数据挖掘在教学质量分析评价中的应用研究

摘要

数据挖掘(Data Mining)又称知识发现,是一个从大规模数据库的数据中抽取有效的、隐含的、未知的、有潜在使用价值的过程,它是当今众多学科领域,特别是数据库领域最前沿的研究课题之一。
　　 高等教育信息化建设,促成学校大量教育教学信息的积累。这些信息包括学校的专业设置情况、开设课程情况、任课教师情况、学生基本情况、教材情况,学生历年考试成绩等。这些数据的有效利用,可发现对教育教学改革与管理有价值的信息。
　　 本文首先详细介绍了数据挖掘技术及其分类技术,重点介绍了分类技术中的决策树分类方法及几种经典的决策树分类算法。
　　 然后阐述了分类技术在教育信息中的应用研究。建立了教学评价系统框架图,对系统实现的过程做了详细的描述,选取决策树分类算法中的ID3算法作为系统模型实现的依据,并针对ID3算法的不足做了改进。
　　 最后实现了一个决策树分类器,作为高校教学评价系统中评价模块的实现。该分类器比较完整地描述了从数据的采集到数据预处理,设定属性优先权值,生成规则的全过程,并可以直观地显示决策树的生成。最终用来对一些未分类的数据进行预测。

目录

文摘

英文文摘

第1章 绪论

1.1 数据挖掘技术研究背景及研究意义

1.2 研究现状

1.3 论文主要研究内容及文章组织结构

1.3.1 研究内容

1.3.2 本文的组织结构

1.4 本章小结

第2章 数据挖掘技术简介

2.1 数据挖掘的定义

2.2 数据挖掘的过程

2.3 数据挖掘任务

2.3.1 分类预测性方法

2.3.2 描法型方法

2.4 数据挖掘中的分类技术

2.4.1 分类的目的

2.4.2 分类的过程

2.4.3 决策树学习

2.5 本章小结

第3章 算法的比较与选取

3.1 算法选取依据

3.2 决策树常见算法

3.2.1 ID3算法

3.2.2 C4.5算法

3.2.3 SLIQ算法

3.3 模型建立的算法选取

3.4 本章小结

第4章 教学评价系统总体设计

4.1 引言

4.2 系统方案设计

4.2.1 需求分析

4.2.2 解决方案

4.2.3 算法选取

4.3 系统总体功能设计

4.3.1 系统总体功能设计

4.3.2 评价模块设计

4.4 系统的挖掘对象及目标

4.5 系统的数据的采集及预处理过程

4.5.1 数据采集

4.5.2 数据抽取

4.5.3 数据清理

4.5.4 数据变换

4.5.5 数据消减

4.6 算法改进

4.6.1 改进算法描述

4.6.2 实验结果

4.7 本章小结

第5章 系统中分类器的实现

5.1 数据存储

5.2 数据处理

5.2.1 数据预处理

5.2.2 数据挖掘

5.2.3 预测

5.3 程序实现

5.4 结果分析

5.5 本章小结

结论

参考文献

攻读硕士学位期间所发表的学术论文

致谢