摘   要：针对计算机专业课程教学过程和管理的大量数据，利用大数据挖掘技术，通过正确识别数据源，挖掘相同的粒子所产生的概念节点之间的关系，自动获取和积累关于关联规则的知识，并控制关联规则，以便在搜索过程中自适应地获得最优解，实现数据的自动获取和处理，用数据分析了解学生学习状况，更有针对性的对学生学习情况进行管理和优化，进而加强专业建设，优化人才培养方案，采用最佳教学方法，提高教育教学质量和人才培养质量。
　　关键词：大数据挖掘技术  教学过程与管理  应用
　　中图分类号：G434                                  文献标识码：A                        文章编号：1674-098X（2019）08（a）-0222-02
　　1  国内外研究现状
　　计算机专业教学过程中产生的数据具有以下两个特点：一是数据流动频率高;二是数据流动量大[1]。采用大数据挖掘技术，可以对其中有用的数据信息进行挖掘，并将其進行梳理和分类[2]。当教学过程中需要进行教学决策时，能够快速获得有效的相关信息，进行准确推送，提高决策的科学性和准确性。采用大数据挖掘技术，对教学过程中产生的海量数据进行综合分析，为计算机专业教学与管理提供决策支持和帮助。
　　2  大数据挖掘技术在教学与管理中的应用
　　在计算机专业教学与管理中，不仅要完成专业学习任务，更重要的是要注重学生学习能力的培养。在完成课程学习任务的同时，提高学生的沟通、合作和实践能力。大数据挖掘技术可以很好的应用在教学评价、教学课程设计、课程考核评定等方面。对于计算机专业而言，教师和学生可以了解教学现状和课程内容，有利于正确把握计算机专业教学方向改进和教学改革，形成合理的教学体系。
　　2.1 挖掘技术在教学评价方面的应用
　　对于教学过程与管理中的数据挖掘，数据库包括基本的学生信息，学生成绩，学生选课信息、教师指导信息，实验实训情况、教师研究信息和教学评价信息;基于应用程序的领域知识，要挖掘的每个属性（项目）可以简单地表示为目录树。分析评价课堂效果，对课堂教学效果评定分值进行数据挖掘，发现其关联关系，通过良好的置信度和支持度，可以对教学评价结果做出准确分析。
　　2.2 挖掘技术在课程教学设计中的应用
　　采用大数据技术针对学生不同模块试题的成绩数据进行分析和评价，对不同的知识点进行数据挖掘，挖掘每个知识点的难度、各个知识点的相关性和顺序关系，使教师在准备课程时能够更好地设计教学内容，更好地将知识点融入教学中。挖掘规则中的重要因素包括：平衡支持权重、适应度函数、置信度。由于阈值与置信度属性相关，为从数据库中挖掘有效的关联性，必须预先定义适应度函数的阈值。
　　3  结语
　　本文通过运用大数据挖掘技术，利用教学评价、教学设计、课程考核过程中的数据，运用关联规则分析、粒度节点模型等分析各个因素之间的联系，使整个教学管理更加合理和精准，教学决策更加科学。
　　参考文献
　　[1] 张洪军.基于大数据的高校管理改革研究[J].中国成人教育，2017（20）：42-44.
　　[2] 孙卫东.高职教学质量之大数据管理模型[J].职教论坛， 2016（19）：52-57.
　　[3] 杨雪平，陈光海，韩晋川.基于大数据的职业教育智慧云平台教学环境构建[J].职教论坛，2018， No.695（07）：59-62.