基于數據挖掘技術的高校教務管理探討

郭 萌

（天津濱海汽車工程職業學院，天津 300352）

高校教務管理系統（University Educational Administration System）是保證高校常規教務管理工作能夠井然有序進行的重要工具。其面向的對象是高校全體教職員工以及全體在校生。隨著計算機硬件和信息技術的發展，使得海量數據的處理已經成為研究與生產中的一項重要工作，數據挖掘技術由此而誕生。目前高校常用的教務管理系統是由Browser/Webserver（簡稱B/S）和Client/Server（簡稱C/S）相結合而成。這涉及學校各個相關部門。它能夠保證高校工作計劃的順利進行以及了解師生相關情況，為教學活動計劃制定提供詳細的客觀數據支持。只有做到準確、快捷、有序，才可以提升工作效率，并且通過互聯網等信息技術手段不斷創新、改進，逐步完善教務管理工作。提高了高校處理事務的效率，保證了高校教育質量。

一、數據挖掘技術

（一）數據挖掘技術發展歷程

數據挖掘技術，顧名思義，就是通過搜集到的廣泛的數據為基礎來發現問題、解決問題的一種方法。屬于數據庫知識發現中不可或缺的一步。數據挖掘技術可以從海量數據中自動搜索其中有著特殊關系性的隱性信息。包含業務對象的確定、數據準備、數據挖掘、結果分析、知識運用等過程。數據挖掘技術的首次出現是在1989年8月份在底特律舉行的第十一屆國際聯合人工智能學術會議上。由于數據挖掘技術可以應用于不同的領域，因此一般在研究領域中被稱為數據庫中的知識發現，在工程領域則被稱為數據挖掘。

我國對于有關數據挖掘方面的研究相較于國外稍晚，于1993年國家自然科學基金首次支持該領域的研究項目。直至今日，我國多所高校如北京大學、清華大學、南京大學、四川聯合大學等對其關聯規則挖掘算法及Web數據挖掘展開了深入研究并收獲成效[1]。并且在國內多個領域也受到了推廣。

（二）數據挖掘技術功能及任務

高校數據庫積累的數據是日漸增長的，收集到的數據蘊含了許多有意義的信息。想要快速精準地從浩瀚的數據中得到想要取得的信息，需要先進的數據分析技術來處理并挖掘有價值的潛在知識。數據挖掘技術可以做到對在教務管理中所遇到的現實問題進行有效的模式提取，方可提高數據分析處理能力。數據挖掘的主要任務包括數據總結、分類、關聯分析和聚類分析。數據挖掘技術的運用觸及多方領域。常見的領域包括教育領域，風控領域和醫療領域，本文所探討的有關教育領域所應用方面已經突破了傳統的教學模式，改善了教學效果，促進了教學質量的提升。

二、在教務管理中的使用數據挖掘技術

高校重要職能部門——教務處承擔著高校人才培養的教育任務，是高等教育管理中的中堅力量。為高校教育發展進言獻策，分析利弊，需要對本高校的實際情況進行全面嚴謹的調查了解，可以提供強有力的信息支持。因此，擁有數據挖掘技術的教務管理系統可以做到應用分類、特征變化、回歸分析、聚類、偏差分析和Web頁挖掘等手段進行信息加工。幫助高校決策者獲得具有一定意識傾向性、規律性的信息，加強高校決策的準確率，從而大大提高教學質量。

目前被高校教務處廣泛應用的教務管理系統具有以下優勢：有專門的數據庫，有可以獨立存放數據的Web服務器，同時具備Web客戶端和客戶端。因為教務管理系統同時具備B/S和C/S兩種性能，所以既可以通過下載應用程序使用也可以在電腦或手機的瀏覽器端直接使用。在合理的資源配置和周全的軟件設計的加持下，使教務管理更加規范化，并且還體現了如今高校所實行的學分制管理思想。

（一）運用關聯規則合理安排課程

學生課程設置按照循序漸進的原則來安排的。課程與課程之間有前后順序之分并存在一定的關聯性。前面的課程設置要比后面的簡單，因考慮到學生存在著最近發展區，呈現螺旋上升的趨勢表明，在學習難度系數大的課程之前，首先學習基礎課程，如果基礎課程未能學好，將會阻礙后續課程的學習。在同年級同學習進度中，會在不同班級中產生學習成績參差不齊的現象。同時，可利用屬于數據挖掘技術之一的關聯規則來探究造成這一現象的原因。運用關聯分析等相關功能時要做到在大量的數據中尋找有效信息，并分析其相關性來找到影響成績的原因，再結合實際情況對課程的設置作出合理安排。

對于基礎教育和高等教育來說，學生是“學”的主體，教師是“教”的主體，兩者關乎高校的教育質量能否提高。對學生因材施教和教師要做教育的研究者是踐行“以人為本”教育理念的基本要求之一。可以通過數據挖掘技術-分類法直接提取針對學生個人或老師教學情況相關的有效信息，針對信息進行歸納、分析、總結和概括，找出其所具有的共同點。分門別類地對學生個人和教師進行科學化指導。

（二）運用聚類分析法提升考試質量

試卷質量決定著考試質量。在教務管理系統中使用聚類分析法來分析試卷的質量以及計算試卷的設置是否科學。聚類分析法是按照最大化內和最小化內的相似性原則將大量數據進行分組和聚類，簡而言之按照對象的特征來進行分類。考試作為衡量學生學習效果的重要手段之一，考試成績成了可參照的重要指標。可以透過成績對試卷質量進行評價。學生的成績呈現正態分布，則說明試卷的質量較好。成績呈現雙峰型狀態，試卷難度分配不當。無法準確區分學生的學習程度，對中等學習程度的學生區分度較好，難度梯度分度不均勻。還有一種成績分布方式呈陡峭型[2]。這種分布方式試題難度差別較小，試題難度不具備分辨度，會造成大多數的學生考試成績都相近，無法區分出學生的學習程度，影響教師對于學生學習情況的準確判斷，從而影響整體的教學質量。

學生試卷成績采用量化的模式是常用手段，存在峰態系數和偏態系數兩個評價指標作為評價標準。便于對試卷進行分類，為采用聚類分析法做鋪墊。這會大大提高試卷的質量，能更準確地通過學生成績來直觀地看出教學質量。

（三）運用Web挖掘技術設置決策支持系統

教務管理系統中的決策支持系統主要有問題處理與人機交互系統、模型庫系統、數據庫系統三部分組成，這項技術是由Web挖掘應用技術來實現的。它是一項綜合技術，對Web頁面內容及后臺數據庫進行挖掘，從Web文檔內容及其描述中的內容信息中獲取有用知識的過程。計算機應用技術的發展為決策支持系統提供了物質基礎。在高校教務管理系統中，各部分呈現出一副錯綜復雜的關系，以往教務工作決策僅僅憑借學校領導的經驗和協商是遠遠不夠的，需要更精確科學信息化的方法。那么決策支持系統則可以通過Web挖掘技術獲取到與學生或學校相關信息并進行快速分析處理。例如：科研知識層面、教學經費財務分析方面、政策、高校學生人才就業方面等事關學校發展前景的信息。針對大量的信息整體分析，獲取相關資料，可預見學校未來將要面臨的風險與挑戰，同時提出針對性的解決方案。同時，決策者可按實際情況從眾多方案中選擇一項最佳方案。從而使學校能夠得到高質量、高速度的發展。

（四）運用數據挖掘提升學生評價質量

學習評價是教育過程中的常見環節，對學生學習有不可或缺的作用。積極有效的學習評價可以激發學生的學習動機，喚起學生的學習興趣，發揮學生學習的自主性，讓學生及時得到正確的信息反饋，明確自己學習的長處與不足，使學生受到激勵與警示，揚長避短。對于教師來說，可以通過其來檢查自己的教學計劃，手段和方法的設置是否合理，是否能準確達到教學目的，也可使教師了解學生的學習進度，提高教學水平和及時反思。

可以通過現在的數據挖掘技術對學生的成績、平時表現、所獲獎懲等有所記錄的數據庫中進行信息的提取分析和處理。以便及時準確地傳送學生評價，讓老師及時了解，并針對學生的行為進行改進[3]。教師可以及時預見學生不良行為，并采取相應的措施。像這樣的評價系統客觀性較強，削弱了教師等人的主觀性所帶來的有失偏頗地評價觀點。同時也讓教師加大對教學研究方面的精力分配，提高教學質量。同時可以隨時監測教學情況的轉變，可以使教師隨時進行調節。

教學質量評價對實際教學工作有著良好的導向性作用，并對高校具體教育教學工作有著重要的指導性價值。為此，高校通過每學期的教學質量評價來實現對自身教學質量的評估，并積累海量數據在通過數學挖掘技術從中獲得有效信息，得知教師自身年齡、學歷、年齡以及教學效果之間的關系，從而對高校各專業學科教師展開科學的配置，有效調動學生對專業課程的學習熱情，提升教學有效性及教學質量，運用關聯規則及聚類法獲得不同成績學生群體的特點，通過所得數據分析出影響學生成績的具體原因，繼而采取針對性的教學方法提升專業教學有效性，讓高校各專業教學更加有的放矢。

綜上所述，在高速信息化時代，教育系統的信息化、科學化、現代化的創新模式也在層出不窮。高校教務系統中采用便捷的數據挖掘技術，大大提升了教務管理方面的效率，能更好地掌控大數據，也可以彌補傳統經驗管理模式所帶來的弊端。關聯規則、聚類分析、Web挖掘技術等運用于高校教務管理。增強客觀性和科學性因素影響力的同時，節省時間和成本。削弱主觀因素所帶來的干擾。當然，此種方式在實際的運用中僅作為輔助方式，需要專業人員進行宏觀調控，加強把控高校教務管理方面的靈活性，數據挖掘技術逐漸適應教育領域，推動了高校教務管理創新模式的發展。