教育统计基础数据库平台是进行搜集、整理各类学校的基本标识和主要属性信息等数字化资料的工具,通过该平台相关教育部门每年都会采集大量的教育数据,这些数据蕴含一定的教育规律。高质量的教育数据是政府或者教育相关机构作出正确决策的保证。然而,由于各教育机构对数据质量的控制能力良莠不齐,致使教育数据仅有量的积累而缺乏质的保障。在数据采集、存储、使用等全生命周期过程中,由于操作失误、人为篡改数据、统计方式不当等多种因素的影响使得原始数据存在错误和不一致问题。针对以上问题,本文的主要工作如下:1.由于数据采集时,数据范围没有限制导致采集的数据出现大的偏差。因此,本文在对传统的基于数据校验算法研究分析的基础上,总结现有数据校验算法的优缺点,提出了基于人机交互的数据校验算法。该算法主要是将LSSVM(Least Squares Support Vector Machine)最小二乘支持向量机算法与人为调节相结合,考虑指标值间的相互影响,将预测方法与标准指标体系相结合,使数据阈值范围更加合理,从数据源头降低错误数据发生的概率。当用户采集数据时,实时地进行数据阈值的控制,从而实现数据质量的提升。2.本文研究了规则引擎算法和规则库的知识,提出了规则校验的一般模型及公式,提出的规则校验方法,分为两个部分:规则引擎校验和规则库校验。规则引擎校验主要实现的是业务规则校验,规则库校验主要实现的是多表之间的数据校验,侧重点不同,但都能很好的使得程序设计与业务逻辑分离,降低耦合度,具有很好的动态适应性。3.为了对数据质量情况进行直观显示,本文利用AHP(Analytic Hierarchy Process)层次分析方法确定指标权重,通过五元组模型M=(T,I,Ru,W,Re)进行数据校验质量评价,完成了基于“校验-评价-反馈-优化”的数据质量控制方法,实现最大程度上控制教育数据质量,有效解决教育数据质量不高问题,最终为教育数据的利用提供优质数据。本文校验方法已于某市教育统计基础数据库平台中进行实现,纠正错误50000多项,与采用本文方法之前相比,准确率提高了约30%。不仅成功的完成高质量的教育基础数据库建设,而且圆满的完成了 2017年数据上报任务,有效的提高了数据的准确性,为政府的决策计划提供支撑。