原创《基于数据挖掘技术的高校教学管理信息化》：关于免费数据挖掘论文范文在这里免费下载与阅读,为您的数据挖掘相关论文写作提供资料。
摘 要：随着信息技术的不断发展与教育制度的深化改革,越来越多的教学资源涌入高校校园中,这就对高校教学管理工作提出了新的要求.数据挖掘技术的推广与应用是新形势下高校教学管理信息化的探索,具有重要的现实意义.文章简要概述了数据挖掘技术的定义,并分析其应用方法与要点,进而对数据挖掘技术在高校教学管理信息化中的应用进行深入研究与探讨,以期推动教育事业的发展.
关键词：数据挖掘技术；高校教学管理；信息化
中图分类号：G642 文献标识码：A 文章编号：1009-3044（2017）36-0108-02
在新形势下,信息化管理模式逐渐在各高校中得到推广与肯定,纷纷构建了教学管理信息系统,然而,随着教学管理信息系统使用时间与所管理学生数量的增加,大量的教学管理数据被累积,如何更好挖掘累积数据的利用价值,优化教学资源配置,提高教学资源的利用率,成为了当前广大教育事业工作者共同面对的新课题[1].
1 数据挖掘技术概述
所谓数据挖掘技术,指的是将数据进行分析与处理,从大量随机的数据中筛选有价值的数据,简化繁杂的数据库,促进资源的有效运用.通过数据挖掘技术,能够使长期积累的数据内容得到合理的处理,将不完整的、随机的数据进行全面、准确的收集,并深入分析与统计,形成一套更便于利用的统计数据系统,以达到使用者能够更好地应用与提取数据的目的.
数据挖掘技术主要有发掘新知识、表现系统局部特征与规律以及实时更新的特点.通过对数据库中的知识进行分析,提取其中使用者需要的信息,信息的形式可以是模式、规则、概念、规律等不同种类；其次,根据累计数据预测未来趋势,并做出前瞻性决策；同时,数据挖掘技术能够根据信息获取原则实时更新.现阶段,数据挖掘技术被广泛运用于各行业中,尤其在高校教学管理系统中占据着重要的地位,对了解学生基本信息、掌握学生学习特征、合理设置教学课程具有良好的积极作用[2].
2 基于数据挖掘技术的高校教学管理技术流程与操作方法
2.1 技术流程
数据挖掘是一个反复循环的过程,其主要流程有：（1）信息收集.首先,确定教学管理的对象,并分析信息对象的各方面特征,选取适合的收集方法进行数据收集工作.（2）数据集成.将符合要求的不同形式与特点的数据进行整理,为后续的数据共享奠定基础.（3）数据归约.由于符合条件的数据内容巨大,进行分析与挖掘的时间过长,因此对数据进行属性选择与采样,分别针对原始数据集中的属性与记录,得到数据集的归约表示,在保持原始数据完整的同时,提高数据挖掘的效率.（4）数据清理.把所得数据中不完整的、错误的、不相符的内容进行处理,将完整且正确的数据信息存入数据库中.（5）数据变换.通过数据概化等方式将数据库内数据信息转换为数据挖掘所需要的条件与性质.（6）数据挖掘.根据神经网络、遗传算法、决策树等方法对最终的数据信息进行挖掘与处理,得出有价值的数据信息.（7）结果评估.针对所挖掘的数据信息进行合理科学的评估,判断挖掘到的数据内容是否符合自身的期望,如没有达到预期目标,则回到最初的步骤重新进行数据筛选[3].
2.2 操作方法
数据挖掘技术的操作方法有很多种,下面,简要介绍遗传算法、决策树、神经网络三种数据挖掘技术操作方法：
1） 遗传算法
所谓遗传算法,可简要概述为通过适者生存、优胜劣汰的生物界进化规律演化而来的随机搜索方法.对数据演化与相互组合,最终结合成新的数据信息,并在新数据信息中进行选择,使数据挖掘更具有全局择优能力,遗传算法常与其他数据挖掘方法组合使用,是数据挖掘的有效方法之一.
2） 决策树
决策树是将庞大的数据信息进行系统、合理的分类处理,将数据信息整理进行分支整理,并从中找寻符合条件的有价值的数据信息,把不符合挖掘条件的数据内容进行清理裁剪.整体操作流程像树一样,因此被成为决策树.决策树挖掘方法的优点在于其操作简单,且效率较高,适用于大规模的数据处理[4].
3） 神经网络
所谓神经网络,指的是以模仿动物神经网络行为特征进行分布式并行数据处理的算法数学模型通过对数据内部之间的联系进行调整,达到处理数据信息的目的.神经网络具有稳定性、分布并行、高度容错性等特征,适用于解决各种由不确定性引发的数据挖掘问题,是常见的数据挖掘操作方法之一.
3 数据挖掘技术在高校教学管理信息化中的应用
现阶段,数据挖掘技术被广泛应用于高效教学管理信息化中,成为了高校教育管理工作中不可或缺的重要组成部分.通过数据挖掘技术,使教学管理工作质量与工作效率均得到了显著提升.下面,对数据挖掘技术在高校教学管理信息化中的应用进行深入分析.
1） 学生成绩分析
学生的考试成绩是教学管理系统数据库中占比重较大的内容之一,通过对学生成绩进行数据挖掘与分析,并根据数据内容绘制相关的图表,直观地反应学生的具体情况与基本信息,能够及时进行教学质量与效果的评估,对课程与教学方案进行设置与改变,促进课程建设.例如,根据不同的分数段、学生性别等因素进行数据挖掘,可以将学生的成绩进行系统、全面的对比,发现其中的普遍问题,真正实现科学全面地提高全部学生的学习成绩.
2） 合理设置课程
在教学生活中,对学生循序渐进的教学方法至关重要,如何设置课程的前后聯系也是现阶段教育工作者思考的重点问题.由于不同班级的班级文化与教师的授课风格各不相同,学生所适合的课程设置也存在不同点,错误的课程设置有可能会对学生的整体成绩产生巨大的影响.因此,运用数据挖掘技术对学生与班级进行分析整理,总结有价值的规律与信息,帮助教师更好地进行课程设置.
3） 掌握学生特征
在高校教学管理系统中,记录着学生的基本信息、学习情况以及奖罚情况等,通过对上述数据进行数据挖掘与分析,使得教师充分掌握学生的家庭情况、出勤状况、学习经历、考试成绩、擅长科目、特长等,对学生的特征进行深入挖掘,根据学生的性格特征以及学习特征对薄弱科目进行加强,提高学生的学习水平.另外,根据数据挖掘结果中的学生的不同情况进行分类管理,全面提高教学管理水平.
数据挖掘论文参考资料：
结论：基于数据挖掘技术的高校教学管理信息化为大学硕士与本科数据挖掘毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写数据挖掘方面论文范文。
