文摘
基于数据挖掘技术,本文运用理论和实践相结合的方法系统地描述了背景和基本概念与矿业相关的数据生成技术。经典的数据挖掘过程分析的深度和细节,和方法建立决策支持系统基于B / S模式的教育管理进行了研究。不仅是数据挖掘技术应用于该系统,而且决策树模型与改进的ID3算法是本文实现的,这是进一步应用于教育管理决策支持系统这一主题。客户端计算机的负荷减少,和客户端计算机只需要运行程序的一小部分。本文主要关注以下方面:教育管理的总体规划基于数据挖掘技术的决策支持系统。从实际的教育管理工作,我们分析这个系统的需求和设计各功能模块,应用系统功能结构图和功能用例图来表示系统的功能结构和使用流程图来说明的工作流系统作为一个整体和部分地区。逻辑结构设计、实体关系设计和物理模型的数据库进行了设计。为了提高系统的效率,提高了ID3算法在此基础上减少操作的时间复杂度,提高系统运行的效率,实现目标的评估和预测教师的教学质量。该系统的开发和设计提供了一种高效、方便、科学、可靠的系统工具,减少教育管理员的工作量,更重要的是,合理有效的利用产生的大量数据的管理、使用和数据挖掘技术从这些数据中提取有价值的和潜在的信息,可以更加科学和高效的教师和学生的教学。它可以提供可靠的、可引用和有价值的信息为管理者做出评估和决策。
1。介绍
当前上下文的快速的经济增长和不断上升的城市化、教育资源,作为一个重要的社会公共资源,在技术方面落后的管理手段,构成负面影响教育改革的深化和教育资源的优化配置,从而使这些任务的发展面临严重挑战[1]。随着信息技术的不断进步,信息技术已广泛应用于国内外教育管理领域的提高他们的管理水平2]。尽管当前使用的教育信息管理系统也是基于数据库建设,这样的系统只能实现简单的数据分析和管理,和决策功能相对较弱。系统可以收集与教育有关的数据,进行简单的分析和数据收集的数据,但其功能相对较弱,甚至缺席时,教育管理的综合分析。世界上许多发达国家已经建立了一个完整的、高科技、和科学教育管理决策支持系统,具有巨大的指导作用,其国家的经济发展系统。许多学院和大学也建立了教育管理决策支持系统,适合自己的局域网的发展和广泛的区域网络(3]。同时,使用数据挖掘技术在教育管理决策也从大学收到了越来越多的关注,和更好的应用数据挖掘为教育管理和决策提供服务已成为教育面临的新问题(4]。
在过去很长一段时间,教育决策是基于领导直觉以及相关经验,甚至依赖于社会趋势,显然是不符合科学的决策理论,因此成为教育研究的一个重要内容批评员工。科学决策离不开必要的数据支持,但是,很长一段时间在教育领域,大量的数据有助于决策通常是分散在桌子和床的教员(5]。因此,加强信息技术系统的建设,集中和统一的管理大量的数据,然后使用相应的算法来分析他们将使决策管理者能够迅速获得大量数据的支持,帮助他们更加准确地了解当前教育现实的优势和劣势获得科学正确的决策。数据挖掘技术可以分析大型和复杂的数据集高效、迅速,可以发现隐藏在数据和相关的信息,趋势和方向的数据(6]。如果采用数据挖掘技术在教育管理系统,具有重要的现实意义的教育管理的长期发展。我们仍继续研究改进的决策树算法,和相应的改进C4.5算法从不同的角度。其中包括C4.5算法的耗时的改进处理连续属性,使用数学方法。价格是无穷小来提高计算效率的信息增益率等等7]。
这项研究进行了需求分析和详细设计系统和应用系统的每个功能模块功能结构图和功能用例图来描述系统的功能结构和流程图来说明的工作流系统作为一个整体和部分地区。逻辑结构设计、实体关系设计,数据库的物理模型进行了设计。那么传统的ID3算法应用于教学质量评估子系统进行分析。为了提高系统的效率,ID3算法进行优化和改进的在此基础上减少操作的时间复杂度,提高系统运行效率。评估和预测教师教学质量的目的。本文分为5部分,结构安排如下:部分2讨论了相关工作,当前状态的研究,和经典算法的应用,奠定了基础研究使用在随后的章节。部分3致力于研究数据具有对教育管理决策支持系统。部分4致力于分析结果。部分5给出了结论。数据挖掘技术应用于教育管理决策支持系统,相关老师信息数据,学生信息数据,和社会背景信息收集的数据,然后将数据预处理;数据挖掘算法用于构建模型,测试模型,并应用模型来帮助教师了解学生学习尽可能多的特点,影响教学质量的因素进行了分析。数据的价值与学生学习信息最大化,教育数据挖掘的作用真正发挥。
2。相关工作
近年来随着校园数字化的加速,许多大学有自己开发的信息管理系统或会同其他大学,实现无纸化办公,提高日常工作的科学、高效。使用这个系统积累了大量的数据,但高校只有做了一些调查,统计,和储备这些数据并没有充分利用它们。更好地利用这些数据和发现隐藏的有价值的信息,一些大学已经开始使用数据挖掘技术研究中,分析和解决问题。因此,数据挖掘技术将会得到更多的关注和应用在教育领域8]。罗德里格斯等人研究了数据挖掘的应用分析,高考录取数据通过关联规则和决策树分类的高考信息分析系统的设计。有用的知识是教育机构、开采候选人,学院和大学(9]。Ghorbani和Ghousi进行深入研究高校教育管理和数据挖掘技术,使用数据挖掘相关算法,通过研究和集成一个简单的投票策略简单的先验的算法和ID3算法的改进方法,改进了高校学生教育管理和提供了宝贵的指导学生训练(10]。法鲁克,甄OLAM的教育技术用于分析高校的教育和入学和确定的原因和潜在的有用的信息影响学生的入学率通过数据挖掘技术基于前几年的教育数据(11]。
追求教育决策和促进教育决策的合理性从经验到科学,国内外学者已经做了大量的研究,从不同的角度探讨教育决策支持。杜等人开始这一领域的理论研究提出了一个数据具有教育管理决策支持系统(12]。沈等人使用B / S模型和分析过程动力学Moodle的学习者学习使用网络分析技术平台。他们拯救了学习者动态记录的数据管理系统,形成实时分析模型或统计报表(13]。操作,比如分类模式、聚类模式、关联规则,和其他分析方法以及视觉表示以前使用,而后者被用来代表共同从行为动态数据模型生成。李等人利用数据挖掘技术来估计潜在的受试者(14]。基于信息的有机集成学习者的元认知、动机目标、知识获取和学习态度,他们建立了以学习者为对象和模型预测学习者的未来发展趋势,分析和改进教育方法模型,探讨了各种学习应用程序系统的有效性,建立了基于数据的计算模型来改善和提高学习者有效的学习15]。
我们使用文学、学术论文统计和内容分析方法系统地整理和总结相关的各种文学教育数据挖掘已经发表在中国和在国外,然后进行全面研究和分析,客观地分析和比较数据挖掘技术的研究现状国内外教育领域的(16,17]。教育数据挖掘未来的研究趋势进行了探讨。通过以上文献,我们可以看到,数据挖掘是面向更多的改进算法的数据挖掘技术和挖掘现有的教育管理数据分析不同属性值之间的内在关系,但研究相对较少的有价值的信息会影响新学生到达率之间的关系和教育管理决策。本文的目的是分析和研究教育管理数据从这个角度看使用挖掘技术(11,18]。教育管理信息管理系统的发展起着重要的作用在促进高等教育信息化的发展。使用数据挖掘算法建立模型,测试模型,并应用模型来帮助教育工作者了解尽可能多的教育管理的特点,分析影响教学质量的因素,并最大化的价值尽可能多的数据相关的教育管理信息(19]。充分发挥应有的作用,教育数据挖掘(20.]。
3所示。研究教育管理决策支持系统基于数据挖掘
3.1。数据挖掘教育模式建设
合理目标的决策过程是一个理性的决策的先决条件。的形成决定的目标,目标的大小,会影响决策者的理解目标的顺利实施的决定(21,22]。的过程中建立目标,的性质、结构和关键要解决的问题之前,必须分析清楚合理的决策目标可以确定目标的方式。决策目标必须非常清楚我们的目标是太抽象或含糊不清,模棱两可的决定很难实施,和实现决策目标的程度也难以衡量。教育管理的概念表示决策支持过程如图1。教育管理决策过程主要包括四个基本阶段:目标确定,设计方案,实施计划和评估计划。每个阶段的教育管理决策过程与决策环境有密切的关系。
决定目标被确定后,各种可能的选择是进一步为决策者基于可行性研究设计的。提出可行的选择需要结合整体穷尽性和相互排他性避免偏见的选项选择过程。整体穷尽性意味着开发的各种选项应该包括所有可能的选项。相互排他性意味着只有一个选项中可以选择不同的选项(23]。这些互斥选项应该决策者容易比较和选择。分析、评估和比较的选择意味着所有选项进行比较的指标,包括技术、经济、和社会环境条件因素,和潜在的问题,动态决策相关的财务指标客观的比较和评价。每个选项的可能的约束和潜在的问题,以及预防和应急措施,也比较和评估。适当的执行用户在数据挖掘过程中可以加速数据挖掘的执行过程。提供一个交互式的界面为用户提供了简单的操作,和交互式界面传递用户生成的结果及时、方便的方式,和生成的结果可以多样化。
数据集成的任务是将来自多个数据源的数据合并到一个统一的数据存储的数据挖掘。数据源可能包括多个数据库、数据立方体和数据文件。数据集成的主要考虑是属性匹配,数据冗余,价值冲突的检测和处理24]。为属性匹配属性合并执行通过检查每个属性的字段意义,数据类型,等等。冗余数据被认为是在两个水平。attribute-to-attribute冗余、实体属性的意义主要是检查,和属性被保持流线型的细粒度指标属性值和忽略的粗粒度的度量。这是因为粗粒度属性数据可以来自细粒度数据的转换。一些冗余的属性之间的关系很难检测,可以检测到检测多少一个属性可以包含一个属性,如通过计算皮尔逊系数,也叫两个属性的相关系数;例如,相关系数R(X,Y)给出两个属性X和Y方程所示(1),其中N是元组的数量,xk和yk的值是X和Y在元组k分别和的意思是X和Y,β(X),β(Y的标准偏差X和Y。ID3算法是用来建立一个基于数据库的属性的决策树模型样本。算法需要更多的对数运算,结果在时间复杂度和低操作效率。相同的公式需要反复计算,所以该算法仍有改进的余地。该算法需要优化。
事实是数值措施,多维数据模型是围绕一个事实,由事实表的名称,包括事实与事实的测量,以及每个相关维度表的代码(25]。维度是一个主视图或实体哪些你想记录,和每个维度有一个维度表相应的数据挖掘和决策分析,教师事实表,研究奖项事实表,事实表的研究结果,研究经费事实表,事实表的研究项目,人才发展事实表,硬件条件事实表和事实表主题书。每个事实表与多个维度表,如学科水平、时间,单位的水平。具体尺寸表是由事实表如表所示1。
获取离散数据集后,我们首先训练来获得一个完整的使用ID3决策树算法,它是这样工作的:让数据Dclass-labeled元组划分为一个训练集,假设class-labeled属性N不同的价值观,N不同的类H我定义(我= 1,…,N)。让H第九是类的元组的集合H我在X,让|X|和|H第九|中元组的数量X和H第九在方程(2),F(X)预计的平均信息量需要分类的元组X;代表的重量我th部门;H我任何元组的概率是X属于类H我并通过|估计X我| / |X|。
贝叶斯后验理论是用来测试决策树的每个分支,分支,不认为有足够的泛化能力或不可靠的从树中删除,导致一个更紧凑的树(26,27]。测试过程是针对每个规则的知识翻译从决策树,其中每个分类规则获得通过搜索自上而下从决策树的根节点到叶节点,每个分类规则包含一个条件属性元组X和一个结论分类标签Hx。为每个分类规则的测试,我们定义了两种类型的验证。充足率验证: 需要验证:
我们需要知识和清晰的解释能力但不希望分类和预测过程过于苛刻,为了方便处理问题的简化,我们利用模糊理论和执行一些模糊优化决策规则的分类和预测。一定的归属函数属性值x属于一个特定的时间间隔(G1,G2)建立了
最低可接受的价值信仰u指定,也可以从大量的实验。在本文中,该值设置u= 0.9简化确定流程。
教育系统的复杂性使得教育决策更困难;一个有效的、合理的教育决策支持系统将极大地促进教育决策的效率和合理性。在这篇文章中,我们结合教育决策过程的特点,教育系统本身的特点,新一代决策支持系统的结构特点,提出了教育管理的决策支持系统模型在教育教学领域的实际情况。
3.2。教育管理决策支持系统的设计实现
教育管理信息的数据挖掘可视化系统提出了本研究的目的是为教育管理提供决策支持信息管理学院和大学。系统的设计目标是执行数据挖掘大量的教育在教育管理数据库中管理数据积累多年来,和教育管理人员需要对候选人进行基本的数据分析和数据管理数据信息通过网络国家大学教育管理系统。最后,决定是否承认并宣布录取结果承认候选人通过教育管理咨询系统。承认候选人也可以询问的学院和大学的情况,前几年的教育管理录取分数线、专业教育管理计划,应用指导,录取结果,并通过教育管理发行录取通知书信息服务系统,而高校的相关教育管理信息管理者也可以询问还教育的历史信息管理和使用数据挖掘系统查询应用程序和承认通过系统和报告情况。在线分析和可视化可以用来掌握教育管理信息和及时的教育管理决策。
教育管理管理子系统完成的功能维护信息教育管理记录。所有操作系统的需要,一般记录和记录部分由参与共享部分的日志。系统开始当用户成功登录并获得系统的代码,可以控制范围,预计将执行教育管理安排管理操作。教育管理安排包括6常见函数的形式表示,添加、修改、删除、查找、和教育管理教学的详细维护数据。管理员选择教育管理的超链接,点击每个教育管理的具体名单安排,,的帮助下点击功能按钮在右上角,系统命令完成添加,删除和更改列表的活动计划。
很大一部分的数据应用程序使用数据服务的报表查询模式,所以教育管理分析模块。报告的流量查询下面简要解释,及其流程图如图2。报表查询的第一步是登录到系统,届时系统权限验证,只有功能和页面显示用户有权访问;然后用户输入特定功能报告界面根据他们的需求;报告接口函数构建基于各种数据分析方法如趋势分析、比较分析、交叉分析,和保留分析建立的数据模型的查询,然后页面构建基于数据模型的前端和后端数据组织。在前面的小节中,数据存储和处理的详细设计和实现还提到,数据将被提取的维度字段和指标字段广告层,现在查询模块可以根据维度字段都显示可选的维表。用户选择维度、维度值,数据发送查询请求,服务器调用相应的控制器接口基于请求的URL和参数来完成模型的查询数据,并将它返回给Web客户端显示给用户。
教育管理系统设计和实现本文使用决策树分类算法来生成一个分类规则。的重要任务之一,大学的教育管理是为学生提供就业指导,所以教育信息管理系统可以使用学生的学校挖出自己的职业方向。因此,分类规则的职业指导教育管理系统提供的如下:首先,学生的学校成绩单和综合评价作为输入的分类规则,和所采取的课程分为理论和实践课程的学生;业余时间活动分为运动和语言,和学生的角色的活动被归类为领导和nonleadership;根据这个输入信息,学生就业的行业预测。最后,以前学生的就业信息作为评价标准。例如,成绩分析大学教育管理可以获得的信息知识的学生的成绩的问题类型和学科知识的学生的成绩。很有趣的从数据仓库中提取重要的知识在高等教育学生的表现,因为有很多的信息,可以帮助提高教学管理。第一步是分析类型和程度的相关性问题类型、成绩、知识分,分数总结策略来培养学生。
4所示。结果和分析
4.1。数据挖掘教育模式分析
为了测试改进算法的影响,目标函数可以放大和处理,和分类错误的条目的数量可以直接计算错误率时计算。改进算法具有明显的效果与大数据集的数据量和复杂的数据类型,所以比较收敛的影响投票数据列,如图3,算法的收敛曲线之前和之后的改进算法进行了40实验和均值。通过实验比较,对于大数据量的数据集和复杂的数据类型,进行多次试验,而且,在500次迭代,极大地提高了算法收敛速度比未被利用的,不太可能陷入局部最优解,并能收敛到全局最优值。
图4显示分类的错误率。该算法用于分类时,通常使用的数据集的错误率低于NBC和NBC-W。如果有一个数据集分类错误率高的测试数据,可能是参数设置不合适,训练样本不设置相当不错,或者数据满足条件的假设类独立。一般来说,NBC-IBA可以分类准确、达到预期的精度在处理大部分的数据集。在算法的运行时间方面,由于NBC-IBA算法需要迭代搜索权重,分类器的训练时间有点慢于NBC和NBC-W。培训后,不仅是NBC的速度可比,而且准确率大大提高在随后的分类过程。在这一章中,应用规范化标准转换位置权重时,和全局最优位置不仅仅是作为权重。
图5显示的比较时间运行使用3000年收集的数据集对象,经过上述分析应用于实际的一个,从整个操作过程的角度,优化的优势非常明显,这不仅可以减少的数量计算,而且计算所有节点的顺序,减少操作的时间复杂度。优化决策算法将原始对数操作转换为一个简单的four-rule操作信息增益的计算期间,说应用公式,极大地减少了平均和整体计算工作。因此,改进决策算法降低了效率不改变原算法的整体效果,可以完全取代旧的算法应用到系统。
4.2。教育管理决策支持系统的分析
图6综合分析显示,显示2017 - 2020的基本信息,学生的原产地报告不同的专业,不同的地方,和不同的主题,和最终的教育决策可以通过结合四年的教育数据如下。系统分析模块显示,除了经济管理和外语,达到教育标准在过去的三年中,所有其他关键专业一直未能达到基本的教育标准,所以有必要调整教育的专业在这个领域。计算机科学专业,环境工程等科学技术专业可以根据实际情况适当调整,使专业更理性,让更多的学生和承认。从上面的结论,我们可以看到,很多因素都影响升学率,然后我们可以使用这个作为我们未来的指导基础教育工作,帮助学校决策者计划开设课程和专业设置的调整,以及给一些科学的指导的工作纪律管理部门。
图7进一步验证之间的整体评估得分有显著差异前教师培训类别以及男性和女性之间的导电类别和学生,虽然可以知道教师培训类别高于导电categpry,女生高于男生。在综合评价方面,学生的综合评价的学年是线性相关的情报,和能力综合评估产生重大影响。有一个重要的区别男性和女性学生,对女学生平均得分为69.96,这是高于男学生的平均得分为60.10分;有教师培训和知识之间的显著差异,对师范学生平均得分为76.33,远高于对知识学生平均得分为55.28分。之间存在显著的关系学生的就业和整体评估和性别。
整个学校的统计分析结果显示作为一个例子,如图8的统计界面,显示教育管理结果的柱状图。以下统计图表可以保存在线。图8需要统计图的整个大学的教育管理学院为例,展示了特定分布的三种教育管理水平的每个学院根据学院作为一个部门单位,从这可以看出学院值得关注,大学是值得赞扬的,等等;某所大学的专业类的专业,学生某个类的等等适用于帮助决策者做出决策。
从上述分析的结果,很明显,有一个男性和女性之间的差距主修教育技术在许多方面。现象,为了避免这种电流差距的计划和教学院长需要积极研究,采取有利的措施,引导男学生竞争的学术生活和其他方面赶上女学生和缩小差距。当设置权重系数的综合评价学生的学年,开发人员应该关注知识成就和系数的标准能力加分。这是因为这两个参数的公平和合理性起到关键作用的综合评价学生的学年。有必要继续保持高权重比例知识成果的综合评价。这将促进全面发展学生的道德和智力和体能而坚持的原则,“学生的主要责任是学习”,发挥有效手段反映学生学习的知识的性能。专业教师和行政人员应该逐渐引导学生努力学习和稳定他们的英语成绩从他们进入大学,为了实现一个相对平稳的通过第四和第六的成绩,避免临床学习风格和需要探索有效的教学方法来提高英语成绩的男学生。尽管综合评价的结果有重要影响的学生的就业,学生单一的能力或特殊技能的就业有很大的优势。同时,在就业过程中,男性的就业机会比女性更高,通过访谈和分析近年来就业形势,就业单位产生的原因主要是治疗男女性别差异和整合。大力开展各种活动来增加学生的机会展示自己的能力,鼓励他们采取各种证书考试,扩大就业机会。 Because of the current employment situation, female students should choose suitable majors according to gender characteristics when they are employed.
5。结论
随着知识经济的转型,教育产业发展迅速在这种背景下,和现代化的教育管理是促进可持续发展的一个重要基础教育行业和教育管理现代化的一个重要标志是信息系统的建设,这是一个为教育现代化发展的必然选择。近年来,城市化建设一直在突破,需要教育的人口相对移动,和学校布局必须不断调整结果,这无疑向教育部门带来严重的问题,所以它是非常重要的建立一个基于数据挖掘的教育管理决策支持系统。本文的意义和背景教育决策支持管理系统解释说,和用户需求,设计方案,系统地描述和功能实现。系统的总体架构和功能也进行了分析,以及相关系统的开发环境和所需的数据库设计。所涉及的关键技术和困难的系统的开发也详细讨论。最后,通过测试系统中,我们发现系统可以满足用户的需求并且可以完成基本的教育管理工作,有一定的决策支持功能。当然,由于我的能力有限,一些功能的系统并不完美,和系统的发展仍处于初期阶段,所以问题和缺陷是不可避免的,这也是今后需要改进的区域。有必要开展研究的建设和应用各种预测模型和监控模型系统的预测和动态监测的作用的讨论中提到的教育决策支持系统集成和证据融合中受益。这些研究技能的进一步扩展和深化研究。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
本文的工作是由郑州大学。