导 师: 闵华清;王柏勇
授予学位: 硕士
作 者: ;
机构地区: 华南理工大学
摘 要: 数据挖掘技术因“数据爆炸但知识贫乏”而应运而生,并因其强大的生命力而成为继网络技术之后的新技术热点;学分制因教育改革而盛行,选课系统也因学分制盛行而变得越来越重要。在“以人为本”的理念已深入渗透到教育领域之际,学分制下的选课系统也应与时俱进,更多体现人性化的思想,更多应用新技术的精髓,更多融合新教育的理念,从而更好地为我们的学生服务。本课题就是以此作为指导思想,对选课系统中的数据进行采集与分析,提出了结合数据挖掘和C/S+B/S架构技术的设计思路,开发出适合学分制和决策分析的选课系统。主要工作包括: 1、运用面向对象的分析、设计语言UML来进行分析和设计,完成系统的静态建模,论文中对重点用例和活动图进行了描述。 2、使用ASP技术和DELPHI工具,设计和实现了C/S+B/S混合结构的选课系统的主要功能。 3、研究与实现选课系统的选课指导及其数据挖掘手段。 4、运用SQLSERVER2000,设计和创建了基于数据挖掘应用的数据库、学生主题数据集市和多维立方体。 5、研究和实现了APRIORI关联规则算法,并成功地应用到课程相关性的研究中。经过关联规则挖掘后发现课程之间存在着一定的关联与前后顺序关系,如分析得到规则《财务案例研究》及格()《货币银行学》及格。这些规则将会有效地指导学生选课。 6、运用MSANALYSISSERVICE中提供的两个数据挖掘算法MICROSOFTDECISIONTREES(决策树)和MICROSOFTCLUSTERING(聚集),针对学生的外显特征和综合表现等方向进行分类和集群,得出如下结论:性别对学生的综合表现具有较强的预测力年龄小于或等于30岁的男生学习综合表现趋向于差的可能性较高年龄大于30岁的男生学习成绩表现偏向优秀的可能性较大年龄小于或等于30岁的女生学习成绩的综合表现多偏向于中导师会对以上特征进行分析并指导学生选课。 数据挖掘技术自从被学术界提出后,已广泛地应用在各行各业,但在教育领域中的应用并不广泛。本课题只是从比较容易的资料着手对数据挖掘技术在选课系统中的应用进行了研究,随着后期系统数据的积累和数据采集的进一步研究,数据挖掘的应用范围与实用性将可得到扩展,挖掘的结果也将更丰富,且更具意义。本课题为数据挖掘技术在选课系统中的应用提供了新的决策分析思路和有价值的应用实例。
关 键 词: 选课系统 数据挖掘 数据集市 关联规则 决策树
分 类 号: [G424.71 TP311.12]