数据挖掘技术在教学管理中的应用周梅摘要摘要：教学质量是高等教育的核心，教学质量与教学管理手段直接相关。如何在教学过程中实施科学合理的教学管理方法，对于提高教学效果十分关键，而科学合理的教学管理手段必须建立在教与学过程的客观现象之上。利用教学过程中产生的数据，通过数据挖掘技术发现隐藏在其中的教学规律，根据规律建立合理的考核方法和手段，从而达到保障教学效果、提高教学质量之目的。关键词关键词：数据挖掘；关联分析；教学管理DOIDOI：10.11907/rjdk.171118：G434：A：16727800（2017）0050213030引言大学教学质量与大学发展息息相关。教学过程中，教师的“教”受到多种因素影响，既有教师个体因素，也受到教学管理手段制约。科学合理的教学管理手段不仅有助于提高教师的教学兴趣，还有助于科学有效地实施教学目标和方法，从而提高教学效果。1教学管理现状目前的教学管理手段主要是监管型与惩罚型[1]。监管型手段主要包括各种领导和退休教师的督导活动，还有学生对教学过程进行监控和反映，以及不断出台的各种措施，对教师教的行为进行约束。惩罚型手段主要包括对教学过程中可能出现的失误或过失行为进行惩戒。这些措施的主要目的是针对教学过程的“教”。从实际效果来看，这些措施效果有限，导致出现以下现象：（1）教师的积极性不高，过多的无效管理措施限制了教师的主观能动性，过多的监管措施导致教师疲于应付，教师只是简单根据措施实施，这些措施以外的可以有效促进教学的手段未必愿意执行。（2）教学管理手段针对性不强，手段目标不够明确，虽然措施不断增加，但并未真正解决问题。（3）缺乏发现教与学症结的工具和方法。目前，主要通过和学生交流的方式来发现问题，无法通过数据发现存在的问题。2教学信息挖掘教学过程中产生了大量的教学信息，包括平时成绩、考勤情况、实验情况、平时作业成绩以及期末考试成绩等。若能从这些大量数据中找出有用信息，在此基础上制定合理有效的教学管理措施，对提高教学效果将大有裨益。数据挖掘技术能够自动高效地从海量數据中提取有价值的信息，从而有效支持决策[2]。数据挖掘技术有多种方法，其中之一就是关联分析，即发现数据之间的关联关系。大多数情况下，分析人员对数据中隐藏的关联性是未知的，即使由于经验积累，意识到数据间可能存在关联性也是不确定的，所以频繁模式的关联规则挖掘便于找到数据之中一些隐藏的、高可信度的关联规则[35]。数据挖掘方法在学生成绩和学生行为方面能够发现学生活动与学习成绩之间的关联性[67]，为学校管理人员及教师提供参考，在很大程度上提高学习管理决策有效性，提高教学质量和管理效率，因而挖掘学习成绩与学生行为的关联性十分必要。与学习相关的行为主要包括平时成绩、期末成绩以及平时表现等，本文主要工作是挖掘学生期末成绩与其平时成绩的关联性，探讨其缺勤情况与第一次考勤情况的相关性，以及与寝室其他同学的缺勤情况相关性，从而明确何时采取怎样的措施防止上课缺勤现象。3基于Apriori算法的学生成绩关联分析Apriori算法是一种通过逐层搜索的迭代方法挖掘关联规则的算法，具体就是使用“k-1项集”搜索“k项集”。利用该算法挖掘平时成绩与期末成绩之间的关联关系过程如图1所示[8]。3.1挖掘对象确定根据教学经验，推断学生的平时成绩和期末成绩之间可能会有一定的关联性，学生的出勤情况之间可能存在一定的关联规则，除此之外，学生上课出勤情况很有可能会受到其所处环境的影响，所以挖掘学生缺勤情况与同一寝室的关联性也是十分必要的。3.2数据收集从历年的教学资料中收集不同年级学生在若干不同专业课上的表现情况，包括出勤情况以及平时成绩、期末卷面成绩等信息，并得到学生寝室分配情况。3.3数据预处理对收集到的学生成绩和出勤情况数据进行数据预处理，主要包括数据清理和数据变换两个步骤。（1）数据清理。数据清理的主要目的是消除原始数据库中的冗余数据、噪声数据以及重复记录。学生成绩数据中，有可能因为未参加考试或在考试中存在违规行为，导致考试成绩缺失或者为0。这些数据对学生学习情况分析意义不大，所以要把这些数据删除。而对于学生出勤表，...