论文部分内容阅读
随着科学技术的迅猛发展，高等院校的教学质量问题也随即成为社会关注的重要课题，不断完善，不断更新，适应新形式的发展刻不容缓。各种高校在教学管理的过程中，每天都会产生及其大量的数据，目前形势看来，高校的教学管理系统只是做出了更新、查询、统计或是打印等操作，完全没有运用到数据挖掘技术，即从如此海量的数据中挖掘出有益信息或是发现出其中所隐含的规律，这无疑造成了数据浪费。因此，探讨数据挖掘在学科建设中的应用与研究对于从数据库中发掘有益信息、提高教学质量、提高教师教学水平等方面有深远的意义。
数据挖掘概述
数据挖掘即在给定数据库中提取出隐含信息。这些隐含信息一般包括人们事先所未知的以及其中潜在的信息资源。这些隐含信息资源可以有多种多样的表现形式，类似于概念规则、定理规律或者是模式等，没有一个确定的规则来定义是何种表现形式。一般来说，从这些隐含信息中提取出来的信息知识都兼备有效性、最终可理解性、新颖性，换句话说，所挖掘的信息知识是可运用的、可理解的、可接受的，而且最佳的结果是能够通过自然的语言来表现出来。
数据挖掘要运用一定的算法，进行有条不紊的操作，一般其操作过程分为几个步骤，即数据预处理，数据挖掘，模式评估。巩固知识以及运用知识等。
数据预处理是在数据处理之前的准备工作，这一步骤是数据处理的基础。进行数据挖掘的对象即数据，这些数据是存储在数据库中的，是高校在长期的数据管理中产生的。但是可想而知，若笼统的对这些数据直接进行操作一定是十分不方便的，因此，要提前进行数据预处理。类似于清除数据噪声等操作。这是数据挖掘中的第一步，也是十分关键的一步，它对于数据挖掘的效率以及准确度都有很大的影响。数据预处理之后进行数据挖掘，根据预定的要求选择出合适科学的算法以及参数，来对已经准备好的数据做分析，产生一个数据集。这就是数据挖掘后可能会出现的知识模型。数据挖掘中，大多数据都是历届学生的学习情况以及教师的教学情况，包括教学任务教学计划、教师的教案等。这些复杂的数据内容构成了数据库。在数据挖掘这一环节中，其对象是数据仓库中的这些内容，因而数据仓库的系统体系结构十分重要。针对高校的教务管理特点，建立起与之相适应的数据仓库体系结构，类似的体系结构包括中央数据仓库、数据集市以及个人仓库；根据不同的数据挖掘需求选取不同的数据库体系结构；根据相应的具体特征，完成针对各种目标的数据挖掘目的。模式评估作为数据挖掘中的一个关键步骤，是由挖掘的算法形成的模式或者是规律，当然也会出现没有意义或者没有实用价值的情况，还会出现不能真实反映出数据真正含义的情况，甚至显示的内容恰与实际情况相悖。这些现象都是会有几率出现的，因此，进行模式评估意义重大，一来使得挖掘数据的效果更有意义，二来还使得数据在反复的提取中能够显示出更有利的知识。巩固知识以及运用知识的层面，是对于数据挖掘结果的一致性检查，旨在更大程度确保所挖掘的内容与已知信息不碰撞，同时，还能在运用过程中不断发现值得优化的方面，更好地做出决策。
数据挖掘在学科建设中的应用与研究
1. 原始资料库
我们将电子在线答疑系统中保留的数据内容称为“原始资料库”，然后将这一数据内容保存在Web数据库中，以便于接收学生们对于学科建设等相关内容的咨询，类似于学科性质或者是相关知识等，包括学生们对于课题求解方法或者是求解步骤的咨询。除此之外，数据挖掘在学科建设中的应用研究——原始资料库，还发挥着记录教师对于学科建设的建议以及看法的作用、解答实际问题的作用等。另外，原始资料库中还存储着学生的一些基本资料、老师授课的情况、教案备案信息等多种数据。这些数据信息在与之相应的学院数据库中的存取、存储形成了原始资料库的主要部分。利用数据挖掘技术，能够将学生们对某一学科的感兴趣程度或是相关问题进行实时了解，从而教师可以实现正确的引导，同时能够把学生的问题以及相对应的解决方案等数据进行科学合理地存储，存储到相应的数据仓库或者是数据集市等领域。这无疑为学科建设的发展起到了极大的推进作用。
2. 随访信息库
学科建设工作的深入开展，使得数据挖掘技术在这一内容中的应用研究地位更加突出。随访工作量不断增大，也使得数据挖掘的应用与研究课题更加有意义。高校中的数据管理内容不断庞大起来，因此，数据的挖掘管理技术在其计算机学科建设等方面需要不断的深入应用研究。我们可以把电子在线答疑系统的数据称为“原始资料库”，对其进行数据处理，然后建立相应的“随访数据库”。主要作用是师生等对于学科建设进行相应的跟踪调查。把经过清理处理的原始资料库中相关的数据内容归纳入随访信息库内，换句话说，这一应用研究对于教改信息资源等内容的第二次开发有着重要影响。随访信息库中，包含了学生的基本信息，如学生信息以及学生的学习情况，学生反映的一些实时情况等多种形式的数据信息。高校中的关于数据挖掘在计算机学科建设中的应用研究中，随访数据库的应用基础是原始资料库，通过进行有价值信息的筛选对随访数据库进行实时应用，建成计算机学科建设的随访信息库。
3. 在线随访答疑
通过一系列的随访手段进行相关随访，从而建立起一个能够对于随访进行自动处理的在线随访答疑系统；这一系统所发挥的作用正是数据挖掘在学科建设中的应用研究。在线随访答疑的系统中的学生信息情况是与随访信息库中的学生信息相一致的。高校信息系统中必然会产生大量的数据信息，对这些数据全部调用几乎是不可能办到的，即使办到了，也是属于无用功。在线随访答疑的应用就针对这一现象发挥出作用。通过数据挖掘技术在学科建设中的应用研究，能够将随访信息库与原始资料库相结合，从而能够进行具体科学的数据分析，实现清理以及挖掘操作，以便得到相应的结论，比如具有代表性、具有科学的指导意义的教学案例等，继而还可以将这一教学案例添加到相应的教学案例库中。这也为日后形成具有规模性的、辅导价值的教学案例系统、或指导信息库打下基础。由此形成师生之间的资源共享，信息共享，老师、学生都可以从此有所借鉴。
结语
总而言之，基于教学管理系统中建立的数据库，结合学科建设中的具体教学要求，利用数据挖掘，提取出对于学科建设有利的数据，找出在具体的教学环节中所表现出的薄弱环节，继而根据具体的形式，制定出对于学科建设有利的教学策略，使高校能够实现数据仓库建设以及数据挖掘的研究应用。计算机学科建设工作的开展力度不断加大，数据挖掘技术也随之凸显出其优势，如何将数据挖掘在学科建设中得到更好的研究与应用是推动学科建设更加完善的前提与保障。数据挖掘在学科建设中的应用研究为教学和学科的研究工作提供了极大的方便。
数据挖掘概述
数据挖掘即在给定数据库中提取出隐含信息。这些隐含信息一般包括人们事先所未知的以及其中潜在的信息资源。这些隐含信息资源可以有多种多样的表现形式，类似于概念规则、定理规律或者是模式等，没有一个确定的规则来定义是何种表现形式。一般来说，从这些隐含信息中提取出来的信息知识都兼备有效性、最终可理解性、新颖性，换句话说，所挖掘的信息知识是可运用的、可理解的、可接受的，而且最佳的结果是能够通过自然的语言来表现出来。
数据挖掘要运用一定的算法，进行有条不紊的操作，一般其操作过程分为几个步骤，即数据预处理，数据挖掘，模式评估。巩固知识以及运用知识等。
数据预处理是在数据处理之前的准备工作，这一步骤是数据处理的基础。进行数据挖掘的对象即数据，这些数据是存储在数据库中的，是高校在长期的数据管理中产生的。但是可想而知，若笼统的对这些数据直接进行操作一定是十分不方便的，因此，要提前进行数据预处理。类似于清除数据噪声等操作。这是数据挖掘中的第一步，也是十分关键的一步，它对于数据挖掘的效率以及准确度都有很大的影响。数据预处理之后进行数据挖掘，根据预定的要求选择出合适科学的算法以及参数，来对已经准备好的数据做分析，产生一个数据集。这就是数据挖掘后可能会出现的知识模型。数据挖掘中，大多数据都是历届学生的学习情况以及教师的教学情况，包括教学任务教学计划、教师的教案等。这些复杂的数据内容构成了数据库。在数据挖掘这一环节中，其对象是数据仓库中的这些内容，因而数据仓库的系统体系结构十分重要。针对高校的教务管理特点，建立起与之相适应的数据仓库体系结构，类似的体系结构包括中央数据仓库、数据集市以及个人仓库；根据不同的数据挖掘需求选取不同的数据库体系结构；根据相应的具体特征，完成针对各种目标的数据挖掘目的。模式评估作为数据挖掘中的一个关键步骤，是由挖掘的算法形成的模式或者是规律，当然也会出现没有意义或者没有实用价值的情况，还会出现不能真实反映出数据真正含义的情况，甚至显示的内容恰与实际情况相悖。这些现象都是会有几率出现的，因此，进行模式评估意义重大，一来使得挖掘数据的效果更有意义，二来还使得数据在反复的提取中能够显示出更有利的知识。巩固知识以及运用知识的层面，是对于数据挖掘结果的一致性检查，旨在更大程度确保所挖掘的内容与已知信息不碰撞，同时，还能在运用过程中不断发现值得优化的方面，更好地做出决策。
数据挖掘在学科建设中的应用与研究
1. 原始资料库
我们将电子在线答疑系统中保留的数据内容称为“原始资料库”，然后将这一数据内容保存在Web数据库中，以便于接收学生们对于学科建设等相关内容的咨询，类似于学科性质或者是相关知识等，包括学生们对于课题求解方法或者是求解步骤的咨询。除此之外，数据挖掘在学科建设中的应用研究——原始资料库，还发挥着记录教师对于学科建设的建议以及看法的作用、解答实际问题的作用等。另外，原始资料库中还存储着学生的一些基本资料、老师授课的情况、教案备案信息等多种数据。这些数据信息在与之相应的学院数据库中的存取、存储形成了原始资料库的主要部分。利用数据挖掘技术，能够将学生们对某一学科的感兴趣程度或是相关问题进行实时了解，从而教师可以实现正确的引导，同时能够把学生的问题以及相对应的解决方案等数据进行科学合理地存储，存储到相应的数据仓库或者是数据集市等领域。这无疑为学科建设的发展起到了极大的推进作用。
2. 随访信息库
学科建设工作的深入开展，使得数据挖掘技术在这一内容中的应用研究地位更加突出。随访工作量不断增大，也使得数据挖掘的应用与研究课题更加有意义。高校中的数据管理内容不断庞大起来，因此，数据的挖掘管理技术在其计算机学科建设等方面需要不断的深入应用研究。我们可以把电子在线答疑系统的数据称为“原始资料库”，对其进行数据处理，然后建立相应的“随访数据库”。主要作用是师生等对于学科建设进行相应的跟踪调查。把经过清理处理的原始资料库中相关的数据内容归纳入随访信息库内，换句话说，这一应用研究对于教改信息资源等内容的第二次开发有着重要影响。随访信息库中，包含了学生的基本信息，如学生信息以及学生的学习情况，学生反映的一些实时情况等多种形式的数据信息。高校中的关于数据挖掘在计算机学科建设中的应用研究中，随访数据库的应用基础是原始资料库，通过进行有价值信息的筛选对随访数据库进行实时应用，建成计算机学科建设的随访信息库。
3. 在线随访答疑
通过一系列的随访手段进行相关随访，从而建立起一个能够对于随访进行自动处理的在线随访答疑系统；这一系统所发挥的作用正是数据挖掘在学科建设中的应用研究。在线随访答疑的系统中的学生信息情况是与随访信息库中的学生信息相一致的。高校信息系统中必然会产生大量的数据信息，对这些数据全部调用几乎是不可能办到的，即使办到了，也是属于无用功。在线随访答疑的应用就针对这一现象发挥出作用。通过数据挖掘技术在学科建设中的应用研究，能够将随访信息库与原始资料库相结合，从而能够进行具体科学的数据分析，实现清理以及挖掘操作，以便得到相应的结论，比如具有代表性、具有科学的指导意义的教学案例等，继而还可以将这一教学案例添加到相应的教学案例库中。这也为日后形成具有规模性的、辅导价值的教学案例系统、或指导信息库打下基础。由此形成师生之间的资源共享，信息共享，老师、学生都可以从此有所借鉴。
结语
总而言之，基于教学管理系统中建立的数据库，结合学科建设中的具体教学要求，利用数据挖掘，提取出对于学科建设有利的数据，找出在具体的教学环节中所表现出的薄弱环节，继而根据具体的形式，制定出对于学科建设有利的教学策略，使高校能够实现数据仓库建设以及数据挖掘的研究应用。计算机学科建设工作的开展力度不断加大，数据挖掘技术也随之凸显出其优势，如何将数据挖掘在学科建设中得到更好的研究与应用是推动学科建设更加完善的前提与保障。数据挖掘在学科建设中的应用研究为教学和学科的研究工作提供了极大的方便。