罗宇　李明东　伍开胜

【摘 要】针对南充市中小学的日常管理及成绩统计的非智能化环境，采用winform开发框架，C/S结构，设计并实现了一套具有针对性的教务管理系统。实现了对教师、学生信息，教师评价，课表排定，学生成绩管理等教务工作的智能化操作。

【关键词】教务管理系统；winForm；智能化

0 引言

随着时代的发展和人们对教育重视程度的提高，中小学的学生规模日益增长。大量的学生导致学校的教务管理工作越来越繁重，随着工作量的加大和对工作效率要求的不断提高，原始的手工或半自动化管理方式的弊端逐渐显现出来。手工处理大量数据时，不但给工作人员带来极大的压力，而且容易产生操作上的失误，造成数据的异常，信息查询的效率更是低下。并且，手工制作学校管理工作中的各种报表也需要浪费大量的人力和时间。这就在很大程度上影响了学校管理工作的效率，甚至影响正常的教学进程所以，传统的手工教务管理和简单的计算机辅助管理已经无法满足管理人员的工作需求。为了避免上述问题，我们开始了该系统的设计和实现。

1 数据库的设计

Microsoft SQL Server 2005 是一个全面的数据库平台，使用集成的商业智能（BI）工具提供了企业级的数据管理。Microsoft SQL Server 2005数据库引擎为关系型数据和结构化数据提供了更安全可靠的存储功能。本系统的数据库实体包括班级、教师、学生、课程、课表，数据库表设计如下（表1）：

表1 数据库设计

2 系统的设计和实现

2.1 系统总体结构设计

本系统在进入时，必须先进行身份验证，最高等级权限为管理者模式。其他等级分为学校领导、教师、学生。高级权限拥有低级权限的所有功能。系统功能如图1所示。

2.2 通信模块设计

采用socket套接字实现客服端和服务端的通信，send和recive方法发送申请和获取数据，应用数据长度加数据的结构体来解析网络数据。Socket模块的工作流程如下：

（1）在通信开始之前由双方确认身份，建立一条虚拟连接通道，用于数据传输；

（2）利用虚拟连接通道传送数据信息进行通信，传输数据；

（3）通信结束时，接收线程进入监听。

2.3 教师评价模块设计

该模块运用.net的DataGridView控件，把从服务器端获取数据进行解析，并逐条添加到该控件中。最后对DataGridView的排序进行重写，使显示的数据按照需要的顺序重新排列。

对数据的操作采取了对比的模式。在获取数据的时候，建立了一张虚拟的表，其数据为接收的数据一直。当提交修改时，在本地将数据进行对比，只将修改的数据发送到服务器，减少了数据传输。

2.4 学生成绩录入模块设计

运用button控件的事件机制，单击某一课程时从服务器获取对应数据，依次逐条的加入到DataGridView中。修改课程成绩时，直接DataGridView中修改，利用DataGridView控件的CellBeginEdit和CellEndEdit事件，对数据进行修改，然后通过通信模块将修改结果发送给服务端。效果图如图2：

3 数据挖掘技术在软件中的应用

3.1 数据挖掘简介

数据挖掘，又名为资料探勘、数据采矿，它就是从大量的数据中挖掘出知识（其中的数据源可能包括数据库、数据仓库、网络、其他种类的信息存储库或动态地流入系统的数据），并对所挖掘出的知识进行理论化和可视化的处理，使其变得简洁、生动，从而辅助管理者对未来发展趋势做出正确决策的过程。具体地说，数据挖掘的整个过程是由一系列的迭代序列组成的：

（1）数据清理：将不需要的“脏数据”从数据中剥除；

（2）数据选择：通过多种数据处理系统的应用，收集数据源，并将数据源中的与数据挖掘有关的数据提取出来；

（3）数据变换：将数据进行类型和性质上的转换，规范数据的形式；

（4）数据挖掘：使用聚类分析、关联规则分析方法对数据进行整理；

（5）知识表示：根据用户要求，通过理论化和图形化的处理，为用户呈现出简洁的、生动的挖掘结果。

3.2 K-Means算法和Apriori算法

k-means算法，也被称为k-平均或k-均值，是一种得到最广泛使用的聚类算法。其主要是用来计算数据聚集，通过不断地取离种子点最近均值的算法。采用距离作为相似性的评价指标（即认为两个对象的距离越近，其相似度就越大）。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。

Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。

挖掘步骤分为：

（1）首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样；

（2）然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。

使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。

本系统主要实现了关联规则分析算法中的Apriori算法和聚类分析算法中的K-Means算法，并根据学生实际情况和对学生成绩的分析，结合现有的经典数据挖掘技术，创建了围绕学生成绩为主题的聚类分析算法和围绕聚类结果得到的学生类型为主题的聚类分析算法，从而达到能够从不同角度、立体化的对学生成绩进行统计分析，并对挖掘记过进行理论化和可视化的处理，将简洁、易懂的挖掘知识展现给用户。

4 结束语

本系统界面简洁，安全可靠，已经被应用于实践当中。在实际的日常管理中，能大大提高教务管理工作的效率，减少出错率，并减少了人力资源的消耗，对于中小学的日常管理有积极的作用。

【参考文献】

[1]郑耀东.ASP.NET网络数据库开发实例精解[M].北京：清华大学出版社，2006.

[2]周琦.SQL Server 2005数据库基础及应用技术[M].北京：北京大学出版社，2010.

[3]王小科.C#项目开发案例全程实录（第二版）[M].北京：清华大学出版社，2011.

[4]刘甫迎，刘光会，王蓉.C#程序设计教程（第2版）[M].北京：电子工业出版社，2008.

[5]郑阿奇，刘启芬，顾韵华.SQL Server 实用教程[M].北京：电子工业出版社， 2002.

[6][美]Simon Robinson/Christian Nagel，李敏波，译.C#高级编程（第3版）[M].北京：清华大学出版社，2005.

[7]徐孝凯，贺佳英.数据库基础与SQL Server应用开发[M].北京：清华大学出版社，2008.

[8]陈伟.SQL Server 2005数据库应用与开发教程[M].北京：清华大学出版社，2007.

[9]萨师煊，王珊.数据库系统概论[M].北京：高等教育出版社，2006.

[10]宋昆，李严，等.SQL Server数据库开发实例解析[M].北京：机械工业出版社，2006.

[责任编辑：王楠]