论文部分内容阅读
目前,在加快数字化校园建设的进程中,计算机和网络的应用越来越普遍。由于校内各个部门都在不断地完善自己的管理信息,这样长时间的运行就积累了大量的数据。但是这些宝贵的信息资源,由于缺乏比较全面的信息意识和技术,数据只能被用于简单的查询和统计,而隐藏在其中深层次的信息并没有得到充分地利用。数据挖掘技术通过分析数据库中大量的不完整数据,从中提取出有效的、隐含的、潜在的有用的知识,以便优化信息化管理,为高效管理部门提供了重要的依据。因此,深入开展数据挖掘技术的研究,成为高校面前的一项重要任务,对于办学效益具有重要的意义。将数据挖掘技术运用到高校教学数据分析中,通过对成绩数据的深层次分析和处理,不仅可以帮助教师了解学生的学习现状,根据学生的掌握知识点进行因材施教,从而更加灵活地组织教学,提高教学效率,还有利于学生自身的发展,有针对性的提高学生学习成绩。本文首先介绍了数据挖掘的相关理论和算法,并重点对关联规则Apriori算法、聚类分析K-means算法、分类分析C4.5算法进行了介绍。在此基础上,以weka平台作为数据挖掘的主要工具,对河北师范大学计算机科学与技术专业学生课程成绩数据进行准备和预处理,进行关联规则分析,从而得出课程之间存在的某种相关性,以便指导和建议学生学习和选课,提供一定的参考;利用2008级物理专业学生对光学实验任课教师的教师评价数据,进行聚类分析,获得学生对教师评价相似度较高的簇,发现教师在教学过程中存在的不足,促进教师的专业化发展;对学生进行计算机程序设计课程学习的调查,经过数据准备和预处理,进行分类分析,从而找到影响学生计算机程序设计课程成绩的主要因素,为教学质量的提高提供有力的数据支持。通过本研究,比较深入地对高校教学数据进行了挖掘和解释,获得潜在的有用信息。这对于高校培养计划的确定,课程的设置等具有很强的参考价值,同时,还对学生的学习和教师的教学工作有着一定的指导意义。数据挖掘技术的应用,可以促进高校和学生的共同发展。