隨著教育的發展，在日常教學工作中會產生大量教學數據和教學資料，這些數據對教師教學工作至關重要，需要進行妥善管理與儲存，本文對數據挖掘技術在教學中的應用進行研究。

　　《現代教育技術》核心教育期刊，創刊于1991年，由教育部主管，清華大學主辦，為中國教育技術協會會刊。本刊刊名由清華大學胡東成教授題字。2001年獲正式刊號，對外公開發行之際，著名教育家顧明遠教授率先為本刊題詞：“開展教育技術研究，促進教育現代化”。

　　隨著信息技術在高校管理中的應用，日常使用中教學管理系統會遺留下海量的數據，這些數據已經形成一個關于教學信息的數據庫。在現代化建設的的條件下，如果對這些海量數據進行分析和挖掘，就可以發現對教務管理、學生管理當中有規律并具有指導意義的信息。

　　利用數據挖掘技術，針對現在學分制的高校教務管理系統進行改革和創新，先將數據挖掘的概念引入到教務管理系統的使用中，分析了其實現的可行性。針對教務管理系統中的高校統考課程成績這一項數據進行整理和建模。

　　一、引言

　　數據挖掘作為一種工具，將其應用于高校的教學管理工作，可以幫助管理者從以往的數據中發現隱藏的規律或模式，為決策提供信息支持，從而不斷提高教學管理質量，促進教育管理的進一步改革、完善和發展，從而提高管理的科學性、針對性和高效率。不管是國內還是國外，越來越多的高校利用數據挖掘等等技術進行決策系統的構建，為更高的決策提供數據基礎。

　　二、數據倉庫和數據挖掘的定義

　　數據倉庫是決策支持系統(dss)和聯機分析應用數據源的結構化數據環境。數據倉庫研究和解決從數據庫中獲取信息的問題。數據倉庫的特征在于面向主題、集成性、穩定性和時變性。數據倉庫不僅僅是是一個簡單的數據集合，還是一個決策系統，它將相關聯的的數據重新組織，并且為其找出一定的規律，從而對以后的數據進行預測，以供最終用戶直接完成對數據的查詢、分析與決策[1][2]。這些元素被收集在模型下，例如：

　　預測：估計銷售量、預測服務器負載或服務器停機時間;

　　風險和概率：選擇目標郵遞的最佳客戶、確定風險方案的可能保本點、將概率分配給診斷或其他結果;

　　建議：確定哪些產品有可能一起銷售并生成建議;

　　查找序列：分析購物車中的客戶選擇，并預測接下來可能發生的事件;

　　分組：將客戶或事件劃分到相關的項目分類，分析和預測相關性。

　　目前，常用的數據挖掘分析方法有：關聯規則分析、聚類分析、分類分析、特征、變化和偏差分析、web頁挖掘等幾種[3]。

　　三、數據挖掘在教務管理中的應用

　　隨著時代的發展，對學生的要求也越來越趨向于個性化、多元化。學生可以自主選擇自己感興趣的課程，感興趣的老師。這樣就導致學校在定制人才培養方案的時候出現的盲區�；蛘呶覀兛梢酝ㄟ^調查問卷的方式提取學生的個人特征、學習情況和興趣愛好。并對學校的教學計劃、課程設置以及資源分配進行統籌。這樣的方式會耗費大量的時間和精力，并有在這樣的過程中，也會因為收調查的人群不同而得到不一樣的結果。針對這種部分代表全部的方式，得到的結果也會有所誤差。利用信息化的教務管理系統，我們在正常使用下就已經留下了學生信息、課程設置、成績等等的大量信息。

　　在教務管理中運用不同的數據挖掘方法可以挖掘出相關的有價值的信息知識。按照不同的關聯規則，對數據的分類也是不一樣的，從而反應出的映射類別也是不一樣的。選擇合適的方法能夠優化速度，更準確的預測，為決策提供更為精確的數據。按照不同的關聯規則提取數據，并用對提取數據進行分析[4]。

　　例如存在A+B—C的規則。那么根據學生的A行為和B行為就可以推出可能要發生的C行為，這樣就可以及時制定策略去鼓勵或遏制C行為的產生。以A學生和B學生在一起的行為來說，推導出A和B在一起是起著積極作用還是負面的影響，進而可以選定學生之間的關聯，促進學生之間的互助行為。通過這樣的規律就可以更好的在學校內使用互幫互助的學生集合。并且利用分類規則對于學生的分類和判斷，可以對于不同的學生采用不同的教學方法和教學課程，可以進一步實施分層次教學，提高教學質量。另外，利用數據挖掘技術挖掘教務管理系統中積累的有用信息，可以使學校的相關院系針對人才培養方案，進行課程的調節。通過選課率、通過率及相關信息，鼓勵和引導學生選擇互補的課程，這有利于學生整體素質的提高，也有利于教學資源的合理分配。

　　四、模型的建立

　　大部分的學校選用學分制的教務系統，采取分專業、分班教學的方式來測量學生的學習情況，在繁雜的的教務系統中，以統考課程成績作為數據倉庫的基礎數據，利用數據挖掘的相關方法對學生的成績進行分析和歸類，并對課程的選擇進行預測，更好的為學校制定人才培養方案提供基礎數據和預測數據。進一步的為學校的管理者提供決策支持，更好的、更準確的制定學校的發展方案。于此同時也可以為學校提高教學質量、優化教學資源提供可靠的數據依據。

　　首先，在基于B/S的三層體系結構中，表示層、中間層、數據層被分割成三個相對獨立的單元。利用數據倉庫的三層體系結構，搭建屬于高校統考課程成績數據倉庫的應用模型的體系[5]。

　　其中，這三層結構由五部分組成，如圖4-1所示。

　　其中，五個部分分別是：

　　(1)數據源，包含著以后分析所需要的所有基礎數據。例如學生基本信息、試卷信息、題型信息、課程信息、教師信息等。

　　(2)ETL階段，即數據的抽取、轉換、裝載和刷新，數據的來自于不用的數據源，在不同的數據源中的信息表述也不盡相同，這些數據在抽取的過程中需要進行過濾，得到質量高的信息，并針對不同表述的數據轉換成同種的格式，方便后面數據的刷新，并裝載到另一層的數據倉庫中。

　　(3)中心數據倉庫，即高校統考課程成績數據倉庫。這個中心數據倉庫內存放的是經過清洗和轉換以后的數據，在經過進一步加工以后存儲于多維數據庫中，學生可以利用數據的分析進行課程的選擇，從而達到決策支持的效果。

　　(4)OLAP服務層，利用OLAP技術或是DM技術對統考成績數據倉庫中的數據進行查詢訪問，得到輔助決策信息。

　　(5)信息展示層，利用數據分析工具得到的知識通過各種可視化的信息展示技術，比如有圖標、文本、視頻、聲音等方法將分析結果更加直觀和全面的展示給用戶。

　　其中題型難度表，分數表，考試狀態信息表作為表述的元素。

　　在教務系統中，針對課程成績某一功能，利用數據挖掘技術，將其應用于某個課程成績中，將學生成績數據進行清洗、轉換、加載，完成數據的匯總。并使用OLAP技術對學生成績進行全方位、多角度的分析，例如：學生的總結性評估、學生的個性特征等等，通過這些信息更好的完善學習方法，提高學習的成效。準確判斷學生合作學習和解決問題的能力，洞察學生的學習動態。

　　五、結語

　　利用數據挖掘技術，能幫助大學管理人員更好地分析數據，從而將潛藏的、有用的信息和知識，從大量的數據中提取出來。為后面的決策優化速度和準確性等。數據挖掘在教務系統中的運用，也需要通過慢慢的研究來進行進一步的提高。

　　參考文獻

　　[1]JiaweiHAN，MiehelineKamber.數據挖掘慨念與技術[J].范明，孟小峰，譯.北京：機械工業出版社，2004：l-160.

　　[2]DavidHand，HeikkiMannila，PadhraicSmvth.數據挖掘原理[J].張銀奎，廖麗，宋俊等，譯.北京：機械工業出版社，2003.

　　[3]劉紅巖，陳劍，陳國青著.數據挖掘中的數據分類算法綜述[J].清華大學學報汨然科學版，2002，1.

　　[4][美]融chardJ.Roeger.數據挖掘教程[M].北京：清華大學出版社，2003.

　　[5]余英澤.一種新型數據分析技術——數據挖掘口].計算機與現代化，2000(1).