论文部分内容阅读
[摘 要]高校教育在我国经济发展的大环境下有了很大的进步，从目前的发展情况来看，高校教育的规模在不断扩大，且质量也在不断提升。从现阶段的高校发展实践来看，高校进步固然有物质资料作为支撑，但管理也是不容忽视的内容。从目前的高校管理情况来看，校务管理是其中的一项重要内容，对于有序开展教育教学活动具有重要的作用。由于信息采集是教务管理的重要环节，因此为了实现教务管理的科学化，高校教务管理有必要采用数据挖掘技术。为了更好地利用数据挖掘技术，本文就技术应用的具体情况进行了分析和讨论。
[关键词]数据挖掘技术；高校；教务管理
doi：10.3969/j.issn.1673 - 0194.2018.04.059
[中图分类号]TP391.1 [文献标识码]A [文章编号]1673-0194（2018）04-0-02
0 引 言
高校教务管理对于高校开展教育教学活动具有重要的影响，一方面，教务管理的有序性可以推动教学活动良性运行，另一方面，教务管理的高效性可以节约教学资源。简言之，教务管理不仅能够提升教学效率和教学质量，还可以为高校节约教育资源。从目前的高校教务管理实践来看，要想有针对性地开展管理活动，需要有丰富的数据资料做支撑，因为数据资料反映的问题会成为管理的突破点和优化点。基于这样的认识，强化数据分析的价值并获取更多的数据信息便成为了关键。数据挖掘技术可以获取更多的数据资料以及相关信息，从而为教务管理提供参考，所以研究其具体的运用具有重要的现实意义。
1 数据挖掘概述
1.1 数据挖掘的概念
數据挖掘是大数据背景下数据利用的一种重要手段，指的是从大量的数据当中，对有效的、新颖的和具有潜在作用的数据进行抽取，并对可以理解的知识以及模型、规则等进行利用的过程。数据挖掘在近年来的利用中已经越来越普遍，在不断的完善和发展中，其已成为一门具有广泛涉及面的交叉学科。从目前的数据挖掘来看，其中融合了人工智能、数理统计、数据库等多方面的内容。就具体的应用范围来看，在目前的金融、保险、零售以及电信等多个领域中发挥着重要的作用。
1.2 数据挖掘的分析方法
数据挖掘在目前的各个领域中有着重要的利用价值，其发展空间也十分巨大，而从目前的具体研究来看，数据挖掘的分析方法伴有关联规则、分类、聚类以及序列模式等。就目前的关联规则分析法研究来看，其目的是希望在事务数据库中发现经常共同出现的项目，从而推断出隐藏在项目背后的某种互相关联的规则。分类法指的是按照一定的特征对数据对象进行划分的过程，也能在分类法利用的时候，要求有已知样本分类作为训练集。聚类指的是利用聚类技术识别数据对象的内在规律，通过聚类法分析，可以对相似的类进行聚合，也可以导出数据的分布规律。
2 高校教务管理现状
高校教务管理是高校管理的重要内容，要实现突破性发展必须对现状有清晰的认识。简单来讲，只有对高校教务管理的现状进行了深入分析，才能在现状基础上提出具有针对性的发展策略，而就目前的具体分析来看，高校的教务管理现状有以下几个方面。
2.1 效率较低
从目前的具体分析来看，高校教务管理的突出现状是管理的效率较低，具体表现在两个方面。第一，具体的管理策略和措施方案的制订周期比较长。从高校教务管理实践来看，管理策略的提出和利用越及时，越有利于彻底解决新出现的问题，如果出现了长时间拖延，可能会出现其他问题，这对于遏制问题十分不利。而从目前的具体分析来看，由于缺少相应的分析资料，策略研究和措施方案的总结周期较长，因此在具体问题解决方面存在较强的滞后性。第二，整体问题解决的效率比较低。从现状分析来看，在教务管理问题解决方面，制订策略周期比较长，这种情况不利于解决效率低的问题。综合来讲，由于效率比较低，教务管理中出现了很多资源浪费。
2.2 针对性不足
针对性不足是目前高校教务管理中存在的另一个突出问题，从具体的分析来看，针对性不足主要表现在三个方面。第一，是针对教务管理本身的。教务管理本身的机构运行对于教务管理的实施效果有着重要的影响，但从目前的情形来看，教务管理机构本身的固定性比较强，针对工作实践和社会发展的改变不足，所以其存在结构限制了价值发挥。第二，教务管理制订措施时的针对性不强，导致解决问题的效率下降。第三，教务管理针对学生制订的措施比较少。教务管理的根本目的是促进教学活动有序开展，而学生是教学活动中的主体，所以在制订具体策略和方案时需要对学生进行全面分析，而目前的情况是教务管理忽视了学生在整体教学活动中的主体性。
2.3 管理预测性比较弱
管理预测比较弱是目前高校教务管理存在的主要问题。在管理理念和管理手段不断改变的情况下，高校的教务管理要保持先进性，需要对管理未来的发展方向以及具体的问题进行预测，只有这样措施和手段利用的目标性和方向性才会更加突出。而在目前的教务管理中，所采取的具体措施大多只是针对当前存在的问题，但很少研究问题发生的规律以及未来的发展动向。由于缺少相应的研究，导致不能全面掌握具体内容，从而无法为管理预测提供准确的信息。
3 数据挖掘系统分析
3.1 数据准备
从目前的高校教务管理实践来看，高校在应用数据挖掘技术的过程中需要做好数据准备工作，而从数据准备工作来看，其要准备的数据包括三个方面。第一，准备现有的学生管理数据。学生是教学活动中的主体，教务管理的根本目标是促进学生全面发展，因此在数据准备的时候，学校要统一采集反映学生基本情况的数据。第二，准备教务管理数据。教务管理数据可以分析现行管理活动的实效性，所以需要全部准备。第三，准备教师数据。教师是教学活动和教务管理中的重要内容，因此需要准备教师数据。
3.2 数据挖掘的系统设计 在完成数据准备的情况下，高校要利用数据挖掘技术进行数据挖掘的系统设计，就数据挖掘的系统设计来看，主要包括三方面内容。第一，确定数据挖掘的基本思想。在数据挖掘的系统设计中，确定挖掘思想非常重要，然后需要在挖掘思想的基础上进行连贯性的系统设计，从而才能确定数据挖掘的系统框架结构。第二，建立数据挖掘模型。在建立数据挖掘模型的过程中，需要制定数据之间的规则，从而能够更清楚地把握数据之间的关系价值。第三，确定计算方法。为了从多角度挖掘数据信息，需要确定统一的计算方法，然后从不同的基础数据入手进行计算，从而才能获得更多的数据关系。
3.3 数据结果
数据结果是数据挖掘技术利用的最终成果，旨在展示数据挖掘获取的价值信息。从数据结果分析来看，其具有两方面的意义。第一，为制订具体的管理措施提供必要的数据以及数据关系支持。由于从数据结果中可以分析出影响教务管理活动的具体因素，而且从结果中也可以对各类因素所占的比例进行统计，因此数据结果会成为制订措施的重要参考依据。第二，数据结果可以作為考核数据模型的重要指标。在数据挖掘的基础上，管理人员就能判断各方面因素对教务管理的影响，并根据相应的理论获得模型的失真率。有了这个失真率，模型运用的具体价值会更加清楚。
4 结 语
教务管理活动是高校教学有序开展的基础，而为了实现教务管理的科学性，需要加强数据的分析和利用。基于此，本文在分析高校教务管理活动现状的基础上，对数据挖掘技术进行分析和判断，可以帮助高校的教务管理更好地利用数据挖掘的优势，进而获取想要的数据结果。
主要参考文献
[1]张洁.数据挖掘技术在高校资产管理中的应用研究[J].经营管理者，2016（25）.
[2]邹星.数据挖掘技术在高校教务管理中的应用研究[J].决策探索，2015（11）.
[3]刘静.数据挖掘技术在教务管理实践中的应用研究[J].电子设计工程，2014（24）.
[4]章懿雯.数据挖掘技术在高校教务管理中的应用研究[J].中小企业管理与科技，2014（10）.
[5]吴天真，李文静.数据挖掘技术在高校教务管理中的应用综述[J].科协论坛，2013（7）.
[6]吴婷婷.数据挖掘在高校教务管理中的应用研究[J].数字技术与应用，2013（4）.
[7]林丽.数据挖掘技术在高校教务管理系统中的应用[J].轻工科技，2012（4）.
[8]姜曾贺.公共教学服务资源平台研究——以上海体育学院为例[J]. 电脑与电信，2011（11）.
[9]李凯，常征.基于云计算的并行数据挖掘系统设计与实现[J]. 微计算机信息，2011（6）.
[10]刘华，李瑗.基于高校课堂教学质量评价系统的数据挖掘方法与应用[J]. 石家庄学院学报，2011（3）.
[11]茹蓓，赵芳.聚类算法在图书馆中的应用[J].新乡学院学报：自然科学版， 2011（1）.
[12]唐一，马征.改进的ID3算法在高校就业系统中的应用分析[J]. 科技情报开发与经济，2011（4）.
[13]顾小清，黄景碧，朱元锟，等.让数据说话：决策支持系统在教育中的应用[J].开放教育研究，2010（5）.
[14]郝荣霞.决策树算法在计算机基础课程成绩分析体系中的应用研究[J].中国教育技术装备，2010（24）.
[15]孙柏祥.云计算——高校教育信息化建设和发展的新模式[J]. 中国电化教育，2010（5）.
[16]陈小莉，刁永锋.数据挖掘在教学管理中的应用研究[J].中国医学教育技术，2010（2）.
[关键词]数据挖掘技术；高校；教务管理
doi：10.3969/j.issn.1673 - 0194.2018.04.059
[中图分类号]TP391.1 [文献标识码]A [文章编号]1673-0194（2018）04-0-02
0 引 言
高校教务管理对于高校开展教育教学活动具有重要的影响，一方面，教务管理的有序性可以推动教学活动良性运行，另一方面，教务管理的高效性可以节约教学资源。简言之，教务管理不仅能够提升教学效率和教学质量，还可以为高校节约教育资源。从目前的高校教务管理实践来看，要想有针对性地开展管理活动，需要有丰富的数据资料做支撑，因为数据资料反映的问题会成为管理的突破点和优化点。基于这样的认识，强化数据分析的价值并获取更多的数据信息便成为了关键。数据挖掘技术可以获取更多的数据资料以及相关信息，从而为教务管理提供参考，所以研究其具体的运用具有重要的现实意义。
1 数据挖掘概述
1.1 数据挖掘的概念
數据挖掘是大数据背景下数据利用的一种重要手段，指的是从大量的数据当中，对有效的、新颖的和具有潜在作用的数据进行抽取，并对可以理解的知识以及模型、规则等进行利用的过程。数据挖掘在近年来的利用中已经越来越普遍，在不断的完善和发展中，其已成为一门具有广泛涉及面的交叉学科。从目前的数据挖掘来看，其中融合了人工智能、数理统计、数据库等多方面的内容。就具体的应用范围来看，在目前的金融、保险、零售以及电信等多个领域中发挥着重要的作用。
1.2 数据挖掘的分析方法
数据挖掘在目前的各个领域中有着重要的利用价值，其发展空间也十分巨大，而从目前的具体研究来看，数据挖掘的分析方法伴有关联规则、分类、聚类以及序列模式等。就目前的关联规则分析法研究来看，其目的是希望在事务数据库中发现经常共同出现的项目，从而推断出隐藏在项目背后的某种互相关联的规则。分类法指的是按照一定的特征对数据对象进行划分的过程，也能在分类法利用的时候，要求有已知样本分类作为训练集。聚类指的是利用聚类技术识别数据对象的内在规律，通过聚类法分析，可以对相似的类进行聚合，也可以导出数据的分布规律。
2 高校教务管理现状
高校教务管理是高校管理的重要内容，要实现突破性发展必须对现状有清晰的认识。简单来讲，只有对高校教务管理的现状进行了深入分析，才能在现状基础上提出具有针对性的发展策略，而就目前的具体分析来看，高校的教务管理现状有以下几个方面。
2.1 效率较低
从目前的具体分析来看，高校教务管理的突出现状是管理的效率较低，具体表现在两个方面。第一，具体的管理策略和措施方案的制订周期比较长。从高校教务管理实践来看，管理策略的提出和利用越及时，越有利于彻底解决新出现的问题，如果出现了长时间拖延，可能会出现其他问题，这对于遏制问题十分不利。而从目前的具体分析来看，由于缺少相应的分析资料，策略研究和措施方案的总结周期较长，因此在具体问题解决方面存在较强的滞后性。第二，整体问题解决的效率比较低。从现状分析来看，在教务管理问题解决方面，制订策略周期比较长，这种情况不利于解决效率低的问题。综合来讲，由于效率比较低，教务管理中出现了很多资源浪费。
2.2 针对性不足
针对性不足是目前高校教务管理中存在的另一个突出问题，从具体的分析来看，针对性不足主要表现在三个方面。第一，是针对教务管理本身的。教务管理本身的机构运行对于教务管理的实施效果有着重要的影响，但从目前的情形来看，教务管理机构本身的固定性比较强，针对工作实践和社会发展的改变不足，所以其存在结构限制了价值发挥。第二，教务管理制订措施时的针对性不强，导致解决问题的效率下降。第三，教务管理针对学生制订的措施比较少。教务管理的根本目的是促进教学活动有序开展，而学生是教学活动中的主体，所以在制订具体策略和方案时需要对学生进行全面分析，而目前的情况是教务管理忽视了学生在整体教学活动中的主体性。
2.3 管理预测性比较弱
管理预测比较弱是目前高校教务管理存在的主要问题。在管理理念和管理手段不断改变的情况下，高校的教务管理要保持先进性，需要对管理未来的发展方向以及具体的问题进行预测，只有这样措施和手段利用的目标性和方向性才会更加突出。而在目前的教务管理中，所采取的具体措施大多只是针对当前存在的问题，但很少研究问题发生的规律以及未来的发展动向。由于缺少相应的研究，导致不能全面掌握具体内容，从而无法为管理预测提供准确的信息。
3 数据挖掘系统分析
3.1 数据准备
从目前的高校教务管理实践来看，高校在应用数据挖掘技术的过程中需要做好数据准备工作，而从数据准备工作来看，其要准备的数据包括三个方面。第一，准备现有的学生管理数据。学生是教学活动中的主体，教务管理的根本目标是促进学生全面发展，因此在数据准备的时候，学校要统一采集反映学生基本情况的数据。第二，准备教务管理数据。教务管理数据可以分析现行管理活动的实效性，所以需要全部准备。第三，准备教师数据。教师是教学活动和教务管理中的重要内容，因此需要准备教师数据。
3.2 数据挖掘的系统设计 在完成数据准备的情况下，高校要利用数据挖掘技术进行数据挖掘的系统设计，就数据挖掘的系统设计来看，主要包括三方面内容。第一，确定数据挖掘的基本思想。在数据挖掘的系统设计中，确定挖掘思想非常重要，然后需要在挖掘思想的基础上进行连贯性的系统设计，从而才能确定数据挖掘的系统框架结构。第二，建立数据挖掘模型。在建立数据挖掘模型的过程中，需要制定数据之间的规则，从而能够更清楚地把握数据之间的关系价值。第三，确定计算方法。为了从多角度挖掘数据信息，需要确定统一的计算方法，然后从不同的基础数据入手进行计算，从而才能获得更多的数据关系。
3.3 数据结果
数据结果是数据挖掘技术利用的最终成果，旨在展示数据挖掘获取的价值信息。从数据结果分析来看，其具有两方面的意义。第一，为制订具体的管理措施提供必要的数据以及数据关系支持。由于从数据结果中可以分析出影响教务管理活动的具体因素，而且从结果中也可以对各类因素所占的比例进行统计，因此数据结果会成为制订措施的重要参考依据。第二，数据结果可以作為考核数据模型的重要指标。在数据挖掘的基础上，管理人员就能判断各方面因素对教务管理的影响，并根据相应的理论获得模型的失真率。有了这个失真率，模型运用的具体价值会更加清楚。
4 结 语
教务管理活动是高校教学有序开展的基础，而为了实现教务管理的科学性，需要加强数据的分析和利用。基于此，本文在分析高校教务管理活动现状的基础上，对数据挖掘技术进行分析和判断，可以帮助高校的教务管理更好地利用数据挖掘的优势，进而获取想要的数据结果。
主要参考文献
[1]张洁.数据挖掘技术在高校资产管理中的应用研究[J].经营管理者，2016（25）.
[2]邹星.数据挖掘技术在高校教务管理中的应用研究[J].决策探索，2015（11）.
[3]刘静.数据挖掘技术在教务管理实践中的应用研究[J].电子设计工程，2014（24）.
[4]章懿雯.数据挖掘技术在高校教务管理中的应用研究[J].中小企业管理与科技，2014（10）.
[5]吴天真，李文静.数据挖掘技术在高校教务管理中的应用综述[J].科协论坛，2013（7）.
[6]吴婷婷.数据挖掘在高校教务管理中的应用研究[J].数字技术与应用，2013（4）.
[7]林丽.数据挖掘技术在高校教务管理系统中的应用[J].轻工科技，2012（4）.
[8]姜曾贺.公共教学服务资源平台研究——以上海体育学院为例[J]. 电脑与电信，2011（11）.
[9]李凯，常征.基于云计算的并行数据挖掘系统设计与实现[J]. 微计算机信息，2011（6）.
[10]刘华，李瑗.基于高校课堂教学质量评价系统的数据挖掘方法与应用[J]. 石家庄学院学报，2011（3）.
[11]茹蓓，赵芳.聚类算法在图书馆中的应用[J].新乡学院学报：自然科学版， 2011（1）.
[12]唐一，马征.改进的ID3算法在高校就业系统中的应用分析[J]. 科技情报开发与经济，2011（4）.
[13]顾小清，黄景碧，朱元锟，等.让数据说话：决策支持系统在教育中的应用[J].开放教育研究，2010（5）.
[14]郝荣霞.决策树算法在计算机基础课程成绩分析体系中的应用研究[J].中国教育技术装备，2010（24）.
[15]孙柏祥.云计算——高校教育信息化建设和发展的新模式[J]. 中国电化教育，2010（5）.
[16]陈小莉，刁永锋.数据挖掘在教学管理中的应用研究[J].中国医学教育技术，2010（2）.