靳现凯 宋 威

(北方工业大学信息学院，100144，北京)

近年来，大数据引领的风潮不断向各大领域推进，大量数据资源的背后隐藏着各种重要信息。在教育领域中，成绩是教学改进中最为显著的指标之一，如何利用科学的方法对这些成绩数据进行挖掘与分析，从而不断革新学生的学习模式、教师的教学模式以及提高学校教育教学质量，是当下广大教育工作者们重点关注的问题。

由于国家对教育信息化建设的大力支持，国内大多数高校都建立了教务管理系统，其中存储了大量的数据，包括学生个人信息、在校期间所有课程成绩、英语四六级成绩等。然而，一方面，目前大部分高校的成绩系统仍停留在查询成绩、统计各分数段学生人数、统计成绩均值、方差等，除了这些信息，还有很多不易察觉的信息被湮没在庞大的数据之中。另一方面，由于影响成绩因素众多，不仅包括课程间的关联性，还包括学生、教师自身个性化因素，致使某些高校尽管人为分析预测成绩，但准确率也不高。

1 国内外研究现状

国外对于数据挖掘的研究起步较早，大概在1960年代就开始了相关研究。本文讨论的基于数据挖掘算法的学生成绩管理这一方向也是国外研究的热点。数据挖掘中很多经典算法例如关联规则、逻辑回归和决策树算法等均已应用于国外各大高校的教学管理研究中，比如预测大学入学比例、预测学生毕业状况、学生选课推荐等。

在学生成绩分析预测的研究方向上，美国哈佛大学的研究人员Jody Clarke与Chris Daye为了评估学生学习效果，利用数据挖掘技术分析与研究了学习行为相关的海量数据。……