數據挖掘在教學管理中的應用

李虎

【摘要】目前各高校廣泛應用的教務管理系統，涵蓋了海量的教學數據。充分挖掘處理系統中的數據，讓數據變為信息、知識，是合理規劃教育資源，制定更加科學的培養方案和提高人才培養質量的有效手段。

【關鍵詞】教學管理;數據挖掘;生源地

信息技術的高速發展、大數據的廣泛應用、云計算的來臨，給教學管理提供了海量的過程性、個性化的數據。通過對信息數據的收集、整理與分析，形成更為完善的大數據，切實提高高校教務管理工作的服務能力和服務水平。本文提出以課程成績為基礎對教務數據鏈進行分析與綜合評價，得到大量被隱藏的有價值的信息，更好地為高校教學服務。

一、數據準備階段

（一）成績數據

成績是評價高校教學質量的重要依據，也是評估學生對所學課程掌握程度的重要標志。利用教務系統全面挖掘成績數據中的內在聯系，為教學管理提供相應的指導。

成績數據信息包括學年學期、年級、學號、姓名、課程名稱、任課教師等。

（二）學籍數據準備

學籍數據的準備來源于課程信息，包括修讀學生的年級、學號、姓名、生源地、籍貫等。

二、數據挖掘

現將我校2016級和2017級本科高等數學、大學英語的期末成績進行抽樣統計分析，所得數據如下。

（一）本科生高等數學課程期末成績的統計分析

2016級和2017級學生高等數學期末成績統計結果為：2016級總人數767人，平均分75.98，方差7.68，不及格率14.2%;2017級總人數1113人，平均分71.11，方差7.82，不及格率16.11%。現對兩個年級高等數學期末成績分析如下：在平均分方面，2016級高于2017級;在不及格率方面，2017級不及格人數大于2016級;在方差方面，2016級考試成績平均分比2017級高并且學生成績較穩定。

（二）本科生高等數學期末成績按任課教師統計分析

任意選取相同專業的兩個年級2016級、2017級高等數學期末成績按分數段統計。

2016級1101由教師A授課，其分段數據為1-59分8人，60-79分34人，80-100分60人，課程平均分為78.93，不及格率7.84%。2016級1102由教師B授課，其分段數據統計為1-59分17人，60-79分35人， 80-100分42人，課程平均分為74.14，不及格率18.19%。

2017級1201由教師A授課，其分段數據1-59分13人，60-79分52人， 80-100分39人，課程平均分為71.64，不及格率12.26%。2017級1202由教師B授課，其分段數據1-59分20人，60-79分47人， 80-100分46人，課程平均分為70.7，不及格率17.7%。

現對2016級、2017級高等數學期末成績按分數段統計結果分析如下：上述統計數據是2016級、2017級相同專業不同的兩個課序班，分別是1101、1201由A教師授課，1102、1202由B教師授課，通過對比，A教師所授課程的學生平均分均高于B教師，A教師所授的課程學生不及格率低于B教師;2016級在80-100分段學生人數大于B教師，2017級此分數段相差不算太大。

（三）本科生不同生源地高等數學期末成績統計分析

高等數學期末成績分數段所占百分比統計，數據來源于我校招生的2016級、2017級廣西、湖南、四川、天津四省區市本科學生。

2016級高等數學分段分數百分比統計：0-59分段廣西10.2%，湖南15.4%，四川12.7%，天津52.5%。60-79分段廣西31.1%，湖南15.4%，四川16.2%，天津18.65%。80-100分段廣西18.8%，湖南25.6%，四川23.5%，天津5%。

2017級高等數學分段分數百分比統計：0-59分段廣西10%，湖南20%，四川13.33%，天津66.07%。60-79分段廣西26.7%，湖南20%，四川23.9%，天津17.5%。80-100分段廣西16.6%，湖南18.5%，四川19.5%。

現對我校招收的2016級、2017級廣西、湖南、四川、天津四省市本科學生，高等數學期末成績分數段所占百分比結果分析如下：2016級、2017級廣西、湖南、四川、天津四省區市本科學生在高等數學課程成績分段分數所占百分比，上述統計數據表明，天津市學生高等數學課程成績不及格率都大于50%，且80-100分段學生相對較少;湖南和四川兩個年級的學生課程成績分段占比基本一致，特別是80-100分數段學生人數比。

（四）大學英語課程期末成績的統計分析

2016級和2017級學生大學英語期末成績統計結果為：2016級總人數1125人，平均分70.1，方差9.48，不及格率11.75%。2017級總人數800人，平均分69.76，方差12.47，不及格率9.79%。現對兩個年級期末成績的分析如下：從兩個年級平均分來看，2016級高于2017級，不及格率為2017級不及格率小于2016級，2016級的方差小于2017級，表明2016級大學英語成績比2017級成績較穩定。

（五）本科生大學英語課程期末成績按任課教師統計分析

任意選取相同專業的兩個年級2016級、2017級高等數學期末成績按分數段統計。

2016級1101由教師A授課，其分段數據1-59分1人，60-79分73人， 80-100分20人，課程平均分為76.73，不及格率1.52%。2016級1102由教師B授課，其分段數據1-59分19人，60-79分46人，80-100分0人，課程平均分為60.7，不及格率29.23%。

2017級1201由教師A授課，其分段數據1-59分1人，60-79分124人， 80-100分59人，課程平均分為76.5，不及格率1.59%。2017級1202由教師B授課，其分段數據1-59分9人，60-79分70人，80-100分29人，課程平均分為66.3，不及格率16.67%。

現對2016級、2017級大學英語期末成績按分數段統計結果分析如下：通過分析上述統計數據，2016級、2017級相同專業不同的兩個課序班分別是1101、1201由A教師授課，1102、1202由B教師授課，通過對比，A教師所授課程學生平均分均高于B教師，A教師所授課程學生不及格率遠低于B教師，A教師兩個年級80-100分數段學生人數遠大于B教師此分段學生人數。

（六）本科生不同生源地大學英語統計分析

用高等數學期末成績統計分析相同的方法統計2016級、2017級四省區市本科學生在大學英語期末成績分數段所占百分比。通過對比分析，天津市學生大學英語課程成績不及格率都大于25%，且在80-100分數段的學生相對較少;2016級廣西和天津兩個年級的學生課程成績分段百分比基本一致，特別是60-100分數段的學生人數比;2017級廣西和四川兩個年級的學生課程成績分段百分比基本一致，特別是70-100分數段的學生人數比。

三、關聯分析

通過高等數學課程期末成績統計與按任課教師統計對比分析，任意選取我校兩個年級高等數學期末分別是1101、1201由A教師授課和1102、1202由B教師授課的成績。教師A所授高等數學期末成績平均分高于平均水平，不及格率均低于平均水平。以上數據充分證明課堂教學的效果決定教學質量的高低。數據反饋結果也得到關聯證明，比如A教師多次在我校教學競賽中獲獎。

高等數學課程期末成績統計與不同生源地高等數學期末成績分析對比，生源地為天津的學生高等數學不及格率高于平均且不及格率占40個百分點左右，且80-100分數段人數占比較少，特別是2017級此分段人數為0。生源地來自湖南和四川的生源質量基本持平。

通過大學英語課程期末成績統計與按任課教師統計對比分析，任意選取我校兩個年級大學英語分別是1101、1201由A教師授課和1102、1202由B教師授課的期末成績。教師A大學英語期末成績平均分高于平均水平，不及格率均低于平均水平。數據反饋結果也得到關聯證明，比如A教師職稱為副教授，學生教學評教名列前茅。

大學英語課程期末成績統計與不同生源地大學英語期末成績分析對比，生源地為天津、廣西的學生大學英語成績集中在60-69分數段，其學生人數大于40%，80-100分數段人數所占比例較少。與高等數學數據基本相似生源地來自湖南和四川的生源質量基本一致。

四、結論

從這些分析的成績數據捕捉到授課教師的選擇對學生成績的影響是顯著的。同一生源地的學生不同課程平均分占比大致相同，不同生源地的學生成績對總平均成績影響是顯而易見的。教師綜合素質越高，學生平均成績越好，特別是80-100分段學生所占比例越大。學生高等數學成績與大學英語成績關聯性影響對學生成績的影響不是主要的因素。

由于本文所篩選的關聯數據只是在一定程度上反映了影響學生成績的因素，對大數據的認識理解程度存在差異，所研究的關聯數據十分有限，這也是本文的不足之處。隨著科學技術的不斷發展，教務管理系統軟件自身的數據分析、統計、挖掘能力將不斷完善，讓數據變為信息、知識，整合優化教育資源用于教學決策，學習優化服務，將增強自身的競爭力、吸引力，提高高校教務管理工作的服務能力和服務水平。

【參考文獻】

[1]鄧文俊，曹陽波，劉英群，等.基于教務管理系統的數據分析工具的研究與設計[J].中國電化教育，2014（05）：138-143.

[2]孫娟紅.大數據在高校教育管理中的應用[J].電子技術與軟件工程，2017（01）：171.

[3]黃海燕，陳亞江.淺談大數據時代高校教務秘書業務素質的提高[J].中國管理信息化，2017，20（03）：225.