高校教務(wù)管理數(shù)據(jù)挖掘論文

導(dǎo)語：高校教務(wù)管理數(shù)據(jù)挖掘論文一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

在當(dāng)今數(shù)據(jù)驅(qū)動(dòng)的時(shí)代，數(shù)據(jù)是非常寶貴的資產(chǎn)。數(shù)據(jù)挖掘的核心是挖掘數(shù)據(jù)的商業(yè)價(jià)值，在大量數(shù)據(jù)中通過算法找到隱藏在背后的關(guān)鍵規(guī)律用以制定相關(guān)決策、指導(dǎo)相關(guān)業(yè)務(wù)工作。因此無論工作還是生活中的各種決策，因?yàn)橛辛藬?shù)據(jù)挖掘的結(jié)果而變得更加省時(shí)、省力精準(zhǔn)有效。隨著高校將先進(jìn)信息技術(shù)應(yīng)用在教務(wù)管理的探索性實(shí)踐發(fā)展，教務(wù)管理不僅可以規(guī)范高校相關(guān)管理工作，還可以在一定程度上提高教學(xué)質(zhì)量。教務(wù)管理系統(tǒng)可以說是高校中具有最豐富且最大規(guī)模數(shù)據(jù)的系統(tǒng)，利用數(shù)據(jù)挖掘相關(guān)技術(shù)獲取教務(wù)管理數(shù)據(jù)中潛在的信息，對高校的發(fā)展起著至關(guān)重要的作用。

1數(shù)據(jù)挖掘

1．1概述。根據(jù)相關(guān)學(xué)者對數(shù)據(jù)挖掘的定義，數(shù)據(jù)挖掘可稱為知識(shí)發(fā)現(xiàn)，它是在大量、隨機(jī)、不完全、模糊的實(shí)際應(yīng)用數(shù)據(jù)中提取有價(jià)值、潛在有用知識(shí)的處理過程［1－2］。它更是一種強(qiáng)大的人工智能工具，通過分析數(shù)據(jù)庫中多角度多維度的數(shù)據(jù)以發(fā)現(xiàn)有價(jià)值信息，并分類匯總數(shù)據(jù)之間的關(guān)系，運(yùn)用此結(jié)果幫助制定和改進(jìn)決策。1．2步驟。數(shù)據(jù)挖掘過程包括以下步驟：①數(shù)據(jù)獲取，即根據(jù)已有需求有針對性地在數(shù)據(jù)源獲取相關(guān)數(shù)據(jù)；②數(shù)據(jù)預(yù)處理，即規(guī)范格式、清洗數(shù)據(jù)、集成數(shù)據(jù)以進(jìn)一步提高數(shù)據(jù)質(zhì)量；③模型建立及優(yōu)化，即選擇和應(yīng)用各種數(shù)據(jù)挖掘模型，并進(jìn)行優(yōu)化，以便得到更好的分類結(jié)果，此過程也可以視為選擇合適的算法；④數(shù)據(jù)挖掘，即對經(jīng)過處理的數(shù)據(jù)使用選擇好的模型進(jìn)行數(shù)據(jù)挖掘，以獲取有價(jià)值的規(guī)律或知識(shí)；⑤知識(shí)展現(xiàn)，即對數(shù)據(jù)挖掘的結(jié)果分析并評(píng)估，一般最后會(huì)進(jìn)行可視化展示［1－2］。1．3常用方法。國際權(quán)威學(xué)術(shù)組織TheIEEEInternationalConferenceonDataMining（ICDM）2006年12月在香港評(píng)選出了數(shù)據(jù)挖掘領(lǐng)域的十大經(jīng)典算法：C4．5，K－Means，SVM，Aprio－ri，EM，PageRank，AdaBoost，KNN，NaiveBayes，CART。根據(jù)主要用途可將上述十大經(jīng)典算法分為分類、聚類、關(guān)聯(lián)分析以及鏈接分析4類，以下就教務(wù)管理方面常用的挖掘算法進(jìn)行闡述。分類是基于未知類別數(shù)據(jù)的特征或?qū)傩?，將其歸類為已有類別。常用的分類算法有樸素貝葉斯以及決策樹（C4．5，CART）。樸素貝葉斯在概率論原理指導(dǎo)下，基于貝葉斯定理與特征條件獨(dú)立假設(shè)，對于待分類項(xiàng)求解在此項(xiàng)出現(xiàn)的條件下各個(gè)類別出現(xiàn)的概率，將要分類的項(xiàng)目分類為具有最高計(jì)算概率的類別［5］。決策樹又稱判斷樹，它是一種以樹形數(shù)據(jù)結(jié)構(gòu)來展示決策規(guī)則和分類結(jié)果的模型，作為一種歸納學(xué)習(xí)算法，其重點(diǎn)是將看似無序、雜亂的已知實(shí)例，通過某種技術(shù)手段將它們轉(zhuǎn)化成可以預(yù)測未知實(shí)例的樹狀模型［6－7］。聚類分析就是在未知的情況下根據(jù)數(shù)據(jù)樣本之間一定的相似度將其劃分為若干個(gè)不相區(qū)間，然后根據(jù)與已有數(shù)據(jù)樣本區(qū)間的相似度來歸類待劃分?jǐn)?shù)據(jù)［4］。其中，k均值聚類算法（K－Means）比較經(jīng)典，在k－Means算法中，對于給定的樣本集，根據(jù)樣本之間的距離將樣本集劃分為k個(gè)類。

2數(shù)據(jù)挖掘在教務(wù)管理系統(tǒng)中的應(yīng)用

2．1分類算法在教務(wù)管理中的應(yīng)用。通過樸素貝葉斯分類算法監(jiān)測學(xué)生考試成績，分析學(xué)生考試成績變化趨勢［5］。此外，將教務(wù)管理中學(xué)生的平時(shí)成績和試卷成績以及具體成績細(xì)節(jié)作為數(shù)據(jù)挖掘?qū)ο螅褂脹Q策樹算法進(jìn)行分類分析，挖掘影響學(xué)生綜合成績的重要因素，以及這些因素與綜合成績之前的正負(fù)關(guān)系［6－7］?；诖?，不僅為教務(wù)管理者制定教學(xué)計(jì)劃提供了科學(xué)依據(jù)，而且還可有針對性地指導(dǎo)學(xué)生高效率學(xué)習(xí)。2．2聚類算法。對教務(wù)管理中學(xué)生對教師教學(xué)測評(píng)結(jié)果和教師授課信息進(jìn)行聚類分析，挖掘教師教學(xué)水平評(píng)價(jià)的關(guān)鍵影響因素，分析學(xué)生就相關(guān)課程對教師教學(xué)質(zhì)量關(guān)注的重要指標(biāo)［4］。基于此分析，一方面教師可以有針對性地調(diào)整授課側(cè)重點(diǎn)，提高教師教學(xué)水平；另一方面可以作為衡量教師教學(xué)質(zhì)量以及教師績效考核的重要量化參考依據(jù)，進(jìn)而促進(jìn)高校教師的團(tuán)隊(duì)管理。2．3關(guān)聯(lián)分析。對教務(wù)管理積累的歷史選課數(shù)據(jù)以及已經(jīng)取得的成績?yōu)閷ο筮M(jìn)行關(guān)聯(lián)分析，針對學(xué)生的選課傾向與學(xué)習(xí)課程后掌握情況、考試成績等信息，挖掘課程之間相關(guān)性和課程與成績之間相關(guān)性等有用信息構(gòu)建相關(guān)模型［3］?；诖?，可以實(shí)現(xiàn)個(gè)性化課程推薦，為后續(xù)學(xué)生有針對性地調(diào)整培養(yǎng)方案提供科學(xué)依據(jù)，進(jìn)一步完成個(gè)性化人才培養(yǎng)目標(biāo)。此外，可為以后課程具體內(nèi)容設(shè)計(jì)方面提供細(xì)節(jié)參考，幫助教師有的放矢地準(zhǔn)備授課內(nèi)容，提高整體教學(xué)質(zhì)量。

3對數(shù)據(jù)挖掘技術(shù)在教務(wù)管理中應(yīng)用的思考

3．1應(yīng)用范圍需要擴(kuò)展。目前數(shù)據(jù)挖掘?qū)虅?wù)管理方面的應(yīng)用研究大多是針對學(xué)生選課以及成績方面，而教務(wù)管理的業(yè)務(wù)范圍并不僅于此，還包括招生、學(xué)籍、科研、畢業(yè)、就業(yè)等多方面。只有將數(shù)據(jù)挖掘技術(shù)全面應(yīng)用于教務(wù)管理各個(gè)方面，才能更加充分地完善教務(wù)管理系統(tǒng)，提高教務(wù)管理水平。此外，還可以為教學(xué)中自動(dòng)問答功能以及個(gè)性化推薦功能提供基礎(chǔ)性支持。所以，研究數(shù)據(jù)挖掘算法，探索合適的挖掘模型，以處理教務(wù)各業(yè)務(wù)方面數(shù)據(jù)是今后努力的方向。3．2數(shù)據(jù)安全需要引起重視。在應(yīng)用數(shù)據(jù)挖掘處理教務(wù)相關(guān)數(shù)據(jù)的過程中，處理的數(shù)據(jù)主體主要來自教務(wù)系統(tǒng)數(shù)據(jù)庫，數(shù)據(jù)源頭包含學(xué)生和老師的個(gè)人隱私信息。針對個(gè)人信息安全保護(hù)問題，國家明確規(guī)定了相關(guān)法律條文并實(shí)施。所以在獲取教務(wù)管理數(shù)據(jù)時(shí)，應(yīng)該盡量避免敏感數(shù)據(jù)。如果研究中不可避免需要一些隱私數(shù)據(jù)，則需要對數(shù)據(jù)采取匿名化或去標(biāo)識(shí)化等保密措施。將高度關(guān)注個(gè)人信息的敏感性，防止個(gè)人隱私泄露，防止對個(gè)人安全造成威脅作為對待數(shù)據(jù)的原則。3．3加強(qiáng)對教務(wù)系統(tǒng)的完善。大多學(xué)者通過對教務(wù)某業(yè)務(wù)方面的數(shù)據(jù)采用數(shù)據(jù)挖掘技術(shù)進(jìn)行試驗(yàn)分析，最后根據(jù)實(shí)驗(yàn)結(jié)果獲取數(shù)據(jù)與業(yè)務(wù)相關(guān)的規(guī)律，用以支持制定教務(wù)管理相關(guān)決策或提升教學(xué)水平。然而，研究的最終目標(biāo)不能局限于此，應(yīng)該在相關(guān)研究成果的基礎(chǔ)上，結(jié)合教務(wù)系統(tǒng)實(shí)際使用情況對其功能進(jìn)行升級(jí)完善，將研究結(jié)果轉(zhuǎn)化為教務(wù)系統(tǒng)中相應(yīng)的功能模塊或是輔助教務(wù)管理的功能模塊，由此使得數(shù)據(jù)挖掘針對教務(wù)管理的應(yīng)用成果能更加直觀地呈現(xiàn)于實(shí)際管理工作中。

4結(jié)語

隨著信息化的推進(jìn)，高校教務(wù)管理系統(tǒng)不斷升級(jí)、功能不斷完善、業(yè)務(wù)不斷規(guī)范，教務(wù)管理方面的信息數(shù)據(jù)量也不斷增加。如何正確科學(xué)使用教務(wù)管理方面的數(shù)據(jù)是每所高校管理者甚至是高層必須深思的問題，因?yàn)檫@決定著學(xué)校如何優(yōu)化教學(xué)資源、標(biāo)準(zhǔn)化教學(xué)管理、提升教學(xué)水平，甚至決定著整個(gè)教育行業(yè)的發(fā)展走向。數(shù)據(jù)挖掘技術(shù)為在紛繁復(fù)雜的海量教務(wù)管理數(shù)據(jù)中挖掘知識(shí)提供了很好的工具，雖然已經(jīng)有一些學(xué)者就此方面進(jìn)行了研究，但是數(shù)據(jù)挖掘并沒有在高校教務(wù)管理方面得到廣泛應(yīng)用，因此仍有較大的發(fā)展和創(chuàng)新空間，有必要進(jìn)行深入研究。

作者:楊亞菲 單位:國家開放大學(xué)