基于数据挖掘技术的高校教务管理研究

郭海昭

摘要：随着信息化技术的快速发展，各行各业正在进行积极的创新转变，高校的教务管理也正面临着全新的机遇和挑战。目前高校的数据库中保存的教育数据越来越多，教育信息化的建设过程中，高等院校也逐渐建立和完善了多种数据应用系统，对于其中复杂庞大的数据信息管理，离不开数据挖掘技术对信息进行深入的分析和分类，为高校教育提供决策上的数据支持。本文对数据挖掘的基本流程和数据挖掘技术在教务管理中的作用进行了探讨，提出了数据挖掘技术在高校教务管理中的应用分析。

关键词：信息化 数据挖掘 技术 高校 教务管理

前言

我国自从进入了互联网技术快速发展的新时期以来，信息化技术得到了广泛的应用，在人们的生活和工作中，每天都有各种大量的信息产生，经过深入的挖掘和探索，可以得到价值较高的信息。大数据时代的背景下，教育数据对于高校教务管理来说有着重要的意义，目前的高校教务管理工作正在进行积极的转型和创新，由信息化管理方式升级到更高一层的智慧化管理模式，借助数据挖掘技术，对教育信息中的数据关系进行分析和探索，挖掘出教育数据中的潜在价值，为领导决策等提供科学的数据依据，推动高校未来的稳健发展。

一、数据挖掘的基本流程

数据挖掘又被称为资料探勘、数据采矿，是基于数理模式之上，展开对大量资料的分析和研究，在数据中将隐含的过去未知的有价值的潜在信息提取出来，是一门在大量数据中提取有用信息的科学。数据挖掘的基本流程主要分为五个步骤，首先是对需求的解读，在整个项目的生命周期中都贯穿着解读需求，每一阶段的解读需求各有不同，为了将正确的需求解读出来，需要加强交流和沟通，指导下一步工作;第二步是采集数据，在正确解读了需求的基础之上，用足够的数据来展开有效数据的挖掘，对取样分布形成正确的认知和理解，在抽样过程中避免发生以偏概全的情况，全面收集数据，保持数据一定的覆盖面;第三步是预处理数据，通常情况下，采集和收集到的数据是有噪声的、离散的，缺少一定的完整性，因此要整理数据和对数据进行去噪处理，挖掘数据的整个过程中，预处理数据需要占用大量的时间;第四步是模型评估，在不同的模型中找出最佳模型;第五步是解释模型，深入探索和分析模型中的数据和隐含价值，为决策提供辅助和支持。

二、数据挖掘技术在教务管理中的作用

数据挖掘技术在教务管理中的作用主要分为以下三项，分别是预测、聚类分析和关联分析。其中预测是通过掌握和分析数据内容的发展规律，来对未来的发展趋势进行预见，建立起数据的组合后，将另一个数据的模型推出。例如将学生的学习行为、学习成绩等采集后构建起一个模型，再根据对模型的分析研究，找出学生行为、学生成绩与学业预警之间的关系，以此为根据，对学生的各项行为进行预测。聚类分析是将数据分群，保持同群内的数据尽量相似，在不同群之间要有较明显的差异性，例如分类学生的时候，将具有类似特征的分为一个群组，给每个群内的学生提供不同的学习材料，观察学生的学习情况和学习行为。关联分析是在数据中找到其中存在的关联性，例如比较不同类别学生的学习情况，对学生的理论课程成绩和实践课程成绩进行研究分析，找到其中存在的关联性。

三、数据挖掘技术在高校教务管理中的应用

（一）学生成绩管理

在整个高校的教学信息数据库中，学生的课程考试成绩数据占据着很大的比重，是反映高校学生学习情况的最直接体现，同时也能够侧面反映出教师的教学成效和试卷的出题合理性等。利用数据挖掘技术来挖掘、分析和归纳学生的考试成绩，得到各个方面的考核和评价，帮助学生明确自身的学习情况，更加清晰的了解未来的学习中需要注意的问题，在此基础上制定有针对性的学习计划和学习方案。结合试卷的质量和学生的考试成绩进行综合分析，对试卷的难易程度展开评价，查看试卷和学生的实际学习情况是否相匹配，促进试卷质量的提高。应用数据挖掘技术教师分析学生的考试成绩和试卷中的数据，发现其中存在的教学问题，及时优化和改善教学方法，提高教师自身的教学技能水平和课堂教学的效率，对学生的各科成绩进行合理分析，提高教务管理的成效。

（二）教学质量评价

在高校教务管理中心，教学质量评价是教学活动最为直接有效的反应，应用数据挖掘技术的过程中，根据关联规则来挖掘其中与教学质量评价相关的数据，例如，学生的到课情况、作业和练习情况、考试成绩等学生的学习情况，教师考勤、教学过程、教学方法、教学内容、师生互动等教师的上课情况。挖掘以上的数据后能够对高校教学质量进行全面的评价，提高评价的准确性，鼓励教师创新教学方法，展开高效的教学研究和教学改革，督促学生学习，提高师生的教与学水平。

（三）课程设置

高校教务管理中，设计高校的课程需要遵循一定的科学性和规律性，高校课程中包括专业基础课、公共基础课、专业必修课、选修课等等，要提高课程安排的合理性，保證前续课程能够为后续课程打下良好的基础，做好铺垫，让学生能够在循序渐进中完成高校教育。应用数据挖掘技术来挖掘和分析以往的数据，掌握好各个数据之间存在的潜在关系，对以往的课程安排进行查看和分析，评定其是否合理，课程安排的结构等是否完善，最终达到提高教学质量和成效的目的。表面看起来课程顺序没有影响的两门课程，通过数据挖掘技术的应用，挖掘和分析数据后可能会发现某一门课程潜在影响着另一门课程，如先开设某一门课程能够帮助另一门课程提高教学质量和教学效率，促进学生学习成绩和效果的提升，最终优化学校的课程设置方案。

（四）学生管理

通常高校的学生在入学后会为其在数据库中建立起学生档案，其中包括个人基本信息、家庭信息、兴趣特长、奖惩情况等多方面的内容。通过数据挖掘技术来统计、聚类、预测以上数据，能够帮助高校教务管理工作者更加全面的了解和掌握学生的情况，为开展教务管理工作提供依据。利用数据挖掘技术来查看和分析学生的上课考勤情况、活动参与情况、查寝情况等，对学生可能发生的行为倾向进行准确的预测，及时发现学生的异常情况，避免造成更加严重的后果。在对学生的综合测评中借助数据挖掘技术，能够使评测结果的分析和研究更加全面。针对毕业生来说，可分析学生适合的就业范围与求职倾向，向毕业生提供科学的就业指导，预测学生的就业情况，分析通过正规途径获取的招聘信息，提高学生的就业效率。

四、结论

综上所述，随着社会经济的快速发展，我国科学技术和信息化水平逐渐完善，数据挖掘技术作为一种被广泛应用的技术，将其利用到高校教务管理中，对于高校的长足发展有着重要的意义。利用数据挖掘技术对教育数据进行全面科学的分析，包括学生管理、教学管理、就业管理、行政管理等，在高校的设计、决策、部署、评价过程中为其提供可靠、科学的数据支持，促进高校的信息化建设进程，为高校未来的稳健发展奠定坚实的基础。

参考文献

[1]郝丽青.当前形势下高校教育管理的现状与创新机制研究[J].智库时代，2020（10）：111-112.

[2]高平.大数据时代高校教育管理工作创新研究[J].教育教学论坛，2020（01）：25-26.

[3]黄丹.基于数据挖掘技术的高校教育管理研究[J].信息与电脑（理论版），2019（04）：14-15+20.

[4]刘强珺，丁养斌.基于数据挖掘技术的高校思政教育管理研究[J].电子测试，2015（01）：101-103.

[5]李晓龙.浅谈数据挖掘技术在高校教育管理中的应用[J].电子制作，2013（07）：170.