数据挖掘技术在成人高校管理中的应用研究

摘要

随着数据挖掘技术的成熟及其应用领域的扩展，不少普通院校的研究人员己开始将其应用于普通高校的管理中并得到了相关研究结论。由于成人高校和普通院校相比在学生来源、教学模式、管理方式等方面有所不同，直接将普通院校的研究结果应用于成人高校中有所不妥，所以采用数据挖掘技术对成人高校的生源情况、学生的评教记录以及学生的考试成绩等进行研究具有重要意义。
　　 本文首先采用决策树分类算法ID3对平顶山教育学院往年的生源情况进行分析，生成分类规则，得到结论：年龄较小且收入较低或一般的教师是学院成人教育生源的主体。研究表明，增加新专业，扩大生源范围势在必行。
　　 然后采用关联规则的Apriori算法对教师评教数据进行挖掘，产生了相应的强关联规则，结果表明成人高校的学生相对较为成熟，经验丰富的老教师、职称较高的副教授和知识丰富的具有硕士学位的教师，相对评价较好。
　　 最后采用聚类分析的k均值算法对考试成绩进行聚类，得到了簇中心和个类数。结果显示：如果优秀率、良好率、中等率、及格率和不及格率符合正态分布，说明教学效果良好，学生对课程内容掌握较好。

目录

文摘

英文文摘

图表目录

第一章 绪论

1.1 课题研究的背景和意义

1.2 国内外研究状况及方向

1.3 本文的研究内容及论文组织结构

第二章 数据挖掘技术理论

2.1 数据挖掘的概念

2.2 数据挖掘系统的分类

2.3 数据挖掘的过程

2.4 数据挖掘的方法

2.5 数据挖掘的工具

2.6 数据挖掘的应用

2.7 数据挖掘研究的热点和主要发展动态

2.7.1 数据挖掘研究的执点

2.7.2 数据挖掘的主要发展动态

2.8 本章小结

第三章 决策树算法在成人高校招生中的应用研究

3.1 决策树算法

3.1.1 决策树的生成

3.1.2 分类规则挖掘的1D3算法

3.2 决策树挖掘应用于招生决策

3.2.1 生源信息的预处理

3.2.2 决策树的挖掘

3.2.3 生成分类规则

3.3 本章小结

第四章 关联规则在教学评价中的应用研究

4.1 关联规则

4.1.1 基本定义

4.1.2 关联规则问题的分解

4.1.3 布尔关联规则挖掘的算法

4.2 关联规则挖掘应用于教学评价

4.2.1 评教数据的预处理

4.2.2 关联规则挖掘

4.2.3 关联规则结果分析

4.3 本章小结

第五章 聚类在学生成绩评价中的应用研究

5.1 聚类

5.1.1 聚类分析中的数据类型

5.1.2 聚类分析计算方法的分类

5.1.3 典型的划分方法

5.2 聚类分析应用于学生成绩挖掘

5.2.1 聚类分析对教学效果评价的作用

5.2.2 基于k均值算法的聚类分析

5.3 本章小结

第六章 总结和展望

6.1 主要的研究成果和结论

6.2 进一步研究的展望

参考文献

致谢

个人简历

作者在攻读硕士学位期间完成的论文