浅析数据挖掘在高职校教学与管理中的应用研究

摘要：当今社会是个信息技术飞快发展的网络信息时代，学校传统的教学与管理模式已经不能很好的适应现代化教育的发展。如何从庞大的教学管理数据中及时准确的挖掘出隐藏在数据中对教学与管理有价值的信息，从而更好的为学校教学和管理服务，就应运而生了一项能够对大量数据信息进行分析挖掘的数据挖掘技术。该文就从数据挖掘的概念出发，简要的阐述数据挖掘技术在教学与管理中的应用。

关键词：数据挖掘；学校教学；教学管理；应用

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）26-5805-03

随着信息技术的不断发展，数据量的不断增大，面对庞大的数据信息的合理使用，应运而生了数据挖掘技术。目前数据挖掘技术已经在商业、金融、医学等领域得到广泛的应用，但是在学校教学管理中还未得到广泛的关注。然而学校教学管理本来就积累了海量的数据，这些数据形成了一个信息容量巨大的数据库。如何有效的对数据进行挖掘分析，发现隐藏的有用信息资源来更好的指导教学与管理，辅助学校管理决策，更好的服务于教学，是目前重要的研究课题。该文就从数据挖掘的概念出发，简述数据挖掘在高职校教学中的应用。

1 数据挖掘与数据挖掘技术的概念

1.1 数据挖掘

数据挖掘的概念分为广义和狭义两种。

数据挖掘（Data Mining）：广义的数据挖掘又称数据库中的知识发现（Knowledge Discovery in Database），简称知识发现（KDD）。它是从大量的、不完整的、有噪声的、模糊的和随机的实际数据中，经过提取、转换、分析等处理技术，提取隐含在其中的、人们事先不知道的、但又是可信的、潜在的和有价值的信息和知识，帮助决策者分析历史数据以及当前现有的数据，从中发现隐含的关系或模式，进而预测出未来可能发生的行为的过程。

狭义的数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据之间关系的过程，是知识发现过程中的一个关键步骤。

简单的说数据挖掘就是从大量的数据中“提取”或者“挖掘”知识的过程。

1.2 数据挖掘技术

数据挖掘技术实际上是人们长期以来对数据库技术进行开发研究而总结出的结果，其中数据挖掘与数据仓库技术的发展有着密切的关系。大多数情况下，数据挖掘首先是要把数据从数据仓库中取出放到数据挖掘库中，然后数据仓库对数据进行清理，发现解决数据不一致等问题。但是由于数据挖掘的所发现的知识有所不同，因此所利用的技术也有所不同。

2 数据挖掘分析方法与分析步骤

数据挖掘利用的技术越多，那么得出的结论的精确度就越高。因为，对于某一种技术不适用的问题，其他方式方法可能有用，这主要看问题的类型以及数据的类型和规模。下面简要介绍几种能适用于高职校教学管理工作的数据挖掘技术。

1）关联分析：关联规则挖掘是数据挖掘的一个重要研究方法，也是教学中最常用的一种方法。关联规则描述的是从大量的数据集中发现有用的依赖性或关联性的知识。该方法起初是为了分析市场购物篮所提出的，目的是为了发现顾客的购买模式。目前关联规则在其它领域也得到广泛的应用。

2）分类与预测：分类是根据某个分类器将数据库中的数据对象一一划分到给定的几个类别中的某一个中。操作步骤为：先构造分类器，后利用所获得的分类器对数据进行分类。分类是一种事先确定了类别与类别个数的有指导的学习过程。分类模型可用于预测。预测是利用学习所获得的模型对未知类别的数据对象进行类别预测。例如学生成绩数据库中，根据学生各科考试成绩，将学生的成绩分类为：优秀、良好、一般、差四个等级。对每个类别标记之后就是对数据进行分析，对每个等级挖掘分类规则也就是对每个数据做出精确的描述，如“成绩优秀的学生各门考试科目的成绩都不低于90分”，然后根据分类规则对数据库中标记的其他相同属性的数据进行分类。

3）聚类：与分类是事先确定了分类的类别相反的聚类只是将数据全部输入数据库中，然后对数据进行分析。根据一定的法则将数据合理的划分多个不同组，使得同一个组内的数据具有较高的相似度，不同组之间的数据基本无相似之处。聚类是在不知道类别和类别个数情况下的一种无指导学习过程，这点恰好和分类相反，正好说明聚类与分类是一个互逆的过程。

4）决策树：利用概率论的原理，以树的成长过程将事例根据不同类别进行分类。它可以对数据进行分析也可以预测，优点在于理解性强、直观、分类速度快，缺点是对于庞大的且复杂的数据时，分支数多，管理难度大。

5） 遗传算法：是由美国密西根大学D.J.Holland 教授和他的同事们根据自然界优胜劣汰、适者生存的自然进化过程而研究出的结合自然选择原理和遗传机理相结合的随机搜索算法。遗传算法采用的是概率寻优的方法，直接对结构对象进行操作，不需要确定的规则就可以自适应调整方向，寻求最优化搜索。它是一种寻找最优结算法。

数据挖掘步骤：

数据挖掘是一个较为复杂的信息处理过程，其中涉及到多个步骤，概况如下：

1）确定目标集合：确定用户需要的相关信息。

2）数据准备：根据用户需要的信息在数据库中选取相关的数据集，其中包括不同模式数据的转换和数据的统一汇总等，这样做的目的是为了更好的辨别出需要分析的数据集合，缩小处理数据的范围，提高数据的利用率以及数据挖掘的速度。然后对数据进行预处理等处理方式，对数据给予加工整理。

3） 数据挖掘：先确定好挖掘的目的或者任务，然后选定何种数据挖掘方法，并进行实际数据挖掘操作，通过操作挖掘出用户可能感兴趣的或者需要的相关数据信息。这一步是整个挖掘步骤中最关键的一步。

4）数据分析与结果评估：将挖掘出的数据信息进行再处理，去除没有价值的数据信息，并对剩余的数据信息进行检验、评价和评估，最终能让用户理解的同时又满足用户实际需求的信息。

3 数据挖掘在高职校教学管理中的应用

3.1 数据挖掘在学生成绩分析中的应用

在高职校的教务管理系统中存放着在校学生大量的数据信息，这些数据都具有可靠性和历史性。这些数据的信息量非常大，利用数据挖掘技术对所有学生的成绩进行分析，可以得到许多有价值的数据信息，例如：专业设置、课程设置、教师教学方式等等。高职校中，每学年的教学计划都是有规律的，课程安排都是循序渐进的。在学习专业课程之间必须先学习一些相关的专业基础课程，如果之前的基础课程没有学好，那么之后的专业课程的学习也会受到影响。另外，同一年级的相同专业的平行班中，由于授课教师素质、班级文化的差异，最后也可能导致学生成绩存在很大的差距。通过数据挖掘技术的相关方法，对学生成绩数据库中的大量数据进行分析挖掘，分析数据之间的关联性等，最后得出具有价值的信息，能更好的为课程设置提供有效的依据。此外，同一门课程中，教师授课的方式可以采用多种形式，例如传统的讲授法、讨论法、案例法、多媒体网络教学等。不同的课堂授课方式对于学生学习的兴趣和知识的掌握程度上多少存在着差异，最后直接的结果就是学生的成绩存在一定的差异。通过对数据库中学生成绩的分析挖掘，运用相关的挖掘方法，可以更好的判断哪种教学方式能更好的服务于教学内容，能更好的让学生吸收和掌握相关的知识内容，能更有利的推广分层次教学。

3.2 数据挖掘在教学评价方面的应用

一般情况下，每到学期末，都会让学生对各科的任课教师就教学内容新颖、教学方法的使用等已经设置好的内容进行打分，然后是教师之间的互评。这样单一的问卷调查的形式得出的结论只能得到一些表象的信息，未必能发现深层次的教学质量的一些规律，对提高教师的教学质量和教学水平起不到任何的作用，只能是流于形式而已。利用适当的数据挖掘方法对已有的评价数据进行分析处理，能发掘出类似于“什么情况最能影响教师的课堂教学情绪”、“影响教师课堂教学水平发挥的因素有哪些”等等问题，进而帮助教师有效的改进教学方法以及提高教学质量和水平。

3.3 数据挖掘在教学管理方面的应用

一个班级不论学生数量的多少，都是由每个学生个体组成的。每个个体的个性能否有效的积极的融入到班级这个大集体中，以及每个个体对于学习的积极性直接影响到了整个班级的学习氛围和精神风貌。通过数据挖掘技术对班级学生的个人基本信息、特长爱好、奖励惩罚等数据信息分析挖掘，这样可以发掘出很多有用的数据来分析学生的个体行为，并且寻找个体行为之间的关联性，针对每个个体学生制定出有效的管理方案，避免班级出现小团体、自由主义者等情况，更有助于的培养整个班集体的集体风貌。

3.4 数据挖掘在信息化管理中的应用

随着信息化的推进，在高职校中各个管理职能部门都存放着关于学生的大量的有效的数据。例如：负责招生的部门存有学生志愿填报的信息以及录取的信息；

教务部门存有第一手的学生成绩信息；学生管理部门掌握着学生的各种日常信息等等。如果能将这些职能部门中的信息连贯起来合理的管理，那么对于高职校信息化管理是非常有利的。如能再将数据挖掘技术运用到信息化管理中，就能从学生的入学到日常学习再到就业实习等的数据信息中发现大量实用与有用的信息，更便于管理着的管理。

4 结束语

总之，将数据挖掘应用到日常的教学与管理中，将原先存放的海量数据得到合理充分的使用，发掘数据中潜在的信息，为学校教学管理提供有利的信息支持，从而改进并完善教学管理与方法，提高学校教学与管理质量。

参考文献：

[1] 杨波.浅谈数据挖掘技术应用[J].电脑知识与技术，2010（24）.

[2] Jiawei Han，Micheline Kamber.数据挖掘概念与技术[M].北京：机械工业出版社，2001.

[3] 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.

[4] 魏萍萍，王翠茹，王保义，等.数据挖掘技术及其在高校教学系统中的应用[J].计算机工程，2003，29（11）：87，89.

[5] 丁智斌，袁方，董贺伟.数据挖掘在高校学生学习成绩分析中的应用[J].计算机工程与设计，2006，27（4）：590-592.

[6] 于立红，张建伟.基于数据挖掘的高职生成绩分析与预测[J].郑州轻工学院学报，2006，21（3）.

[7] 李雄飞，李军.数据挖掘与知识发现[M].高等教育出版社，2003.

[8] 员巧云，程刚.近年来我国数据挖掘研究综述[J].情报学报，2005，24（2）.

[9] 马希荣，孙志华.数据挖掘技术在教学评价中的应用[J].计算机工程与应用，2003（19）：51-54.

[10] 王利.数据挖掘技术在高校管理中的应用[N].福建电脑，2005，6：45，48.

[11] 姚玉阁.探究数据挖掘技术在教学工作中的应用[D].呼和浩特：内蒙古大学，2011.