数据挖掘在开放大学教务系统中的应用

论文摘要

目前,在信息化、网络化与高等教育高度融合的教育环境下,开放大学倡导的是“联合高校合作办学”的教育模式。联合高校合作办学旨在利用各个高校优质教育资源,建立以课程为单位的学习资源,实现学习资源的共建共享,从而建设联合高校“学分银行”。而在学分银行中,各个高校间所建立的学习成果,能够进行学分互认的标准是什么,目前还在完善阶段。本文将探讨如何充分利用数据挖掘技术,在各大高校教务数据系统上,建立联合高校教务数据仓库,从中挖掘出对进行“学分的互认”能够提供决策支持的有价值的知识,从而可以得到一些高校合作办学的管理规则。基于这种思路,本文以数据挖掘算法及其决策树算法和关联规则算法为基础做以下探讨。1、采用决策树分类算法C4.5对南平广播电视大学教务数据库中学生的成绩档案数据进行分析,形成分类规则,得到结论：合作办学模式下,学生课程成绩的优劣情况,与所采取的课程考核方式有着密切的联系。基于结论,建议在合作办学模式下对学习成果的考核可以采用“网络统一考试”的方式。2、采用关联规则的Apriori算法对学生的成绩档案数据再次进行挖掘,得到一组相应的强关联规则,得到结论：合作办学模式下,学生当前课程成绩的优劣情况,与学生是否已经修习过一些必要基础课程有着密切的关系。基于结论,建议合作办学模式下对学生的主要课程开设需要进行统一的设置。3、利用数据挖掘的技术优势,探讨建立联合高校数据仓库,提出建立联合高校教务数据挖掘系统的开发过程和应用设想,为学校管理者更好地开展合作办学教学改革提供决策依据。以上应用研究,为院校制定合理的合作办学管理规则及建设学分制的“学分银行”提供了决策支持

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究背景和意义
• 1.2 本文课题研究的现况及方向
• 1.3 本文的研究内容及论文组织结构
• 第二章 数据仓库和数据挖掘的探析
• 2.1 数据仓库
• 2.1.1 数据仓库的概念及特性
• 2.1.2 数据仓库的体系结构
• 2.1.3 数据仓库系统的实现
• 2.2 数据挖掘
• 2.2.1 数据挖掘的定义
• 2.2.2 数据挖掘的功能
• 2.2.3 数据挖掘的实施
• 2.2.4 数据挖掘的分类
• 第三章 决策树在学分银行建设评价中的应用
• 3.1 决策树的定义分析及实现过程
• 3.2 决策树的相关算法
• 3.2.1 ID3算法
• 3.2.2 C4.5算法
• 3.3 决策树C4.5算法在学分银行评价中的应用
• 3.3.1 挖掘意义的提出
• 3.3.2 挖掘数据的处理
• 3.3.3 决策树算法进行数据挖掘
• 3.4 决策树算法生成分类规则及解释与分析
• 第四章 关联规则在学分银行评价中的应用
• 4.1 关联规则的概念分析及挖掘实现过程
• 4.2 关联规则的相关算法
• 4.3 关联规则在学分银行评价中的应用
• 4.3.1 挖掘意义的提出
• 4.3.2 挖掘数据的处理
• 4.3.3 关联规则算法进行数据挖掘
• 4.4 关联规则算法生成分类规则及解释与分析
• 第五章 高校教务数据挖掘系统的设计与意义
• 5.1 联合高校教务数据仓库的设计
• 5.2 联合高校数据挖掘系统的体系结构
• 5.3 联合高校数据挖掘系统的运行
• 5.4 联合高校教务数据挖掘系统建设的意义
• 第六章 总结及展望
• 6.1 本文工作的总结
• 6.2 存在的问题及未来展望
• 参考文献
• 致谢
• 个人简历
• 攻读硕士期间发表论文