基于数据仓库的学生成绩和教学质量的分析与应用

论文摘要

随着信息化的浪潮席卷全球,我们需要一些新的技术来处理一些大量数据。数据仓库和数据挖掘正是在这种需求下产生。近段时间,在教育领域中,数据仓库和数据挖掘有了更多的应用和发展。随着普通高中信息管理系统的逐渐完善,学校大多储存了大量教学、管理上的数据,在这些数据的背后都含有很多重要信息,为了形成综合数据,可以建立数据仓库,使用数据挖掘,获取有价值的信息,提供给学校管理者作为决策支持。本文首先对数据仓库,数据挖掘相关理论知识做了详细研究。在某高中现有信息管理系统的分析基础上,设计基于数据仓库的学生成绩和教学质量管理系统,实现对现有各个信息系统的数据抽取、转换和加载。最后,介绍几个常见数据挖掘技术实现对数据仓库的访问,其中使用Apriori算法和聚类分析改进型算法对教师教学评价和学生成绩作了详细分析,为改变教学策略提供依据。最后阐述了本课题存在的不足并提出了研究展望。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 数据仓库研究现状
• 1.2.2 数据挖掘研究现状
• 1.2.3 数据仓库在普通高中的研究现状
• 1.3 本论文的研究内容及主要工作
• 第2章 数据仓库和数据挖掘技术
• 2.1 数据仓库技术
• 2.1.1 数据仓库的定义及特征
• 2.1.2 数据仓库的体系结构
• 2.1.3 数据仓库的数据结构
• 2.1.4 数据仓库的实现方式
• 2.2 数据挖掘技术
• 2.2.1 数据挖掘的定义
• 2.2.2 数据挖掘的过程
• 2.2.3 数据挖掘的分类
• 2.2.4 数据挖掘的方法
• 2.3 本章小结
• 第3章 基于数据仓库的学生成绩和教学质量管理系统分析与设计
• 3.1 需求分析及结构框架
• 3.1.1 需求分析
• 3.1.2 数据仓库的结构框架
• 3.2 数据仓库的设计开发
• 3.2.1 数据仓库的概念模型
• 3.2.2 数据仓库的逻辑模型
• 3.3 开发平台和工具
• 3.4 ETL
• 3.4.1 ETL设计架构
• 3.4.2 用DTS实现ETL
• 3.5 本章小结
• 第4章 数据挖掘在基于数据仓库的学生成绩和教学质量管理系统分析与设计
• 4.1 决策树算法
• 4.1.1 决策树算法概述
• 4.1.2 决策树算法分类
• 4.1.3 决策树算法的生产过程
• 4.1.4 基本模型描述
• 4.2 关联规则挖掘算法
• 4.2.1 关联规则算法概述
• 4.2.2 关联规则种类
• 4.2.3 基本定义与定理
• 4.2.4 Apriori算法
• 4.3 Apriori算法的实现
• 4.3.1 数据准备
• 4.3.2 数据清理
• 4.3.3 数据转换
• 4.3.4 实验结果及分析
• 4.4 聚类分析算法
• 4.4.1 聚类分析算法概述
• 4.4.2 常用的聚类分析算法
• 4.4.3 聚类分析步骤
• 4.4.4 聚类分析应用
• 4.5 聚类分析算法的实现
• 4.5.1 数据挖掘过程
• 4.5.2 聚类结果分析
• 4.6 本章小结
• 第5章 总结与展望
• 5.1 总结
• 5.2 存在不足与展望
• 参考文献
• 致谢