試析學分制教學管理中數據挖掘技術的應用

吳春瓊

試析學分制教學管理中數據挖掘技術的應用

吳春瓊

學分制作為學校教學的一種管理制度，已成為學生最低學分畢業與學位獲取的重要標準，但在學分制的教學管理中，還存在一些問題亟須解決。數據挖掘技術作為常用數據分析法，在學分制的教學管理中進行充分應用，可有效改善教學管理機制。從學分制與數據挖掘技術內涵出發，分析學分教學管理存在的問題，有助于探討教學管理中數據挖掘技術的應用。

學分制；數據挖掘；技術；教學管理；應用

吳春瓊/福州英華職業學院講師，碩士（福建福州350018）。

在學校發展當中，教學及管理部門起著很重要作用，不過長期以來，因各職能部門在數據收集及整理上，沒有統一規范約束，大量數據處于雜亂重復及共享率低的狀況，影響了學校工作效率。隨著高校學分制教學及管理的實施，加強海量數據利用分析勢在必行，數據挖掘作為數據分析技術，在學分制下的學校教學管理中應用，可有效改善教學管理中的不足，提高其工作效率。

一、學分制與數據挖掘

（一）學分制

學分制所指的是在學生選課前提下，將學分當作學習計量的單位，并以平均學分績點累計為尺度，對學生畢業標準有無達到進行衡量的彈性教學及管理機制，學生并不受年限制，按照專業培養目標，對教學計劃當中的必修課學分有效完成，同時，根據專業特色與個人興趣，完成一定數目選修課的學分，超過或達到畢業水平，并獲取學位的制度。與學年制課程相比，這種教學管理制度，能更好激發學生的自主性，讓學生自主選擇教師與課程內容[1]，跨專業選修課程，讓學生在知識深度與廣度上，可充分發揮其主觀能動性，造就出多學科知識復合人才，并塑造具有專業性的人才。學分制按照因材施教、人本管理與雙向選擇等原則，能更適應現代教育的時代要求。

（二）數據挖掘

數據挖掘可簡稱為DM[2]，所指的是在大量不完全、模糊隨機與有噪聲的數據應用中，經過客觀統計分析，發現其潛在規律，將隱含于其中、事先不知的有用知識進行處理，對未來動態與潛在有用信息知識進行準確掌握的信息知識過程，這是門交叉學科，與數理統計、機器學習、數據庫、神經網絡與模糊數學等技術具有很大相關性。簡單來說，數據挖掘是通過多種數據分析法，對海量數據信息進行模型與數據信息關系挖掘的技術，經過模型認識與理解，有效分析對應關系，給予重大決策支持。數據挖掘主要包含數值信息結構化、有效數值信息內在聯系的揭示與用戶行為作用充分發揮等特點[3]。數據挖掘并非自動完成，而是依靠人工建模的，多數工作為人工完成，整個數據挖掘過程包含數據信息的采集、預處理、選擇變換數據、挖掘模型構建、知識表示形成與評估模式等，其關鍵技術主要有決策樹、關聯分析、聚類分析、時間序列、分類、統計學模糊與神經網絡等數據挖掘技術[4]。在學分制教學及管理中，應用數據挖掘技術，可有效解決學校工作中所面臨的問題，提高工作效率，加強學分制教學與管理的科學合理性。

二、學分教學管理存在的問題

（一）學分教學管理中的復雜化問題

在高等學校中，在每學期的選修課較多，學生涉及面較廣，學生改選錯選，熱門課的協調工作與課程場地時間等工作交織于一起，學分制不成熟，管理系統效率不高的情況下，教學管理呈現出階段混亂局面，學分教學管理出現復雜化。同時，學生掌握選課主動權，學生本身選擇缺乏指導性，學習過程也容易缺乏連續性，專業學習缺少系統性。學校對學生的課程選擇具有一定限制性，但限制較為粗略，難以有效顧及細節，加強學分教學管理的系統連續性是必要的。

（二）學分制的教學管理存在彈性不足問題

在高等院校中，專業課、基礎課與課余必修課間存在比例不協調問題，必修課的比例較高，而選修課的比例低，對學生的靈活選課具有一定限制。目前學校選修課當中，大部分為限制選修課，選修課數量影響了學生選課的主動性與個性發展，與現代多樣化發展形勢不相適應。同時，學生實施了自主選課之后，有些學生沒有學習前修的課程，就憑自身喜好對后繼課程進行了選修，這對學生本人課程的系統學習具有一定影響，對任課教師的教學評價也具有一定不良影響。在學分制狀況下，僅對學生成績給予教學效果評價，會存在一定偏頗性。

（三）專業學位與師資力量問題

在學分制下，學生可自主選擇課程，當學生選修多專業課程后，并經過了考試，學分獲得后，授予學生哪個專業學位成為學校的新問題。在學分教學管理當中，要培養出高質量的人才，需要大量的師資力量，但我國高等院校中，教師隊伍結構、素質與數量存在不合理性，雙師型的專業教師所占比例不高，對于大學生綜合素質培養具有一定影響。

三、學分教學管理中數據挖掘技術的應用

（一）數據挖掘技術在信息管理及排課管理中的應用

在學校教學管理及日常教務中，具有大量基礎信息，如院系、分校、專業、班級、教研室、教師資源、課程教材與師生個人信息等[5]，信息數量大，種類繁多，要有效處理這些信息，需要保證數據準確，并做好資料存檔工作，同時，基礎信息需要用在教學管理與日常教務各環節中，有效做到各環節數據的彼此關聯，避免孤島信息形成是必要的。數據挖掘技術中的關聯分析與聚類分析，可有效挖掘出數據間隱藏的相互關系，在同一事件當中，尋找不同項相關性。而聚類分析能對樣本中的各事物性質進行比較，把性質相似的歸成一類，性質差別比較大的可分成不同類，通常應用的聚類算法為層次法、劃分法、密度聚類與網格聚類等。應用數據挖掘技術可實現數據間的關聯，并達成不同模塊間的數據共享應用。高等學校學生大多在幾千以上，需要將上課地點、時間、教師與課程等進行周全考慮，運用人工手動進行課程安排是難以想象的，應用數據挖掘技術，依照系統排課，并按照步驟輸入教學的計劃信息，可自動生成教學安排表與任務書，安排不恰當課目再實施人工微調即可。

（二）應用數據挖掘技術指導學生選課，并完善彈性教學計劃

在學分制下，管理構建完善的選課制度，就需要加強數據挖掘技術的指導，在決策樹、關聯規則與神經網絡等技術下，設置清晰的課程網絡結構，讓課程間存在前后強烈的依賴關系。學生在選修課程C之前，已選修完了課程B與A，運用關聯規則當中的支持度與置信度當作衡量指標，對其可靠性與合理性進行判定。教學管理當中的大量歷史數據要符合實際的關聯規則。學生選修課程C時，要求存在關聯規則為：課程A成績優秀，且課程B成績優秀，課程C成績才有可能優秀。運用數據挖掘中的關聯規則，其置信度與支持度是比較高的，學生可根據本身學習興趣與專業特點，選擇恰當的選修課程，當第一輪選擇完成后，學校對沒有達到最低人數要求的課程進行淘汰，并對學生所選課程給予隨機分配，沒有被選上的學生，可參加第二輪的課程選擇，以體現課程選擇的公正公平性。同時，學校教學計劃應體現學校專業定位、辦學思路與培養目標等。教學計劃科學合理性對人才培養質量具有直接影響，需要加強教學科目的靈活性，并依據社會要求及本身興趣，鼓勵學生自主靈活組合知識結構，以獲取良好學習效益。

（三）教學評價中的數據挖掘技術應用

在學分教學管理當中，教學評價水平是國家教育水平的主要尺度之一。教學評價依據教學原則與目標要求，對信息進行系統收集，實現教學活動及成果的價值判斷，內容主要包含學生成績評價與教學效果評價[6]。現在學校學生成績評價大多建立于絕對分數評價基礎上，學生成績90分之上是優秀，80分之上是良好等，運用這種方法進行處理是簡便易行的，不過也有很多不恰當地方。如果同一門課有幾位教師在上，其中一位教師評分標準嚴，以及考試題目比較難等，學生成績就會偏低，再按照上述處理方法進行評價，就會有失公正，教師教學效果也無法合理評價。應用數據挖掘技術當中的聚類分析，依據離散數據對數據間的密集程度進行計算，并對一組數據實施距離計算，可將數據劃分成若干密集簇。應用聚類分析技術，對學生成績評價當中的每個簇作為成績群，每個簇中心數據作為成績群中心成績，按照不同簇實施成績群劃分，并給出不同成績群里的中心成績，將中心成績作為學生成績等級劃分的一個標準。運用數據挖掘技術所劃分的成績不再是絕對成績，是相對成績劃分，實施教師教學評價時，聚類分析技術也可起到作用，將學生成績歸納到各簇當中，根據各簇形狀、大小與中心值等進行教學效果評價。學生成績一般應是正態分布，并呈現較大簇與多個較小簇，小簇應均勻分布于大簇周圍，當簇形狀出現明顯兩極，表明學生成績兩極分化嚴重，需要對教學過程或試題進行考慮。理想成績為正態分布，峰值的曲線平緩，不陡峭，較大簇中，數據量不該太大，出現某簇較大問題，應對試卷與教學給予分析。應用數據挖掘技術，對數據信息進行評估，可有效提高信息的統計處理能力，也能不斷完善教學評價系統，增強學校的教學水平，通過技術應用，為教學管理系統提供可靠評教結果，輔助任課教師有效改進不足，加強教學質量提高，讓評教系統有效起到激勵監督作用。

（四）加強學生畢業專業確認與師資力量提高

在學分制教學下，學生對課程選修會跨越多個專業。學生獲得足夠學分后，申請學位與畢業的時候，學校需要對學生專業學位進行仔細分辨，特別是跨專業的選課人數大致相當時，對學生專業所屬問題進行分辨是項棘手問題，應用數據挖掘技術可有效解決這一問題。數據挖掘技術中有分類分析技術[7]，所針對的是某事件或者對象歸，對已有數據進行分析，對未來數據給予預測，常用方法為貝葉斯、判定樹、遺傳算法與支持向量機等分類，與聚類分析技術相比，分類技術分類時，已有現成分類規則，對其進行有效劃分，應用分類技術對學生所屬專業給予區分，可對專業歸屬標準給予確定，學生提出申請時，對其專業代表課程給予判斷，對各專業代表課程的學分總和進行計算，并按學生選課專業中，得分最高專業進行學位授予。在學分制教學下，教師不僅要有一定理論知識，其實踐經驗也很重要的。師資隊伍構建時，應加強雙師高水平教師的引進，對師資結構與數量等進行優化，完善評價、保障與激勵機制，有效提高教師的教學水平及素質，更好指導學生根據本身興趣與專業特點，提高對所選課程的積極學習性。

在學分制教學與管理中，合理應用數據挖掘技術中的聚類分析、關聯規則與分類技術等，可有效解決學校教務管理中的大量數據信息處理，避免孤島信息形成，有效指導學生根據自身興趣與所學專業，對選修課的合理選擇，培養學生學習的積極主動性，同時，加強數據挖掘技術在教學評價中的應用，真實體現學生學習成績以及教師的教學效果，輔助任課教師認清教學中的不足，改善教學策略，提高教學質量，培養出社會需求的高素質綜合人才。

基金名稱：基于數據挖掘的高職院校學生培養模式評價與分析研究(JA12499S)

[1]馬云華,劉軼,胡曉艷.學分制教學管理模式下大學生自主學習能力的培養[J].赤峰學院學報（自然科學版）,2012，(15)

[2]韋艷艷,張超群．“數據倉庫與數據挖掘”課程教學實踐與探索[J].高教論壇,2011，(1)

[3]李明江,唐穎,周力軍.數據挖掘技術及應用[J].中國新通信,2012，(22)

[4]鄺 濤．數據挖掘技術在高校教務管理系統中的應用研究[D]．鄭州大學，2011

[5]王小燕.高職院校學分制教學管理的方法探討[J].致富時代（下半月），2012，(3)

[6]魏寶霞.對我國高校實行學分制教學管理制度的思考[J].科海故事博覽（科教創新）,2011，(11)

[7]宋小敏,張國防,邢淑蘭.數據挖掘技術在課程相關性分析中的應用[J].中國校外教育（下旬），2012，(10)

TP311

B

1671-6531（2013）09-0115-02

郭一鶴