导　　师： 吴一民;王韶文

学科专业： G11

授予学位： 硕士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 随着人才市场竞争日益激烈,学生的教育素质是衡量各高校的一项重要标志,因此教学质量是关键。如今多数高校都有相应的教学管理系统,并累积了大量教学过程中的数据,如学籍数据,成绩数据,教师数据,评教数据,排课数据等,但通常教学管理系统只会对这些数据做一些简单的统计分析,无法发掘数据背后的一些宝贵信息来指导教学。课程体系的设置,人才培养方案的制定是否真的合适,只能通过调研这唯一途径。各个科目的成绩参差不齐,教师的评教成绩处于不稳定状态,怎样将教学效果达到最优,这些都是教学管理人员一直思考的问题[1]。20世纪80年代中期以来,数据挖掘成为一个相对发展较快的产业。该技术是从大量的、不完全的、模糊的、随机的数据中提取隐含在其中,且人们事先不知道的、但又是潜在有用的信息和知识。通过挖掘出来的信息,为教学管理者提供更为全面的分析,运用于教学管理的各个方面。关联规则挖掘比较,是数据挖掘中研究比较多的一个方向,将研究的数据进行关联规则处理,查找出这些数据之间的潜在联系。本文首先对数据挖掘进行基本的介绍,从数据挖掘的产生,到如今数据挖掘的广泛应用。对数据挖掘的不同算法分别进行讨论,简单分析各种算法的特点。结合实际教学管理情况,选择其中的一个关联规则算法——Apriori算法进行数据挖掘。文中详细讲解了Apriori算法频繁项集挖掘的过程,并针对其不足进行改进。同时利用Microsoft SQL Server 2005建立教学管理数据仓库,结合使用改进后的关联规则算法Apriori算法进行教学管理信息挖掘系统的建立。通过数据挖掘,查找出教学过程中教学相关信息之间的联系,具体在教学管理过程中主要应用于以下几个方面:1、从学生评教数据各项指标中得出任课教师、及其所授课程获得学生认可、喜爱并能很好掌握的关键因素。2、学生在学习过程中,课程与课程之间的一些潜在联系。根据课程之间的潜在联系,及专业侧重点的不同,有针对性的对某些课程进行调整。3、教学安排过程中课室、安排的周学时等对学生学习该门课程的影响。

关 键 词： 数据挖掘 数据仓库 关联规则

分 类 号： [TP311.13]

领　　域： [自动化与计算机技术] [自动化与计算机技术]