关联规则在学生成绩管理中的应用-研究

《关联规则在学生成绩管理中的应用-研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、家自然科学基金、863计划、“九五”计划等，但至今还没有关于国内数据挖掘产品的报道。国内企业运用数据挖掘技术来协助业务活动的应用还处于起步阶段。成功应用的案例还比较少，这对数据挖掘技术和工具的研究人员以及开发商来说，我国是一个有巨大潜力的市场。1．3数据挖掘技术在高校教学中应用的研究现状及意义数据挖掘技术在商业、金融业以及企业的生产、市场营销等方面都得到了广泛的应用，而在教育领域应用相对较少，高校中对教师信息、学生信息、成绩等数据的处理还一般停留在简单的数据的备份和查询阶段。这些教学管理系统，多半是以台帐管理为主的OLTP

2、系统，缺乏综合分析，辅助决策的能力；并且对其历史积累的海量信息中隐含知识的利用无能为力。近年来随着高校的不断扩招，学生人数大幅度增加，给高校学生管理、教学工作带来了严峻考验，传统的教学管理手段已逐渐不能适应社会的发展。随着数据挖掘技术的成熟及应用领域的不断扩展，不少高校研究人员已开始研究将数据挖掘技术应用于高校的教学、管理中，例如，将数据挖掘技术应用于课堂教学评价中，通过找出课堂效果与教师职称、年龄等因素之间的内在联系，以有效地指导教学工作【7】：通过对毕业生数据库进行数据挖掘研究，得到了有益于高等学校教学管理决策及毕业生

3、就业指导的挖掘结果[81；在制定人事激励制度时，为了针对不同类别的教师建立有针对性的制度，可以应用分类和关联规则方法挖掘隐含的规则，从而为高校管理决策提供科学依据19]等等。总之，将数据挖掘技术应用于学校的教学、管理中，对提高学校教学管理水平起到了很好的指导作用，而且采用先进技术对考试过程和教学环节中产生的数据进行多层次、多角度的分析，利用分析结果辅助教学决策是保证教学质量、提高学生素质的必然要求。1．4本文的研究内容及论文结构高等学校多年来的教学和管理工作积累了大量的数据，目前这些数据还未能得到有效利用，只是一个待开发的

4、“宝藏”。鉴于社会对高等学校发展的需求和目前高校数据管理现状，利用这些数据理性地分析学校各方面工作的成效以及学生培养过程中的得失变得十分重要。本文主要研究在高校扩招、师生比过大的教学条件下，教师如何利用丰富的信息资源，采用数据挖掘技术，获得辅助决策知识，指导教学，从而进一步提高教学质量。本文的研究内容主要包括两个方面：一是考虑一些主客观因素尤其是学生的入校成绩对学生毕业成绩的影响并建立起相应的学生培养模型，为科学地进行学生管理提供了辅助信息；二是通过对某班学生在校各门课程成绩的分析，挖掘出课程间的有趣规则，提出了基于课程分

5、析的成绩预警模型，为今后的教学课程设置提供了参考，同时对于那些易导致学生留级、无学位、退学的课程能够显示出来，当这些课程出现问题时，能对学生起到预警作用。论文的结构：第一章绪论。主要介绍了本论文的研究背景和研究意义，综述了数据挖掘的理论渊源、发展现状，以及国内外数据挖掘的发展情况。第二章数据挖掘技术。主要介绍数据挖掘的基本知识，包括数据挖掘的过程、数据挖掘的任务、数据挖掘的分类以及数据挖掘的常用技术和方法。第三章数据预处理技术。主要对KDD过程中常用的一些数据预处理方法和技术进行了研究。并针对教学成绩数据的特点，给出了一种

6、相应的处理方法。第四章数据挖掘中的关联规则。主要介绍数据挖掘中关联规则的基本概念、经典算法及研究现状。提出一个基于数组的改进Apriori算法。第五章关联规则在学生成绩管理中的应用。主要探索在学生成绩管理中数据挖掘关联规则的应用，提出了学生培养模型并给出求解方案；以某班学生在校的各门课程成绩为例，给出了基于课程分析的成绩预警模型，完整地实现了数据关联规则挖掘的全过程。第六章结束语。主要总结了笔者在论文研究阶段的工作，论文的创新点。并对数据挖掘技术在高校教学管理中的进一步研究进行了分析和展望。第二章数据挖掘技术本章主要介绍数

7、据挖掘的相关知识，包括数据挖掘与知识发现的概念、数据挖掘的过程、数据挖掘的任务、数据挖掘的分类、数据挖掘的对象，最后介绍了数据挖掘的常用技术和方法。2．1数据挖掘与知识发现数据挖掘(DataMining，简称DM)就是从大量的、不完全的、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、但又有潜在的有用信息和知识的过程【l⋯，是数据库中的知识发现(KnowtedgeDiscoveryinDatabases，简称KDD)的核心。知识发现(KDD)被认为是从数据中发现有用知识的整个过程。数据挖掘只是数据库中知

8、识发现的一个步骤，但又是最重要的一步，它用专门算法从数据中抽取模式。人们把原始数据看作是形成知识的源泉，就像从矿石中采矿一样。原始数据可以是结构化的，如关系型数据库中的数据，也可以是半结构化的，如文本、图形、图像数据，甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的，也可以是非数学的；可以是演