数字执本与率用
数据挖掘在高校学生成绩分析中的应用
徐清泉王莉红
(兰州外语职业学院甘肃兰州730000)
应用研究
摘要提高学生的学习成绩是每一所高校的日标。学生的成馈不仅能够反映学生的学习效累,在骨后还隐藏达很多有价值的信息。在高校的成绩管理中，善遍存在着要许问题。学生的成绩管理只停留在数据的留存、查阅及简单的统计，缺乏对数据的深入研究分析，不利于采集教学信息,达是教学利用资源的械大浪费。数据挖据技术的出现从根本上解决了达一同题。本文针对数据挖据技术在高投学生成绩分析中的应用进行了操讨，
关键词：数据挖据高校学生成绩
中图分类号：TP311
文献标识码：A
高校学生成绩能反映学生学习的章握程度，是高校教学质量评价标准。现在高校不断扩招，学生数量与目俱增，随着科技生活的发展，影响学生成绩的因素越来越多，学生成绩分析就显得格外重要。通过对高校学生成绩进行分析，能够预测成绩的发展态势，能够及时教学中存在的问题，提出相应的建议和解决方案。这对于提高教学质量非常重要。想要从众多的数据中提取出有用的信息就需要数据挖掘技术的带助。数据挖掘技术在学生成绩分析中的应用已经使
用越来越广泛，很大程度上提高了工作效率和教学水平。 1数据挖掘技术
数据挖揭就是在庞大的数据库中，提取出隐藏在其中不容易被发现、人们事先不知道的但是很有利用价值的信息的过程。数据挖据掘是一个不断完善的数据发现的过程，通过对海量数据的分析与评价，不断进行数据挖掘模型的建立和算法的优化，最终获得最佳数据挖掘方案。学生成绩的挖掘就是在全部学生成绩的超大数据库中去除无效信息，提取出有用信息，利用现有的数据挖掘模型和算法进行分析，得出对高校有用的信息。数据挖据共有六个阶段：
(1)定义挖掘问题；(2)建立数据模型，(3)分析数据;(4)数据的准备、选择、预处理和整合；(5)选择模型，(6)数据挖掘，
数据挖掘技术是以人工智能为基础的，主要包括集合论法、数群算法、粒子群算法、决策树算法，遗传算法，神经网络方法等。决策树算法分为ID3算法，CLS算法，IBLE算法等。遗传算法包括分布并行遗传算法，进化算法等。数据挖掘的分析方法有聚类分析、关联分
析、时序模式分析和分类分析。 2数据挖据的过程分析
在进行高校学生成绩进行数据挖据时需要经过以下几个阶段：(1)定义研究问题：确定需要解决的目标的背景和发展状况;(2)建立模型：把待处理的学生成绩存储在大型的数据库中，例如MySql/ Oracle等。在数据库的基础上建立挖掘对象数据仓库，并且同时建立统计查询或者建立各种挖掘模型，如决策树、聚类、关联规则等。这些挖掘模型是系统自身带的，不需要自已开发，主要是建立数据仓库，(3)分析数据：分析学生成绩数据从中预测最能影响学生成绩的主要因素，然后进行整合，进一步发现关键因素；(4)准备数据：主要包括三个方面的数据：原始数据、目标数据的提前处理以及综合数据整合；(数据选择：从准备挖掘的数据中选择相关数据和外部数据，构建出对进行下一步工作最为有用的数据集和。数据的预处理：分析数据集合的特点，从中得到更加有价值的信息，过程中需要对数据进行填补、过滤、离散化、标准化等等。数据的整合：将数据集合整合成为利于挖掘算法的分析模型数据集）(5选择模型：选择合适的挖掘算法例如：分类分析、聚类分析、神经网络方法，决策树算法等；(6)数据挖掘：将从以上得到的信息进行分析，得出相应的原因和解
决办法。保证决策的准确性和可靠性。收移日期：20150116
文章编号：1007-9416(2015)02-0077-0) 3数据挖掘系统的设计
针对高效学生成绩进行数据挖据系统的具体设计： 3.1系统功能设计
本系统采用K一Means聚类算法对高校学生成绩进行挖掘、分析和评价。首先对系统开发可行性和必要性进行分析。系统要实现信息初始化、数据采集，数据预处理，数据挖据，数据分析五大功能。
3.2系统的信息初始化设计
系统的初始化就是准确的对所研究的数据进行各项数据的收集、核对、修改，记录等，例如：在进行数据教师水平的评价时，就需要对教师的学历、职称、教学年限等进行采集和整理。信息初始化需要完成以下任务：(1)明确挖据目标。针对学生的学习情况，期中期末成绩、教师的职称等学生成绩影响固素进行分析，为以后工作提供经验和指导。(2)对不同来源的数据进行数据的集合。(3)数据集合完成后，由数据集合生成各种信息趋势表。
3.3数据采集
数据采集是整个系统构建需要人力最多的阶段。需要学生教师等多方面的进行有价值数据的采集。数据采集可以采用联机采集、脱机采集、人工输人等。利用计算机进行信息数据库的采集和构建。采集的数据内容包括教师数据。学生情况数据、考试成绩集合等。
3.4数据预处理
数据的预处理主要包括数据的集成：将多个数据合并在一起。数据清理：将一些不准确，影响数据分析的数据进行修改和除。重复记录和冲突记录处理：在要发生冲突的部分进行预先处理，为以后节省时间开销。
3.5数据挖据分析
通过以上几步的数据处理，得到了准确性、可操作性极高的数据，对其进行分析和处理，提出影响学生成绩的因素和解决方法，促
进高校教育水平的发展。 4结语
数据挖掘技术是对海量数据进行分析的技术，在现如今这个信息化的时代，数据挖掘已经应用到各行各业，例如金融业、电信业。教育业，服务行业等。数据挖掘在教育行业发展很慢，需要进一步推广发展。本文提出将数据挖掘技术应用到高校学生成绩分析中，提出了新的数据获取形式，在进行数据挖掘前，要对数据进行数据清理、数据转换等完成数据的预处理，然后进行建模分析挖掘。这对于
教育事业的发展起到了巨大的推动促进作用。参考文献
[1王祥瑞-数据挖据技术中关联规则挖据的应用研究[J].煤炭技术 2011.
[2]密学文.关联规则万巨额算法Apriori在学生成绩中的应用[J].河北北方学院报（自然科学版),2011
作者简介：徐清泉(1974一),男，甘肃式成人,颈士研究生,工程师/讲师,研究方向：数据库技术、软件开发；
王莉红(1980一)女,甘肃兰州人,项士,讲师,研究方向：数据库技术、网站开发。