教學管理系統中數據挖掘技術的應用研究

摘要數據挖掘是數據倉庫技術中的重要技術之一。將數據挖掘技術與教務管理系統相結合，從海量的數據中發現隱藏的有用信息，并將這些信息資源有效地組織、整理、提取，為教務系統管理者提供經驗和有價值的總結，提高學校工作效率，實現教學安排等事務的合理性。

關鍵詞 教務管理；成績；教學質量評價；數據挖掘

中圖分類號：G434 文件標識碼：A 文章編號：1671-489X（2007）12－0066-03

Application and Study of Data Mining in Educational Administration//Chen Song，Lu Jiping

Abstract Data mining is one of the important technology in the data storage technology. Combines this technology with the system of educational administration and find useful information which concealed in large amount of data， then have these resources effectively organized， sorted and extracted. It provides experiences and valuable summary for the educational administrators.Through promoting working efficiency to realize the rationality of teaching affairs arranging.

Key words educational administration management; achievement; teaching quality evaluation; data mining

Author’s address Dean's Office， Zhejiang University of Finance Economics， Hangzhou 310018

1 數據挖掘技術概述

1.1 數據挖掘的定義

數據挖掘就是應用一系列技術從大量的數據中提取或“挖掘”人們感興趣的信息和知識。這些知識或信息是隱含的，事先未知而潛在有用的，提取的知識表示為概念、規律、規則、模式等形式，數據挖掘也可以說是一類深層次的數據分析。數據挖掘按照既定的業務目標，從海量數據中提取可以解釋為知識的規則，包括關聯規則、特征規則、區分規則、分類規則、總結規則、偏差規則、聚類規則等。大多數數據挖掘方法都基于機器學習、模式識別、神經網絡和統計學的試探和測試技術，即分類、聚類、回歸等，這些技術對應的方法對于無論是新手還是有經驗的數據分析專家都常常具有迷惑性。

1.2 數據挖掘方法的組成

數據挖掘方法主要有3部份組成——模型表示、模型評價和搜索。模型表示是一種用于描述能夠被發現的模式的語言，這種語言既不能太受限制(會導致數據無法發揮有效的能力，產生一個精確的模型)，又不能具有太強的表示能力(會導致模型對未知數據的預測準確性降低)。模型評價標準是對一個特定模式滿足只是發現(KDD)過程目標程度的定量描述，描述模型可以通過其預測準確度、新穎性、可用性及可理解性的度量尺度來評估。搜索由2部分組成——參數搜索和模型搜索。模型表示和模型評價標準一旦確立，數據挖掘問題就簡化為優化任務：從已經選擇的模型中尋找能夠優化評價標準的參數和模型。參數搜索時，算法必須在給定的觀察數據和固定的模型表示情況下，搜索能夠優化模型評價標準的參數。模型搜索以循環的形式發生在參數搜索方法之上——改變模型表示以便考慮整個模型家族。

1.3 數據挖掘引入教務管理系統

數據挖掘技術已經在實際領域獲得廣泛應用，其優點是可以利用已有信息系統存儲的數據進行挖掘計算，借助計算機應用程序，將復雜的統計技術、挖掘算法封裝起來，使人們不用掌握這些技術也能完成同樣的功能，從而更專注于自己所要解決的問題?；诖?，筆者將數據挖掘技術引入教務管理領域，希望通過數據挖掘技術得到一些知識、規則等，進而指導實踐，完善教學管理。

2 數據挖掘技術在教務管理系統中的實現及2種應用

2.1 數據挖掘技術的實現

現在的應用系統基本設計都是采用3層系統結構，本系統的結構也不例外。筆者采用基于Web的客戶端、服務器、數據庫3層體系構架而成。其中客戶端由JSP開發，負責處理用戶的輸入和向用戶的輸出；服務器作為客戶端和數據庫之間的橋梁，用于建立市級的數據庫連接，根據用戶請求生成SQL語句檢索或更新數據庫，并返回結果；數據庫用于存儲和數據檢索。

2.2 數據挖掘技術的2種應用

2.2.1 利用決策樹方法對學生成績分析評估

利用決策樹方法分析成績的原因出于以下幾點考慮：（1）教務管理系統的用戶基本是教師或者教學管理人員，他們掌握的數據挖掘知識往往是比較薄弱的，這就需要利用決策樹方法來生成可以讓人理解的、可消化的規則；（2）在教務管理系統中成績數據量并不是很大，不需要進行復雜的算法研究，關鍵還是在于計算的速度和效率，決策樹方法計算量相對其他方法要小得多，這樣就可以提高系統的執行效率；（3）成績庫數據包含有離散型數據和連續型數據，而離散型數據相對占了大多數，決策樹方法不但可以同時處理2種數據，而且對離散型數據的處理有更好的效果。

因此，筆者在選擇學生成績分析時選擇了決策樹方法進行數據分析，找出影響學生成績的因素及這些因素間的相互關系。

當成績錄入教務系統之后，利用決策樹算法計算出那些和成績分析評估特征最為相關的屬性作為決策樹的根結點，再采用迭代遞歸法將其他屬性一樣采用決策樹算法進行分類，形成決策樹。用決策樹形成分類規則后，可以根據學生各自的成績屬性信息進行規則匹配，對學生成績進行分析評估。將最后分析結果進行研究，最終找出影響學生成績的不利因素，并作出調整。

下面簡單講述如何進行成績的數據分析。數據庫中的成績存放信息及屬性很多，以浙江財經學院教務處正方系統為例，其屬性條目就有５８條之多。選取對于分析有利的屬性(表１)，以便獲得有利于研究的數據。

假如現在要對某個二級學院的某門課程重修情況進行分析，設計一個分類的屬性取值：學院名稱、學年、年級、課程名稱、重修成績。利用函數計算獲得各個二級學院最近4學年計算機基礎課程的重修人數百分比。計算結果見表2。

對各個學院進行縱向比較可以發現，在03級的學生中重修人數比例是比較小的，04級重修比例在上升后到05級開始又呈下降趨勢。從宏觀來看，03級到04級的計算機重修比例呈上升趨勢，主要是因為大學擴大招生以后，學生整體的智育素質有所降低，學生也遠沒有之前幾年的學生好學努力。經過調查發現，04級以后計算機基礎的重修比例逐年下降的原因在于，隨著計算機行業的飛速發展，以及家庭經濟生活的逐漸寬裕，電腦已經非常普及，如今的很多初中生甚至小學生都可能已經是個電腦通。現在的小學到高中都開設了計算機課程，這對于學生學習這類基礎知識已經沒有多少難度。不妨這樣考慮：在不久的將來，完全可以把計算機基礎這門課程取消，讓學生在大學里學習一些更適合其知識結構的計算機課程。浙江財經學院現在所采取的新生計算機課程分流，其實就是逐步將計算機基礎課程淡化直至最終取消的一個中間過程。

從各學院橫向比較可以看到，理工科的學生要比財經類的學生計算機基礎學得好，而人文藝術類的學生在這方面相對欠缺。所以在落實教學方案的時候，針對人文藝術學院的學生應安排教學經驗豐富、講課生動的教師進行授課，激發學生的興趣，最終達到提高課程成績的目的。

2.2.2 利用關聯規則方法對學生評價教師進行分析評估

筆者從教務管理系統中提取教師教學質量評價記錄300條(評價記錄條目越多，分析得到的數據就越具有支撐意義)，取出其中的6個屬性：教師編號、教齡、性別、職稱、學歷和評價分數導入數據庫，得到表3。

將表3進行數據分組，首先將教齡分成4組：J1[1，5]、J2[6，10]、J3[11，20]、J4[21，35]；將評價分數分成4組：F1[0，60]、F2[60，75]、F3[75，85]、F4[86，100]；職稱分為Z1(初級)、Z2(中級)、Z3(副高)、Z4(高級)；學歷分為X1(大學)、X2(研究生)。以上數據經過轉換得到一組新的二進制代碼數據，隨后根據挖掘關聯規則，編制好搜索“具有較好課堂效果的教師的狀態特征”的語句。按照標準，應該是評價分數大于等于85以上的記錄。通過搜索得到75條?，F假設最小置信度(minsup)=10%，最小支持度(minconf)=5%，得到關聯規則參照表(表4)。

由表4可以得到如下的結論：

（1）從性別上比較置信度和支持度可以看出，任課教師的性別對于教學效果的影響并不是很大。

（2）從教齡上來比較置信度和支持度來看，教齡在1—5年的年輕教師在教學方面還是缺乏一些經驗，需要進一步改進教學方法，多學習、多實踐，努力提高自己的教學、科研水平；教齡在6-20年的中青年教師已經明顯成長起來，他們有著豐富的教學經驗，能積極啟發學生思維，引導學生主動積極地學習，從而達到更好的教學效果；教齡在21—35年的骨干教師，他們的置信度相當高，這說明老教師授課受到學生的歡迎，他們教授方法不拘泥古板，在教學上結合科研與實際，促進學生實踐能力與科研能力的提高。但也看到老教師比重不是很大，說明學校是一所新興的本科高校。

（3）從學歷上看，研究生教師上課效果比較好，他們知識面廣，科研水平高，學生從這些教師身上能了解更多、更新的學術動態。

（4）總結以上幾點，筆者認為在排課時，應該盡量做到在每個教學班中配備教師的教齡、職稱、學歷等的合理性，進而更好地提高學生的學習能力和學習興趣。

3 結束語

成績與教學評價是教務管理系統中的2個功能模塊，把數據挖掘技術引入到教務管理系統，并對以上2個模塊數據進行分析，得到具有對實踐教學有支持意義的結論，從而提高教學管理的科學性，增強教育數字化建設的實效性。但也應看到，要得出這樣一個具有實際參考意義的結論需要原始數據的可靠性和規范性，這就要求教務系統管理人員在數據錄入的時候，一定要規范、認真。教務管理系統中的數據隱藏著很多具有實際指導意義的內容，還需要不斷地探索發現，這是一個從實踐到理論再到實踐的過程。