《浅谈数据挖掘在教务系统中的应用.doc》由会员分享，可在线阅读，更多相关《浅谈数据挖掘在教务系统中的应用.doc（1页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、【 浅 谈 数 据 挖 掘 在 教 务 系 统 中 的 应 用 田 园 随着高校招生人数不断扩大 ，很多高校的学 生人数 和教 师人数都 在急 剧增加 。目前在各 大高校 中运行的教务管 理系 统 ，比如学籍 管理 、成绩管理 、人事管理等 ，已经积累了大 量的数据。而传统 的数据库管理系统 的查询机制 以及统计方 法远远不能满足现实需求 ，人们希望能够对其进行更高层次 的分析 ，以便更好地利用这些数据。此时数据挖掘技术应运 而生 ，开始应用于教务 管理系统 中，为教学管理部 门和学生 提供服务 。 、 数据挖掘的概念 数据挖 掘是一种从大量的数据中提取隐含的预测信 息的 新技术 ，可以帮助各
2、行各业关注并了解其数据存储领域 中存 在 的重要的潜在信息 。数据挖掘是指对观测到 的数据集进行 分析 ， 目标是发现未知的关系 。通过数据挖掘过程导 出的关 系和摘要通常称为模型或模式 。 一 般情况下 ，数据挖掘所处理 的数据是为其他 目的已经 收集好 的 ，而不是为 了数据分析本身去收集的 ，这也正是数 据挖掘区别 与一般统计任务的重要 特征 。因此 ，数据挖掘也 通常被认为是 “第二级”数据分析。 二 、教务 系统中数据挖掘应用概况 教 师和教 学管理 者在教学 过程 中已经积 累了大量 的数 据 ，面对 “堆积如山”的数据集合 ，数据库所能做到 的只是 对 已有 的数据进行存取等简单
3、 的操作。教育管理 者在使用现 有 的教务 系统 时，虽然能够很容易地得到一些表面的教学信 息 ，但是 要想得 到隐藏 在其中 的深 层次信息 却是 相对 困难 的。例如科学 的教学质量评价体系是加强高校教学质量管理 的有效途 径 ，在教学 质 量评价体 系 中保存 了大量 的评价 数 据 ，这些数据正是加强高校教学质量管理 的关键 因素 。如何 理性 地利用这 些数据 来分析教 学 中的各 个环节 深层 次的关 系，是广大教师和教学管理者共 同关心的问题 。而数据挖掘 技术 的优势为这些问题提供了解决方案。 将数据挖掘技术应用到教务管理系统中 ，通过对教师信 息 、学生成绩 、课程信息 以及
4、评教信息等大量数据的具体挖 掘实践 ，得到诸如数据 中的教育规律 、学生 的培养模式 、学 生所学课程之间的相关性规律等有价值 的信息 ， 这些信息能 够帮助学校更好地对学生进行培养 ，找出影 响教 学的关键 因 素 ，提高教学管理水平 ，使教师和学校教育决策 者洞悉教学 中存在 的问题 。 三、数据挖掘在教务 系统的应用举例 数据挖掘作为一门新兴技术 ，在我 国教育界 的应用还处 于起步阶段 ，现在大部分 的教务数据挖掘通常是应用聚类分 析 、关联规则 、决策树 、线性 回归分析 、均值 等方法来处 理教学 中产生 的数据。 基 于聚 类分析的教务数 据挖掘 。聚类（）是将 物 理 或抽 象
5、 的集合 分 组 ，由类似 的对 象 组 成 多个 类 或簇 理数论导报 ）。在同一个 簇 中的对 象之间具有较 高的相似度 ，而 不同簇 中的对象差别较大。 当前通常利用聚类技术对 教学 系统 当中的教务数据进行 聚类 ，通过研究教学数据的聚类情 况，指导教学管理不 断向 前发展。例如通过研究发现 ，使用距离作为测度的传 统聚类 算法并不适 合处理分类属性数据或布尔型数据 。因此 ，在分 析数据集特点的基础上 ，提 出了一个新的聚类算法 ，这种新 的聚类算法 具有 良好 的聚类性 和可扩展性 ，对 当下普遍推行 学分制 的高等 院校 在 自动 分类学生 专业 问题 上具有指 导意 义。通过研
6、究 聚类算法 ，结合数据挖掘的流程 ，对 学生成绩数据进行 了预处理 ，然后应用此算法对学生 的试 卷 成绩进行 分析 ，使学生成绩按一定的数 目聚类 ，将聚类分析 的结果用于指导学生 的学习和今后的教学工作 。 基于 关联规则的教务数据挖掘。数据库当中的属性存 在着一定 的内部联 系 ，关联分析 就是根据这些内在 的联 系 ， 找出它们相互影 响的规律性 。对教师 的教学质量评价数据应 用改进后 的 算法 ，对教学 质量 监控分析 系统进行 关 联分析 ，找 出对教师的教学质量有较大影响的因素 ，探索出 一 种对大量数据进行关联规则分析及解决实际问题的思路和 方 法 。 基于决策树算法的教务
7、数据挖掘。分类当中的决策树 算法可以帮助我们 为多项数据指标生成决 策树 ，并按照决策 树进行分类或规则提取。例如对 于高校教务管理信息 系统 中 的大量就业数据 ，采 用 决策树 算法生成决 策树 ，将 就 业数 据进行正确分类 ，并通过抽取相应 的规则知识 指出哪些 决策属性决定 了就业单位 的类别 ，为高校 的就业工作提供决 策 支持 。研究 了 算法 中节点选择 的方法 ，并根据 算 法构造 了考试成 绩分 析决策 树 ，对学 生 的学 习环节进 行决 策。同时对算法的缺点提出了改进意见 。 基于 贝叶斯 网络的教务 数据挖掘 。针 对毕业生成 绩 ， 采用了主成分分析和贝叶斯 近邻分
8、类法对毕业生就业方 向 进行 了预测 。通 过 贝叶斯 近邻 算法完 成了职业 方 向的分 类 。并 用仿真实 验 的数 据证 明了该方 法具有较好 的预 测能 力 。对学生适合 的职业进行预测 ，为学生职业规划提供有价 值 的信息。 数据挖掘技术作为潜 力巨大的研究领域 ，对于解决 高校 教学管理 中的实际问题 ，更好 更方便地通过校园网管理学校 的教育教学资源 ，进行 网上办公 ，通过校园 网辅助教学和学 生学习具有积极意义 。有助于高校建立符合 自身特殊需要的 个性化教务管理规范 ，为高校建设数字校园奠定坚实的技术 基础与管理基础 ，并将产生一定的经济效益和社会效益 。 （作者 单位 ：宜春职 业技术学 院） 馈 任编辑 陈 瑛）