郭 萌

（天津滨海汽车工程职业学院，天津 300352）

高校教务管理系统（University Educational Administration System）是保证高校常规教务管理工作能够井然有序进行的重要工具。其面向的对象是高校全体教职员工以及全体在校生。随着计算机硬件和信息技术的发展，使得海量数据的处理已经成为研究与生产中的一项重要工作，数据挖掘技术由此而诞生。目前高校常用的教务管理系统是由Browser/Webserver（简称B/S）和Client/Server（简称C/S）相结合而成。这涉及学校各个相关部门。它能够保证高校工作计划的顺利进行以及了解师生相关情况，为教学活动计划制定提供详细的客观数据支持。只有做到准确、快捷、有序，才可以提升工作效率，并且通过互联网等信息技术手段不断创新、改进，逐步完善教务管理工作。提高了高校处理事务的效率，保证了高校教育质量。

一、数据挖掘技术

（一）数据挖掘技术发展历程

数据挖掘技术，顾名思义，就是通过搜集到的广泛的数据为基础来发现问题、解决问题的一种方法。属于数据库知识发现中不可或缺的一步。数据挖掘技术可以从海量数据中自动搜索其中有着特殊关系性的隐性信息。包含业务对象的确定、数据准备、数据挖掘、结果分析、知识运用等过程。数据挖掘技术的首次出现是在1989年8月份在底特律举行的第十一届国际联合人工智能学术会议上。由于数据挖掘技术可以应用于不同的领域，因此一般在研究领域中被称为数据库中的知识发现，在工程领域则被称为数据挖掘。

我国对于有关数据挖掘方面的研究相较于国外稍晚，于1993年国家自然科学基金首次支持该领域的研究项目。直至今日，我国多所高校如北京大学、清华大学、南京大学、四川联合大学等对其关联规则挖掘算法及Web数据挖掘展开了深入研究并收获成效[1]。并且在国内多个领域也受到了推广。

（二）数据挖掘技术功能及任务

高校数据库积累的数据是日渐增长的，收集到的数据蕴含了许多有意义的信息。想要快速精准地从浩瀚的数据中得到想要取得的信息，需要先进的数据分析技术来处理并挖掘有价值的潜在知识。数据挖掘技术可以做到对在教务管理中所遇到的现实问题进行有效的模式提取，方可提高数据分析处理能力。数据挖掘的主要任务包括数据总结、分类、关联分析和聚类分析。数据挖掘技术的运用触及多方领域。常见的领域包括教育领域，风控领域和医疗领域，本文所探讨的有关教育领域所应用方面已经突破了传统的教学模式，改善了教学效果，促进了教学质量的提升。

二、在教务管理中的使用数据挖掘技术

高校重要职能部门——教务处承担着高校人才培养的教育任务，是高等教育管理中的中坚力量。为高校教育发展进言献策，分析利弊，需要对本高校的实际情况进行全面严谨的调查了解，可以提供强有力的信息支持。因此，拥有数据挖掘技术的教务管理系统可以做到应用分类、特征变化、回归分析、聚类、偏差分析和Web页挖掘等手段进行信息加工。帮助高校决策者获得具有一定意识倾向性、规律性的信息，加强高校决策的准确率，从而大大提高教学质量。

目前被高校教务处广泛应用的教务管理系统具有以下优势：有专门的数据库，有可以独立存放数据的Web服务器，同时具备Web客户端和客户端。因为教务管理系统同时具备B/S和C/S两种性能，所以既可以通过下载应用程序使用也可以在电脑或手机的浏览器端直接使用。在合理的资源配置和周全的软件设计的加持下，使教务管理更加规范化，并且还体现了如今高校所实行的学分制管理思想。

（一）运用关联规则合理安排课程

学生课程设置按照循序渐进的原则来安排的。课程与课程之间有前后顺序之分并存在一定的关联性。前面的课程设置要比后面的简单，因考虑到学生存在着最近发展区，呈现螺旋上升的趋势表明，在学习难度系数大的课程之前，首先学习基础课程，如果基础课程未能学好，将会阻碍后续课程的学习。在同年级同学习进度中，会在不同班级中产生学习成绩参差不齐的现象。同时，可利用属于数据挖掘技术之一的关联规则来探究造成这一现象的原因。运用关联分析等相关功能时要做到在大量的数据中寻找有效信息，并分析其相关性来找到影响成绩的原因，再结合实际情况对课程的设置作出合理安排。

对于基础教育和高等教育来说，学生是“学”的主体，教师是“教”的主体，两者关乎高校的教育质量能否提高。对学生因材施教和教师要做教育的研究者是践行“以人为本”教育理念的基本要求之一。可以通过数据挖掘技术-分类法直接提取针对学生个人或老师教学情况相关的有效信息，针对信息进行归纳、分析、总结和概括，找出其所具有的共同点。分门别类地对学生个人和教师进行科学化指导。

（二）运用聚类分析法提升考试质量

试卷质量决定着考试质量。在教务管理系统中使用聚类分析法来分析试卷的质量以及计算试卷的设置是否科学。聚类分析法是按照最大化内和最小化内的相似性原则将大量数据进行分组和聚类，简而言之按照对象的特征来进行分类。考试作为衡量学生学习效果的重要手段之一，考试成绩成了可参照的重要指标。可以透过成绩对试卷质量进行评价。学生的成绩呈现正态分布，则说明试卷的质量较好。成绩呈现双峰型状态，试卷难度分配不当。无法准确区分学生的学习程度，对中等学习程度的学生区分度较好，难度梯度分度不均匀。还有一种成绩分布方式呈陡峭型[2]。这种分布方式试题难度差别较小，试题难度不具备分辨度，会造成大多数的学生考试成绩都相近，无法区分出学生的学习程度，影响教师对于学生学习情况的准确判断，从而影响整体的教学质量。

学生试卷成绩采用量化的模式是常用手段，存在峰态系数和偏态系数两个评价指标作为评价标准。便于对试卷进行分类，为采用聚类分析法做铺垫。这会大大提高试卷的质量，能更准确地通过学生成绩来直观地看出教学质量。

（三）运用Web挖掘技术设置决策支持系统

教务管理系统中的决策支持系统主要有问题处理与人机交互系统、模型库系统、数据库系统三部分组成，这项技术是由Web挖掘应用技术来实现的。它是一项综合技术，对Web页面内容及后台数据库进行挖掘，从Web文档内容及其描述中的内容信息中获取有用知识的过程。计算机应用技术的发展为决策支持系统提供了物质基础。在高校教务管理系统中，各部分呈现出一副错综复杂的关系，以往教务工作决策仅仅凭借学校领导的经验和协商是远远不够的，需要更精确科学信息化的方法。那么决策支持系统则可以通过Web挖掘技术获取到与学生或学校相关信息并进行快速分析处理。例如：科研知识层面、教学经费财务分析方面、政策、高校学生人才就业方面等事关学校发展前景的信息。针对大量的信息整体分析，获取相关资料，可预见学校未来将要面临的风险与挑战，同时提出针对性的解决方案。同时，决策者可按实际情况从众多方案中选择一项最佳方案。从而使学校能够得到高质量、高速度的发展。

（四）运用数据挖掘提升学生评价质量

学习评价是教育过程中的常见环节，对学生学习有不可或缺的作用。积极有效的学习评价可以激发学生的学习动机，唤起学生的学习兴趣，发挥学生学习的自主性，让学生及时得到正确的信息反馈，明确自己学习的长处与不足，使学生受到激励与警示，扬长避短。对于教师来说，可以通过其来检查自己的教学计划，手段和方法的设置是否合理，是否能准确达到教学目的，也可使教师了解学生的学习进度，提高教学水平和及时反思。

可以通过现在的数据挖掘技术对学生的成绩、平时表现、所获奖惩等有所记录的数据库中进行信息的提取分析和处理。以便及时准确地传送学生评价，让老师及时了解，并针对学生的行为进行改进[3]。教师可以及时预见学生不良行为，并采取相应的措施。像这样的评价系统客观性较强，削弱了教师等人的主观性所带来的有失偏颇地评价观点。同时也让教师加大对教学研究方面的精力分配，提高教学质量。同时可以随时监测教学情况的转变，可以使教师随时进行调节。

教学质量评价对实际教学工作有着良好的导向性作用，并对高校具体教育教学工作有着重要的指导性价值。为此，高校通过每学期的教学质量评价来实现对自身教学质量的评估，并积累海量数据在通过数学挖掘技术从中获得有效信息，得知教师自身年龄、学历、年龄以及教学效果之间的关系，从而对高校各专业学科教师展开科学的配置，有效调动学生对专业课程的学习热情，提升教学有效性及教学质量，运用关联规则及聚类法获得不同成绩学生群体的特点，通过所得数据分析出影响学生成绩的具体原因，继而采取针对性的教学方法提升专业教学有效性，让高校各专业教学更加有的放矢。

综上所述，在高速信息化时代，教育系统的信息化、科学化、现代化的创新模式也在层出不穷。高校教务系统中采用便捷的数据挖掘技术，大大提升了教务管理方面的效率，能更好地掌控大数据，也可以弥补传统经验管理模式所带来的弊端。关联规则、聚类分析、Web挖掘技术等运用于高校教务管理。增强客观性和科学性因素影响力的同时，节省时间和成本。削弱主观因素所带来的干扰。当然，此种方式在实际的运用中仅作为辅助方式，需要专业人员进行宏观调控，加强把控高校教务管理方面的灵活性，数据挖掘技术逐渐适应教育领域，推动了高校教务管理创新模式的发展。