预览加载中,请您耐心等待几秒...
1/4
2/4
3/4
4/4

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

基于关联规则的教务管理系统的设计与实现[摘要]教务管理系统的高效运行是学校正常开展教学活动的保障,有助于提高教务管理的效率。但系统运转后,必然会积累大量数据,这些数据对学生管理、教师发展以及教学改革等方面的研究具有一定价值,主要是研究如何从这些数据中找出有价值的信息。[关键词]关联规则;教务管理系统;Apriori算法一、问题的提出随着信息化建设进程的加快,中职学校教务管理部门所面临的挑战越来越严峻。实现教务管理的网络化和信息化是中职学校必须面临的挑战。有效的解决办法就是利用计算机信息管理技术对学校教务信息进行现代化的管理。对整个教务相关信息进行归并、过滤、聚类分析以及运用关联规则找出有效数据,为学校的决策者和管理者提供必要的支持,以此实现对教务信息处理快速、检索高效、查找方便、修改容易、高可靠性、保密性好、方便汇总打印等功能。基于此类需求,通过使用关联规则来寻找隐含在数据中的有价值的教务信息。二、教务系统目前存在的不足目前,中职学校普遍使用的管理系统大部分可以进行简单的数据查询、修改等操作,功能单一,而且学校每学期会产生大量的教务数据,操作时效率不高,查询等待时间长。学校迫切需要一个能对教务各方面情况进行快速、准确的分析,能利用现有海量教务数据为决策提供可靠依据的系统,不但能快速对事件做出反应,而且能准确得到结果、节约大量的时间和精力,并且将数据挖掘技术应用到教务管理系统中,从而挖掘出有效数据信息,为决策者提供决策的依据。三、新形势下教务系统的功能需求由多个模块及子系统组成,每个子系统拥有自己独特的功能。用户登录系统后,通过学籍管理掌握学生基本信息和学籍变动情况;通过成绩管理,可查询学生的历次考试成绩情况;通过评价考核管理模块学生对任课教师相关的指标打分,并运用数据挖掘工具和分析方法,对评教数据进行统计并分析,以生成有效信息及时反馈给学生和教师。教務管理系统主要实现两方面的功能:学生及管理的需求。系统要实现的主要目标是让学生信息管理能全面实现系统化、自动化以及规范化。四、中职教务系统的设计本文所设计的教务管理系统功能包括学籍管理、成绩管理、毕业生管理、评价考核管理等。教务管理人员使用该教务系统实现智能化数据处理,从而使自己从大量的手工操作中解放出来。通过该教务管理系统,既可减轻班主任和教务处的工作压力,又可提升教务工作效率和管理水平,从而保障教育教学工作的稳定、协调与高效进行。依据学校实际需求把系统划分成学籍管理、成绩管理、教学计划管理、选课管理、教师管理、考务管理以及毕业审核等相关的管理模块。各模块具体功能如下:学籍管理:管理有关学生的基本信息,可以对学生进行分班、查询修改学生信息、管理学籍各种状态等操作。评价考核管理:管理教师的基本信息,可以录入、查询、修改及删除教师信息,可以录入学生评教数据并进行汇总、统计、分析。成绩管理:完成学生入学信息、成绩等信息的管理,对学生的学业情况进行统计分析,并据此制订或者调整适应学生需求的学习指导方案。毕业生管理:负责毕业审核管理。本模块数据收集后进行数据挖掘,发现校内外各因素对学生就业的影响,并把分析作为学校及时调整管理策略的一个依据。五、关联规则在教务系统中的应用关联规则挖掘在教务管理系统中有十分广泛的具体应用,例如,使用关联规则分析评教结果与教师特性的关系、用聚合分析法将学生群体进行分类因材施教、使用关联规则技术对试卷合理性进行分析、用分时挖掘方式分析课程的相关性等。以研究教师性别、学历、职称、任教时间与学生评教结果的关系为例。为了简单说明关联规则对数据库进行挖掘的过程,仅讨论单维关联规则,表示关联规则中的项或属性只限一维。从数据库提取出数据后,对其进行数据清理,目的在于删除重复信息、纠正存在的错误、清理孤立数据并提供一致性数据。把经过清理和转换后的评价数据,合并至一张适用于数据挖掘的关系表,为数据挖掘过程提供数据对象,之后根据Apriori算法的特征,将数据转换成相应的事务,接着对数据进行分析、挖掘。通过以上对学生评教信息的单维关联规则的研究分析,可以得出一些结论。性别、学历、职称、任教时间都会影响学生评教结果。教学管理部门在安排班级课务时,应当关注教师比例的合理分配,以保证学生获得更好的教学与保持学习的积极性,进而提高整体教学质量,促进学校的长远发展。综上所述,对评教数据进行关联规则挖掘得到有价值的信息,对师生及教学主管部门都具有一定的指导意义。以本校教务管理系统的开发为前提,对需求分析、功能设计等方面进行分析。从系统目前的运行情况来看,该系统运行良好,基本实现了需求,但个人很难对系统中所有的数据进行完整的分析。那如何更高效地从海量数据中得到有价值的数据值得我们更深层次地去研究与探讨。