数据挖掘在高校教学和管理中的应用研究

合集下载

数据挖掘在高校教学管理中的应用研究

第２卷３
第１期
电脑开发与应用
文章编号：０３５５（００）１００ — ３１０ —８０２１０ —０１０
数据挖掘在高校教学管理中的应用研究
ＡｐｉａｉｎＳｔｄｆＤａａＭｉｎｇＴｅｈｎｏｏｙｔａｈｉａａｅｅｐｌｃｔｏｕｙｏｔｎｉｃｌｇｏＴｅｃｎｇＭｎｇｍｎｔ
路川王静静胡欣杰马含
（装备指挥技术学院信息装备系北京１１１）０４６
【摘要】将数据挖掘技术应用到教学管理，于ＣＳ — Ｍ数据挖掘模型，使用ＳＳ基ＲＩＰＤＰＳ数据挖掘工具，从海量
我国高等教育逐渐普及，等学校的招生规模不高断扩大，当多普通高校在校生人数已经数以“ ” 。相万计
１１数据挖掘算法＿．３］
数据挖掘算法中，聚类分析是将一个给定的数据
各高校纷纷从信息化手段入手，教学工作进行统筹对
管理，中数据挖掘技术应用到高校教学管理中就是其
一
对象集合分成不同的簇，一种无监督分类法。联规是关
则分析主要挖掘数据中项集之间有意义的关联或相关
的学生成绩数据中发现有用的信息，并将这些信息有效地组织、整理、提取间的相互关系、了解学生的学习特征、把握教学方面的异常现象等。该方法能增强教学与教学管理改革的针对性，能为管理者提供教务管理的经验和进行总结的方法，并能提高其工作效率，实现合理的教学安排。

浅议数据挖掘在高校教务管理中的应用

漱
ｆ
｜
黪
｜。
．笺议数据挖掘在高校教务管理中的应用
岳若惠（陕西中医学院教务处中图分类号：６Ｇ４文献标识码：Ａ陕西西安７２４）１０６文章编号：１０— ２Ｘ２１）００２００８９５（０１１－９ — ２
文献标识码：Ａ
文章编号：０８９５（０１一１８０１０ — ２７２１）Ｏ００－１，１
摘要：美好的生活离不开音乐，思想品德课教学同样需要音乐，主题鲜明的歌曲不仅能陶冶学生的情操，更能通过歌曲
著名教育家苏霍姆林斯基说：如果教师不想办法使学牛产 “ 生情绪高昂和智力振奋的内心状态，就急于传授知识，那么这种知识能使人产牛冷漠的态度，而使不动感情的脑力劳动带来疲劳。因此，每一课堂要注意调动学生兴趣特别要注意讲究课 ” 堂导入艺术。每节新课的导入设计得好，能激发学牛学习的兴趣，开拓思维，调动学生学习的积极性，起动情感传导的作用，把学生引入无比瑰丽的知识世界，为上新课创造出一种和谐的课堂气氛。那么，在课堂教学中如何设计倒入来激发学生的学
９２
ｉｌ１
ｌ
麓§
蔓
残谈昆品课如何设计导入来激发学习兴趣
刘新革（州市教师进修学校河北涿州０２５）涿７７０

数据挖掘技术在高校教学管理中的应用

价值工程0引言随着信息技术的快速发展，多数的高等院校都建立了教务管理系统，高校的日常管理基本上全面实现了信息化和网络化。

在教学和管理中逐渐聚集了相当数量的数据资料为建立健全将教学、管理和人才信息综合在一起的数据库。

如何从这些海量数据中挖掘出有用的知识来指导高校的教学及管理工作，是我们值得探讨的问题。

1数据挖掘概述数据挖掘就是从庞大的数据资料之中，去粗取精，去伪存真，在实际应用数据中选取出那些鲜为人知的，在实践操作中有用的信息和知识的过程[1]。

简而言之，数据挖掘的过程就是不断的在庞大的数据资料中选取出人们感兴趣的信息和知识，并且将这些信息表示为人们易于理解和应用的各种形式。

数据挖掘的过程是一个以用户为中心，人机交互的探索过程。

它有三个阶段：数据准备、数据挖掘以及结果表达和解释，一个完整的数据挖掘过程如图1所示[2]。

在数据挖掘过程中，以上的过程并不是一次完成的，其中的部分过程可能要反复进行多次。

目前，常用的数据挖掘方法有：关联规则分析、聚类分析、决策树分析法、分类分析法、神经网络方法、Web 页挖掘等。

2数据挖掘技术应用于高校教学管理中的必要性随着信息化的迅速发展，几乎所有的高校都使用基于Web 应用的教务管理系统来管理日常教学工作。

但是，长期运行之后，系统必然会产生海量数据，如何利用信息技术快速而又准确的从浩瀚的教务数据资源中提取有用的知识为校园管理服务，是衡量教学质量的重要标志之一。

3数据挖掘技术在高校教学管理中的应用3.1利用数据挖掘技术实时监控学生学籍异动情况高校的学籍核查管理工作在高校比较受重视。

然而学生学籍异动频繁，采用人工核查方式，费时费力且速度缓慢，不能适应现代化高校管理工作。

利用数据挖掘中的归类分析法，将教务管理系统中本学期成绩为空的数据与已经申请缓考、休学、退学和降级的数据进行比对，即可及时发现学籍异动情况。

3.2利用数据挖掘技术合理设置课程关联规则是数据挖掘的一个重要研究方法，它是描述数据库中数据项之间所存关系的规则，即根据一个事务中某些项的出现，挖掘出隐藏在数据间的关联或相互关系。

数据挖掘在高校教务管理中的应用

优势，提出了在数据挖掘思想指导下建立教
较客观地反映教学系统中存在的问题，为决策提供重要依据，从而提高管理的
科学性、针对性和高效率。
才培养职能机构，在高等教育中承担着重要角色，特别是在实现个性化人才培养和向学校领导决策提供信息支持的过程中，迫切需要应用分类、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对信息进行加工，从中获取一些反映规律性、倾向性的信息，从而为决策者提供有意义的参考。这里主要介绍以下四种数据挖掘任务在教
维普资讯
在高校教务管理中的应用
贾璐洁 ’ 张靖１河南中医学院
、
４００５０８
４０５５０２
２河南工业大学
此外，对数据挖掘工具的有效利用，将
本文讨论了数据挖掘为高校教务管理带来的
ｔｅｎｏｍａｉａｕｐｒ０ｈｄｃｉ－ｍｋｒ．ＩｈｉｒｔｏＩｓｐｏｔｔｔｅｅｉｏｆｎｓｎａｅｓｔ
对历史数据进行查询和遍历；而且能够找出历史数据之间的潜在联系，挖掘出大量数据背后隐藏着的许多重要信息。这些信息是关于数据的整体特征的描述及对发展趋势的预测，在决策生成中具有重要的参考价值，从而可以很好地支持人们的决策。数据挖掘作为一门交叉学科，综合了机器学习、统计分析和数据库技术，

数据挖掘在高校教务管理中的应用研究

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～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。
ｌ数字技术
１＿＿静
应用研究
数据挖掘在高校教务管理中的应用研究
吴婷婷
（北京航空航天大学北海学院广西北海５３６０００）
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：１７１７３１１．１文献标识￣ｑ－：Ａ文章编号：１００７ — ９４１６（２０１３）０４ — ０１４５一ＯＩ

数据挖掘技术在教学管理中的应用研究

数据挖掘技术在教学管理中的应用研究王海荣（黄淮学院信息工程学院，河南驻马店463000）摘要：从研究高校学生校园学习生活各方面行为的统计特征及特征之间的关联性出发，本文采用数据仓库和数据挖掘技术对高校学生校园生活及学习信息进行分析处理，实现了高校学生管理的决策支持系统框架。

为高校学生管理工作者从整体上了解和解释学生的行为提供了新方法。

目的是为今后的学生管理和教学安排工作提供决策依据。

关键词：学生管理；数据挖掘；教学管理；多维数据集中图分类号：TP311文献标识码：A文章编号：1674－6236（2013）03-0043-04Research on the application of data mining in teaching managementWANG Hai -rong（Information Engineering College ，Huanghuai University ，Zhumadian 463000，China ）Abstract:From the research university student campus study life in the behavior of the statistical characteristics and characteristics of the connection between the start ，based on the data warehouse and data mining technology to university students ’campus life and learning information analysis and processing ，realize the university student management decision support system framework.For the college student management workers from whole to understand and explain the behavior of students to provide a new method.Purpose is for future management of students and teaching arrangement provide the decision -making basis for making the work.Key words:student management ；data mining ；teaching management ；multidimensional data set收稿日期：2012-10-03稿件编号：201210004作者简介：王海荣（1981—），女，河南遂平人，硕士，讲师。

数据挖掘技术在高校教学与管理中的应用

Ｉｈｓｍｅｈｄｔｅｉｉａｌｓｅｎｅｔｒｓｆｅｌｅｅｔｄｂｏｓｄｒｇｔｅｄｓｂｔｎｏｔｄｎｓｓｏｅ．Ｔｈｌｓｒ ’ ｎｔｉｔｏ，ｈｎｔｌｃｕｔｒｇｃｎｅｓｉｘｄｙｓｌｃｅｙｃｎｉｅｎｈｉｔｕｉｆｓｕｅｔ ’ ｃｒｓｉｉｉｉｉｒｏｅｃｕｔｓｅｉｓａｉｔａｓｄｂａｄｍｌｈｏｉｇｔｅｉｉａｌｓｅｎｅｔｒｓｉｒｖｄＴｈａｉｆｈｉｅｅｃｔｉｌｓｅｓｔｅｄｆｎｔｂｌｙｃｕｅｙｒｎｏｙｃｏｓｎｔｌｕｔｒｇｃｎｅｓｉｍｐｏｅ．ｉｈｎｉｃｉｅｒｔｏｅｄｆｒｎｅｗｉｎｃｕｔｒｔｉｏｔｈｏｈ－
ｒｈｎａａｙｉｇｓｕｅｔ’ ｓｏｅ．ＥｐｒｅｔｓｏｔａｌｓｅｉｇｍｅｈｄｉｒｅｓｎｂｅａｄｓｉｎｉｃｗｈｎｃｍｐｒｄｗｉｉｍｏｎｌｚｎｔｄｎｓｔｃｒｓｘｅｉｎｓｈｗｔｕｔｒｔｏｍｏｅｒａｏａｌｎｃｅｔｅｏａｅｔｍｈｃｎｓｉｆｈｔｄｔｎｌｃｒｓｓｍｍｉｇｍｅｈｄａｄｔｅｃｕｔｒｇｒｓｌｏｔｉｒｓｆｌｎｏｍａｉｎＥｐｒｎｓｓｏｔａｈｒｖｄｒｉｏａｏｅｕａｉｓｎｔｏ，ｎｌｓｅｎｅｕｔｃｎａｎｍｏｅｕｅｕｆｒｔ．ｘｅｉｈｉｓｉｏｍｅｔｈｗｔｅｉｈｔｍｐｏｅ

数据挖掘技术在高校教学管理中的应用

面临的一个全新问题。数据挖掘技术可以帮助高校管理人员从大量的、完全的、噪声的应用数据中。不有提
器学习。机器学习是用计算机模拟人类学习的一门科
取出事先很难甚至无法预知的信息和知识，它能高度自动化地分析原有数据，出归纳性推理。中挖掘出做从
维普资讯
第１期１
（０６年）２０６２总第２８期第２ — ８页２
教育科掣袷殪
ＥＤＵＣＡＴ１ＮＳＣＩ０ＥＮＣＥＦ０ＲＵＭ
Ｎｏ１．１
（０６２０）
Ｐ２６一Ｐ２８
数据挖掘技术在高校教学管理中的应用
潜在的模式，而帮助管理人员调整策略．出正确的从做
决策。面以高校学生成绩的聚类分析为例．要的讨下简
学，较成熟的算法有神经网络、传算法等。比遗
用数据库管理系统来存储数据，用机器学习的方法来分析数据，掘大量数据背后的知识，两者的结挖这
ｌ５９６年诞生之后取得了重大进展。经历了博弈时期、自然语言理解、识工程等阶段，知目前的研究热点是机
随着数据库管理系统在高校教学工作中的大量应用，据库积累的数据越来越多，些数据背后隐藏着数这许多重要的信息，如何快速而又准确的从海量的教学信息资源中提取出所需信息，是高校教学管理人员所

数据挖掘在高校教务管理中的应用

关键词：数据挖掘；务管理；教决策支持
１引言
着广泛的应用范围。随着 “ 以人为本”理念深入到高等教育领
高校人才培养工作越来越充分体现个性化特征，要求对不教务管理是大学的主要日常管理工作之一，是一项复杂繁域，同的对象采取不同培养方式，而个性化人才学习方案的制订必琐的事务，涉及到校、师、系、生的诸多方面。随着教学体制的包个人的学习兴趣和不断改革，尤其是学分制、选课制的深入展开，教务日常管理工须有一定的信息积累：括个人的性格特征、学习行为以及个体的学习情况，还包括学校的课程设置、教学作日趋繁重、复杂。在教务管理工作中需要处理大量的数据，这些信息采集一方面可通过问卷调查的像学生的基本信息、程信息、绩信息、课成教师信息等，尤其在资源配置等许多信息。方式，另一方面也可借助数据挖掘技术从教务管理信息系统中教学评估方面。这些信息之间彼此存在联系，同时也隐含着一
・
教学探讨
数据挖掘在高校教务管理中的应用
刘长征（职业技术学院，中山广东中山５８０）２４４
摘要：本文讨论了数据挖掘为高校教务管理带来的优势，出了提在数据挖掘思想指导下建立教务管理信息系统的思路，而实现个性化人从才培养，向决策者提供信息支持，推动学校教学改革和建设的全面发展。
以根据需要修改的。有了前面的规则，学生在学《电子ｃＤＡ技术》
课之前，最好先学《数字电子技术》，这样无疑可以促进学生的
学习，助我们合理设置课程，帮具有很好的指导意义和很高的

数据挖掘技术在高职教学质量管理中应用

数据挖掘技术在高职教学质量管理中的应用摘要:数据挖掘技术已经在多个领域取得令人满意的应用。

在教育领域里随着数据信息的不断增长,把数据挖掘技术应用到高校信息管理中,可以促进教育体制的进一步改革、完善和发展。

数据挖掘不仅可以发现教师自身素质与教学评价结果之间的内在联系,还能应用在高校教育教学、考试评估的各个方面。

还能应用在高校教育教学、考试评估的各个方面。

关键词:教学质量管理数据挖掘粗糙集关联规则中图分类号:tp311.13 文献标识码:a 文章编号:1674-098x(2011)07(b)-0167-011 引言教学质量是职业院校赖以生存和发展的基础,因此,教学质量的保证和提高是学校发展的永恒主题。

目前,随着教育管理信息化的不断发展,如何充分有效地利用好数据资源也成为了高校教学管理的重要研究热点。

将数据挖掘技术应用于职业教育中,可从大量的教育数据中发现隐藏的、有用的知识来指导教育、发展教育,改善职业教育中的教学效果,从而有效提高职学生的职业与文化素质。

2 数据挖掘概念与技术2.1 什么是数据挖掘数据挖掘(data mining)是20世纪90年代以来发展起来的数据库系统和数据库应用领域一个欣欣向荣的前沿学科,是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的但又是潜在有用的信息和知识的过程。

通过数据挖掘可以帮助决策者寻找规律,发现被忽略的要素,预测趋势,进行决策。

它是对数据内在和本质的高度抽象与概括,是对数据从感性认识到理性认识的升华,是建立在数据库、人工智能、机器学习、神经网络、统计学、模式识别、高性能计算等技术基础上的一门新兴技术。

2.2 数据挖掘的过程数据挖掘过程一般由三个主要的阶段组成:数据准备、挖掘操作、结果表达和解释,整个挖掘过程是一个不断反复的过程。

比如,用户在挖掘途中发现选择的数据不太好。

或使用的挖掘技术产生不了期望的结果。

这时,用户需要重复先前的过程。

数据挖掘在高校教学管理中的应用

数据挖掘在高校教学管理中的应用【摘要】教育已进入大数据时代，然而高校教务管理中对数据的处理方式相对落后。

本文针对这一问题，将数据挖掘技术应用到高校教学管理中，从教务管理系统收集的数据中提取出有用信息，为高校教学管理者制定相关决策提供正确有力的数据支持和保障。

【关键词】教学管理;数据挖掘;关联规则;聚类;变化和偏差分析随着教育信息化的加速发展，教务管理系统已在各高校广泛使用。

教务管理系统积累的数据与日俱增，蕴藏了大量的有价值信息。

但目前对这些数据的处理还仅仅是简单的数据查询、备份、报表和汇总。

利用数据挖掘技术对这些数据进行分析，深入挖掘，综合评价，得出的有用信息，可以有效地为教学服务，辅助完成学生管理、成绩分析、培养方案制定、教学计划制定、教师评价等工作[1]。

本文将对数据挖掘技术在教学管理中的应用，进行概括和分析。

1.数据挖掘技术概述1.1 数据挖掘的概念数据挖掘（Data Mining），又称为数据库中的知识发现（Knowledge Discovery in Database），就是从大量、不完整而且是带有噪声以及模糊和随机的实际应用数据中，提取出隐含、未知但又潜在有用的信息和知识的过程[2]。

广义的讲，数据挖掘意味着从大量事实或观察数据的集合中寻找模式的决策支持过程。

数据挖掘融合的技术主要包括数据库技术、机器学习、人工智能、统计学等，通过对数据进行分析，做出归纳性推理，挖掘出潜在信息，辅助完成正确性决策。

1.2 数据挖掘的过程和方法数据挖掘的过程可总结为四个阶段：确定挖掘对象、数据准备、数据挖掘、结果的解释和评价。

其中数据准备阶段包括：数据选择、数据预处理和数据变化等步骤。

数据挖掘的分析方法需根据待挖掘对象的类型、数据规模和类型进行选择。

主要包括：聚类分析、关联规则、变化和偏差分析等[3]。

聚类分析是一种研究如何将研究对象按照多个方面的特征进行综合分类的无监督的学习过程。

它将待挖掘的数据集分成若干不同的类或者簇，使同一类的数据对象尽可能相近被分到同一个簇中，不同类的数据对象尽可能相异将会处于不同的簇中。

数据挖掘在高校教学管理中的应用

单位等之间的关系进行了挖掘。霍树勋等Ｉ８Ｉ挖掘出了来或未知的对象进行分类。典型的分类算法有决策课堂教学效果与授课教师的职称、教龄、学历、教学手树、贝叶斯网络和ｋ一最近邻分类等。分类分析中的决段以及授课对象之间的关系。
３．２聚类分析
便于学校有针对性地制定相关政策挽留学校所需人才，促进学校人才发展，并对新的求职者做出预测。马
聚类分析１５１是将物理的或者抽象的数据集合划分伟杰【５１采用Ｃ４．５决策树算法构建奖学金评定系统，挖
峰态系数和偏态系数这两个试卷评价指标，将试卷按分析。正态分布、双峰型分布和陡峭型分布等类型进行分类，以便进行聚类分析，进一步提高试卷质量ｌｌ】】。（４）应用于学生选排课系统，以便为学生提供个
为多个类别的过程，聚类之后的每个类别中任意两个掘学生成绩和奖学金等级关系的历史数据，建立学习
数据样本之间具有较高的相似度，而不同类别的数据成绩～奖学金等级智能评价模型，对学生争取奖学金样本之间具有较低的相似度。聚类分析算法一般包含和学校评定奖学金都有指导性意义。黎仁国［６１用决策特征获取与选择、计算相似度、分组及聚类结果展示树分类方法对家庭贫困的学生进行等级划分，从而使

数据挖掘在高校管理中的应用

成的数据挖掘的任务，完成数据定义工作。（）２数据准备包括数据抽取和预处理工作。主要对数据质量进行分析，完成消除数据噪声，除不一致数据，行多个数据库的集成、组合工作。然后从数据库清进中选择挖掘的对象，数据转换成数据挖掘系统要求的统一格式。将（）据挖掘３数是知识发现的核心步骤。包括选择合适的算法和技术、执行挖掘算法、搜寻提取数据模式等（）４结果分析依据要解决的问题，对挖掘出的模式进行确认或者解释，将发现的知识以用户能够理解的方式提供给用户。就目前高校的情况而言，有的管理信息系统大都具有分类特性，现因此高校管理ＤＳＳ的数据挖掘方法主要采用能实现分类模式分析的方法，以分类模式分析为主线，联模式分析为辅线结合其他分析方法进行。由于ＤＳ的特殊关Ｓ性，ＤＳ的系统分析通常采用一种称之为ＲＭ对ＳＯＣ的方法。ＲＭ方法主要从表ＯＣ达（ｅｒｓｎａｉｎ、操作（ｐｒｔｎ、存储辅助（ｅｏｙｉ）Ｒｐｅｅｔｔｏ）Ｏｅａｍ）Ｍｍｒａｄ、控制机制（０ｔ０ｍｃａｉｍ进行分析。它首先识别决策支持过程的基本活动，ｃｎｒｌｅｈｎｓ）其次分析每一个活动的组成部分，然后集成这些部分建立一个专用ＤＳＳ。在交付使用时，设计者将继续沿着这四个方面的追踪系统和用户，断地扩展和修不改基本部件，直到用户满意为止。基于以上讨论，一种基于数据挖掘的决策支持系统基本结构框架如图２所示。它由数据库、数据仓库、数据仓库管理模块、数据挖掘工具、知识库、知识发现模块、人机交互模块组成。系统的主要输入是源于数据库的数据以及存储在知识库中的知识和经验：交互模块通过自然语言处理和语人机义查询在用户和系统之间提供相互联系的集成界面：仓库管理模块完成数数据据仓库的创建以及数据仓库中数据的综合、提取等各种操作，负责管理整个系统的运转：数据挖掘工具用于完成实际决策问题所需的各种查询检索工具、多维数据的ＯＡ分析工具和数据开采ＤＩＬＰ＾了具等，以实现决策支持系统的各种要求：知识发现模块控制并管理知识发现过程，它将数据的输入和知识库中的信息用于驱动数据选择过程、知识发现引擎过程和发现的评价过程。在图２中箭头方向为控制流。决策支持同数据库管理是密切联系的，用户发出决策请求命令后，通过数据挖掘工具触发数据仓库管理模块从数据仓库中获取与任务相关的数据。建立改决策支持系统的过程不是简单的线性流程，而是一个学习、发现和修改的过程，步骤之间包含了循环和反复，这样可以对发现的知识不断求精、深化，并使其易于理解。结语数据仓库、数据挖掘和决策支持系统都是方兴未艾的前沿科学，数据挖掘技术为决策支持系统地研制与开发提供了一种有效、可行的体系化解决方案。随着数据仓库和数据挖掘技术在各个领域的广泛采用，策支持系统的决研究与开发工作将被推向一个更高的层次。

数据挖掘技术在高校教学管理论文

数据挖掘技术在高校教学管理中的应用摘要：高校在教学和管理中逐渐聚集了相当数量的数据资料，要充分的使用好这些数据资料研究技术对这些数据进行分析和挖掘，从中找出相对于教育教学和监督管理有关的知识，帮助管理者更好的做出决策，与此同时也能够促进学校合理设置课程、制定培养方案和有效管理学生，从而推动学校的全面发展。

abstract： colleges and universities has accumulated a large amount of data gradually in the teaching and management，it is necessary to make full use of these data material and carry on the analysis and mining to these data， and finds out the knowledge which is relative to the education and teaching as well as the supervision and administration， help managers to make better decisions， at the same time， it can also promote the school to set up reasonable curriculum，formulate training plan and effectively manage students， so as to promote the all-round development of the school.关键词：数据挖掘；教学管理；关联规则key words： data mining；teaching management；association rules中图分类号：tp39 文献标识码：a 文章编号：1006-4311（2012）34-0200-020 引言随着信息技术的快速发展，多数的高等院校都建立了教务管理系统，高校的日常管理基本上全面实现了信息化和网络化。

数据挖掘技术在高校教学管理中的应用

一
、
式，另一方面也可借助数据挖掘技术从教务管理信息系统中直接提取。通过对挖掘的信息数据建立一个量的模型，进行分析、归纳和总结，找出共同的特点，按照分类的模式划分归类，然后将学生个性化培养方案概括到某个给定的范围。这样，既可以为学生自主学习提供科学有效的指导，又可以对学校的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、创新性人才的目标。（）异常信息检测三教学管理系统中的数据挖掘，利用关联分析或分类分析，可以发现一些普遍性的现象。如通过分析学生的成绩，能发现 “ 可离散数学 ”成绩好的学生，其 “ 数据库 ”课程的成绩也好。但这种分析，也可能导致对暂时不具有普遍性的情况的忽略。事实上，那些不经常出现的情况出现了，更应该引起管理与决策者的注意。针对例外对象，可以使用数据挖掘的异常检测方法予以呈现。异常检测在教务管理中，适用于学生成绩分析、课程分析、教师工作量、教师教学质量等方面。有些例外情况是应该引起教育决策者注意的，比如通过对教师任课信息数据的孤立点挖掘发现学校任课情况异常的教师；通过对学生成绩数据的孤立点挖掘发现成绩异常的学生等等。例如对学生成绩的分析，选取学生各个学期的平均绩点作为特征值，就可以发现异常的学生，如进步较快的、成绩下降明显的、成绩极不稳定的等。再如课程分析，用各个学期的选课人数作为特征值，就可以发现例外的课程，从而为修订教学计划提供参考信息。三、结束语将数据挖掘技术引入数据信息量的不断增长在高教教学管理中，可以促进教学管理的进一步完善、改革和发展。如果长期沿用经验管理模式，往往产生管理滞后等问题。对数据挖掘工具的有效利用，将较客观地反映教学系统中存在的问题，为决策提供重要依据，从而提高管理的科学性、针对性和高效率，为多年来的计算机教学管理工作添上了新的内容。参考文献： … 尔伯沙茨．据库系统概念】１西数．：工业出版社，０北京机械２６０『】军，和平，幼川．据挖掘技术的应用研究【计算机工程２黄解潘万数Ｉ】

数据挖掘技术在高校成绩管理中的应用研究

数据挖掘技术在高校成绩管理中的应用研究摘要数据挖掘在知识发现方面与教育信息的挖掘的应用和研究目前还没有被广泛应用，高校对学生的信息等处理方式相对来说比较落后，还局限于单纯的查询和数据备份等初级应用阶段。

本文正是针对这一问题，通过运用数据挖掘技术来管理学生成绩信息，从而发现这些表面看起来似乎没有任何联系的数据之间的有用关联，有效的帮助管理者、教师和学生了解各门课程的教与学之间的相互关联，发现一些规律性的存在，并且理性的对这些规律进行分析。

学校以教书育人为本，学生以学习知识为本，相信在正确数据的指导下，高校未来的教师的教学与和学生的学习都会更上一个台阶，促进高校的更好更快发展。

关键词数据挖掘；关联分析；决策树分类中图分类号tp392 文献标识码a 文章编号 1674-6708（2013）83-0184-02在高校教育领域，就当前阶段数据挖掘还是一种较新的技术。

如何在高校的学生成绩管理中合理的利用数据挖掘技术，对存放了大量学生的信息的数据库中的数据进行挖掘处理，从而提取出可以对教师的教和学生的学都起到积极促进作用的关键性规律，获得更加良好的教学效果是我们目前高校的教育工作者面临的一大急需解决的有价值的问题。

随着数据挖掘技术的成熟，它的应用领域也在不断的扩展，被关注程度也不断提高，很多高校已经投入大量的人力物力在这项研究工作上，并逐渐的将其研究成果应用于日常的教学及管理工作中。

比如，将其应用在学生信息的管理、学生的各门课的成绩分析和考试系统、教育教学的评估工作等，这些应用都将对提高高校的教学和管理水平等各方面都起到十分显著的的指导作用[1]。

1 当前很多高校学生的成绩管理面临的问题目前大部分高校教务管理系统是采用联机的事务处理系统对学生成绩进行管理，成绩数据只能简单地存储于数据库中，而对数据的处理也停留在单纯的数据查询和插入修改等功能上，仅有的对成绩的分析可能也只是求总和、平均值、均方差和合格率等之类的统计。

数据仓库和数据挖掘在高校教学管理中的应用研究

数据中的知识发￣（ＫＤＤ），是自动或方便地提取代表知识的模式。本文以高校教学管理中的数据为研究对象，使用关联规则Ａｐｒｉｏｉ算法，ｒ对教学管理信息系统中产生的数据进行数据挖掘，取得频繁项集，为教务管理工作提供指导和分析，并
为教务工作提供了一种研究思路和分析方法。关键词：教学管理；数据仓库；数据挖掘
随着车机的泼展，各行各业都对数据库的使用和分析变的越应了—个关系表。并目设计其类型、宽度、数据项、主键及表之间的联系等，来越普遍也趔涞越重要。目前，广大院校的教学管理信息系统大多缺乏综建立了—个学生成绩分析数据仓库，但只产生了ＤＷ的物理结构，接下来合分析和辅助决策的能力，．姗库中积累的大量数据，三）Ｅ法提供有力的将把哮统中的数葫 ± 抽取、转换和加载放人此到数掳ｔ沧库中。分析，本文将数据挖掘技术引入到高校教学管理系统中，增强了教学管理３Ａｐｒｉｏｒｉ算法者的决策能力，很好的利用了积累的数据资源。数据挖掘技术的引用，使数据挖掘过程是针则描定的应用数据进行分析和处理的过程。如得教学管理系统的功能得到了提升，使得数据资源得到了进一步的优化何选择输入数据，变换数据以及相对应的挖掘算法，主要取决于具体的数和丰富。据挖掘目标，及期望从数据中挖掘出伺种类型的知识。本课题主要用到关１数据挖掘基本知识联规贝￣（Ａｐｉｆｏｉｆ算法），根据生的成绩来挖掘课硅问的相关Ｉ生。数据挖掘，英文全称为ＤａｔａＭｉｎｉｎｇ，也可翻译为数据开采或者数据４ＤＷ和ＤＭ技术在高校教学管理中的应用实现采掘等，它是从量的、有噪音的数据中提取隐含在其中的、事先未知的、本文以我校教学管理数据库，包含等矬学号、姓名、课程号、课程名称、数据拥有者可以理解的和潜在有用的信息和知识的处理过程。数据仓库选课时间、ｉ￣，ＳＹ、成绩以及学时等信息。由于关联规则挖掘方法的使（简称ＤＷ）是数据挖掘和决策支持直用的最基本环境。总－体结构设计数据用是针对具体事务数据集进行操作的，目前我们的挖掘任务是寻找学生仓库系统是具有决定ｆ生指导意义的第一步，是进行数据的数据传输、规范选课关联规则，所以只选取１０级学生的选课数据集合作为数据源，共有化、分析工具ｊ择等工作的重要前提。２０２１条选课记录，包含的变量有学号、课程代码等。每个学生为—个事２ＤＷ模型的设计与实现务，该事务包含学生的所有数据。但是这样的结构并不是我们通常的管理２１概念模型设计系统的结构。因此对据集需要进行重新组织，具付盼数的成绩按照百分制概念模型设计是指界定系统边界和确定主要的主题域以及其内容。划分为五个因司，具体为１００ — ９０，８９～８０，７９ — ７０，６９ — ６０，５９～０五个区间，在概念漠型设计的主要任务是需求分析和业务数据解释。本文从计算机然后转换为对应的Ａ、Ｂ … ＣＤＥ五个等级。根据数据表和数据视图（省应用专业历届学生成绩数据中抽取了几门课程作为研究对象，总结出各略），可以依据挖掘目标的不同，选择特定的数据表、视图来创建挖掘模型。门课程的知识结构，用不同学年不同专业学生在的考试成绩，分析出学数据挖掘模型和数据结构建立好之后，接下来就要确定每个挖掘结构的生对各门课程知识掌握程度，并将所获取的信进行有效的数据挖掘，算法并设置挖掘参数。ａｊ犟算法：选择Ａｐｉｆｏｉ算法的改进算法强序略１ｆ，达到了优化教学、指导教学的目的。该算法既有Ａｐｉｆｏｉ算法思路简单的特，ｆ同时也避免了Ａｐｉｆｏｉ算法容ｆＺ１．１界定该系统的边界易生成虚假规则的不足。骖数：设定ｍｉｎ＿ｃｏｎｆ＝６０％，ａｒｉｎ＿ｓｕｐ＝３％，以学生威纷彬的边界进行界定；建立了学生成绩据仓其它屙鬻｝认值。从学生的成绩数据出来的规则，可以得到具有库所需的数据，主要包括：课程信息、学年学期、学生成绩数据、教师詹息、代表性的课程之间的关联关系，从数据挖掘的结果，经过分析我们也可以学生基本信彭ｄ居。得出计算机组成原理课程的前序课程是：高等数学、电路与电子学基础、２．１２确定主瑟域汇编语言程序设计、操作系统、计算机网络基础。但是我们在利用这些生对于数据仓库来说，面向主题是物理数据库的杨。ａ维度：学年学期成的规则得出合理课程安排的过程中，需要多次的重复分析和推导这些维、教师信息维、课程息维、学生信息维；ｈ各个维度的类别：类别提供一规则，最后才能得到我们比的答案。结束语个维的船息。谳ｉ旨指标：学生成绩；ｄ时间维：跟踪课程考试的时间，可以设定学年、学期；ｅ学生信息维：设定学生所在系、专业、年级、班名、本论文主要｛可论的是数据圪溯技书盘：工作中的应用。首先，研究了数姓名；￡课程信息维：可设定课程代码、课程ｌ顷、课程名称。ｇ教师信皂．维：据挖掘技术的基本理论和主要算法，然后运用数据挖掘的相关技术口关可设定教师所在系、教师只称、教师姓名。联规则、决策树等），结合教学中积累的大量数据，建立基于数据挖掘的教务分析系统，并进行了程序设汁及功能ｉ现。在湘搂ｉ睦尉宅掘用于对彭务分２２ｊ戮趣计目前，数据仓库的逻辑建模技术有两种：实体关系建模和维度建摸。析系统的设计时，主要从以下几个方面进行操作：用数据挖掘分析学生成实体关系建模主要Ｅ — Ｒ图用来表示。维度建模根据层次又可分为星型结绩，提出怎么样合理安排课程。基于数据掘的教务分析系统包括界面的构以及雪花型结构。维度建模又可针对相对独立的业务逻辑创建有针对设计、集成，数据库没计以及数据的预处理，数据仓库的建立以及数据挖性的分析模型，因掘模型的没计和实现。通过对大量教学数据的挖掘，得到了—些有价值的信息。能正确指导教务工作的合理陛，为如何安排教学，教务工作管理中的具体实现。物等提供指导和分析，并为教务工作提供了一种研究思路和分析方法。理模型设计主要考虑创建物理数据库，包括数据的索引策略、存储结构、参考文献位置等。『１ＵＳＰａｒｋＭ＆ＣｈｅｎａｎｄＰ．ＳＹｕ，ＡｎｅｆｅｃｔｉｖｅｈａｓｈＯｏａｓｅｄａｌｇｏｉｒｔｈｍｆｏｒｍｉｎｉｎｇａｓｓｏｃｉａｔｉｏｎｏｌｒｅｓ，Ｐｒｏｃ．１９９５ＡＣＭ－－ＳＩＧＭ０ＤＩｎｔ１Ｃｏｎ￣ｏｎ２．４ＤＷ的实现ＭａｎａｇｅｍｅｎｔｏｆＤａｔａ，Ｍａｙ１９９５．ｐａｇｅｓ１７５－１８６简单的从数据源中把数据转移过来并不是从ＤＷ中获取的数据，数

数据挖掘技术在教学管理中的应用研究

数据挖掘技术在教学管理中的应用研究摘要：本文就数据挖掘技术内涵、科学重要性，探讨了其在教学管理中的实践应用、开发研究。

通过英语四六级成绩通过率数据处理分析、系统模块设计，教师评价管理应用，体现了数据挖掘技术的显著优势。

对优化高校教学管理水平，提升工作效率，有积极有效的促进作用。

关键词：数据挖掘技术；教学管理；应用中图分类号：g642文献标识码：a文章编号：1009-0118（2013）03-0162-02一、数据挖掘技术内涵及应用任务（一）数据挖掘技术内涵数据挖掘技术通过知识发现手段，由较多不完整、不明确、模糊、丰富、随机可影响数据中做价值化、隐秘数据、知识及信息的提取。

该技术可以说是多学科技术知识的交叉形成产物，从其中挖掘精髓内容，涵盖数据库技术、神经网络技术、机器学习手段、模糊控制、统计原理、人工智能、知识库体系、搜索信息、可视化数据库技术等内容。

（二）数据挖掘技术应用任务通过数据挖掘技术的知识发现进程，可完成各类关键数据管理任务，即关联分析、聚类分析、预测分析与异常检测。

关联分析主体通过数据关联特征挖掘进行描述，倘若一些数据项取值存在重复，同时出现该现象的机率较高，则证明该类数据间包含相应关联性，进而可创建同该类数据项的具体关联规则。

可通过该项规则将各关系数据进行有效聚合，进而便于实践工作管理。

基于该项关联规则，在实践教学管理中，倘若学生需要在教务处系统中进行成绩查询，则与该学生相关联的成绩、学分均会呈现出来，可全面提升教学管理效率，优化实践控制效果。

针对教学管理数据库体系来说，聚类分析主要针对存储的丰富数据，进行有效合理、科学的归类。

可将归类方式分成聚类与分类等。

倘若明确用户要求，可依据要求引入分类方式进行分析。

聚类则通过不知晓要求基础上，针对数据信息中的相关特点，例如同类集合、关联特征等实现分类分析。

预测分析主体依据自变数据进行他类目标变量、特定数据的预测，该分析对数据信息研究尤为重要。

数据挖掘在教学管理中的应用研究

【ｙｗｒｓ：ａａｍｎｎ；ｔｉｉｇｔａｈｎｄｉｉｒｔｎｔｈｎｒｉｔｉａｆｎｍａｏ学校的教学管理工作常常需要处理大量的信息和数据，中包括教师的基本信息、其学生的家庭基本
传统的数据库技术只能进行简单的查询修改而数据挖掘技术应用于学校教学管理系统后不仅能实现传统数据库技术的功能而且能对数据进行深层次分析评价提高教学管理工作的效率和质量减少教学管理工作人员的工作量方便领导者做出正确的教学指导为决策者提供了更好的决策支持
第２４卷第２期
２１００年４月
中
国
医
学
教
【ｂｔａｔ：ａｎｇｉａｎｗｉｏｍａｏｒｃｓｉｃｎｌｇ．ＴｅｐｐｒｒｉｓａｂｉｆＡｓｒｃ】Ｄｔｍｉｉｅｎｒｔｎｐｏｅｓｇｔｈｏｙｈａｅｆｓｇｅｒａｎｓｆｉｎｅｏｔｖｉｅ
ｒｖｅｏａａｍｉｉｇ。ｔｅａｎｈｙｔｍｆｏｅｕｉｅｓｔ￣ｔａｈｎｄｎｓｒｔｎｆｒａｘｍｐｅ，ｅｉｗｆｄｔｎｎｈｎｔｋｉｇｔｅｓｓｅｏｎｎｖｒｉｙｅｃｉｇａｍｉｉｔａｉｏｎｅａｌｏｉｄｓｕｓｓｔｅａｖｎａｅｏａａｍｉｉｇａｔｉｃｓｅｈｄａｔｇｆｄｔｎｎｓ￣ｌｏ：ｉｎｖｒｉｅｃｎｄｎｓｒｔｎ，ｄｔｎｉｇｌｗｓｎｕｉｅｓｔｔａｈｉｇａｍｉｉｔａｉｙｏａａｍｉｎｃｎｆｎｈａｕａｌｎａｉｇｕａａｆｏｔｅｍａｓｄｔｏｍａｅｓｉｎｉｃｄｃｓｏｓｆｒｔａｈｎａｄｔｅｖｌｂｅａｄｍｅｎｎｆｌｄｔｒｍｈｓａａｔｋｃｅｔｅｉｉｎｏｅｃｉｇｉｉｆａｍｉｉｔａｉｎｄｎｓｒｔｏｗｈｃｉｒｖｓｈｅｆｃｅｃａｄｕｌｙｆｔａｈｎｍａａｅｎａｄｅｕｅｔｅｉｈｍｐｏｅｔｅｆｉｎｙｎｑａｉｏｅｃｉｇｉｔｎｇｍｅｔｎｒｄｃｓｈｗｏｋｏｄｏｈｅｃｉｇｓａｆｒｌａｆｔｅｔａｈｎｔｆ．