数据挖掘技术在教学管理中的应用分析

摘 要:数据挖掘技术是一种新的信息处理技术,数据挖掘在教学管理中已有很多应用。简要概述了数据挖掘的基本概念和方法,给出了针对教学管理中的学生信息、教师信息、选课信息等方面数据挖掘的应用层次和指导意义,并总结了数据挖掘对教学管理的作用。

关键词:数据挖掘;信息处理;教学管理

中图分类号:G434 文献标识码:A

Application Analysis of Data Mining Technology in Teaching Management

DONG Jun-kai

(Yanshan University, Hebei Qinhuangdao 066004)

Key words:data mining;information processing;teaching management

随着信息技术在高校管理中的普及,在教学管理中积累了海量的各种数据。这些与教学相关的数据已经形成一个完整的信息数据库。在当今信息化条件下,对这些数据进行处理、分析和挖掘,目的是想发现对学校教学管理、学生管理等各个方面有作用的指导信息。这些知识可以辅助学校管理者决策,提高学校的综合实力,同时也可以为学校提高教学质量,优化教学资源提供可靠的数据依据[1]。

数据挖掘(Data Mining ,DM) 是一个多学科交叉融合而形成的新兴学科,已经被广泛应用于社会阶层各个行业的多个方面。DM已经在许多领域取得令人满意的应用效果。在教育方面,随着数据信息的不断增长,把数据挖掘技术应用到高校管理当中,可以促进教育体制的完善、发展以及必要的改革。DM技术能客观地反映高校管理中存在的一些问题,为制定学校的方针政策提供重要依据。随着教育信息化进程的推进,将数据挖掘技术应用于教育中,从大量的教育数据中发现隐藏的、有用的知识来指导教育、发展教育,成为当今势在必行的重要的研究课题[2]。

1 数据挖掘技术

数据挖掘(DM, Data Mining) 就是从大量的、不完全、有噪声的、模糊的、随机的数据中,提取隐含在其中的,人们事先不知道的,但又是潜在有用的信息和知识(模型或规则)的过程,是一类深层次的数据分析方法。它是一门交叉学科,包括机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。将数据挖掘技术应用于教学评价无疑是非常有益的,它可以全面地分析教学评价结果与各种因素之间隐藏的内在联系。

随着数据挖掘技术的成熟及应用领域的不断扩展,许多高校研究人员已开始研究将数据挖掘技术应用于高校教学管理中,这对提高学校的管理水平起到了很好的作用。利用数据挖掘技术可以从教学管理的各个层面,精确地展现目前存在的许多潜在的有用的各种信息。通过把数据挖掘技术引入到教学管理中,可以找出教学管理中存在的潜在因素,从而制定对应的措施,进一步引导学生学习积极性,最终提高教学质量,增强教学效果。

2 数据挖掘技术在教学中的应用

数据挖掘可以看成是一种决策支持过程,是深层次的数据信息分析方法,把数据挖掘技术应用于高校信息管理

是非常有帮助的,可以全面地分析各种因素之间隐藏的内在联系。数据挖掘技术在教学管理的各个方面都有典型的应用,如学生信息、教师信息方面等,其中最常见的是在教学质量评价结果和成绩分析中的应用。考虑到数据挖掘在教学质量评价结果和成绩分析这方面的论文已经非常广泛,因此这里只给出其他方面的应用。

2.1对教师方面信息的挖掘

数据挖掘技术应用于教学管理中,对教学水平的提高有着积极作用。如使教学评价过程科学化,增强教学工作的预测功能和评价功能,为教学的客观决策和客观评价教师、了解教师的教学质量提供了一种比较合理的管理依据,为教师教学质量的提高提出了一种新的分析思路和研究方法[3]。

(1)课堂教学信息:课堂教学是评价教师教学水平的重要依据。通过对教师的教学风格、教学方法、教学内容、讲授思路、教学态度、教学过程、教学互动、教学效果等情况进行全面的监督调查,收集各种数据信息,从而得出教师在课堂上的各种教学能力方面的具体情况。在此信息基础上,进行数据挖掘,找出各个方面影响学生学习成绩高低的潜在规则,进行总结提高,找出其中存在的问题,切实提高教师的教学能力。在教学过程中,教师采用多种教学方法来完成自己的教学任务:比如传统法、讨论法、实验法、多媒体辅助法、参观法、调查法、实习法、提问法等。据此可以用数据挖掘的方法来挖掘数据库中的数据,判定下一步我们应采取什么样的教学方法,以满足实际教学的需要。在网上进行问卷调查,从每个学生对教学方法的评价以及不同的教学方法得出的教学成绩来进行分析,来判断这些教学方法适合哪一类学生或哪门课程。

(2)教师个人信息:包括教师学历情况、职称情况、科研情况、研究方向、级别、工作经历等各种信息,可运用关联规则方法对教学评价结果和教师个人信息一起进行挖掘,从而得出影响教学结果的潜在的教师个人信息的部分情况。

(3)教师的素质方面:教师所具备的基本素质是实施教育教学的基础。包括教师的思想政治素质、道德素质、文化素质、智能素质、心理素质、身体素质、外在素质等七个方面,其实这些方面可以通过数据挖掘技术在学生成绩或者相应的调查信息的挖掘,看出哪些因素对教学方面有较大影响,切实加强教师在哪些素质方面的培养和提高,从而有利于教学管理方法的制定和实施。

(4)教师绩效方面:包括教师的工作业绩、工作态度、工作技能等方面的综合考核。可以说教师的绩效直接影响到教学管理的各个方面,如教师工作量的计算、教师的评价结果等等。应用数据挖掘技术,可以从教学评价数据中进行数据挖掘,查询教学效果与教师的工作态度、工作技能等的各种关联,找到教师的教学效果与教师绩效的关系问题,合理调配一门课程的上课老师,使学生能够较好地保持良好的学习状态,从而为教学部门提供了决策支持信息,促使更好地开展教学工作,提高教学质量[4]。

2.2对学生方面信息的挖掘

对学生的素质培养一直是高校发展的重点,学生学习质量的好坏、综合素质的高低决定了学校的办学定位和发展目标,也为学生的人生选择、自我发展起到了决定性作用。所以高校在扩招的同时要努力提高教学质量和管理水平,为学生的学习质量改善、综合素质的提高提供保证[5]。

(1)学生的课堂行为表现:认知能力,是否能够保证理解和掌握教师的所教授的内容;人际交往,课堂上教师、学生之间交流、提问气氛是否活跃;学习态度,学生对教学中的各种问题是否积极参与、是否认真完成课题作业;情绪表现,学生能否进行顺利地学习。通过对学生课堂行为表现与对应的学生成绩之间的数据挖掘并结合实践证明,学生在课堂上的表现状态对学习效果有至关重要的影响。

(2)学生的作业情况:学生完成作业情况和成绩,从而可以考查平时学习情况。通过对平时学习信息的数据挖掘,通常可以得出最终的学习情况。其实,各个学校的教学管理应该加大对学生的作业要求。

(3)学生的考试情况:考试是对教和学效果的检验,是教学中必不可少的环节之一。试题难度、考试信度、考试状态等。如果将数据挖掘中的关联规则应用于试卷分析数据库中,然后根据学生得分情况分析出每道题的难易度、区分度、相关度等指标,教师就能够对试题的质量作出比较准确的评价,进而可以用来检查自己的教学情况及学生的掌握情况,并为今后的教学提供指导。

(4)学生的行为和奖惩情况:可以观察学生在学习和生活中的和方面信息。这个侧面也能从一定程度上反映学生的学习情况,但是这个方面往往集中反映学校的整体教学效果。如利用学生信息中的数据,采用朴素贝叶斯分类的方法,对学生信息数据,如不同课程性质课程的平均成绩、社会实践能力、获奖情况、社会工作情况等进行分类与预测。从结果看来,朴素贝叶斯在学生信息分类预测中取得了很好的效果,这样也就促进了高校的教学管理、人才培养等各方面的发展。

(5)学生个人信息:利用数据挖掘技术,比如可以对学生访问情况进行分析,跟踪、了解学生出勤情况。还可对学生年龄、性别等个人情况进行分析,了解学生的组成、结构,为合理地安排课程设置提供依据。通过对学生考试情况的分析,并结合出勤情况,可作为考查学生学习的情况,为合理地评估学生综合素质提供依据。对于挖掘出来的规则信息可以利用可视化技术,以图表或曲线等形式提供给教师,以使教师能充分利用学生的问题资源,从而提高教学质量。

(6)学生学习特征:学生特征包括两个方面:一是学习准备,一是学习风格。学习准备包括初始能力和一般特征两个方面。学生的初始能力是指学生在学习某一特定的课程内容时,已经具备的有关知识与技能的基础,以及他们对这些学习内容的认识和态度。学习风格包括学习者的生理特征、心理特征和社会特征三个方面。学生的学习风格与学习活动有着密切的关系。对学生感知不同事物、并对不同事物做出反应这两方面产生影响的所有心理特征构成了学习风格[6]。利用数据挖掘功能分析学生特征,并在此基础上组织学习内容、明确学习目标、确定教学策略、选择教学辅助媒体,为学生创造出一个适合其内部条件的外部学习环境,使有效学习发生在每个学生的身上。通过数据挖掘技术,把不同学习者的学习特征存入数据库,教师可以通过它及时地了解学习者的需求、兴趣爱好、个性差异等信息,并以此为依据为不同学习者提供动态的学习内容、相应的导航机制、推荐个性化的学习材料等服务,真正的实现因材施教。

(7)学生学习情况:学习评价是教育工作者的重要职责之一。评定学生的学习行为,既对学生起到信息反馈和激发学习动机的作用,又是检查课程计划、教学程序以至教学目的的手段,也是考查学生个别差异,便于因材施教的途径。对学生学习行为和综合素质进行评价,一般采用模糊论中的模糊综合评判及模糊聚类的方法,对评价结果采用了对定性和定量指标加权平均算出综合素质评价得分并排名的方法,而且由于学生综合素质的评价指标是动态变化的,可以考虑选用动态聚类法对评判结果进行动态聚类分析。

2.3对选课数据的信息挖掘

学生通过网络选择自己所上的课程,选课数据背后可能隐藏着许多尚不被我们所知的重要信息,这些信息对教学管理具有重要的参考价值,而数据挖掘技术可以用来找出这些隐藏在数据背后的信息和知识的技术[7]。

在选课数据分析上,主要考虑以下几个方面:分析各门课的选课数目,确定课程的欢迎程度;分析各门课的课程归属和选课学分,确定学生选课时对不同课程归属课的学分多少的考虑;分析各门课选课率,了解学生对目前课程安排中的满意程度;分析选课学生的情况,了解选择当前课程的学生的专业情况;分析任课教师情况,了解任课教师的实际情况和综合能力。

首先要对选课的原始数据进行预处理,把其原始数据采样后转换成适合数据挖掘的数据。在处理的过程中,要明晰数据的上下结构和面向对象,为数据挖掘作好准备。完成数据的预处理之后,确定参与挖掘的数据表,在选课系统中学生选课表是基本事实表,学生信息表、教师信息表和课程信息表可作为周围的维表。最后将预处理之后的数据进行状态运行,在此基础上选择数据挖掘算法FP-growth进行数据挖掘。挖掘的最终结果可以用可视化的图形方式表现出来。根据挖掘的结果,得出选课背后隐藏的各种数据信息,如某些专业的学生喜欢选某位老师所开设的相关课程,部分学生总是选择学分较多的有更多上机机会的课程等等。

根据数据挖掘的分析结果,了解实际的情况,在此基础上就进一步加强教学管理,合理设置各种课程和提高教

学质量,最终让学生学习到更有用的知识和技能。

3 结束语

随着信息量的急剧增长和对信息提取的更高要求,现在我们很难再依照传统方法在海量数据中寻找决策的依据,这就必须借助数据挖掘法发掘数据中隐藏的规律或模式,为决策提供更有效的支持。数据挖掘能够为教学改革提供有效的理论与实践决策依据,在分析影响高校教学管理的各个层面中具有较好的作用。

在教学管理中,把常用的数据挖掘技术应用在教师信息、学生信息、选课信息等各个方面,每一种应用都和具体的挖掘情况相结合,根据实际情况,采用适当的挖掘方法,确实发掘数据中隐藏的内在联系。结合学校的实际情况,采用合理的挖掘步骤,将挖掘后的结果分析应用到实际中,找出影响教学的关键因素,提高教学管理水平,使教师和学校教育决策者洞悉教学中存在的问题。

参考文献:

[1]刘晓霞.数据挖掘技术在高校教学中的应用[J].现代计算机,2008,(285):115-116.

[2]杨永斌.数据挖掘技术在教育中的应用研究[J].计算机科学,2006,33(12):284-286.

[3]邱燕玲.数据挖掘在教学测评中的应用分析[J].科技资讯,2007,(07):131-132.

[4]杨金凡.数据挖掘在教学评价中的应用[J].电脑开发与应用,2007,20(4):77-79.

[5]骆毓燕,张霞,白云.基于朴素贝叶斯的学生信息分类预测研究[J].高等教育与学术研究,2008,(3):65-70.

[6]惠向晖,王亚伟,苏克勤等.数据挖掘技术及其在高等学校教学中的应用[J].光盘技术,2007,(6):55-57.

[7]张志友.数据挖掘技术在选课系统中的应用[J].实验室科学,2007,(3):94-96.