高校教育信息化中数据挖掘的应用

摘 要：数据挖掘作为一种高效的数据处理技术,被广泛的应用到各个领域.高校教育信息化的快速发展为高校积累了大量的信息,利用数据挖掘技术可以发现在数据中隐藏的普遍规律和模式,为高校教育教学工作的顺利开展提供了科学的依据.本文通过对数据挖掘概念、过程及进行数据挖掘必要性的分析,探讨数据挖掘技术在高校教育信息化中的应用问题.

关 键 词：高校教育信息化；数据挖掘

中图分类号：TP311.13

信息化社会的到来,使各种信息纷涌而至,给高校也带来了大量的有关教育、学生等各类信息,面对如此庞大的信息量,用传统的信息、数据提取的方式已经很难满足高校的要求,而且大量信息所带来的信息的消化、安全等问题,使得高校必须要借助数据挖掘的工具去提取数据中隐藏的规律和模式.

1数据挖掘的概念及过程

1.1数据挖掘的概念

数据挖掘是一种提取知识和信息的过程,具体来说就是从大量的、不完整的、有噪音的、模糊、随机的在实际中应用的数据里,提取出其隐藏在内部、不被人们事先知道的信息和数据的过程.

1.2数据挖掘的过程

数据挖掘的过程包括以下几个方面,数据的预处理、数据的挖掘、结果的分析与应用.首先对数据进行预处理,通过数据清理去掉噪音数据,保证数据的一致,然后对多个文件或多个数据库中的文件进行合并、压缩数据,形成有效的数据集,便于进行数据挖掘,缩短挖掘的时间,提高挖掘质量.接下来对数据进行挖掘,根据数据的不同类型及特点,选取不同的算法,例如采用分类、神经网络、遗传算法等技术.最后对所得数据的结果进行分析,使其能被用户接受和理解,然后将得出的结果运用到实践活动中去.

2数据挖掘在高校教育信息化中应用的必要性

目前,计算机已不单单是计算的工具,它还帮助我们分析和处理数据,从而做出科学的决策.随着信息化社会的快速发展,人们所接触、获得到的数据种类不断增多,数量也急剧上升,此时用传统的数据分析的方法已不能更快速、更有效的帮助人们解决问题了,这就要求我们运用数据挖掘这一手段来进行工作.在教育信息化的背景下,高校管理也朝着信息化、网络化的方向发展.在教育教学过程中,必定会积累大量的教学数据,但我们只能对其进行简单的统计与分析,无法了解数据深层的内容.在教学评估中,教师也只能把学生的平时和期末成绩作为评价一个学生的标准,无法客观公正的做出评判.教学工作者仅凭简单的经验分析就做出结论,往往存在很多的漏洞,这就需要数据挖掘为我们提供一种更深层次了解数据隐藏的信息和内容的方法,使管理者做出科学的决策,及时发现学生在学习过程中出现的问题,制定行之有效的教学方法,做出正确客观的分析评价,提升教育教学的质量和水平.可见数据挖掘具有重要的意义和必要性.

3数据挖掘在高校教育信息化中的应用

高校教育信息化是整合先进的技术,运用到高校教育管理体系之中,使教育教学、管理工作和校园的文化生活更网络化、信息化,提高教育质量和效率,形成一种全新的教育和管理模式.高校教育信息化所产生和积累的数据,为我们进行数据挖掘提供了有效的数据.数据挖掘可以应用到高校教育信息化的各个方面,如教学评价、课程设置、网络教育、分析学习者特征、干预师生行为、辅试等方面.

3.1教学评价

教学评价就是根据教学目标、原则的要求,利用收集到的信息对教学活动以及教学成果进行评价的过程,主要包括对学生学和对教师教的评价.随着信息化的快速发展,高校教育信息化积累了大量的学生成绩、行为纪律、处罚奖励等数据,利用数据挖掘的方式来进行分析处理,可以客观准确的得到学生的评价结果,及时纠正学生的不良的学习行为,同时还能尽量避免教师因主观作用对学生做出的不公平的、不客观的评价.将数据挖掘的关联规则运用到教学评价的数据中,使教师能够认识到自身的教学情况以及学生的学习和个性特点,并给予合理的意见,对今后的教学工作有一定的指导意义.

3.2合理设置课程

高校学生所进行的课程学习是循序渐进的,对于课程的学习要一步一步按照先易后难来进行,而且由于教师、学生以及班级的文化氛围的不同,同一年级的不同班级在学习相同课程时也存在很大的差异.这种情况下,教务管理人员和任课教师就很难根据学生的成绩做出客观、合理的判断,从而做出教学进程的决策.因此,要借助于数据挖掘技术,从大量已有数据中挖掘出有用的信息和内容,分析各数据之间存在的关系,找到影响学生成绩的因素,然后在此基础上,对课程设置做出合理的安排.

3.3个性化、智能化网络教育

个性化、智能化网络远程教育充分的利用了数据挖掘的技术,远程教育的顺利开展得到保障.首先根据学生所提供的信息,对不同层次的学生提供不同的学习内容和模式,进行因材施教.其次,对已保存的学生的信息进行数据挖掘,利用已有的资源,对课程进行重新组合,使之更符合教学规律.最后通过对学习者学习行为进行数据挖掘,了解学习者的浏览模式,重新进行页面之间的链接,以符合学习者的访问习惯.

3.4学习者特征分析

对学习者特征的分析在教育活动中具有重要的地位.它不仅是教学设计的前提,是教学成功的关键.学习者特征包括学习者的知识结构和学习风格.学习者的知识结构是学习者已经学习的或即将学习的内容.学习风格包括学习者的生理、心理和社会特征.利用数据挖掘来分析学习者的特征,不仅有助于学习者改进自己的学习行为,而且能提高学习者的学习能力,完善其人格,有利于学习者素质的全面、和谐发展.

3.5干预学生行为

在干预学生行为方面也可以使用数据挖掘技术.高校的教育教学人员可以根据高校数据库中保存的学生的家庭条件、学习状况、奖励处罚等情况,通过数据挖掘中分类等方法找到学生行为活动的关系,及时对做出学生下一步行为的预测,防止学生出现不良行为.例如在学校课程增多,难度加大,学生学习压力重,而且家庭出现矛盾的情况下,学生很容易出现抑郁或偏激行为,通过数据挖掘技术,学校教务管理人员及教师可以及时做出预测,并做好预防工作,就可以有效避免这种情况的发生.

3.6辅试

考试是教学环节中必不可少的一部分,也是用来考察学生学习成果的.从考试分数可以说明在一定时期内学生的学习情况,但不能说明影响成绩的因素有哪些,无法得知教学中关乎成败的关键因素,就不能对教师教和学生学起到促进作用.利用数据挖掘可以对学生平时的学习情况进行分析,从而做出全面的、有针对性的评价.例如可以用平时成绩、作业成绩、点播课件等各种平时教学中的成绩进行考察,缩减期末考试成绩的比重,加大对学生平时自主学习的考核.在这过程中产生的大量数据可使用数据挖掘工具进行处理、分析.考试题的质量对学生考试的分数有很大的影响.因此可以将数据挖掘应用到对试卷分析的数据库中,通过对每道题目的难易度、区分度、相关度等的分析,教师就能够对试题的质量做出比较客观、准确的评价,可以更好的了解学生对所学知识的掌握和运用情况,为开展以后的教学工作提供有益的指导.

4结束语

高校教育信息化带来是信息量的增长和提取信息工作的难度.数据挖掘技术有效的避免了传统信息提取的问题,更深层面的发掘隐藏的规律和模式,为教育教学工作的设计、决策、实施等方面提供了新的途径,带来了更多的便利.随着科学技术的日新月异、信息技术的不断发展,数据挖掘技术还将更广泛的被应用到各个领域,并发挥着日益重要的作用.