大數據挖掘技術在本科院校計算機專業教學管理中的應用

崔炳德 辛晨 馮濤

摘 ? 要：針對計算機專業課程教學過程和管理的大量數據，利用大數據挖掘技術，通過正確識別數據源，挖掘相同的粒子所產生的概念節點之間的關系，自動獲取和積累關于關聯規則的知識，并控制關聯規則，以便在搜索過程中自適應地獲得最優解，實現數據的自動獲取和處理，用數據分析了解學生學習狀況，更有針對性的對學生學習情況進行管理和優化，進而加強專業建設，優化人才培養方案，采用最佳教學方法，提高教育教學質量和人才培養質量。

關鍵詞：大數據挖掘技術 ?教學過程與管理 ?應用

中圖分類號：G434 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2019）08（a）-0222-02

1 ?國內外研究現狀

計算機專業教學過程中產生的數據具有以下兩個特點：一是數據流動頻率高;二是數據流動量大[1]。采用大數據挖掘技術，可以對其中有用的數據信息進行挖掘，并將其進行梳理和分類[2]。當教學過程中需要進行教學決策時，能夠快速獲得有效的相關信息，進行準確推送，提高決策的科學性和準確性。采用大數據挖掘技術，對教學過程中產生的海量數據進行綜合分析，為計算機專業教學與管理提供決策支持和幫助。

2 ?大數據挖掘技術在教學與管理中的應用

在計算機專業教學與管理中，不僅要完成專業學習任務，更重要的是要注重學生學習能力的培養。在完成課程學習任務的同時，提高學生的溝通、合作和實踐能力。大數據挖掘技術可以很好的應用在教學評價、教學課程設計、課程考核評定等方面。對于計算機專業而言，教師和學生可以了解教學現狀和課程內容，有利于正確把握計算機專業教學方向改進和教學改革，形成合理的教學體系。

2.1 挖掘技術在教學評價方面的應用

對于教學過程與管理中的數據挖掘，數據庫包括基本的學生信息，學生成績，學生選課信息、教師指導信息，實驗實訓情況、教師研究信息和教學評價信息;基于應用程序的領域知識，要挖掘的每個屬性（項目）可以簡單地表示為目錄樹。分析評價課堂效果，對課堂教學效果評定分值進行數據挖掘，發現其關聯關系，通過良好的置信度和支持度，可以對教學評價結果做出準確分析。

2.2 挖掘技術在課程教學設計中的應用

采用大數據技術針對學生不同模塊試題的成績數據進行分析和評價，對不同的知識點進行數據挖掘，挖掘每個知識點的難度、各個知識點的相關性和順序關系，使教師在準備課程時能夠更好地設計教學內容，更好地將知識點融入教學中。挖掘規則中的重要因素包括：平衡支持權重、適應度函數、置信度。由于閾值與置信度屬性相關，為從數據庫中挖掘有效的關聯性，必須預先定義適應度函數的閾值。

3 ?結語

本文通過運用大數據挖掘技術，利用教學評價、教學設計、課程考核過程中的數據，運用關聯規則分析、粒度節點模型等分析各個因素之間的聯系，使整個教學管理更加合理和精準，教學決策更加科學。

參考文獻

[1] 張洪軍.基于大數據的高校管理改革研究[J].中國成人教育，2017（20）：42-44.

[2] 孫衛東.高職教學質量之大數據管理模型[J].職教論壇， 2016（19）：52-57.

[3] 楊雪平，陳光海，韓晉川.基于大數據的職業教育智慧云平臺教學環境構建[J].職教論壇，2018， No.695（07）：59-62.