王云松

学生成绩是反映学校教学水平的第一手资料，这些数据可以为学校改进教育教学提供重要依据。然而，现阶段的学生成绩分析，多数还停留在较为原始的数据库管理和查询阶段，没有对学生的成绩进行横向和纵向的对比研究，也缺乏对各学科成绩之间内在联系的挖掘。为此，学校将数据挖掘技术与学校学生成绩分析管理系统相结合，通过分析和处理系统中大量的学生成绩数据，寻找潜在的规律及模式，促使学校更好地开展教学工作，提高教学质量。

1.数据挖掘工作模式

学校所构建的数据挖掘工作模式包括数据采集、模型建立、挖掘控制和知识分析。

在各业务模块中，数据集成模块实现响应应用请求，执行数据库查询、读取数据文件或事项记录，根据业务要求对数据源进行信息集成。数据转换模块的任务是过滤那些不符合要求的数据，包括检查数据的一致性，处理无效值、缺失值等。

知识抽取模块是基于数据源信息，依据数据挖掘算法进行多模式操作，完成知识发现。知识评价模块依据对模型的各种客观评价标准，对中间知识模式进行筛选。

知识验证模块结合各种策略，解决结果知识中的冗余和冲突，去伪存真。数据挖掘控制模块实现系统中各算法构件的初始化、组合与调用，控制挖掘过程的启动、转移和终止。

2.应用实例分析

成绩得失分率波动分析。分析各门课程试卷中的得失分情况，以及各科中各类题型的平均失分率现象，也就是通常所说的对试卷的难度进行分析。这样做有利于教师和学生分析教与学的过程，解决易出现的问题，提高教学与学习质量。利用多维分析方法对学生成绩数据进行挖掘，得到其总体均值、方差、标准差、中心矩、总体偏度、总体峰度等指标，提取得失分率波动信息。按照学生类型、发生时间、影响因素等进行相关性分析，从而挖掘出更多的信息，为下一步教学提供指导。

各科成绩特性分析。合理分析各门课程的成绩特性，优化教学与学习需求，能够充分发挥教师和学生的主观能动性，提升教学资源的使用效率，促进教学质量的提升。如各科成绩分时段特性分析，能直观表明某个时间段的综合成绩、历史平均得失分率变化趋势，可以挖掘、分析出一些隐含信息，如季节气候变化、学生身体健康状况、饮食休息安排等对成绩的影响，从中挖掘潜在的规律及适当的教学模式，促进学校更好地开展教学工作，帮助教学管理者制定教学计划。

基于数据挖掘技术构建的学生成绩分析系统，能够分析学生各科成绩的强弱分布，找出影响学生学习的各种潜在的因素，从而为开展教学管理提供合理的参考意见，具有很好的推廣应用价值。endprint