论文部分内容阅读
摘 要：本文依据教育决策支持系统和数据挖掘技术，应用计算机和通信网络技术，研究构建 “高等教育数据决策系统”，提供人机交互操作平台，以适用省级教育主管部门对原始数据进行移植、分析、决策等操作，具备较全面的教育决策支持功能。
关键词：教育信息 决策支持系统 设计文本
中图分类号：TP311.13 文献标识码：A 文章编号：1673-8454（2008）07-0063-03
一、设计背景
教育情况相关数据，具有其外部涉及关联领域广，内部包含层面和系统多的特点，多年来未能建立相关的资料统计分析系统，给管理决策依据形成和客观决策带来一定困难。因此，有必要应用现代数据挖掘、数据仓库理论，采用计算机和通信网络技术，从原始分散、涉及面广的教育数据中挖掘出有价值的信息，从而为决策提供科学的依据。教育决策支持系统便是以此为背景开发研制的。
传统的教育管理信息系统（EMIS）和教育决策支持系统（EDSS），都是以计算机和通信网络为基础的信息系统。前者解决如学籍、人事、财产等结构化管理问题，服务用户日常信息的收集、存储、检索、加工和传输，及时、准确反映教育教学当前工作状态，提高信息处理效率；后者属前者的分支，主要处理人才需求预测、教育发展规划制定、教育投资效益分析等半结构化或非结构化问题，通过整理、变换、集成汇总进行数据挖掘，发现教育决策信息和知识，借助管理者经验作出判断，形成决策支持，追求信息有效性。以往或现行的教育管理信息系统，功能实现多表现在信息汇总统计的层面上，较少具备多种信息间比对分析、历史发展状况、未来发展态势描述层面的功能。这就意味着相应的分析成果全部要由人工操作完成。我们依据教育决策支持系统体系，构建完成“高等教育数据决策系统”设计，能提供人机交互操作平台，具备较全面的支持功能。
二、支持技术
“高等教育数据决策系统”借助计算机智能信息处理理论，采用数据挖掘技术进行应用开发。数据挖掘是数据库技术自然演化的结果。教育信息的数据挖掘主要对教育数据库中的数据进行抽取、转换、分析和其他模型化处理，从中获得辅助教育决策的关键性数据,为教育决策提供真正有益信息，并适当进行价值判断，进而获得更好的教育决策效益。数据挖掘主要有数据准备、数据挖掘及结果评估解释三部分，分为数据准备、数据挖掘、信息表示、分析决策等具体步骤。数据准备阶段完成数据采集和数据整理，全面采集现有事务处理系统或数据仓库数据为数据挖掘提供数据基础，并对采集到的可能存在自身不一致性，或有缺失的数据进行泛化整理，从而在原始数据基础上得到更为真实的信息，以便于数据挖掘。数据挖掘阶段将利用各种数据挖掘方法和工具对数据进行分析。信息表示作为呈现数据挖掘结果的重要手段，将使用可视化和知识信息表示技术，向用户提供挖掘的有效知识信息。数据挖掘的最终目的是辅助决策，在分析决策阶段，决策者通过分析数据挖掘结果，结合实际情况，进行价值判断。[1] 需强调的是，数据挖掘过程要多次循环反复，才有可能达到预期效果。数据挖掘工具主要有两类:特定领域数据挖掘工具和通用数据挖掘工具。特定领域的数据挖掘工具针对某个特定领域问题提供解决方案。设计算法时，充分考虑数据需求特殊性，采用特殊算法，以处理特殊的数据，实现特殊的目的，发现的知识可靠度较高。如图1所示。[2]
以此为基础添加分类模块，可完成整体教育信息决策支持系统构建。单元结构为该系统的局限，待多元结构支持技术进一步完善后，可实现模块间数据彼此共享、相互支持的目标。
决策支持系统作为管理信息系统的发展和深化，仍处于初期发展阶段，虽在远程教育中已有所应用，但在高等教育数据管理中应用很少，故具有较高的实践意义和应用价值。[5]
参考文献：
[1]Hanhawei. KamberMicheline著.范明,孟小峰译.数据挖掘:概念与技术[M].北京:机械工业出版社,2001.
[2]苏新宁.数据挖掘理论与技术[M].北京:科学技术文献出版社,2003.
[3]郑人杰,殷人昆,陶永雷.实用软件工程(第二版)[M].北京:清华大学出版社,1997.
[4]国家教育发展研究中心.2003年中国教育绿皮书——中国教育政策年度分析报告[M].北京:教育科学出版社,2003.
[5]张剑平.教育管理信息系统 (光盘版)[M].浙江:浙江大学出版社,2002.
关键词：教育信息 决策支持系统 设计文本
中图分类号：TP311.13 文献标识码：A 文章编号：1673-8454（2008）07-0063-03
一、设计背景
教育情况相关数据，具有其外部涉及关联领域广，内部包含层面和系统多的特点，多年来未能建立相关的资料统计分析系统，给管理决策依据形成和客观决策带来一定困难。因此，有必要应用现代数据挖掘、数据仓库理论，采用计算机和通信网络技术，从原始分散、涉及面广的教育数据中挖掘出有价值的信息，从而为决策提供科学的依据。教育决策支持系统便是以此为背景开发研制的。
传统的教育管理信息系统（EMIS）和教育决策支持系统（EDSS），都是以计算机和通信网络为基础的信息系统。前者解决如学籍、人事、财产等结构化管理问题，服务用户日常信息的收集、存储、检索、加工和传输，及时、准确反映教育教学当前工作状态，提高信息处理效率；后者属前者的分支，主要处理人才需求预测、教育发展规划制定、教育投资效益分析等半结构化或非结构化问题，通过整理、变换、集成汇总进行数据挖掘，发现教育决策信息和知识，借助管理者经验作出判断，形成决策支持，追求信息有效性。以往或现行的教育管理信息系统，功能实现多表现在信息汇总统计的层面上，较少具备多种信息间比对分析、历史发展状况、未来发展态势描述层面的功能。这就意味着相应的分析成果全部要由人工操作完成。我们依据教育决策支持系统体系，构建完成“高等教育数据决策系统”设计，能提供人机交互操作平台，具备较全面的支持功能。
二、支持技术
“高等教育数据决策系统”借助计算机智能信息处理理论，采用数据挖掘技术进行应用开发。数据挖掘是数据库技术自然演化的结果。教育信息的数据挖掘主要对教育数据库中的数据进行抽取、转换、分析和其他模型化处理，从中获得辅助教育决策的关键性数据,为教育决策提供真正有益信息，并适当进行价值判断，进而获得更好的教育决策效益。数据挖掘主要有数据准备、数据挖掘及结果评估解释三部分，分为数据准备、数据挖掘、信息表示、分析决策等具体步骤。数据准备阶段完成数据采集和数据整理，全面采集现有事务处理系统或数据仓库数据为数据挖掘提供数据基础，并对采集到的可能存在自身不一致性，或有缺失的数据进行泛化整理，从而在原始数据基础上得到更为真实的信息，以便于数据挖掘。数据挖掘阶段将利用各种数据挖掘方法和工具对数据进行分析。信息表示作为呈现数据挖掘结果的重要手段，将使用可视化和知识信息表示技术，向用户提供挖掘的有效知识信息。数据挖掘的最终目的是辅助决策，在分析决策阶段，决策者通过分析数据挖掘结果，结合实际情况，进行价值判断。[1] 需强调的是，数据挖掘过程要多次循环反复，才有可能达到预期效果。数据挖掘工具主要有两类:特定领域数据挖掘工具和通用数据挖掘工具。特定领域的数据挖掘工具针对某个特定领域问题提供解决方案。设计算法时，充分考虑数据需求特殊性，采用特殊算法，以处理特殊的数据，实现特殊的目的，发现的知识可靠度较高。如图1所示。[2]
以此为基础添加分类模块，可完成整体教育信息决策支持系统构建。单元结构为该系统的局限，待多元结构支持技术进一步完善后，可实现模块间数据彼此共享、相互支持的目标。
决策支持系统作为管理信息系统的发展和深化，仍处于初期发展阶段，虽在远程教育中已有所应用，但在高等教育数据管理中应用很少，故具有较高的实践意义和应用价值。[5]
参考文献：
[1]Hanhawei. KamberMicheline著.范明,孟小峰译.数据挖掘:概念与技术[M].北京:机械工业出版社,2001.
[2]苏新宁.数据挖掘理论与技术[M].北京:科学技术文献出版社,2003.
[3]郑人杰,殷人昆,陶永雷.实用软件工程(第二版)[M].北京:清华大学出版社,1997.
[4]国家教育发展研究中心.2003年中国教育绿皮书——中国教育政策年度分析报告[M].北京:教育科学出版社,2003.
[5]张剑平.教育管理信息系统 (光盘版)[M].浙江:浙江大学出版社,2002.