《浅析高校学生管理系统中数据挖掘的研究与实现-于澍》由会员分享，可在线阅读，更多相关《浅析高校学生管理系统中数据挖掘的研究与实现-于澍（6页珍藏版）》请在装配图网上搜索。
1、浅析高校学生管理系统中数据挖掘技术于澍随着国家教育、教学范围及其规模的逐渐增大，在整个教育体系中，学生本身更像市场经济体系中的消费团体，只有学校制度的多样化、多重化才能满足他们的要求。各高校需给予学生充分的、更多的选择。各高校的服务应以人为本、以学生为本，展现给学生更多的、优质的服务。同时学生数量的逐渐增加、学生管理制度的不断完善以及教学任务的分配、科研管理、青年教师的培养等工作量也与日俱增。这些都给学校的传统管理工作带来了很大的烦恼，学校传统管理模式将无法满足这些新的要求。根据辽宁省教育评估体系的工作评估文件调查结果显示，截止至2009末，辽宁省内仍有30余所高校采用传统的管理模式，由此产生
2、的纸质化办公的工作量非常之大，而且数据保存有一定的时间及年限，10年前或者20年前的数据材料有些已经无法查询或很难查询。因此在这样的情况下，众多高校采用学分制管理的，并提出了学生管理系统的信息化及规范化。但是只有学生信息管理系统还是远远不够的，因为在很多高校只有管理学生工作及教学工作的工作者才能应用，其他的与学生相关的管理部门如想通过学生管理信息系统查找学生相关数据都很难在本地的计算机上直接实现。因此提出了学院数字化办公的建设目标。就是以校园网络为基础，利用相关的技术及工具，实现从资源(如图表、讲义、课件、信息等)、到活动(包括教、学、管理、服务、办公等)、到环境(包括机房、教室等)的全部数字
3、化，数据生存于整个网络之间，使学院各部门通过其网络使学生、专业、各系部及其学生信息、财务、招生、就业、资助、学籍等等管理成一条线，全部实现计算机管理。针对以上问题，我们提出了数据挖掘的应用研究。数据挖掘就是从大型数据库的数据中提取人们感兴趣的知识，这些知识是隐含的、事先未知的、但潜在有用的信息，数据挖掘意味着在一些事实或观察数据的集合中寻找模式的决策支持过程。它是一门交叉性学科，融合了人工智能、数据库技术、模式识别、机器学习、统计学和数据可视化等多个领域的理论和技术。数据挖掘作为一种技术，它的生命周期正处十沟坎(chasm)阶段，需要时间和精力去研究、开发和逐步成熟，并最终为人们所接受。近年来
4、，许多高等学校在教学和日常管理工作中积累了大量的数据，但这些海量数据却没有有效的利用。学校管理人员在日常整理中只是通过统计或排序等简单功能获得表面的潜在信息，因此对于这些数据的挖掘是一个待开发的“金库”。如何对这些表面数据再次进行有效管理和整合，从中发现规律，将现有的管理数据转化为可供使用的知识，以便于为学校管理者提供决策支持，提高管理水平和办学质量，是现在各大高校都在研究和讨论的重点。学生是高校的重点管理对象，学生管理质量的优差是高校管理是否成功的关键所在。高校管理信息系统中几乎收集到了所有关于学生的信息。校园卡管理系统中收集了关于学生生活方面的信息，包括学生是否在校、学生的作息情况、学生的
5、消费情况等等；教务管理系统中收集了学生学习方面的信息，包括每个学生的基本档案，各个专业的学生学习哪些课程，学生每门课成绩如何等等。将高校管理信息系统中收集到的信息，用数据挖掘技术进行分析, 将得到一系列可以为高校学生管理者提供决策支持的结论。目前的高校学生管理，首先需要建立数据仓库，在数据仓库的基础上进行联机分析处理和数据挖掘，为学生管理提供依据支持。数据挖掘从广义上说，就是在一些事实或观察数据的集合中寻求模式的决策支持过程。因此，它除了处理传统数据库中的数值型的结构化数据外，还可以对文本、图形、图像、WWW信息资源等半结构、非结构数据进行挖掘。数据挖掘意味着在一些事实或观察数据的集合中寻找模
6、式的决策支持过程，数据挖掘的对象不仅是数据库，也可以是文件系统、数据集合。对于那些管理者明确了解的信息，可以用查询等其它工具直接获取，而另外一些隐藏在大量数据中的关系、趋势等信息就需要数据挖掘技术。数据挖掘技术可找出大量真正有价值的信息和知识，可以更好地对高校的学生管理做出定量的分析和预测。随着学院数字化办公建设及时间的推移，整个数字化系统中将积聚大量的数据，如何挖掘大量数据中所隐含的规律，从而应用这些规律去指导学校的工作，改善整个学校的管理，提高管理效率是一项非常有意义的工作。数据挖掘技术及相关的决策支持系统发展很快，己经给零售业、公共服务业、银行证券业等众多行业带来了令人吃惊的利润，并已有
7、很多学校和科研机构也正投入大量资金进行数据挖掘技术的进一步开发和深入研究。在国外，数据挖掘技术已被广泛的应用于各个领域，其中一些典型应用如加州理工学院喷气推进实验室与天文科学家合作开发的SKICAT系统，能够帮助天文学家发现遥远的类星体，是人工智能技术在天文学和空间科学上的第一批成功应用之一，生物学研究中用数据挖掘技术对DNA进行分析；利用数据挖掘技术识别顾客的购买行为模式，对客户进行了分析；对银行或保险公司经常发生的诈骗行为进行预测；IBM公司开发的AS（Advanced Scout）系统针对NBA的比赛数据，帮助教练优化战术组合等。在学术研究上，数据库、人工智能、信息处理、知识工程等领域的
8、国际学术刊物也纷纷开辟了数据挖掘专题或专刊，如：IEEE的Knowledge and Data Engineering会刊领先在1993 年出版了数据挖掘技术专刊，在Internet上还有不少数据挖掘电子出版物，其中以半月刊Knowledge Discovery Nuggets最为权威。另一份在线周刊为DS* （DS代表决策支持），1997 年10月7日开始出版，可向提出免费订阅申请。与国外相比，国内对数据挖掘的研究稍晚，没有形成整体力量。1993年国家自然科学基金首次支持数据挖掘领域的研究项目，目前，国内的许多科研单位和高等院校竞相开展数据挖掘和知识发现的基础理论及其应用研究，这些单位包括清
9、华大学、中科院计算技术研究所、空军第三研究所、海军装备论证中心等。其中北京系统工程研究所对模糊方法在知识发现中的应用进行了较深入的研究，北京大学也在开展对数据立方体代数的研究，华中科技大学、复旦大学、浙江大学、中国科技大学、中科院数学研究所、吉林大学等单位开展了对关联规则开采算法的优化和改造，南京大学、四川大学和上海交通大学等单位探讨、研究了非结构化数据的知识发现以及Web数据挖掘。并且国内部分高校都纷纷采用数据挖掘的技术去实施开发与分析。例如，复旦大学施伯乐教授领导开发了数据挖掘工具集AMINER；北京大学计算机科学系的唐世渭和杨冬青教授领导开发了基于空间数据挖掘的客户分析系统模型CASDM
10、。此外，清华大学周立柱教授领导的数据挖掘研究小组，四川大学唐常杰教授领导的针对时间序列方面的数据挖掘研究小组，中国科技大学蔡庆生教授领导的针对关联规则的研究小组，复旦大学朱扬勇教授领导的数据挖掘工作组，云南大学王丽珍教授带领的针对不确定数据挖掘的研究小组等，都取得了许多重要的研究成果/在数据挖掘算法研究方面，中科院计算所史忠值研究员、清华大学石纯一、陆玉昌教授、武汉大学李德仁院士、北京科技大学杨炳儒教授、复旦大学周傲英教授等都取得了许多重要的研究成果。国内比较重要的会议有全国数据库学术会议（National DataBase Academic Conference，简称NDBC），权威的杂志有
11、计算机学报、软件学报和计算机研究与发展。经调查，目前全国各高校中功能较强并已经投入使用的计算机管理信息系统还为数不多，这其中比较有代表性的有以下一些:1.上海交通大学的管理信息系统自1999年起，上海交通大学逐步建成了近十个MSI应用系统和数十个基本信息资源库，并相继投入实际运行，使学校管理信息化的应用水平有了突破性的提高。其主要成果有:(1)建立了基于网络的教育管理信息系统，基本实现了学生的注册收费、学籍管理、资助管理、专业培养计划、自动排课、学生选课、成绩管理、毕业资格审查、就业指导以及校友信息等的计算机管理。该系统涉及教学管理部门、学生管理部门、财务管理部门、校友会等部门。(2)本科教学
12、管理系统，包括教师任课管理和计算机排课、教室管理、教学资源查询分析、学籍管理、完全学分制网上选课及排课调整、注册收费管理、考试成绩管理、系统维护与代码维护等功能基本实现教务、教学管理工作的自动化。(3)学生处学生信息管理系统，包括学生事务管理和就业管理两部分。学生事务管理模块实现了对研究生“三助”管理、勤工助学管理、帮困助学管理、贷款管理、奖学金管理、学籍异动处理、出国登记、结婚申请、违纪和处分、保险事务、党团员管理、思政教师管理、综合信息管理等功能，并提供了信息的收发、在线业务处理、数十种统计报表的输出打印等功能。 (4)校友管理信息系统、基金管理信息系统、校园(消费)卡系统等部分。这些系统
13、实现了该校的校友信息、各项捐赠基金、校园消费服务一卡通的实现等的计算机管理，为该校的各项工作提供了强大的技术保障。2.北京大学的学生工作部网上信息查询系统和助学在线系统北京大学建立了一个学生工作部网上信息查询系统，提供了对学生工作部的主要职责、机构设置、工作人员、规章制度、工作通讯、相关信息的查询等功能;另外该校的助学在线系统可以提供该校勤工助学工作相关的信息发布、文件发布、信息查询、数据统计等功能。3.上海财经大学的数字化校园计划该校围绕校园现代化、信息化和国际化的总体建设目标，按照总体设计、分布实施的原则，建立基于Intranet的统一信息服务平台和校园管理信息系统。具体目标为:实现财大校
14、园内的教学、科研和服务的数字化、信息化和网络化;实现信息资源和信息服务的合理规划、合理分配和有效利用;保证资源和服务的可靠性、安全性和科学性;消除信息分立自治局面，加强学校的信息资源共享，提高管理效率和决策水平。该校信息化建设主要包括了以下四个方面的内容:校园网络基础设施建设、管理信息系统、数字图书馆和远程网络教育。目前该校正在进行基于统一学校服务平台的公共数据中心设计和建立，这个公共数据中心主要涉及学校各职能部门需要的共享数据的抽取和定义，按照国家教委信息标准和学校的实际情况进行设计，主要工作包括:学校基本情况信息的定义、教职工信息、学生信息、研究生招生管理信息、教学管理信息、科研信息、办公
15、管理信息等内容，并正在进行管理信息系统的设计和开发，这其中就包括了一个学生管理模块。4.复旦大学的信息化校园建设计划圈该校正在进行一项涉及全校工作各个方面的校园信息化建设计划，准备开发一个能应用于全校教学、科研、服务等领域的全面的信息化系统，该系统设计方案中与学生管理相关的内容有校园生活信息服务、软件资源服务、图书馆服务、虚拟社区服务、教务服务、后勤服务等内容，基本涉及了大学生在校其间的学习、生活、娱乐等各个方面。但这些系统或多或少都存在以下问题:用户界面复杂;使用方式较分散;成本较高。最重要的是至目前为止还没有一套将学生在校管理、毕业成绩资格自动审核、毕业信息管理和学生学籍管理相结合的完整系
16、统。特别是随着高校招生规模的不断扩大，高校每年的毕业生急剧增加，准确和高效地对毕业生学业成绩资格的进行审核显得更加重要。同时，它是开放性的，有利于今后将最新的多媒体技术、人工智能技术和网络技术融入系统之中。在当今，中国校园网的建设已经逐渐转变为数字化校园网，数字化校园是指以基于网络，并利用先进的信息化工具和手段，实现从环境、资源、到活动的全部数字化，从而提升传统校园网模式的效率，扩展传统校园网的功能，最终实现教育过程的全面信息化，达到提高教学质量、科研和管理水平的目的。数字化校园建设的整体思路就是搜索其校园网的大量数据，并研究如何在大量数据中发现所隐含的规律，从而应用这些规律去指导学校的工作，数据挖掘技术无疑将在这当中起着越来重要的作用。
浅析高校学生管理系统中数据挖掘的研究与实现-于澍
