朱麗麗ZHU Li-li

（金陵科技學(xué)院，南京 211169）

（Jinling Institute of Technology，Nanjing 211169，China）

0 引言

隨著高等教育在我國的快速發(fā)展，學(xué)校在校人數(shù)的迅猛增加，但是大量的信息只是簡單地存儲在數(shù)據(jù)庫中，隱藏在這些數(shù)據(jù)中的潛在信息被閑置，不能被充分利用。而現(xiàn)有的學(xué)生數(shù)據(jù)庫也僅作為事務(wù)管理和信息檢索（增加、刪除、修改、查詢等等），利用信息化管理這種先進的技術(shù)手段來實現(xiàn)學(xué)生、教師、管理人員的緊密結(jié)合，大大提高綜合教育質(zhì)量，這些恰恰是數(shù)據(jù)挖掘所能幫助解決的問題。

1 高校教務(wù)管理現(xiàn)狀

整合系統(tǒng)中不同的數(shù)據(jù)，形成統(tǒng)一的模式以方便處理。利用現(xiàn)代化信息管理工具處理這些信息，從中挖掘出一些規(guī)律和方法，為決策者提供有力的支持，讓這些長期積累下來的信息變成知識，這些將是研究解決的關(guān)鍵問題。對學(xué)生信息數(shù)據(jù)庫中的一系列數(shù)據(jù)挖掘操作必將對教師的教學(xué)環(huán)節(jié)提出有針對性的建議和意見，對學(xué)校的學(xué)生管理工作提供更多有用的知識，以使學(xué)校的學(xué)生管理工作有的放矢，從而幫助學(xué)校決策或調(diào)整策略。

各學(xué)校也在不斷改進教學(xué)管理體制如學(xué)分制、學(xué)年學(xué)分制、完全學(xué)分制等等，同時不斷更新培養(yǎng)方案、調(diào)整課程設(shè)置努力做到因材施教，努力使學(xué)生在校期間受到良好的教育。所有這些政策的出臺都要以事實和數(shù)據(jù)為依據(jù)。而這些依據(jù)是在普通的教務(wù)管理系統(tǒng)所無法實現(xiàn)的，本文以高校教學(xué)管理為例，結(jié)合高校管理的具體要求，提出將數(shù)據(jù)挖掘技術(shù)應(yīng)用到高校管理中的設(shè)想。通過對數(shù)據(jù)挖掘的關(guān)鍵技術(shù)的研究，尋找并設(shè)計合適的數(shù)據(jù)挖掘算法，在教學(xué)過程中通過對在校學(xué)生相關(guān)課程成績的數(shù)據(jù)挖掘，對課程的設(shè)置做適當(dāng)?shù)恼{(diào)整，不斷激發(fā)學(xué)生的學(xué)習(xí)興趣，凝練具有學(xué)校自身特點的教學(xué)管理模式和方法。

2 數(shù)據(jù)挖掘技術(shù)

到目前為止，相關(guān)學(xué)者已經(jīng)提出了：①利用OLAP 分析和數(shù)據(jù)挖掘進行知識發(fā)現(xiàn)。②決策樹算法在高校教學(xué)管理的應(yīng)用研究。③分類規(guī)則在高校管理決策中的應(yīng)用研究。④傳統(tǒng)關(guān)聯(lián)規(guī)則在高校教學(xué)管理中的應(yīng)用研究。⑤聚類規(guī)則挖掘高校教學(xué)質(zhì)量中的應(yīng)用研究。

聚類：與分類分析不同，聚類分析輸入的是一組未分類記錄，并且這些記錄應(yīng)分成幾類事先也不知道。聚類分析就是通過分析數(shù)據(jù)庫中的記錄數(shù)據(jù)，根據(jù)一定的分類規(guī)則，合理地劃分記錄集合，確定每個記錄所在類別。它所采用的分類規(guī)則是由聚類分析工具決定的。聚類分析的方法很多，其中包括系統(tǒng)聚類法、分解法、加入法、動態(tài)聚類法、模糊聚類法、運籌方法等。采用不同的聚類方法，對于相同的記錄集合可能有不同的劃分結(jié)果。

Apriori 是關(guān)聯(lián)規(guī)則中最經(jīng)典的布爾關(guān)聯(lián)挖掘算法，為了使提出的挖掘算法不失一般性，選擇Apriori 作為混合關(guān)聯(lián)挖掘中關(guān)聯(lián)規(guī)則部分的基本算法。Apriori 性質(zhì)為：“頻繁項集的所有非空子集都必須也是頻繁的”。該性質(zhì)屬于一種特殊的分類，稱作反單調(diào)，意指如果一個集合不能通過測試，則它的所有超集也都不能通過相同的測試。Apriori 算法的執(zhí)行過程分為兩個步驟：首先是連接步，即為了尋找Lk，通過Lk-1與自己連接產(chǎn)生候選k-項集的集合，記為Ck；其次是剪枝步，即由于Ck是Lk的超集，掃描數(shù)據(jù)庫，確定Ck中每個候選的計數(shù)，刪除不滿足計數(shù)要求的項集，從而確定Lk。

3 數(shù)據(jù)挖掘的系統(tǒng)分析

對于數(shù)據(jù)問題，目前采用高校的實際信息，確保數(shù)據(jù)真實可靠，有進一步研究的價值。對于數(shù)據(jù)挖掘技術(shù)的特點與高校學(xué)生成績信息相結(jié)合，建立了適用于高校管理的數(shù)據(jù)挖掘模型。目前采用Fayyad 過程模型，它偏向于技術(shù)方面。根據(jù)Fayyad 的數(shù)據(jù)挖掘過程模型，數(shù)據(jù)挖掘可以理解為一個循環(huán)迭代過程，該模型從數(shù)據(jù)入手，到知識結(jié)束。對于算法，目前采用關(guān)聯(lián)規(guī)則挖掘，用Apriori 算法來實現(xiàn)。對離散數(shù)據(jù)采用泛化，以保證系統(tǒng)對挖掘的精度，分析大學(xué)階段各科目學(xué)習(xí)成績之間的關(guān)聯(lián)關(guān)系。

3.1 數(shù)據(jù)準備 數(shù)據(jù)挖掘進行之前對數(shù)據(jù)進行選擇的必要性，數(shù)據(jù)選擇和預(yù)處理的步驟、方法。數(shù)據(jù)選擇操作一般包括3 步：數(shù)據(jù)源中數(shù)據(jù)表的選擇、數(shù)據(jù)表中的各屬性間進行選擇、多個數(shù)據(jù)表中相同屬性的整理和統(tǒng)一。數(shù)據(jù)預(yù)處理一般包括3 個步驟：①數(shù)據(jù)清理；②數(shù)據(jù)集成；③數(shù)據(jù)規(guī)約。

3.2 挖掘系統(tǒng)的設(shè)計 包括：系統(tǒng)的設(shè)計思想、數(shù)據(jù)的準備、系統(tǒng)采用的挖掘過程模型以及主要的算法。界面顯示前，必須對最小支持度和最小置信度進行參數(shù)設(shè)置。不同的最小支持度和最小置信度得到的挖掘結(jié)果也不一樣。

3.3 系統(tǒng)結(jié)果分析 包括：學(xué)生信息管理結(jié)果、數(shù)據(jù)預(yù)處理結(jié)果、關(guān)聯(lián)規(guī)則挖掘的頻繁項集、關(guān)聯(lián)規(guī)則并對挖掘的結(jié)果進行說明與分析，見圖1 和圖2。

圖1 顯示2 頻繁項目

圖2 顯示規(guī)則集

規(guī)則1 看出：部分課程之間存在緊密的關(guān)系，它們相互制約相互影響。一門課程的學(xué)習(xí)直接影響另一門課程的學(xué)習(xí)。高等數(shù)學(xué)成績?yōu)閮?yōu)良的學(xué)生中，有60%的學(xué)生C 語言與數(shù)據(jù)結(jié)構(gòu)成績也優(yōu)良，這說明了高等數(shù)學(xué)成績優(yōu)良，C 語言與數(shù)據(jù)結(jié)構(gòu)成績優(yōu)良的可能性達到60%。

規(guī)則2 看出：計算機軟件基礎(chǔ)成績?yōu)閮?yōu)良，面向?qū)ο蟪绦蛟O(shè)計成績?yōu)閮?yōu)良的學(xué)生中，有60%的學(xué)生計算機軟件工程成績也優(yōu)良。這說明計算機軟件基礎(chǔ)成績?yōu)閮?yōu)良，面向?qū)ο蟪绦蛟O(shè)計成績?yōu)閮?yōu)良，計算機軟件工程成績?yōu)閮?yōu)良的可能性達到60%。

課程間的先序和后繼關(guān)系決定了學(xué)生學(xué)習(xí)效果，好的課程間先后關(guān)系能夠讓學(xué)生學(xué)有動力，學(xué)有興趣，事半功倍。不好的課程間先后關(guān)系能讓學(xué)生不及格率增加，學(xué)得費勁，不想學(xué)，甚至厭學(xué)。

4 結(jié)論

數(shù)據(jù)庫挖掘技術(shù)全面應(yīng)用于高校教育教學(xué)管理中，將高校教學(xué)管理信息化提升至更高層次。通過對教學(xué)管理數(shù)據(jù)進行微觀、中觀直至宏觀的統(tǒng)計分析、綜合和推理，發(fā)現(xiàn)各類教學(xué)活動數(shù)據(jù)間的關(guān)聯(lián)性、變化趨勢以及一般性的概括知識，以這些信息再開發(fā)所得的知識來指導(dǎo)高校教學(xué)管理和決策活動，可以更科學(xué)、更合理地進行管理和決策，有利于教學(xué)活動有序、正常地進行。

通過本文的研究，從理論和實踐上提供一套有效的方法和工具，為高校全面進行數(shù)據(jù)倉庫、數(shù)據(jù)挖掘的研究與開發(fā)提供參考。

[1]邵峰晶，于忠清編著.數(shù)據(jù)挖掘原理與算法[M].北京：中國水利水電出版社，2003，08.

[2]符開耀，朱文湘，朱建軍.關(guān)聯(lián)規(guī)則分析及其在教務(wù)管理系統(tǒng)中的應(yīng)用[J].微計算機信息，2007，28（7）：692-695.

[3]查東輝，胡致杰.數(shù)據(jù)挖掘在高校教務(wù)及科研管理中的應(yīng)用[J].科技管理研究，2009（4）：109-110.