基于数据挖掘技术的本科教学管理

梁晶华

（华东理工大学 社会与公共管理学院，上海 200237）

基于数据挖掘技术的本科教学管理

梁晶华

（华东理工大学 社会与公共管理学院，上海 200237）

围绕高校本科教务管理中面临的大数据处理难题，介绍了数据挖掘技术用于本科成绩和教学数据分析的可行性。从学生成绩、学生选课、学生评教以及教师信息等方面，探讨了数据挖掘技术提取教学管理信息的方法，可望为高等学校教学管理和教务管理提供决策支持。

数据挖掘；教务管理；决策支持

近年来，随着高等学校扩招以及计算机在管理中的普及应用，学校教学管理系统积累了大量的数据。目前，这些数据只是用于简单的成绩分析，并未能充分用于规律分析和处理，未在学校管理和决策起到应有的作用。因此，利用数据挖掘技术对学生成绩数据进行深层次分析，找出其中各种潜在模式及影响因素，将对学生选修课个性化管理、课程设置、教学计划制订和教学实践有重要的指导作用[1-3]。本文针对高等院校教学管理系统普遍存在的问题，提出了将数据挖掘技术应用到本科生成绩管理、分析和实践，通过从学生成绩数据中挖掘潜在的、有用的信息，目标是为教学管理者提供决策，为学生选课提供支持。

一、数据挖掘的概念

1989年，在第11界国际人工智能的专题研讨会上，学者们提出了基于挖掘的知识发现（KDD）概念。1995年在美国计算机年会上，一些学者开始把数据挖掘视为数据库知识发现的一个基本步骤或把两者视为进义词讨论[4，5]。所谓数据挖掘（Data Mining），就是从大量、不完全、随机的实际应用数据中，提取隐含的、未知的、具有潜在应用价值的信息和知识的过程。其主要特征表现为：数据源必须是真实的、大量的；挖掘加工出用户感兴趣的知识；形成的知识要可接受、可理解、可运用。通过数据挖掘，可以帮助决策者寻找规律，发现被忽略的要素，预测趋势，并用于决策。数据挖掘是对数据内在和本质的高度抽象与概括，是对数据从感性认识到理性认识的升华。数据挖掘又被称为知识发现（Knowledge Discovery，KD），因此许多知识发现中的算法，如人工智能，也常常被使用于数据挖掘过程中。数据挖掘一

般以下7个步骤：（1）数据清理：消除噪声和不一致数据。（2）数据集成：可以把多种数据源组合在一起，将数据结果放在数据仓库中。（3）数据选择：从数据库中提取与分析任务相关的数据。（4）数据变换：通过汇总或聚集操作把数据变换或统一成适合挖掘的形式。（5）数据挖掘：使用智能方法提取数据模式。（6）模式评估：根据用户某兴趣度度量，识别表示知识的真正有趣的模式。（7）知识表示：实用可视化和知识表示及技术向用户提供挖掘的有用知识。

二、数据挖掘技术在本科教学管理中的应用

大学本科教学管理，一般涉及了学生成绩管理、选课管理、学生评教等几部分内容，其实质上也是一个数据分析、加工利用和决策管理的过程。因此，利用上述数据挖掘的方法，对大学本科教学管理数据进行深层次的分析，可以将人们对数据的应用从低层的数据查询提升到决策支持、信息预测，在教学管理的诸多方面发挥着重要作用。

1.本科生成绩的挖掘加工。学生成绩是评价教学质量的重要依据，也是评价学生对所学知识掌握程度的重要标志，在高等教育质量评价中居于重要位置。所以通过对学生的成绩进行分析和挖掘，可以为教学管理者提供改善教学条件，加强教学管理，深化教学改革，提高教学质量等方面的重要依据。利用数据挖掘技术，通过不同范围、不同角度分析学生的成绩和分布规律，挖掘影响学生成绩的因素。主要包括：①统计分析各门课程成绩分布，包括最高分、最低分、及格率等；分析各门成绩之间的关系。②按班级分析学生成绩分布，以及影响班级成绩的因素。生成各年级成绩分布情况排名，年级成绩分布曲线。③不同任课教师给予的学生平均成绩；学生成绩与教师学历、职称，教学经验之间的关系。④各生源地成绩分布，生源地与学生成绩间的关系。利用关联分析或分类分析，可以发现一些普遍性的现象。如通过分析学生的成绩，可能发现“高等数学”成绩好的学生，其在计算机语言类课程的成绩也好。但这种分析，也可能导致对暂时不具有普遍性课程的忽略。

2.学生选课信息的挖掘分析。选课就是学生利用计算机软件选择自己所上的课程。选课数据中可能隐藏着对教学管理具有重要的参考价值，数据挖掘技术可以用来找出这些隐藏在数据背后的信息和知识。主要可从以下几个方面进行分析挖掘：分析各门课的课程归属和所占学分，确定学生选课时对不同课程归属课的学分多少的考虑；分析各门课的选课人数，确定课程的欢迎程度；分析各门课选课率，了解学生对目前课程安排中的满意程度；分析某门课程的选课学生情况，了解选择当前课程的学生的专业情况；分析各门课程的任课教师情况，了解任课教师的实际情况和综合能力。具体的挖掘步骤可按如下进行：①首先要对选课的原始数据进行预处理，把其原始数据采样后转换成适合数据挖掘的数据。由数据收集阶段得到的数据可能有一定的“污染”，表现在数据可能存在自身的不一致性，或者有缺失数据的存在等，因此要进行抽样与清理。在处理的过程中，要明晰数据的上下结构和面向对象，为数据挖掘作好准备。②完成数据的预处理之后，确定参与挖掘的数据表，在教务选课系统中学生选课表是基本事实表，课程信息表、学生信息表和教师信息表可作为维表。③最后将预处理之后的数据进行状态运行，在此基础上选择合适的数据挖掘算法进行数据挖掘。数据挖掘通过汇总或聚集操作将数据变换或统一成适合挖掘的形式，可单独利用也可综合利用各种数据挖掘方法对数据进行分析，挖掘用户所需要的各种规则、趋势、类别、模型等。挖掘的最终结果可以用可视化的图形方式表现出来。根据挖掘的结果，得出选课背后隐藏的各种数据信息，如某些专业的学生喜欢选某位老师所开设的相关课程，部分学生总是选择学分较多的有更多上机机会的课程等等。

3.学生评教信息挖掘分析。合理评价教学的技术水平是衡量一个学校教育质量的重要标准。教学评价就是根据教学目标和教学计划的要求，系统全面地收集数据，对教学过程中的教学活动以及教学成果给予判断的过程。评教内容一般包括对学生“学”的评价和对教师“教”的评价。下面以学生综合测评指标和学生评教指标为例，将关联规则和粗糙集理论应用于评价系统，通过对各指标的排序、约简等，在一定程度上对评价指标优化，讨论把数据挖掘技术引入学生评教指标优化和信息分析。另一方面，评定学生的学习行为，既可对学生起到信息反馈和激发学习动机的作用，又是检查课程计划、教学程序以至教学目的的手段。同时，考查学生个别差异，便于因材施教的途径。评价要遵循“评价内容要全面、评价方式要多元化、多次化、注重自评与互评的有机结合”的原则。利用数据挖掘工具对学生的学习成绩数据库、行为记录数据库、奖励处罚数据库等进行分析处理，可以及时得到学生的评价结果，对学生出现的不良学习行为进行及时指正。同时，还能够克服教师主观评价的不公正、不客观的弱点，减轻教师的工作量。另外，将关联规则运用于教学评价数据中，可以探讨教学效果的好坏与教师年龄、职称之间的关系、学生各项素质指标之间的关系等，用来及时地对教师的教学和专业发展以及学生的学习和个性发展提供指导，这是非常有意义的。

4.教师信息的挖掘分析。教师信息是本科教学管理中的重要方面，如使教学评价过程科学化，增强教学工作的预测功能和评价功能，为教学的客观决策和客观评价教师、了解教师的教学质量提供了一种比较合理的管理依据。主要包括：①教师个人信息：包括教师学历情况、职称情况、科研情况、研究方向、级别、工作经历等各种信息，可运用关联规则方法对教学评价结果和教师个人信息一起进行挖掘，从而得出影响教学结果的潜在的教师个人信息的部分情况。②教师素质：包括教师的思想政治素质、道德素质、文化素质、智能素质、心理素质、身体素质、外在素质等七个方面，通过数据挖掘技术在学生成绩或者相应的调查信息的挖掘，看出哪些因素对教学方面有较大影响，切实加强教师在哪些素质方面的培养和提高，从而有利于教学管理方法的制定和实施。③教师绩效：包括教师的工作业绩、工作态度、工作技能等方面的综合考核。应用数据挖掘技术，可以从教学评价数据中进行数据挖掘，查询教学效果与教师的工作态度、工作技能等的各种关联，找到教师的教学效果与教师绩效的关系问题，合理调配一门课程的上课老师，使学生能够较好地保持良好的学习状态，从而为教学部门提供了决策支持信息。

我国高校的教学管理长期沿用经验管理模式，往往难以避免管理滞后的弊端，尤其是近年来随着教学管理中产生的数据急剧增加以及对信息量的更高要求，把数据挖掘技术应用到教学管理系统中，必将为各教学管理部门的决策提供切实可行的依据，可以促进教育管理的进一步改革、完善和发展。对数据挖掘工具的有效利用，能够客观地反映教学系统中存在的问题，为实现高校的教学改革，将来在激烈的竞争中掌握主动，从而提高管理的科学性、针对性和高

效率。

[1]梁循.数据挖掘算法与应用[M].北京：北京大学出版社，2006.

[2]刘晓霞.数据挖掘技术在高校教学中的应用[J].现代计算机，2008，（285）：115-116.

[3]张玉林.数据挖掘技术在教学过程中的指导作用[J].西安通信学院学报，2006，（02）：38-40.

[4]陈文伟.数据仓库与数据挖掘教程[M].北京：清华大学出版社，2006.

[5]杨永斌.数据挖掘技术在教育中的应用研究[J].计算机科学，2006，（12）：284-286.

G647

A

1674-9324（2014）13-0010-03

粱晶华（1974-），主要从事本科教务管理和相关技术。