论文部分内容阅读
摘要:国内各高校在教学过程中积累了众多的数据,但大部分数据没有得到很好的挖掘和研究利用,相反数据挖掘却在电信、银行、保险等许多行业得到广泛的应用。本文对数据挖掘在教育中的应用以及存在的问题和前景展望进行研究探讨。
关键词:数据挖掘 教学应用 管理应用
一、数据挖掘技术概述
1.数据挖掘涵义
随着计算机应用的普及,信息技术的发展,产生了大量的数据。如何从大量数据中提取有用信息,找到隐藏信息成为亟待解决的问题。数据挖掘技术应运而生,且伴随数据库技术发展而逐步得到完善。
数据挖掘(DM:Data Mining)也称数据库中的知识发现KDD(Knowledge Discovery in Database),是从大量数据中提取或“挖掘”知识的过程,即从数据集合中抽取出隐藏在数据中的有用信息和知识的非平凡过程。数据挖掘是建立在人工智能、数据库技术、统计学、可视化支柱技术、机器学习、并行计算等不同学科和领域知识基础上,不同于信息检索的一门数据库技术。在大量数据中查找符合条件的记录,或者在因特网中搜索查找需要的特定信息,均属于信息检索领域范畴。
常用的数据挖掘技术主要有关联分析法、时间序列分析法、预测分析法、分类分析法、聚类分析法等。
2. 数据挖掘对象
数据挖掘对象是大量多种多样的数据,可以是关系型数据库中的结构化数据;也可以是文本数据库、多媒体数据库、时态数据库、历史数据库中的非结构化数据;甚至是万维网(WEB)上的异构型数据。
二、数据挖掘在教学和管理中的具体应用
1.教学方法分析
在教学过程中,教师通常采用讲授法、讨论法、案例法、演示法、参观学习法等多种教学方法完成对本门课程的教学任务。不同专业及层次的教学班级应采取何种教学方法以满足教学需要,且有利于学生对知识的掌握?大量的教学实践经验存放于教学数据库中,运用聚类分析、关联规则或分类分析的方法对存放于教学数据库中的数据进行挖掘,可以判断出教学方法与学生之间存在的适合关系,对分类、分层次、分专业教学具有指导意义。
2.教与学的评价分析
教学评价包括教师“教”的评价和对学生“学”的评价,是世界教育科学研究三大研究领域之一。目前,在各个高校中通过参考国内外相关评价指标体系且结合实际经验和采取调查问卷等方式积累了大量教与学的评价数据,包括学生综合评价指标、学生测评指标、课堂教学评价指标等,但对于各项指标间的关系,进行评价指标体系研究的高校却较少。[4]将粗糙集理论及关联规则应用到各评价系统,进行数据挖掘,可以容易地找到适合学校教学评价且简单易行的评价指标体系。另可考查学生个别差异,便于因材施教,对学生的学习评价也是各个高校教育工作者的重要职责之一。
利用数据挖掘工具,如将关联规则运用于教学评价数据库中的数据,得到教学效果与教师的职称、性别、年龄等之间的关系以及学生具备的素质指标之间的关系等,可以即时得到教学评价结果,从而对教师的“教”和学生的“学”进行及时指正。
3. 课程设置分析
学校对学生课程的设置大多遵循先基础、后专业、每学期的必修与选修课程的规律,课程与课程之间存在一定的关联与前后顺序关系,且学习室循序渐进的。[5]怎样能使每学期的课程设置大局与局部兼顾是一个值得教育工作者研究的问题。
学校学生成绩数据库中存放了历届学生的考试成绩信息,运用关联分析、分类分析和时间序列分析对学习同一门课程的不同专业和班级的学生成绩数据进行挖掘,分析数据之间的相关性和规律性信息,找出影响学生学习成绩的原因,从而对学校学生課程的设置做出合理安排。
4.学生学习及行为分析
依靠教师多年的教学经验来解决,可以了解学生在学习过程中所遇到的困难,帮助学生克服学习中的障碍,但对于更新迅速的计算机学科,传统的教学方法显然不能满足教学。因此可以利用数据挖掘技术从学生提交作业的数据库中提取数据及时发现和解决问题。例如,本人近期对学生提交的C语言程序设计课程作业进行数据挖掘,通过对评阅结果为语法错误、语法警告和运行错误的记录使用数据挖掘技术,准确地发现了学生程序中的语法及算法错误的主要因素,使学生得到及时地反馈,并在日后的程序设计中避免类似错误发生,从而明显改善教学效果。
在信息技术高度普及的今天,利用数据挖掘工具对学生的奖惩情况记录数据库、学生互评数据库、学习行为记录数据库等进行分析处理,对学生的行为进行管理并对不良行为进行及时指正,既减轻了教师的工作量,又达到了改善教学的目的。
5.学籍管理分析
各个高校在学生入学后,都为学生建立了学生档案,包括学生的姓名、年龄、性别、家庭情况、健康状况、特长爱好、奖惩情况、入学前后的成绩、联系方式等等。这些信息当中隐含了大量的有价值的数据,如每名学生的学习成绩变化情况、行为记录情况、身体健康变化情况等,运用预测分析、演变分析、统计分析、聚类分析、关联分析等方法,挖掘出有价值信息进行分析,对提高学生学习能力、各方面素质发展、纠正不良学习行为、学校的学生管理工作等均能起到指导作用。
三、数据挖掘应用的困境及发展前景
数据挖掘存在着一个潜在的机会。从数据集中发现模式的可能性当然存在,然而,也不应就此掩盖危险。所有真正的数据集,即使那些是以完全自动方式搜集的数据,都有产生错误的可能,关于人的数据集,例如事务和行为数据,尤其有这种可能。与此相关联的是如何确保任何所搜集到的模式是“真实的”,并为数据挖掘的可靠性提供保障。
目前,数据挖掘技术及应用已是国际上的一个研究热点,并在许多行业中得到应用,尤其在市场营销领域体现了其优越性和发展潜力。据国外专家预测,随着数据量的日益积累以及计算机的广泛应用,数据挖掘将在中国形成一个产业。随之而来的是数据挖掘技术在教育领域中的应用也必将不断壮大,发挥越来越大的作用,对日后教育的改革和发展起到指导和巨大的推动作用。
参考文献:
[1](加)Jiawei Han Micheline Kamber著 范明 孟小峰 等译.data Mining:Concepts and Techniques数据挖掘概念与技术[M].北京:机械工业出版社,2001:3-17
[2] Margarent H.Dunham著郭崇慧 田凤占等译.数据挖掘教程[M].北京:清华大学出版社,2005:3-15
[3]张玉林.数据挖掘技术在教学过程中的指导作用[J].西安通信学院学报,2006,5(2):38-40
[4]刘晓霞.数据挖掘技术在高校教学中的应用[J].实践与经验,2008(6):115-117
关键词:数据挖掘 教学应用 管理应用
一、数据挖掘技术概述
1.数据挖掘涵义
随着计算机应用的普及,信息技术的发展,产生了大量的数据。如何从大量数据中提取有用信息,找到隐藏信息成为亟待解决的问题。数据挖掘技术应运而生,且伴随数据库技术发展而逐步得到完善。
数据挖掘(DM:Data Mining)也称数据库中的知识发现KDD(Knowledge Discovery in Database),是从大量数据中提取或“挖掘”知识的过程,即从数据集合中抽取出隐藏在数据中的有用信息和知识的非平凡过程。数据挖掘是建立在人工智能、数据库技术、统计学、可视化支柱技术、机器学习、并行计算等不同学科和领域知识基础上,不同于信息检索的一门数据库技术。在大量数据中查找符合条件的记录,或者在因特网中搜索查找需要的特定信息,均属于信息检索领域范畴。
常用的数据挖掘技术主要有关联分析法、时间序列分析法、预测分析法、分类分析法、聚类分析法等。
2. 数据挖掘对象
数据挖掘对象是大量多种多样的数据,可以是关系型数据库中的结构化数据;也可以是文本数据库、多媒体数据库、时态数据库、历史数据库中的非结构化数据;甚至是万维网(WEB)上的异构型数据。
二、数据挖掘在教学和管理中的具体应用
1.教学方法分析
在教学过程中,教师通常采用讲授法、讨论法、案例法、演示法、参观学习法等多种教学方法完成对本门课程的教学任务。不同专业及层次的教学班级应采取何种教学方法以满足教学需要,且有利于学生对知识的掌握?大量的教学实践经验存放于教学数据库中,运用聚类分析、关联规则或分类分析的方法对存放于教学数据库中的数据进行挖掘,可以判断出教学方法与学生之间存在的适合关系,对分类、分层次、分专业教学具有指导意义。
2.教与学的评价分析
教学评价包括教师“教”的评价和对学生“学”的评价,是世界教育科学研究三大研究领域之一。目前,在各个高校中通过参考国内外相关评价指标体系且结合实际经验和采取调查问卷等方式积累了大量教与学的评价数据,包括学生综合评价指标、学生测评指标、课堂教学评价指标等,但对于各项指标间的关系,进行评价指标体系研究的高校却较少。[4]将粗糙集理论及关联规则应用到各评价系统,进行数据挖掘,可以容易地找到适合学校教学评价且简单易行的评价指标体系。另可考查学生个别差异,便于因材施教,对学生的学习评价也是各个高校教育工作者的重要职责之一。
利用数据挖掘工具,如将关联规则运用于教学评价数据库中的数据,得到教学效果与教师的职称、性别、年龄等之间的关系以及学生具备的素质指标之间的关系等,可以即时得到教学评价结果,从而对教师的“教”和学生的“学”进行及时指正。
3. 课程设置分析
学校对学生课程的设置大多遵循先基础、后专业、每学期的必修与选修课程的规律,课程与课程之间存在一定的关联与前后顺序关系,且学习室循序渐进的。[5]怎样能使每学期的课程设置大局与局部兼顾是一个值得教育工作者研究的问题。
学校学生成绩数据库中存放了历届学生的考试成绩信息,运用关联分析、分类分析和时间序列分析对学习同一门课程的不同专业和班级的学生成绩数据进行挖掘,分析数据之间的相关性和规律性信息,找出影响学生学习成绩的原因,从而对学校学生課程的设置做出合理安排。
4.学生学习及行为分析
依靠教师多年的教学经验来解决,可以了解学生在学习过程中所遇到的困难,帮助学生克服学习中的障碍,但对于更新迅速的计算机学科,传统的教学方法显然不能满足教学。因此可以利用数据挖掘技术从学生提交作业的数据库中提取数据及时发现和解决问题。例如,本人近期对学生提交的C语言程序设计课程作业进行数据挖掘,通过对评阅结果为语法错误、语法警告和运行错误的记录使用数据挖掘技术,准确地发现了学生程序中的语法及算法错误的主要因素,使学生得到及时地反馈,并在日后的程序设计中避免类似错误发生,从而明显改善教学效果。
在信息技术高度普及的今天,利用数据挖掘工具对学生的奖惩情况记录数据库、学生互评数据库、学习行为记录数据库等进行分析处理,对学生的行为进行管理并对不良行为进行及时指正,既减轻了教师的工作量,又达到了改善教学的目的。
5.学籍管理分析
各个高校在学生入学后,都为学生建立了学生档案,包括学生的姓名、年龄、性别、家庭情况、健康状况、特长爱好、奖惩情况、入学前后的成绩、联系方式等等。这些信息当中隐含了大量的有价值的数据,如每名学生的学习成绩变化情况、行为记录情况、身体健康变化情况等,运用预测分析、演变分析、统计分析、聚类分析、关联分析等方法,挖掘出有价值信息进行分析,对提高学生学习能力、各方面素质发展、纠正不良学习行为、学校的学生管理工作等均能起到指导作用。
三、数据挖掘应用的困境及发展前景
数据挖掘存在着一个潜在的机会。从数据集中发现模式的可能性当然存在,然而,也不应就此掩盖危险。所有真正的数据集,即使那些是以完全自动方式搜集的数据,都有产生错误的可能,关于人的数据集,例如事务和行为数据,尤其有这种可能。与此相关联的是如何确保任何所搜集到的模式是“真实的”,并为数据挖掘的可靠性提供保障。
目前,数据挖掘技术及应用已是国际上的一个研究热点,并在许多行业中得到应用,尤其在市场营销领域体现了其优越性和发展潜力。据国外专家预测,随着数据量的日益积累以及计算机的广泛应用,数据挖掘将在中国形成一个产业。随之而来的是数据挖掘技术在教育领域中的应用也必将不断壮大,发挥越来越大的作用,对日后教育的改革和发展起到指导和巨大的推动作用。
参考文献:
[1](加)Jiawei Han Micheline Kamber著 范明 孟小峰 等译.data Mining:Concepts and Techniques数据挖掘概念与技术[M].北京:机械工业出版社,2001:3-17
[2] Margarent H.Dunham著郭崇慧 田凤占等译.数据挖掘教程[M].北京:清华大学出版社,2005:3-15
[3]张玉林.数据挖掘技术在教学过程中的指导作用[J].西安通信学院学报,2006,5(2):38-40
[4]刘晓霞.数据挖掘技术在高校教学中的应用[J].实践与经验,2008(6):115-117