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...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。显示全部
摘要:当今社会信息资源的意义已毋容置疑,统计作为信息密集型行业在政府部门、企事业单位和科研机构中发挥着至关...当今社会信息资源的意义已毋容置疑,统计作为信息密集型行业在政府部门、企事业单位和科研机构中发挥着至关重要的作用,而飞速发展的信息技术则将统计应用推进到一个崭新的时代。决策是提供统计信息的最终目的。统计信息化使得统计工作的效率大大提高,产生和积累了丰富的统计信息资源。然而,在统计信息资源的有效管理、开发和利用上还有待欠缺,统计的功能得不到有效发挥。本文在阐述统计信息化背景及其存在的问题的基础上,提出把商业智能的管理理念及其关键技术应用到统计工作中。紧扣统计业务和统计数据的特点,论述商业智能的三大关键技术——数据仓库、OLAP和数据挖掘(DM)在统计中的应用。构建了基于商业智能的统计决策分析系统理论框架,并把该思想应用到我国科技统计中。证实部分中,以科技统计中的专利成果主题为例,借助于Microsoft SQL Server BI平台,建立了专利成果的多维数据集和挖掘集,进行了OLAP分析和数据挖掘,展示了商业智能强大的决策分析功能。本文为统计工作及统计数据的开发提供了新的思路。显示全部