高職院校是我國培養人才的一種途徑，也是很重要的，在我國，高等職業教育包括本科和專科兩個學歷教育層次；而在其他許多國家和地區的高等職業教育體系則完整的囊括了專科、本科、碩士、博士等層次的學歷教育。本文是一篇山東教育期刊征稿的論文范文，主要論述了高職院校教務管理系統中的關聯規則應用。

　　摘要：教務管理系統在長期的運行過程中積累了大量的數據，我們使用數據挖掘技術可以從海量的應用數據中發現隱藏、具有一定價值的一些知識以及信息，是一種比較好的決策支持的過程。但是關聯規則進行挖掘的方法大多都是常用的且非常重要的挖掘數據的方法，在高校的教務管理系統當中有非常廣泛的應用，能夠給高職院校的教務教學管理工作提供比較好的研究和分析依據，協助進行決策。

　　關鍵詞：教務管理,數據挖掘,關聯規則

　　高職院校的教務管理系統中存儲了海量的數據信息，為了從這些長期積累的海量的教務數據中挖掘出有價值信息，發現教務管理系統數據中未知、潛在的一些關系以及規則，借助數據挖掘的技術能夠很好解決這一問題，是一種可靠的途徑和重要的手段。

　　通過數據挖掘的技術，可以創建出適合進行教學管理的決策的一種分析和管理的系統模式，可以顯著地提升高職院校的教務教學管理總體的水平以及質量，落實教務工作的科學化以及規范化管理，擁有非常重要的意義以及價值。借助多種不同數據挖掘工具以及技術，進行教務管理的工作人員可以在很大程度上緩解日常教務管理的工作量，還能夠在很大程度上對大量繁雜的數據進行系統的、透徹的詳細統計以及分析，發現更有價值的信息。

　　1 關聯規則在人才培養方案的課程設置中的應用

　　經過專業調研后，根據高職院校人才培養方案，對于課程體系，相關課程的前驅、后續的設計，各個高職院校充分結合專業的發展需要，制定適當調整，不過這一課程的設置方案能夠保證是不是合理，是不是適合整個的人才培養方式、是否能夠幫助學生職業的發展，就目前來說還沒有成熟且合理的評價以及考核體系以及解決的方案等。進行課程設置的過程也會被教學機制以及師資力量等多方面因素的影響。比如核心專業限選課程的劃分是否比較合理，其相關的課程前驅以及后繼關系是否清晰等。所以，高職院校的課程設置當中恰當地使用在數據倉庫基礎之上進行的關聯規則、挖掘技術的研究，能夠給高職院校教學管理以及人才培養制度提供出比較科學且合理的決策上的支持。

　　目前高職院校在校生規模普遍較大，同時因為教學改革、校企合作等因素的影響，負責教務教學的管理過程要處理大量數據、其復雜程度相對也較高，因此教務管理方面的人員和教學管理的工作者進行教學數據處理工作的技術性上也存在比較大的難度，例如根據學生的課程的教學情況和成績數據上的分布狀況，很難直接、直觀地就理清前驅課程以及后繼課程之間關系程度等問題的詳細區分，同時針對前后課程之間的關系展開合理專業建設方案設計。針對上述問題，恰當使用關聯規則，能夠很有效地協助挖掘出一些隱藏且潛在的一些相關課程之間的關系簡單模型，它擁有非常大的必要性以及可行性等。我們可以考慮使用關聯規則的Apriori算法，對高職院校教務管理系統當中的“學生成績”這一數據展開系統的挖掘以及分析，通過這樣的方式來確定“最小支持度”以及“最小置信度”，這其中，任意的兩門課程間存在的相關性具體信息可以從下表1當中發現：

　　我們對表1中數據進行分析能夠知道，例如關聯規則中“《計算機應用》=>《網絡》”之間的支持度以及置信度相對要比較高，“《高職數學》=〉《計算數學》”支持度以及置信度則相對較低，另外，“《C語言》=>《數據結構》”之間支持度以及置信度也相對比較高。最后，《計算機應用基礎》以及《計算機網絡》之間課程學習的情況、《C語言》和《數據結構》課程的學習情況都具有一定的關聯性，而《高職數學》和《計算數學》課程的學習沒有較大的關聯性，或者可以說關聯性比較小(《高職數學》和《計算數學》課程兩門課程之間本身并沒有必然的聯系)。

　　關聯規則(《C語言》成績優秀則《數據結構》成績優秀)支持度為31.2%，置信度為61%，這就告訴我們提高《C語言》學習的效果，能夠讓學生們在學習后續的一些課程，諸如《數據結構》的時候可以獲得更好的成績，而這正很好地告訴我們，開設《數據結構》課程之前，必須要讓學生堅定地進行《C語言》課程的深入學習基礎。借助關聯規則當中的算法思想，結合前驅課程以及后續的課程，針對課程的合理設置來說擁有非常重要的影響。

　　就高職院校的教務管理系統當中的數據庫而言，在其中進行歷屆的各專業學生成績信息數據的提取，根據高職院校人才培養的特點，將各門課程分為職業素質課、職業技能課和職業拓展課三類，再充分地結合進行數據挖掘之間的關聯規則的分析以及時間序列上的分析等相關的功能，在海量的數據當中盡快挖掘出能夠對我們起到一定幫助的信息，并且從中可以尋找出各種影響學生專業課程學習效果的成因，并通過這樣的方式來猜測有價值的固有規則以及結果。

　　2 使用關聯規則在選課的工作當中�A實際應用

　　高職院校中通常有“公共選修課”以及“專業選修課”這樣的兩種，通常公共選修課將提升學生的人文素質水平為主，專業選修課以提升學生專業技能為重點。教務管理系統中課程選修的科目設置往往是提升專業教學質量水平非常重要的手段以及方式，就高職院校而言，教學體系當中屬于比較重要的一個模塊。通常情況下，選課評價重要的目標往往是調整人才培養方案的主要設定，絕對不是僅僅為了進行一些參數以及功能的測量。

　　根據不同崗位群需求，不同類型的學生對于選修課程的需求呈現日趨多樣化的特征，為了提高學生的綜合素質，高職院校專業設置日趨多樣化，同時又緊跟企業用人單位的需求，學分制課程教育逐漸普及。而目前大多數高職院校使用的教務管理系統中的學生選課功能模塊，基本以滿足的學生選課功能為主，在課程關聯、綜合分析和輔助決策等方面做得還遠遠不夠，利用這些數據并且經過適當的挖掘以及分析之后，能夠輔助整個教學管理的部門展開比較合理的資源分配以及課程設置等工作的落實，對現有的人才培養方案進行更進一步的優化。

　　在上表當中，我們將某一位學生進行選課的記錄認為是一個事務，也就是說在表中的一行認為是一個完整事務，類似于關系表中的元組，包括該學生的選課總體情況，課程編號分別記為301051、301052、301053、301054、301055。比如，學生選修2-3這門課程，在專業選課表當中，則可以標記對應課程的編號，如果沒選修這門課程，則數據表當中出現很多的空值，就會形成一定程度上的“空間冗余”。 　　此時，我們考慮可以更換另外的選課設計的方案，即是在一個字段當中同時進行所有被選課程信息的寫入操作，比方說，某學生的學號是“20140101”，其選課的情況是“301051&301052&301054”，那么此時，選課的記錄是“20140101， 301051&301052&301054”，通過這樣的方式能夠在最大限度上減少數據的空間冗余現象，不過需要借助字符識別的技術來在算法實現當中進行系統的分析。

　　還可以通過數據庫的管理系統來進行多個數據表的建立，展開“一對一”以及"一對多”等關系對應關系，例如，學生信息表、選課信息表以及成績表等，減少字段冗余基礎之上，可以方便使用數據庫進行語言查詢，展開查詢以及統計。

　　如此，我們就可以開始建立關聯的規則。例，表2，有4000條“學生選課”的記錄，并且在這之中，有500名同學選擇了選修《軟件項目實踐》這一課程，同時，在這些選修了《軟件項目實踐》的課程同學中有300名同學選修《XML程序設計基礎》這門課程，關聯規則如下：

　　[choose](X，“軟件項目實踐”)=>choose(X，“XML程序設計基礎”)

　　[support=300/500=0.36， confidence=300/500=0.6].

　　此時，確定其最小支持度以及最小置信度，進一步縮小候選的二項集，結合關聯規則當中Apriori的算法思想，針對教務管理系統數據庫當中“學生選課信息”展開挖掘，最終得到比較合理的課程開設群集。

　　3 關聯規則在教學測評工作中的應用

　　每一學期，教學質量監控部門都會組織師生進行教學測評，即教學評測評、同行測評、專家測評。借助教學的測評，能夠讓評價者和被評價者均能了解教師的教學情況，令任課教師可以發現教學中存在的一些問題以及缺點，不但能夠加深教學理解以及認識的程度，還擁有強烈的指導意義。通過關聯規則當中的挖掘技術，并將其充分地應用進教學測評當中，能夠輔助教學效果，協助決策，最終起到提升教學質量的作用。

　　教務管理系統的數據庫當中，很好地留存教師學生之間的不同的信息。這種情況當中，教學測評的數據分析過程中可以采用關聯規則當中的挖掘技術，就可以盡快發現在教學評價當中的一些潛在的信息，幫助教學效果的提升，并且提供前瞻策略。

　　比方說，某高職院校的3000條“教師教學質量測評記錄”當中，結合年齡和職稱、測評的分數等三項指標當中按照隨機的方式抽取出400條數據記錄。

　　通過關聯規則當中的挖掘技術，尋找上述三項的指標當中存在的相互聯系。進行數據準備的工作時，將其轉化成布爾類型。

　　實現離散化需要對年齡和評定的分數、職稱進行分組。年齡分組進行標記：A1 [25，35]， A2[36， 49]，A3[50，60];對評定分數進行分組標記為：D1[0， 59]， D2[60，75]， D3[76， 89]，D4[90， 100];對職稱進行分組標記為：J1 助教，J2講師，J3副教授，J4教授。經過如上轉換之后，部分數據可在下表3當中所示。

　　假定最小支持度min_sup=5%，最小置信度min_con[f=20%]，挖掘評定之后分數>=90記錄信息，能夠得到初步關聯規則為：

　　我們從表4的規則中可以發現，教學測評結果反映公共必修課教師教學情況一般，在“專業必修課”以及“專業限選課教學”當中的效果比較好;在講師以上的職稱教師的教學水平相對比較好，不過高級職稱的教師其教學情況往往比較一般;年齡上，中青年教師的授課相對受歡迎，一些老教師的授課受到的學生支持度相對不高。結合教學評價的實際結果，再充分地結合實際的情況，進行綜合地研究分析，就可以幫助我們做出更加科學合理的教學管理方案。

　　參考文獻：

　　[1] 趙俏. 高職院校教務管理中的數據挖掘[J]. 科技信息， 2008(11)：80，95.

　　[2] 王少華等. 關聯規則在高校系統中的應用[J]. 福建電腦， 2007(12)：153-156.

　　[3] 何炎樣. 關聯規則的幾種開采算法及其比較[J]. 小型微型計算機系統， 2001(9).

　　[4] 周欣， 朱揚勇， 沙朝鋒. 興趣度一關聯規則的又一個閥值[J]. 計算機研究與發展， 2000，37(5)：62-67.

　　[5] 楊克松. 論關聯規則在高校選課系統中的應用[J]. 福建電腦， 2007(10)：166-168.

　　[6] 毛國君， 段立娟. 數據挖掘原理與算法[M]. 北京： 清華大學出版社， 2007.

　　相關期刊簡介：《山東教育》是經國家新聞出版署批準,全國公開發行，郵局訂閱。是省級刊物、山東省優秀期刊。可供全國的各大專院校、科研單位、各企事業員工評定、中級職稱、高級職稱,及學術交流的雜志。