数据挖掘技术在高校教务管理中的应用研究

作者：章懿雯

来源：《中小企业管理与科技·上旬刊》 2014年第10期

章懿雯（马鞍山职业技术学院）

摘要：本文主要论述了数据挖掘技术在高校教务管理中的应用，在阐述数据挖掘技术研究背景的基础上，对其国内外研究现状做了相关分析。

关键词：数据挖掘技术教务管理应用研究

1 研究背景

近年来，很多领域都应用了数据挖掘技术，它能够将系统中的数据最大化的加以利用，使其价值得到最大的发挥。特别在商业、金融、市场营销等多个领域中，得到广泛的使用。但是在教育领域中，主要体现在系统研究的教育管理信息中，数据挖掘却很少被利用[1]。目前，高职学院在教育信息管理中，教育信息系统已经得到了多方面的认可，并在其功能和技术等方面逐渐成熟。但是，教育信息系统在能完好的保存信息的同时，却不能够得到充分的利用，绝大多数的数据都只是在数据库中简单的“堆放”，而没有将这些数据隐性价值挖掘出来。数据挖掘技术（Data mining）在管理信息系统（MIS，Management Information System）中的应用起始于上世纪九十年代中期[2]。数据挖掘算法是根据数据创建数据挖掘模型的一组试探法和计算，常用的有C4.5 算法，K-Means 聚类算法等。每个教务管理系统的实际需求情况决定了应该使用什么样的挖掘技术来实现相应的需求，因此数据挖掘技术在管理信息系统中的应用必须从实际情况出发选择适合的数据挖掘算法。

2 国外研究及应用现状

从国外对数据挖掘系统的研究来说，目前国外对高校教务管理信息系统数据挖掘子系统的研究的文献也不少。特里肯（Turkmen，2011）指出信息系统与数据挖掘系统的融合方式，其中包括整体架构的设计、数据库的设计、业务系统的实现等[3]。

国外高校数据挖掘子系统的发展主要分为五个阶段。第一阶段以简单用于信息发现为特点，学校通过网站数据库与自身有关的各种信息（这些信息多为静态的，例如学校各项工作流程、教学管理流程、校规校纪、法律条文等）的简单的关联规则分析获取有意义的知识。第二阶段的主要特点是能够实现简单的教学质量分析功能。在第一阶段的基础上，学校通过学生对老师的评价、老师与老师间的评价和领导对老师的评价等信息综合加权，实现对教学质量的总评价功能。第三阶段的特点是对海量数据的综合分析功能。随着教务管理系统使用时间的增加，系统中记录的数据也越来越丰富，从而形成了海量数据。如何处理这些海量数据成为了这个阶段的主要特点。第四阶段的特点是个性化挖掘阶段。这个阶段的主要特点是实现了针对学生个性特点设计的新的挖掘功能。第五阶段，数据预测阶段。将挖掘出来的信息作为依据，整合各方面资源进行数据预测。目前国外发达国家的高校教学管理信息化水平已经非常高了，他们的教务管理系统一般都拥有较为完备的网络环境、先进的管理模式、高度的教学信息化水平等。欧洲各国高校的教务系统的普及率也超过了99%。完备的教务管理系统为数据挖掘子系统的开发提供了数据来源。

美国的高校教务管理信息系统中的数据挖掘子系统主要有三方面成就：第一，系统需求研究合理，系统设计选择面向客户需求的设计理念，而放弃了以往系统设计以部门组织结构为系统设计的主体的原则；第二，个性化需求挖掘。第三，挖掘功能丰富。例如，通过对学生成绩的研究剖析，能够了解到学生的课堂上的表现情况、平时课程练习的情况、先修课程的成绩等，与考试成绩进行细致分析，并得出某种相关联的信息。经过这种方法，高校可以更好的对学生成绩、课程安排进行合理的实现，并对学校的教学任务和目的都起到十分重要的作用。

新西兰延续了“普遍存在的，无所不在”系统设计理念，将数据挖掘子系统设计成为基于大众的、面向用户的信息挖掘系统。使用对象的广泛性、面向用户以及独创性成为了信息系统设计的三原则。

韩国的高校教务管理信息系统中的数据挖掘子系统主要有三方面成就：系统需求分析合理，每项教务信息挖掘功能都选择使用较为成熟的数据挖掘算法实现；系统设计选择面向客户需求的设计理念，而放弃了以往系统设计以部门组织结构为系统设计的主体的原则；系统可以自动分析哪些学员不方便上网，从而建立自助服务机制，由义工组织负责为他们提供必要的服务。

3 国内研究及应用现状

3.1 数据挖掘在管理信息系统中的研究与应用现状。目前，在信息管理系统中，完善、成熟的多维分析软件系统在我国还没有出现，这已经成为广大信息管理系统的用户的迫切需求。在国内，数据挖掘被用于很多MIS 系统（管理信息系统，Management Information System）中，它能够帮助处理很多的日常事物，并通过多层面，多角度的方式，进行更好的处理，使得原来手工操作的事情，被计算机所替代[4]。例如，王海涛（2010）提出了一个基于数据发现的手机支付商城软件的“供应流数据挖掘和信息流数据挖掘模块”的整体架构设计[5]。该设计的优点是有效地利用了改进后的Apriori 算法，将库存积压的礼品与注册客户的个人爱好有效地关联了起来，其缺点是忽略了消费者的隐私问题。

3.2 数据挖掘在国内高校教务管理系统中的应用现状。从数据挖掘工具在教务管理信息系统中应用的发展水平上来说，我国教务管理系统中数据挖掘的应用水平要落后于国外。但是，近年来，我国充分利用了后发优势以及高校在数据挖掘方面的研究成果，教务管理系统中的数据挖掘的研究与应用水平发展非常迅速，个别高校自主开发的数据挖掘子系统已经接近甚至超过了国际先进水准。清华大学开发的“泰山教务管理系统”不仅综合了常见的教务管理系统数据挖掘的所有功能，而且还增加了用户个性化分析功能。人民大学在我国最早开发了教务管理系统，至2012 年完成了第四次升级，真正将教学资源管理模块和数据挖掘模块融为一体，基于B/S 与C/S 混合架构的，功能强大的教务管理信息系统。此外，还有“西安交通大学教务信息管理系统”、“北京师范大学教务管理系统”、“国防科技大学教务管理系统”等都将数据挖掘功能单独作为其一个子系统进行开发和使用。

目前我国学者对教务信息系统的研究主要集中在以下几个方面：其一，重点研究数据挖掘与现有教务管理系统的整合的文献。曹建（2009）提出了教务管理总体框架的SOA 设计，将数据挖掘实际应用在总体框架中[6]。其优点是对系统架构做了较为合理的设计，但是C/S 模式设计的缺点也很突出：系统不易移植，系统不易更新换代，界面缺乏人性化设计等。河北师范大学蒋伟伟提出了采用C/S 方式进行数据挖掘和应用B/S 结构将数据挖掘的结果进行发布，从而实现了混合结构的设计[7]。文章的思路获得了广泛认可，但是文章只是探讨了混合设计的可行性，并没有真正的提出具体的设计。其二，重点研究数据挖掘算法改进的文献。随着我国中小学以及高校陆续开发出来的教务管理系统越来越多，如何才能产生兴趣度更高的数据挖掘知识成为了新的研究方向，因此出现了很多研究数据挖掘实效性的文献。刑政权（2011）提出了基于数据挖掘的教务管理系统开发与应用。文中详细分析了传统Apriori 算法、C4.5 算法在教务管理系统中开发的不足，优化了这些算法，获得了较好的效果。

4 总结

从数据挖掘工具在高校教务管理系统中研究水平上来说，我国部分高校的教务管理系统的数据挖掘研究水平是和国外大致相当的。因此，在教务管理系统开发的过程中，研究如何采用数据挖掘技术将教务管理系统中工作流产生的大量数据进行合理地知识发现是十分必要的，是有利于教务管理系统的升级与功能延伸的。

参考文献：

[1]李晋宏等.北方工业大学综合教务系统[J].东南大学学报.200年增刊.ISSN 1001-0505(32):245-247.

[2]R.Srikant, T .Imielinski and items in Large databases[J].In A: Swami.MiningProceeding of the 2007(3) : 216 .

[3]Turkmen. Mining in Lin,Suh-Yin Lee.Web Applications.Fast Lexicographic Algorithm for Association Rule www.csie[J].nctu.edu.tw.2012(1):112-115.

[4]毛国君.数据挖掘技术与关联规则挖掘算法研究[D].北京:北京工业大学，2013(11):14-17.

[5]王海涛.基于DM 中关联规则算法的思考[J].计算机与数字工程，2010，33(5):76-78.

[6]曹建.基于园区网络的教务管理数据挖掘系统[D].四川:西南石油学院，2013(2):249.

[7]丁知斌，袁方.基于数据仓库的数据挖掘技术在高校学生成绩分析中的应用[J].河北大学成人教育学院学报，2009，12(6):19-21.