论文部分内容阅读
【摘 要】随着数据挖掘技术的成熟及应用领域的不断扩展，不少高职院校研究人员已经开始尝试将数据挖掘技术应用于高校的教学、管理之中，本文通过对我院教务管理系统中的有关数据进行挖掘，从中筛选出大量有用信息，提高教务管理水平，实现教务管理的智能化与决策的科学化。
【关键词】数据挖掘 教务管理 应用研究
一、引言
我院教务管理信息系统从2004年在学院应用于教学管理至今，基本满足了在学院规模扩大，学生人数大幅度增加、多校区办学等情况下，学院在学生管理、教学管理等方面工作需求。教务系统运行近十年来，学生学籍数据有2多万条记录，选课数据达5万條记录，等级考试报名数据达到6万条记录，成绩历史数据达到50万条记录，虽然教务系统收集了大量的数据，初步实现了对教务数据的管理功能，但是数据分析功能比较弱，没有完全发挥信息技术的管理潜能。没有去挖掘大量数据中所隐含的规律，从而应用这些规律去指导学校的工作。因此，教务管理没有站在学校的角度去考虑如何借用信息化的手段来改善整个学校的管理，提高管理效率和管理效果的问题。
二、数据挖掘的理论基础
（一）数据挖掘理论的提出
进入信息时代，保存在计算机中的文件和数据库中的数据量正在以指数速度增长，同时人们期望从数据中获得更有用的信息。实际上，这些数据中只有一小部分有用，但人们却渴求获得知识，正面临“数据丰富而知识贫乏”的问题，所以迫切需要一种新的技术从海量数据中自动、高效地提取所需的有用知识，这时，数据挖掘技术由此而生。数据挖掘（Data Mining）是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。简单的说，数据挖掘就是从大量的数据中提取和“挖掘”知识。
（二）数据挖掘工具——数据仓库工具与关键技术
数据仓库技术从本质上讲，是一种信息集成技术，它从多个信息源中获取原始数据，经过加工处理后，存储在数据仓库的内部数据库中。通过向它提供访问工具，为数据仓库的用户提供统一、协调和集成的信息环境，支持企业全局的决策过程和对企业经营管理的深入综合分析。数据仓库的体系结构如下图所示：
可以看到，在一个数据仓库中，源数据来源与已有的生产系统，是操作型数据。提供源数据的数据源可以是各种数据库管理系统，或各种格式的数据文件或外部数据源。由于数据仓库是一种信息集成手段，因此在实际工程中，面对的数据源可能千差万别。只要能够为数据仓库所支持的决策和分析过程提供所需的信息，就可能成为数据仓库的数据源。数据进入数据仓库之前必须经过检验，以排除数据中可能隐藏的错误。为了满足决策支持和深入分析的需要，数据要经过特别整理、加工和重新组织，然后装载到一个或多个数据仓库的数据库中。所有这些工作都是数据抽取和转换工具完成的，数据仓库中装载数据的数据库即为数据仓库中的目标数据库。
三、数据挖掘技术在教学管理中的运用
随着数据挖掘技术的不断发展，在教育信息化中也得到了广泛应用。现基于实际工作经验，通过对数据挖掘的关键技术的研究，结合教学管理具体要求，挖掘出数据背后所隐藏的信息，从而帮助学校制定人才培养方案，帮助老师了解学生的学习效果，指导和加强教学管理，提高教师的教学水平和质量。
（一）学生评教数据分析
学生评教是学校教学管理的一个重要环节之一，是帮助教师改进教学、提高教育教学质量的重要手段。
1.学生评教数据分析的现状和不足
目前任课教师的教学评教基本上都是通过教学管理系统来完成，一般采用系部评教、教师自评、学生评教三种方式。教师自评和系部评教是对任课教师授课水平、教学的组织能力，教师的业务能力、教学的态度等多方面进行评价。学生评教则从任课教师能否熟练讲授教学内容，方法是否能被学生所接受，授课的责任感和态度等多方面给分。各类评教结束后，教务处根据各项所占权重，进行综合评分，得出各个任课教师在本学期教学的一个成绩，根据此成绩来进行评优的依据之一。
2.数据挖掘技术在学生评教数据中应用的需求
数据挖掘技术则可以从大量评教数据中获得有指导性意义的信息：
（1）教学评价结果有针对性。以往评教结果只能是对反映任课教师的综合情况，但需要改进，或发扬的具体因素并不能明显的体现，使得我们不能找出影响教学质量整体的重要因素。
（2）指导教师改进教学。通过对优秀老师的数据分析，找出他们之间的共同点，并对其进行分析，提供给其他任课教师参考学习，反思自己在教学环境中的不足之处，加以改进。
（3）指导学校管理人才。通过评教数据分析，归纳出作为优秀老师应具备的一些基本条件，并以此为标准，为学校招贤纳士。
3.学生评教数据挖掘
对于学生评教数据的挖掘，主要是为了找出学生最关注的、对教学效果影响最大、学好该课程的关键因素，通过对学生评教数据的分析，使用关联规则找出评教分数趋于两端的数据频繁项集，从课程基本信息、任课教师信息和课程安排内容等数据中分析出影响教学效果的主要因素，给教学管理者提供指导性意见。
四、学生成绩分析
学生成绩是教学成果具体展现的一部分，以专业为单位分析学生成绩可以间接的了解该专业学生知识掌握情况。然而学生成绩的影响因素众多，涉及的信息量很大，所以需要通过数据挖掘技术来将其相关信息进行分类整理并从中获取所真正有用的数据。
（一）学生成绩分析现状和不足
学生成绩可以适当的反映出该学生在校学习的情况。目前，教学管理系统中已经累加了近二十万条学生成绩的数据，而每个学期老师录入成绩之后，系统中只能做出简单的汇总统计，得到每个任课班级学生成绩分布图，成绩分段图等，从图的分布情况中了解到该班学生学习情况是否正常。教学管理部门也只能通过这些简单的汇总统计，了解到每个班级的学习情况是否稳定，针对某些班级学生成绩分布不正常的情况展开调查。 （二）数据挖掘技术在学生成绩数据中应用的需求
数据挖掘技术可以从大量学生成绩数据中获得以下有价值的信息：
1.教学计划的实施对学生成绩的影响。从学生成绩中部分课程的成绩中发掘课程之间的关联信息，比对教学计划的制定，查看是否存在课程安排不符合该专业人才培养的规划，导致课程之间衔接不上，学生学习吃力的问题。
2.教学任务对学生成绩的影响。教学任务中的课程任课老师的基本信息结合任课教师授课情况与学生该门课程成绩相关联，查看任课教师对学生成绩的影响是否存在。
3.教学安排对学生成绩的影响。课程安排中了解课程安排的时间和地点是否对学生成绩也存在影响。
学生自身学习情况，学生的成绩有高有底，分析过程中需要选取有效学生数据，不能让少数学生信息（偏科、全优、不学等情况）影响其分析过程。
（三）学生成绩数据挖掘
对于学生成绩数据的挖掘，主要是为了找出影响学生成绩的关键因素，从课程信息表中课程的性质、课程类别等；教学安排中课程上课时间、上课地点、任课教师的选择、起止周等；学生基本信息中学生的性别、考生类型等；该门课程的任课教师职称、学位等信息，通过以上各类表中的字段和学生成績表中的字段进行选择性关联，使用改进过的 Apriori 算法找出学生成绩趋于两端（即优秀、不及格）的数据频繁项集，从找出的频繁项集产生关联规则。分析出影响学生成绩的主要因素，给任课教师和有关教学管理者提供教学指导性意见。
当然，现在院校所用的教务管理信息系统中的所收集到的数据囊括了学院管理的许多方面，通过数据挖掘技术对管理系统中的信息进行分析，可以获得对管理者有决策参考价值的信息，对高职学院教务管理工作有很大的推动作用。
参考文献：
[1]王耀，郑玲.数据挖掘在教务管理中的应用[J].电子商务.2013（1）
[2]王丹.数据挖掘在高职院校教学管理中的应用[J]. 广东技术师范学院学报. 2010（09）
[3]潘锋.浅谈数据挖掘技术在高校教学管理中的应用[J]. 重庆科技学院学报（社会科学版）. 2008（04）
[4]段利文，包华林.数据挖掘理论在教学管理中的应用探析[J]. 重庆电子工程职业学院学报. 2009（03）
作者简介：
邓怀勇（1979——），重庆永川人，讲师，硕士，研究方向：计算机应用
基金项目：
重庆水利电力职业技术学院院级科研项目《高职学院教务管理系统的数据挖掘研究》（项目编号：K201322）
【关键词】数据挖掘 教务管理 应用研究
一、引言
我院教务管理信息系统从2004年在学院应用于教学管理至今，基本满足了在学院规模扩大，学生人数大幅度增加、多校区办学等情况下，学院在学生管理、教学管理等方面工作需求。教务系统运行近十年来，学生学籍数据有2多万条记录，选课数据达5万條记录，等级考试报名数据达到6万条记录，成绩历史数据达到50万条记录，虽然教务系统收集了大量的数据，初步实现了对教务数据的管理功能，但是数据分析功能比较弱，没有完全发挥信息技术的管理潜能。没有去挖掘大量数据中所隐含的规律，从而应用这些规律去指导学校的工作。因此，教务管理没有站在学校的角度去考虑如何借用信息化的手段来改善整个学校的管理，提高管理效率和管理效果的问题。
二、数据挖掘的理论基础
（一）数据挖掘理论的提出
进入信息时代，保存在计算机中的文件和数据库中的数据量正在以指数速度增长，同时人们期望从数据中获得更有用的信息。实际上，这些数据中只有一小部分有用，但人们却渴求获得知识，正面临“数据丰富而知识贫乏”的问题，所以迫切需要一种新的技术从海量数据中自动、高效地提取所需的有用知识，这时，数据挖掘技术由此而生。数据挖掘（Data Mining）是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。简单的说，数据挖掘就是从大量的数据中提取和“挖掘”知识。
（二）数据挖掘工具——数据仓库工具与关键技术
数据仓库技术从本质上讲，是一种信息集成技术，它从多个信息源中获取原始数据，经过加工处理后，存储在数据仓库的内部数据库中。通过向它提供访问工具，为数据仓库的用户提供统一、协调和集成的信息环境，支持企业全局的决策过程和对企业经营管理的深入综合分析。数据仓库的体系结构如下图所示：
可以看到，在一个数据仓库中，源数据来源与已有的生产系统，是操作型数据。提供源数据的数据源可以是各种数据库管理系统，或各种格式的数据文件或外部数据源。由于数据仓库是一种信息集成手段，因此在实际工程中，面对的数据源可能千差万别。只要能够为数据仓库所支持的决策和分析过程提供所需的信息，就可能成为数据仓库的数据源。数据进入数据仓库之前必须经过检验，以排除数据中可能隐藏的错误。为了满足决策支持和深入分析的需要，数据要经过特别整理、加工和重新组织，然后装载到一个或多个数据仓库的数据库中。所有这些工作都是数据抽取和转换工具完成的，数据仓库中装载数据的数据库即为数据仓库中的目标数据库。
三、数据挖掘技术在教学管理中的运用
随着数据挖掘技术的不断发展，在教育信息化中也得到了广泛应用。现基于实际工作经验，通过对数据挖掘的关键技术的研究，结合教学管理具体要求，挖掘出数据背后所隐藏的信息，从而帮助学校制定人才培养方案，帮助老师了解学生的学习效果，指导和加强教学管理，提高教师的教学水平和质量。
（一）学生评教数据分析
学生评教是学校教学管理的一个重要环节之一，是帮助教师改进教学、提高教育教学质量的重要手段。
1.学生评教数据分析的现状和不足
目前任课教师的教学评教基本上都是通过教学管理系统来完成，一般采用系部评教、教师自评、学生评教三种方式。教师自评和系部评教是对任课教师授课水平、教学的组织能力，教师的业务能力、教学的态度等多方面进行评价。学生评教则从任课教师能否熟练讲授教学内容，方法是否能被学生所接受，授课的责任感和态度等多方面给分。各类评教结束后，教务处根据各项所占权重，进行综合评分，得出各个任课教师在本学期教学的一个成绩，根据此成绩来进行评优的依据之一。
2.数据挖掘技术在学生评教数据中应用的需求
数据挖掘技术则可以从大量评教数据中获得有指导性意义的信息：
（1）教学评价结果有针对性。以往评教结果只能是对反映任课教师的综合情况，但需要改进，或发扬的具体因素并不能明显的体现，使得我们不能找出影响教学质量整体的重要因素。
（2）指导教师改进教学。通过对优秀老师的数据分析，找出他们之间的共同点，并对其进行分析，提供给其他任课教师参考学习，反思自己在教学环境中的不足之处，加以改进。
（3）指导学校管理人才。通过评教数据分析，归纳出作为优秀老师应具备的一些基本条件，并以此为标准，为学校招贤纳士。
3.学生评教数据挖掘
对于学生评教数据的挖掘，主要是为了找出学生最关注的、对教学效果影响最大、学好该课程的关键因素，通过对学生评教数据的分析，使用关联规则找出评教分数趋于两端的数据频繁项集，从课程基本信息、任课教师信息和课程安排内容等数据中分析出影响教学效果的主要因素，给教学管理者提供指导性意见。
四、学生成绩分析
学生成绩是教学成果具体展现的一部分，以专业为单位分析学生成绩可以间接的了解该专业学生知识掌握情况。然而学生成绩的影响因素众多，涉及的信息量很大，所以需要通过数据挖掘技术来将其相关信息进行分类整理并从中获取所真正有用的数据。
（一）学生成绩分析现状和不足
学生成绩可以适当的反映出该学生在校学习的情况。目前，教学管理系统中已经累加了近二十万条学生成绩的数据，而每个学期老师录入成绩之后，系统中只能做出简单的汇总统计，得到每个任课班级学生成绩分布图，成绩分段图等，从图的分布情况中了解到该班学生学习情况是否正常。教学管理部门也只能通过这些简单的汇总统计，了解到每个班级的学习情况是否稳定，针对某些班级学生成绩分布不正常的情况展开调查。 （二）数据挖掘技术在学生成绩数据中应用的需求
数据挖掘技术可以从大量学生成绩数据中获得以下有价值的信息：
1.教学计划的实施对学生成绩的影响。从学生成绩中部分课程的成绩中发掘课程之间的关联信息，比对教学计划的制定，查看是否存在课程安排不符合该专业人才培养的规划，导致课程之间衔接不上，学生学习吃力的问题。
2.教学任务对学生成绩的影响。教学任务中的课程任课老师的基本信息结合任课教师授课情况与学生该门课程成绩相关联，查看任课教师对学生成绩的影响是否存在。
3.教学安排对学生成绩的影响。课程安排中了解课程安排的时间和地点是否对学生成绩也存在影响。
学生自身学习情况，学生的成绩有高有底，分析过程中需要选取有效学生数据，不能让少数学生信息（偏科、全优、不学等情况）影响其分析过程。
（三）学生成绩数据挖掘
对于学生成绩数据的挖掘，主要是为了找出影响学生成绩的关键因素，从课程信息表中课程的性质、课程类别等；教学安排中课程上课时间、上课地点、任课教师的选择、起止周等；学生基本信息中学生的性别、考生类型等；该门课程的任课教师职称、学位等信息，通过以上各类表中的字段和学生成績表中的字段进行选择性关联，使用改进过的 Apriori 算法找出学生成绩趋于两端（即优秀、不及格）的数据频繁项集，从找出的频繁项集产生关联规则。分析出影响学生成绩的主要因素，给任课教师和有关教学管理者提供教学指导性意见。
当然，现在院校所用的教务管理信息系统中的所收集到的数据囊括了学院管理的许多方面，通过数据挖掘技术对管理系统中的信息进行分析，可以获得对管理者有决策参考价值的信息，对高职学院教务管理工作有很大的推动作用。
参考文献：
[1]王耀，郑玲.数据挖掘在教务管理中的应用[J].电子商务.2013（1）
[2]王丹.数据挖掘在高职院校教学管理中的应用[J]. 广东技术师范学院学报. 2010（09）
[3]潘锋.浅谈数据挖掘技术在高校教学管理中的应用[J]. 重庆科技学院学报（社会科学版）. 2008（04）
[4]段利文，包华林.数据挖掘理论在教学管理中的应用探析[J]. 重庆电子工程职业学院学报. 2009（03）
作者简介：
邓怀勇（1979——），重庆永川人，讲师，硕士，研究方向：计算机应用
基金项目：
重庆水利电力职业技术学院院级科研项目《高职学院教务管理系统的数据挖掘研究》（项目编号：K201322）