APP下载

数据挖掘在高校教学管理系统中的应用

2018-11-23李思瑶

消费导刊 2018年14期
关键词:关联规则决策树数据挖掘

李思瑶

摘要:在信息化急速发展的今天,许多工作都在计算机系统的辅助下得到了高效率的发展和进步。随着高校学生人数的急剧增长,给高校教学管理工作增添了许多困难。本文力求将数据挖掘应用在高校教学管理中,利用数据挖掘技术有效的挖掘教学管理资料中隐藏的重要信息,为学院安排教学工作提供科学决策依据,从而提高高校教学管理系统的使用效率。

关键词:数据挖掘 教学管理 关联规则 决策树

数据挖掘是从大量的数据中挖掘有趣模式和知识的过程。数据源包括Web、数据库、动态流入系统的数据或其他信息存储库。虽然是一门新兴学科,但其研究具有广泛的应用前景。本文旨在寻找数据挖掘技术与教学管理系统这两者的联结点,寻求如何在教学管理系统中使用数据挖掘技术。本文主要对学生成绩数据库、教学评价数据库进行挖掘。

一、教务管理信息化建设成果及问题

随着我国高校信息化的迅猛发展,信息技术在高校教学管理中应用的普及。全国绝大部分高校已经建立校园网并使用现代化的教学管理手段。利用信息技术更有效的为高校日常教学管理服务。已经成为当代教学管理人员进行日常教学管理的重要手段之一。

从国内高校使用的教学管理系统的情况来看,虽然系统中保存着课程、师生信息、成绩等大量的数据信息。但绝大部分管理人员只对这些大量积累的数据采取导入、查询、删除和备份等操作。虽然该系统在一定程度上大幅度地提高了教务管理效率,但该系统不具备为管理人员提供能科学性、理论性的综合分析学生、教师情况的信息,且对于长时间积累的大量数据中所隐含的信息不能有效的处理。不能充分发挥信息技术的潜能。难以为教学管理决策提供科学、理论的依据。

二、数据挖掘系统的实现目标

目前高校的教学管理系统能够完成高校现阶段教务工作所涉及的教学管理以及数据信息等工作。具有对数据的储存、修改、查询、备份等功能。但是该系统的使用,让教学管理人员的工作仍处于简单的数据操作状态中。该系统很难做到对存储的数据进行多角度分析,这些常年积累的数据隐藏着未知的规律或者模式。这些未知的规律或者模式却因未经发现而不能使用。

为了解决这一问题。本文通过对笔者所在单位使用的正方管理系统中已有的数据库进行整理、连接,使用数据挖掘工具,从而设计出能够挖掘隐藏知识的新一代教学管理系统。本文设计的教学管理挖掘系统主要有两方面的应用:

1.教学评价中的应用。学院每学期均组织学生、教师进行教学评价,评价后的数据除了用于对教师的教学质量评级外不做其他用途。使用决策树算法,建立教学评价模型,帮助教学管理人员有效地、正确地使用每学期积累的教学评价数据,找出影响教师教学效果的因素,从而在提高教学质量、加强教学效果、合理分配教学资源等方面,提供科学理论依据。

2.课程设置中的应用。各个系部的专业课程设置均为循序渐进的,即课程与课程间有一定的先后顺序关系。但是有些课程开设的先后顺序并不能从经验上判断。致使相关课程开课的先后顺序不清。故使用关联规则算法建立课程设置模型。为人才培养方案的制定提供科学理论依据。显得尤为必要。

三、高校教学挖掘系统构建

(一)数据挖掘模型的构建过程

1.确定挖掘目标。该步骤是进行数据挖掘的第一步。进行挖掘前首要一步就是能够明确问题,确定挖掘目的,认清目标是正确建立挖掘的先决条件。本系统所挖掘的信息是教学评价评分和学生成绩。目的是通过对教学评价的评分和学生期末成绩进行分析,找出影响教师课堂教学效果的因素以及课程设置的先后顺序。2.数据选择。该步骤是对所需数据进行收集、筛选。3.据预处理。该步骤是需要对存储在数据库中的数据进行清理、去噪、删去无效数据、填补不完整的域等操作。这些操作的目的是为了保证数据的正确、完整和一致性。4.数据转换。将处理过的数据转换成为一个数据模型,根据数据的特点选择建立相应的数据挖掘模型。5.数据挖掘。按照挖掘模型。选择适合的算法对数据进行挖掘,以期获取有用的知识。6.生成分类规则。对挖掘得到的信息进行解释、评价,将得到的结果生成分类规则。在评价阶段,为了便于用户的理解,系统将筛选出有价值的信息使用可视化的方法将结果呈现。7.知识的应用。将挖掘出的知识应用到实际教学中,以期待找到提高教师授课水平的关键因素和正确的课程设置顺序,从而提高学院的整体教学水平、提高教学质量。

(二)主要功能模块介绍

登录模块:本系统的使用者根据身份的不同。有着不同的使用权限。本系统的使用者主要包括管理员和教师。管理员的职责是对系统平台进行日常管理和维护,系统管理员可以实现拥有最高权限。教师身份是系统平台的使用者,可以对平台的信息进行挖掘,并对挖掘后的知識进行查询、使用,其使用权限次于系统管理员。

数据预处理模块:在数据预处理子功能模块中,主要是可以依据挖掘需要,对数据进行预处理操作。主要的操作包括数据的选择、数据的缺失值处理、数据冗余的处理、数据的离散化处理等。基于决策树算法的教学评价模块:该模块是使用lD3算法实现的。该模块主要用于对每学期学院组织的教学评价分数进行分析。找寻影响教师教学效果的因素。基于关联规则的课程设置模块:该模块是使用Apriori算法实现的。学生在校学习期间,课程之间是有一定相互联系的,部分课程是有前后顺序关系的。该模块主要是对课程实行数据挖掘,找寻课程与课程间的关联。并分析各个课程间的相关性。该模块主要使用学生成绩数据,利用关联规则挖掘满足给定条件的支持度和置信度课程问的关联,得到有价值的发现、规律,为科学、合理设置课程顺序。提供有力的数据支持。

数据挖掘技术在教学管理系统中的应用,除了本文所涉及的教学评价和课程设置外,还有许多待开发、研究的方向。在今后的学习、研究中。可以进一步开发新的应用系统。例如:学生选课的兴趣研究、学生高考成绩对大学阶段考试成绩的影响、课程设置与学生就业方向的关系、挖掘影响教师科研水平的因素、学生就业情况与在校期间成绩的联系等课题的研究。

猜你喜欢

关联规则决策树数据挖掘
探讨人工智能与数据挖掘发展趋势
一种针对不均衡数据集的SVM决策树算法
决策树和随机森林方法在管理决策中的应用
基于并行计算的大数据挖掘在电网中的应用
关联规则挖掘Apriori算法的一种改进
基于关联规则的计算机入侵检测方法
基于决策树的出租车乘客出行目的识别
一种基于Hadoop的大数据挖掘云服务及应用
基于肺癌CT的决策树模型在肺癌诊断中的应用
基于GPGPU的离散数据挖掘研究