基于关联规则挖掘的高职院校计算机专业课程设置.pdf

《中国教育信息化鳊辑部：[e-mail]够舞劂基于关联规则挖掘的高职院校计算机专业课程设置陈霄．曾振东（广东青年职业学院，广东广州５１０５０７）摘要：关联规则挖掘是挖掘研究领域的一项重要技术，高职院校教学管理系统产生海量数据，这些数据中隐藏着大量有价值的信息。文章采用改进的Ａｐｒｉｏｒｉ算法对高职院校计算机专业学生成绩进行关联规则分析，挖掘出课程之间的相关性，为高职院校更科学的制定教学计划提供有力的决策支持，进而提高教育教学质量关键词：关联规则；高职院校；计算机专业中图分类号：ＴＰ３９３文献标志码：Ａ文章编号：１６７３—８４５４（２Ｏ１４）２０—００７５－０３引言识的过程。＿１］关联规则挖掘是从大量数据中挖掘出有价一、随着高职院校快速发展，规模不断扩大．造成高职值的、描述数据项之间相互联系的有关知识。［２１关联规则院校在课程设置、教学内容、学生管理、招生就业等方面是数据挖掘研究领域的一项重要技术，其目的是从数据面临严峻的考验。传统的教学管理理念已经不能够适应库中挖掘出不低于预先给定ｍｉｎ—ｓｕｐｐｏｒｔ阈值和ｍｉｎ—高职院校发展的需要，但是，许多高职院校在专业课程ｅｏｎｆｉ阈值的关联规则。［≈设置上都是在以往的专业课程设置基础上结合教学实关联规则描述为：设Ｉ＝｛ｉ１，ｉ。，……，ｉ｝为Ｍ个项目集，际情况简单的进行修改，很少高职院校在专业课程设置Ｄ为交易数据集合，其中事务Ｔ是Ｉ项目子集（ＴＩ），对上听取企业的建议或者遵循市场对人才的需求，导致课应的每一个事务交易都有唯一的标识ＴＩＤ。关联规则形程应该在哪个学期开设或者是否继续开设等方面存在如ＸＹ的逻辑蕴涵式，其中ＸｃＩ，ＹｃＩ，且Ｘｎｙ＝ｑｂ。不少问题。如果事务数据库Ｄ中有ｓ％的事务包含ＸＵＹ，则称关联目前，基本上所有的高职院校都是采用基于ＷＥＢ规则ＸＹ的支持度为ｓ％．若项集Ｘ的支持度记为的教学管理系统对学生成绩信息进行有效管理．随着时ｓｕｐｐｏｒｔ（Ｘ），规则的信任度为ｓｕｐｐｏｒｔ（ＸＵＹ）／ｓｕｐｐｏｒｔ间的推移，教学管理系统将产生海量的数据，大量的数（Ｘ）。嗍也就是：据没有被充分的利用，因此，如何利用关联规则挖掘技ｓｕｐｐｏｒｔ（ＸＹ）＝Ｐ（ＸＵＹ）术发掘隐藏在海量学生成绩数据背后有价值的信息或ｃｏｎｆｉｄｅｎｃｅ（ＸＹ）＝Ｐ（Ｙ／Ｘ）者规则，如课程之间的联系，学生成绩与课程之间的联２．Ａｐｆｉｏｄ算法系等等，为教师授课、学生学习、教育管理决策提供有用Ａｐｆｉｏｆｉ算法是关联规则挖掘中重要的算法之一，它的理论指导。的核心思想是采用逐层搜索的迭代的方法通过多次扫二、关联规则挖掘和改进的Ａｐｒｉｏｒｉ算法描数据库Ｄ来找出所有的频繁项集。其算法描述如下：１．基本概念Ｌ１＝｛频繁１一项集ｌ；数据挖掘ｆＤａｔａＭｉｎｉｎｇ），就是从大量的、不完全的、Ｆｏｒ（ｋ＝２；Ｌｋ一１≠ｑｂ；ｋ＋＋）ｄｏｂｅｇｉｎ有噪声的、模糊的、随机的实际应用数据中，提取隐含在Ｃｋ＝ａｐｒｉｏｒｉｇｅｎ（Ｌｋ一１）；／／新的潜在频繁项集—其中的、人们事先不知道的、但又潜在有用的信息和知ｆｏｒａｌｌｔｒａｎｓａｃｔｉｏｎｓｔ∈Ｄｄｏｂｅｇｉｎ基金项目：广东省高等职业教育教学改革项目（省财政资助项目）（２０１３０３０１０２４）。ＴｈｅＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＩＣＴｉｎＥｄｕｃａｔｉｏｎ７５《中国教育信息化鳊辑部：[e-mail]＝ｓｕｂｓｅｔ（Ｃｋ，１）；／／事务ｔ中包含的潜在频繁项集表１数据筛选后的学生成绩表ｆｏｒａｌｌｃａｎｄｉｄａｔｅｓＣ∈ＣｔｄｏＣ．ｃｏｕｎｔ＋＋；学号图像网页动画网站制作Ｃ语言ｅｎｄ；处理设计制作与维护程序设计Ｌｋ＝｛Ｃ∈ＣＫＩｃ．ｃｏｕｎｔ≥ｍｉｎｓｕｐ１ｅｎｄ；１１０１２００１９６５０９０６０５６Ａｎｓｗｅｒ＝ＹｋＬｋ；Ａｐｒｉｏｒｉ算法虽然简单明了，容易实现，但是存在许１１０１２００２８７６５８６６４６４多不足之处。一是对数据库Ｄ扫描次数过多，二是会产１１Ｏ１２００３５６８２５０８３８６生大量的中间项集。针对这两个问题，笔者对Ａｐｒｉｏｒｉ算法做了相应的改进，将整个数据库进行分段，挖掘过程１１Ｏ１２００４７８９３７９９６９０只需在段内进行，接着各子数据库挖掘结果汇总，最终１１Ｏ１２００５８５７６８２７５７８刷选出关联规则。三、关联规则挖掘在高职院校计算机专业课程设置中的应用每名学生每门课的成绩值落入到特定的区间，最终转换高职院校计算机专业课程包括有图像处理、网页设成离散属性。因此。本文将学生各门课程成绩分为优秀、计、动画制作、网站制作与维护、Ｃ语言程序设计等。采良好、中、及格、差五等，分别用Ａ、Ｂ、Ｃ、Ｄ、Ｅ表示，９０—用改进的Ａｐｒｉｏｒｉ算法对计算机专业课程进行分析．分１００分为Ａ类，８０—８９分为Ｂ类，７０—７９分为Ｃ类，６０—６９析流程包