外，利用数据挖掘技术，挖掘出影响学生成绩的因素，无论是对教师