略論高校教學管理中數據挖掘技術的應用

朱　倩

[摘要]高等學校多年來在教學管理工作中積累大量的數據，利用數據挖掘技術對這些數據進行分析和挖掘，發現對教學管理有用的信息，這些信息不但可以輔助管理者決策，同時也利于學校合理設置課程、優化教學資源，從而推動學校的全面發展。

[關鍵詞]數據挖掘 學生成績 教務管理 教學評估

中圖分類號：TP3文獻標識碼：A文章編號：1671－7597（2009）0220059－01

一、引言

隨著信息技術在高校管理中的普及，在教學管理系統中積累了海量的數據。這些有關教學的數據已經形成一個教學信息數據庫。在教育信息化條件下，應對這些高校長期積累的海量數據進行分析和挖掘，以期發現對學校教學管理、學生管理有指導作用的信息，這些知識可以輔助學校管理者決策，提高學校的綜合實力，同時也可以為學校提高教學質量、優化教學資源提供可靠的數據依據。

二、數據挖掘及方法

數據挖掘（Data Mining，簡稱DM）就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、人們事先不知道的、但又有潛在的有用信息和知識的過程[1]。簡單地說，數據挖掘是從大量數據中提取或“挖掘”知識。目前，常用的數據挖掘分析方法有：關聯規則分析、聚類分析、分類分析、特征、變化和偏差分析、Web頁挖掘等幾種。

三、數據挖掘技術在高校教學中的應用意義

我國高校的信息化發展迅速，截止目前，全國96％以上的高校已經建立起校園網。如何利用信息技術更有效地為校園管理服務，提高校園信息化程度已經成為衡量教學管理質量的重要標志之一。因此筆者認為利用數據挖掘技術將教務管理系統中的學生成績信息、授課教師信息、學生信息結合起來分析，充分利用這些數據為教學管理服務，是非常有必要的。

四、數據挖掘在高校教學管理中的應用

（一）數據挖掘在學生成績分析中的應用。在高校中的教務管理系統中存在著大量教學數據，這些數據都具有實時性和歷史性。這些數據的數據量非常大，利用數據挖掘技術對所有學生的成績進行分析，對學校專業、學年學期、課程、教師等多方面進行分析獲得有價值的數據。

在高校中，學生的課程安排是循序漸進的，許多課程之間有一定的相互關聯關系。學生在學習時，也必須按照一定的前后順序。在學習某門專業課之前，要先學習某些專業基礎課。而且如果先開設的課程沒有學好，就會影響后續課程的學習。另外，同一專業學習同一課程的不同班級，由于授課教師、班級文化的不同，班級學生的總體成績相差有時會很大，隨著教學規模的不斷擴大，教務管理人員及任課教師很難再像從前那樣直接根據學生的成績數據分布找出諸如前期課程與后繼課程的關系。并據此進行教學進程的決策在這種情況下，我們可以利用數據挖掘中的關聯規則對課程數據進行挖掘分析，發現數據中隱藏的課程相關規律或模式，為決策提供必要和準確的理論支持。

關聯規則，側重于確定數據中不同領域之間的聯系，找出滿足給定支持度和可信度閾值的多個域之間的依賴關系 關聯規則是指在數據倉庫中挖出具有這種形式的規則：由于某些事件的發生而引起另外一些事件的發生。例如，在學生成績數據庫中，我們可以發現“《計算機網絡基礎》成績80分以上的學生，《局域網組網》成績也是80分以上的可能性是66％”。這就是一條關聯規則。這樣，我們可以加強《計算機網絡基礎》的教學，以此來提《局域網組網》的教學效果。在大型數據庫中，這樣的關聯規則可以產生很多，這就需要進行篩選用“支持度”和“可信度”兩個閾值來淘汰那些無用的關聯規則。

將關聯規則應用到成績分析系統中，分析學生成績和課程安排以及課堂效果和教師整體素質之間的關系，合理設置教學課程和教學計劃，掌握學生的學習情況，從而為教學部門提供決策支持。

（二）數據挖掘在教務管理中的應用。在教務管理中運用不同的數據挖掘方法可以挖掘出相關的有價值的信息知識，分類法即通過找出數據庫中一組數據對象的共同特點并按照分類模式將其劃分為不同的類，將數據庫中的數據項映射到某個給定的類別。這項技術在高校教務管理中有著廣泛的應用范圍。

現代教育要求對不同的培養對象采取不同的培養方式。體現其個性化特征，人才培養方案的制定必須有一定的信息積累和數據要求，通過問卷調查或者從教務管理系統中直接提取如學生的個性特征、學習情況以及學校的教學資源配置、教學計劃和課程設置等信息。利用分類法對這些數據進項分析挖掘，找出它們的共同點，對它們進行分類，制定科學合理的培養方案。

利用學生的家庭情況、特長、學習和獲獎情況等數據信息對學生進行分類。然后根據分類結果尋找其中的內在聯系。例如存在A+B→C的規則，那么根據學生的A行為和B行為就可以推出可能要發生的C行為，及時制定策略去鼓勵或遏制C行為的產生。也可以根據A學生和B學生在一起的行為，推導出A和B在一起是起著積極作用還是負面的影響。進而可以選定學生之間的關聯，促進學生之間的互助行為。利用分類規則對于不同的學生采用不同的教學方法和教學課程，可以進一步實施分層次教學，提高教學質量。

另外，利用數據挖掘技術，挖掘教務管理系統中積累的有用信息。可以使學校的相關院系調節相關課程設置，調整熱門課程和冷門課程的人數，通過選課率及相關信息鼓勵和引導學生選擇互補的課程，這有利于學生整體素質的提高，也有利于教學資源的合理分配。

（三）數據挖掘在教學評估中的應用。教學質量評估具有很強的導向性，對高校教學工作都具有一定的指導意義。學校每學期都要搞教學質量評估，積累了大量的數據，利用數據挖掘技術中的相關規則對這些數據進行挖掘，發現教學質量的好壞與教師的年齡、職稱和學歷之間的關系。合理配置班級上課教師，激發學生學習態度，從而更好地開展教學活動。在授課過程中，教師會運用多種教學方法，利用聚類和關聯規則挖掘方法獲取具有不同成績特征的學生群體和分析出影響學生成績的主要因素。選擇合適的教學方法，使學生更好地吸收所學知識。

五、結語

數據挖掘技術從大量數據中發現有用的知識，這些知識可以為高校日常教學管理的提供決策支持。把數據挖掘技術引入到教育領域中，不僅提高了教學管理的科學性，而且增強了數字化教育的實效性。

參考文獻：

[1]Jiawei HAN，Mieheline Kamber，數據挖掘概念與技術，范明、孟小峰，北京：機械工業出版社，2004:1-160.

[2]David Hand，Heikki Mannila,PadhraicSmy th，張銀奎、廖麗、宋俊等譯，數據挖掘原理[M]．北京：機械工業出版社，2003.

[3]劉紅巖、陳劍、陳國青著，數據挖掘中的數據分類算法綜述，清華大學學報（自然科學版），2002，42.

[4]賈璐潔，張靖，數據挖掘在高校教務管理中的應用，中國科技信息，2007.12.

作者簡介：

朱倩，女，湖北武漢人，漢族，武漢大學計算機學院碩士研究生在讀，武漢科技大學城市學院計算機基礎教研室。