学位论文 > 优秀研究生学位论文题录展示

基于数据挖掘技术的教学管理应用研究

作　者: 张峰
导　师: 胡学钢；庄彪
学　校: 合肥工业大学
专　业: 计算机技术
关键词: 教学管理数据挖掘技术关联规则决策树
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 261次
引　用: 1次
阅　读: 论文下载

内容摘要

近年来,随着信息技术的快速发展,各个领域在取得巨大进步的同时,也产生了大量的数据,其中高等院校也积累了大量的学生成绩和教学管理数据。激增的数据背后隐藏着许多重要的信息。但是高校的信息系统多半是联机事务处理系统,缺少综合分析和辅助决策的能力,这使得教学管理人员不能及时获取相关教学信息,学院在决策时也缺少的数据依据。对教学管理数据做业务性分析是提高教学管理质量的重要手段,本文应用数据挖掘技术对教务信息数据进行分析与挖掘,获取有利于教学活动开展的信息,利用挖掘结果辅助教学决策,为教学质量的提高和学生素质的培养提供数据支持。本文探讨了数据挖掘技术在教学管理中的应用,重点介绍了ID3算法和经典的Apriori算法,使用ID3决策树算法生成决策树对教学测评数据进行分析,给出影响教学效果的主要因素,最后由决策树产生分类规则,完成教师评价决策树模型的构造；运用Apriori算法分析了学生高考成绩与理论课考试成绩、实践技能成绩间的隐藏关系,挖掘高考成绩、理论课教学对学生技能培养的影响。在对教务信息管理系统的挖掘实践中,得到了一些有益于教学工作开展的信息,这些信息对提高教学质量,更好实施人才培养方案,掌握学生的技能培养以及教师教学情况,在专业建设、课程建设、师资培养等方面无疑具有重要的指导意义。

全文目录

摘要  5-6
Abstract  6-7
致谢  7-10
图表清单  10-11
第一章绪论  11-15
  1.1 研究背景及意义  11-12
  1.2 发展与现状  12-13
  1.3 研究内容  13-14
  1.4 论文的组织结构  14-15
第二章数据挖掘技术  15-28
  2.1 数据挖掘概述  15-16
  2.2 数据挖掘的内容  16-17
  2.3 数据挖掘的功能  17-19
  2.4 数据挖掘方法  19-20
  2.5 数据挖掘过程  20-23
    2.5.1 数据挖掘过程模型  21-22
    2.5.2 数据挖掘实施流程  22-23
  2.6 数据挖掘工具  23-26
  2.7 数据挖掘应用与发展趋势  26-27
    2.7.1 数据挖掘应用  26
    2.7.2 数据挖掘的发展趋势  26-27
  2.8 本章小结  27-28
第三章数据挖掘算法的分析  28-36
  3.1 分类算法  28-32
    3.1.1 分类算法概述  28-29
    3.1.2 决策树  29-31
    3.1.3 ID3算法简介  31
    3.1.4 提取分类规则  31-32
  3.2 关联规则算法  32-35
    3.2.1 关联规则算法概述  32
    3.2.2 关联规则挖掘  32-33
    3.2.3 关联规则的分类  33-34
    3.2.4 Apriori算法介绍  34-35
  3.3 本章小结  35-36
第四章基于ID3算法的教学评价  36-44
  4.1 问题的定义  36-37
  4.2 解决方案  37-39
    4.2.1 ID3算法  37
    4.2.2 数据预处理  37-39
  4.3 构造决策树  39-42
    4.3.1 构造决策树的算法  40
    4.3.2 生成决策树  40-42
  4.4 生成分类规则  42-43
  4.5 本章小结  43-44
第五章基于Apriori算法的成绩分析  44-53
  5.1 问题的定义  44
  5.2 解决方案  44-46
    5.2.1 数据挖掘的实施步骤  44-46
    5.2.2 挖掘关联规则的步骤  46
  5.3 关联规则挖掘的实施过程  46-52
    5.3.1 确定分析和预测目标  46
    5.3.2 了解数据  46-47
    5.3.3 数据准备  47-49
    5.3.4 建立模型  49-52
  5.4 本章小结  52-53
第六章总结与展望  53-55
  6.1 本文主要工作  53-54
  6.2 进一步研究方向  54-55
参考文献  55-58
攻读硕士学位期间发表的论文  58

基于数据挖掘技术的教学管理应用研究

内容摘要

全文目录

相似论文