數(shù)據(jù)挖掘在教務(wù)系統(tǒng)中的研究與實(shí)現(xiàn).pdf

1、隨著信息化時(shí)代的全面發(fā)展，教育信息化水平程度已成為衡量一個(gè)國(guó)家或地區(qū)教育現(xiàn)代化進(jìn)程的重要標(biāo)志。高校的各種系統(tǒng)和各類數(shù)據(jù)庫已經(jīng)積累了大量的數(shù)據(jù)。為了提高管理水平和辦學(xué)質(zhì)量，更加滿足教學(xué)管理的需要，本文重點(diǎn)對(duì)教學(xué)管理數(shù)據(jù)挖掘系統(tǒng)進(jìn)行了系統(tǒng)的分析和研究。數(shù)據(jù)挖掘是采用人工智能的方法對(duì)數(shù)據(jù)庫和數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行分析、獲取知識(shí)的過程。它們的結(jié)合能更好地為企業(yè)或有關(guān)部門不同范圍的決策分析提供有力的依據(jù)。
　　 分析以往的教學(xué)管理系統(tǒng)，大多

2、數(shù)是OLTP系統(tǒng)，缺乏綜合分析、輔助決策的能力，更不能對(duì)其歷史積累的海量信息中隱含知識(shí)進(jìn)行有效挖掘。
　　 多角度的分析與挖掘，利用挖掘結(jié)果輔助教學(xué)決策是保證教學(xué)質(zhì)量、提高學(xué)生素質(zhì)的必然要求。本文主要描述了教務(wù)系統(tǒng)中數(shù)據(jù)倉庫的建立和實(shí)施，探索了分類的決策樹算法和聚類分析中的K-平均值算法以及K-中心點(diǎn)算法，并改進(jìn)數(shù)據(jù)預(yù)處理方法和決策樹算法，使其更適應(yīng)教務(wù)系統(tǒng)數(shù)據(jù)挖掘。主要研究?jī)?nèi)容包括：1.根據(jù)數(shù)據(jù)倉庫技術(shù)的基本原理，構(gòu)建教務(wù)系統(tǒng)

3、的數(shù)據(jù)倉庫；2.通過設(shè)計(jì)并實(shí)現(xiàn)ETL工具獲取數(shù)據(jù)倉庫所需數(shù)據(jù)；3.在數(shù)據(jù)倉庫的基礎(chǔ)上采用分類算法、聚類算法對(duì)教務(wù)系統(tǒng)中的大學(xué)英語四級(jí)和學(xué)生畢業(yè)情況進(jìn)行建模分析，并改進(jìn)分類算法；4.實(shí)現(xiàn)并改進(jìn)數(shù)據(jù)預(yù)處理方法；5.設(shè)計(jì)并實(shí)現(xiàn)面向教務(wù)系統(tǒng)的數(shù)據(jù)挖掘平臺(tái)。
　　 通過在教學(xué)管理數(shù)據(jù)挖掘系統(tǒng)中的具體挖掘?qū)嵺`，我們可以得到許多有價(jià)值的信息，這些信息在幫助學(xué)校更好地進(jìn)行學(xué)生的培養(yǎng)，對(duì)學(xué)生表現(xiàn)情況的掌握以及課程的安排等方面無疑具有重要的指導(dǎo)意義