数据挖掘在高校学生管理中的应用研究

论文摘要

随着数字化校园建设步伐的加快,各大高校都有了比较完善的校园网系统。与此同时,高校在日常教学管理过程中积累了大量的数据,这些数据都是宝贵的信息资源。但是目前,这些数据主要的用途只是提供简单的查询和报表统计,对这些数据所隐藏的深层次的信息没有充分地利用。如何更好地利用这些数据,为高校管理部门提供重要决策依据,从而进一步提高高校管理水平和效益,成为一个新的研究课题。本论文主要从研究高校学生校园学习生活各方面行为的统计特征及特征之间的关联性出发,为高校学生管理工作者从整体上了解和解释学生的行为提供了新方法。目的是为今后的学生管理和教学安排工作提供决策依据。本论文的主要工作是采用数据仓库、联机分析处理和数据挖掘三种技术对高校学生校园生活及学习信息进行分析处理,充分利用并结合这三种核心技术内在联系性和互补性,实现了高校学生管理的决策支持系统框架。该系统首先定期地从各信息系统提取学生行为信息,经过清洗、转换等预处理后存储于数据仓库。然后在此基础上,应用联机分析处理和数据挖掘技术,对数据仓库中的数据进行深入分析和挖掘,找出规律性和价值性的知识。其中,联机分析处理主要从学生课程、学生借阅、学生上网及学生就餐等四个方面进行多维分析,了解学生行为的特征及趋势；数据挖掘主要是从以下方面进行挖掘分析：学生群体分类及各分类特征,学生成绩影响因素,学生毕业去向影响因素等。最后,本系统开发出相应的客户端工具,用于多维分析、挖掘结果的交互式地查询和展现,以及挖掘模型的预测。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 绪论
• 1.1 研究的背景与意义
• 1.2 本文的主要研究工作
• 1.3 本文的组织结构
• 2 数据仓库、联机分析处理和数据挖掘技术
• 2.1 数据仓库
• 2.1.1 数据仓库的概念
• 2.1.2 数据仓库的基本特征及组织结构
• 2.2 联机分析处理
• 2.3 数据挖掘
• 2.3.1 数据挖掘算法分类
• 2.3.2 相关算法介绍
• 2.3.3 数据挖掘结果评估
• 2.4 数据挖掘工具
• 2.4.1 产品介绍
• 2.4.2 数据仓库的选择
• 3 应用系统分析与设计
• 3.1 设计目标
• 3.2 系统的体系结构
• 3.3 统功能模块设计
• 4 数据仓库的建立和管理
• 4.1 数据源
• 4.2 数据抽取、转换和加载
• 4.2.1 数据清洗
• 4.2.2 数据换算
• 4.2.3 数据转换
• 4.2.4 数据的抽取、转换和加载所使用的工具
• 4.3 建立多维数据集
• 4.3.1 设计多维数据集
• 4.3.2 建立多维数据集
• 4.3.3 多维数据集的访问
• 4.4 构建数据挖掘模型
• 4.4.1 数据挖掘模型的建立
• 4.4.2 数据挖掘模型的访问
• 5 应用案例分析
• 5.1 基于OLAP的学生相关主题分析
• 5.1.1 学生课程主题分析
• 5.1.2 学生就餐主题分析
• 5.1.3 学生借阅主题分析
• 5.1.4 学生上网主题分析
• 5.2 基于数据挖掘的分析及预测
• 5.2.1 学生聚类分析及预测
• 5.2.2 学生成绩影响因素分析及预测
• 5.2.3 学生毕业去向影响因素分析及预测
• 6 总结
• 参考文献
• 学位论文数据集