数据挖掘在教务管理中的应用研究

论文摘要

针对高等院校教学管理系统中数据量不断增加与信息量却相对贫乏之间的矛盾,本文将数据挖掘中的聚类和关联规则技术应用于高校教务管理的数据分析和决策当中。本文以高校教师教学质量评价表为例,研究在高校中普遍采用的教学评价模型的构建原理,并对在该模型下收集到的评价数据进行聚类,依据聚类结果分析,完成了教学评价模型的局部改进。利用改进后的模型,重新对评价数据实施聚类,从而得到所有教师的评价等级。在此基础上,结合评价模型的内部评价指标及教师的相关信息完成关联分析,进一步验证了合理构建评价模型的重要意义,并最终将以上的聚类及关联分析结果应用于指导高校的教学管理工作。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 论文研究背景
• 1.2 论文研究的意义
• 1.3 国内外研究现状
• 1.4 论文的研究内容和工作成果
• 1.4.1 论文的研究内容
• 1.4.2 论文的工作成果
• 第二章 数据挖掘技术综述
• 2.1 数据挖掘技术产生的背景
• 2.2 数据挖掘技术
• 2.3 数据挖掘的过程
• 2.4 数据挖掘的目的
• 2.5 数据挖掘的常用方法
• 第三章 聚类和关联规则技术的研究
• 3.1 聚类分析技术
• 3.1.1 聚类分析中采用的数据结构
• 3.1.2 聚类分析主要针对的数据类型
• 3.1.3 聚类方法及其相关算法
• 3.1.4 聚类相关算法的性能总结与比较
• 3.1.5 聚类技术在数据挖掘中的应用
• 3.2 关联规则技术
• 3.2.1 关联规则的相关概念
• 3.2.2 关联规则相关参数的意义
• 3.2.3 关联规则的挖掘过程
• 3.2.4 关联规则价值的度量
• 3.2.5 关联规则的经典挖掘算法
• 3.2.6 改进的APRIORI算法
• 第四章 聚类技术在高校教务管理中的应用
• 4.1 教务管理中的教学质量评价体系
• 4.1.1 教学质量评价体系模型构建的研究
• 4.1.2 高等院校教学质量评价的现状
• 4.2 基于教学质量评价模型的聚类分析
• 4.2.1 实施方案
• 4.2.2 算法的实现
• 4.2.3 数据聚类结果
• 4.3 教学评价模型的改进
• 4.4 结果分析及知识应用
• 第五章 关联规则在高校教务管理中的应用
• 5.1 教学质量评价模型内部的关联分析
• 5.1.1 实施方案
• 5.1.2 改进的APRIORI算法的实现
• 5.1.3 教学评价模型内部指标与评价等级的关联分析
• 5.1.4 挖掘结果的现实意义
• 5.2 教学评价模型下评价等级与教师相关信息的关联分析
• 5.2.1 实施方案
• 5.2.2 评价等级与教师学历及科研能力的关联分析
• 5.2.3 挖掘结果的现实意义
• 第六章 结束语
• 6.1 全文总结
• 6.2 课题展望
• 6.3 心得体会
• 致谢
• 参考文献
• 附录A
• 攻读学位期间发表的学术论文