２０１４年６月 天津市经理学院学报 Ｊｕｎｅ ２０１４ 第３期（总第５３期） Ｊｏｕｒｎａｌ ｏｆ Ｔｉａｎｊｉｎ Ｍａｎａｇｅｒ Ｃｏｌｌｅｇｅ Ｎｏ．３（Ｓｕｍ Ｎｏ．５３） 在教务管理中可应用数据挖掘技术 王艳 （宿迁高等师范学校，江苏宿迁，２２３８００） 摘要：目前教务管理系统大部分仍停留在在线数据处理的基础上，往往没有去探索成绩和大 学生的基本信息及专业设置、课程安排这些数据之间隐含的规律和知识。可应用分类、聚类、回归分 析、关联规则、变化、偏差分析和ｗｅｂ页挖掘等数据挖掘技术对信息进行加工，从中获取反应倾向 性和规律性的一些信息，有利于有针对性地提高教学质量。 关键词：教务管理系统；数据挖掘；关联规则 中图分类号：Ｇ４２４ 文献标识码：Ａ 文章编号：１００９—３８７７（２０１４）０３—６９—０２ 一、高校教务管理系统的发展现状 息的非平凡过程。 随着高校招生规模不断扩大及各类教学管理改革的新 根据数据挖掘的应用类型不同，在数据挖掘领域提出了 模式不断推出，高校的教务管理工作变得越来越复杂。确保 一些实现的方式和算法。 高校的教学质量也对高校教务管理的规范性、科学性和服务 １、统计分析方法。利用概率论、统计学原理对关系表中 性提出了更高的要求。 的各个属性进行统计和分析，找到它们之间的关系。 如何合理地安排师资力量，正确认识大学生的基础差异 ２、人工神经网络方法。该方法属于软计算领域的一种很 比较大的现实以及课程设置等问题呢？ 重要的方法，它可以按照管理或者非管理模型来学习。主要 针对这些问题，在设计高校教务管理系统的时候就一定 用于聚类、分类、预测、特征采掘以及模式识别。 要考虑如何在海量的教务数据中发现隐性的有用的信息，预 ３、决策树和决策规则方法。将数据规则可视化，得到容 测高校的教务管理趋势以及解决教务管理中存在的问题，这 易理解的输出结果。精度比较高，构造过程简单。确定是很难 些都需要教学管理系统具有数据挖掘功能。 基于多个变量组合来发现规则，并且不同决策树分支之间的 目前的教务管理系统大部分是联机实录处理系统进行 不光滑。 成绩管理，这些成绩数据只是简单地存储在数据库中，对数 ４、进化计算法方法。模仿生物进化一类计算方法的统 据的处理只停留在简单的数据查询、插入修改等功能的水平 称。主要包括遗传算法、遗传编程、进化规划、进化策略。 上，仅有的成绩分析也只是总和、合格率、平均值、均方差之 ５、关联分析。分为两种：关联规则和时序分析。 类的简单统计。隐藏在这些数据中的潜在信息被闲置，没能 ６、粗糙集和模糊处理技术。粗糙集是一种用来处理不确 被充分利用，这就很难为教学管理和决策提供科学依据。 定性和含糊性的数学工具。模糊集和粗糙集两者相互区别又 在数据挖掘技术的基础上，再结合现存的高校教务管理 互相补充。 系统中的数据来搭建教学管理决策支持系统，对于实现高校 三、数据挖掘技术在高校教务系统中的应用 教务管理的规范化、科学化，提高高校教务管理的质量，都具 高校中的教务管理在高等教育中承担着相当重要的角 有极强的现实意义和深远的助推教学改革的意义。 色，尤其是在实现个性化的人才培养、向高校领导提供决策 二、数据挖掘技术 的信息支持的过程中，如果应用分类、聚类、回归分析、关联 所谓数据挖掘（Ｄａｔａ Ｍｉｎｉｎｇ，ＤＭ）是指从数据库中大量 规则、变化、偏差分析和ｗｅｂ页挖掘等数据挖掘的技术手段 的、不完全的、模糊的、有噪声的、随机的数据中揭示出隐含 对信息进行加工，从中获取反应倾向性和规律性的一些信 在其中的、人们事先不知道的、又是潜在的有用的知识和信 息，从而为高校的决策者的决策提供有效的参考。 收稿日期：２０１３—１１－２９ 作者简介：王艳，宿迁高等师范学校讲师。 ６９ ２０１４年６月 天津市经理学院学报 Ｊｏｕｒｎａｌ ｏｆ Ｔｉａ＠ｎ Ｍａｎａｇｅｒ Ｃｏｌｌｅｇｅ Ｊｕｎｅ ２０１４ 第３期（总第５３期） Ｎｏ．３（Ｓｕｍ Ｎｏ．５３） １、关联规则——应用于教学评估。具有很强的导向性的 高校教学质量评估对教学工作具有重要的指导意义。高校每 年每学期的教学评估积累了海量的数据，可以利用数据挖掘 中的关联规则对这些大量的数据认真挖掘，以发现教学质量 和教师的职称、学历和年龄的关系，从而便于决策者合理地 配置师资，更好地开展教学活动。在授课过程中，利用数据挖 掘技术中的聚类和关联规则，可以获取具有不同成绩特征的 大学生群体的信息，分析出影响大学生成绩的主要因素，便 于教师选择合适的教学方法。 ２、ｗｅｂ数据挖掘——应用于高校数字网上图书馆。高校 的数字图书馆要依靠有效的信息组织和管理的方式来对相 关的信息进行深层加工和处理，为高校师生和社会大众提供 高职院校的 大学生宿舍资产管理 黄桂玲 （东莞职业技术学院，广东东莞，５２３８０８） 摘要：高职院校的大学生宿舍资产管理是 提高国家资源利用率，保障大学生财产安全的必 要措施。由于高职院校普遍建校较晚，在大学生 多层次的信息服务，全方位的知识服务和经过加工的高附加 值的信息知识产品。Ｗｅｂ数据挖掘技术是数字网上图书馆可 以利用的，该ｗｅｂ数据挖掘技术可以对网络中重要的信息实 行有效的整合和导航。当用户查询或者访问数字图书馆的时 宿舍资产管理方面存在诸多问题，所以，提高高职 院校大学生宿舍的资产管理水平应当对高职院 校有普遍意义。 关键词：高职院校；后勤社会化；宿舍资产 中图分类号：Ｇ７１２ 文献标识码：Ａ 候，可以通过程序实现记录用户的访问信息一用户信息以及 用户访问信息的日志。借助程序对用户访问数据的分析，有 助于数字网上图书馆的工作人员深入了解用户的需求，体现 数据挖掘功能的价值。 文章编号：１００９—３８７７（２０１４）０３—７０—０２ ３、分类分析——应用于个性化人才培养。分类就是找出 数据库中一组数据对象的共同特点，然后按照分类模式将其 划分为不同的类，目的就是通过分类模型将数据库中的数据 项映射到某个给定的类别。高校生源的质量落差比较大，现 如今，各个高校都开始重视大学生之间的个体差异，逐渐注 重个性化人才的培养，这就要求高校的教务管理工作应对不 同的大学生个体采取不同的培养方式，而且个性化的人才培 大学生宿舍资产是高职院校资产的重要组成部分，大学 生宿舍资产管理的优劣体现了后勤资产管理的水平。加强高 职院校大学生宿舍资产管理也是增强后勤Ｔ作的必要举措。 一、高职院校大学生宿合资产管理存在的问题 １．大学生宿舍资产管理主体混乱。在高职院校，大学生 宿舍资产管理涉及到宿管科、学管中心、后勤处等部门。原则 上说，大学生宿舍资产管理应主体分工明确、权责清晰，但在 高职院校大学生宿舍资产管理过程中Ｈ｛现了多部门分头管 理的混乱现象。这种多头管理的混乱现象必然带来管理主体 不明确，宿舍资产重叠登记等“乱”管理问题的出现，导致大 学生宿舍资产利用率不高。 ２．大学生宿舍管理队伍临时化给资产管理代来不利。高 职院校后勤社会化后，大学生宿舍资产的管理队伍、大学生 宿舍资产管理工作基本纳入到后勤管理工作中。后勤部门为 养方案的制定需要有一定的信息积累。比如个体的性格特 征、课程配置、学习的兴趣、方法以及教学资源的配置等。以 往，这些信息的采集依靠的是文卷调查的方式，非常耗时而 且费力。现在，可以借助数据挖掘技术从教务管理系统中直 接提取。对挖掘出来的信息数据建立一个模型，在此基础上 分析、归纳、总结，找出共同点，按照分类的模式划分归类，将 大学生个性化培养方案概括到某个给定的范围，不仅可以为 大学生个性化的学习提供科学有效的指导，同时也可以对高 校的课程设置提供建设性的意见，从而更好地实现个性化、 了降低管理成本，宿管人员多聘用临时Ｔ，他们中多数年龄 偏大、文化程度不高、熟人或关系介绍来的较多，基本没有社 多样化人才培养的目标。口 参考文献： ［１］邓斌．数据集市技术在高校信息管理中的应用．山东 农业大学学报，２００４，４． 会公开招聘的。因而，客观上造成部分高职院校宿舍管理队 伍老龄化、临时化，影响了高职院校大学生宿舍资产的管理 水平，引发大学生的不满。 ３．大学生宿舍资产统计混乱。过期的、重复登记的大学 收稿日期：２０１４—０４—１６ 【２】周根贵．数据仓库与数据挖掘．杭州：浙江大学出版 社，２００４． ７ｆ１ 作者简介：黄桂玲，东莞职业技术学院。
