基于成绩数据的教务管理系统构建.docx

基于成绩数据的教务管理系统构建【摘要】本文以学校教务管理中心为基础，以学生成绩数据为主，根据教学管理的需求，论述了教务管理成绩数据库的设计原则、结构、逻辑模型和实现路径，以期全面提高管理质量。【关键词】高校；教务管理系统；数据仓库；设计原则；结构；逻辑模型一、相关背景数据仓库与数据挖掘就是它会把隐藏在数据背后中的大量信息进行处理与分析，根据分析的结果提出有关数据总体发展趋势以及特点，为教学管理改革的正确决策提供帮助。数据总结是对数据进行归纳，基于归纳规则的数据挖掘，即是从用户指定的数据库中从不同的角度或从不同的层次上归纳出结果用交叉表，特征规则，统计的曲线、图表等表示，以此为依据研究成绩，找出影响成绩变化的规律性的因素。二、系统设计的原则1、从学生单科成绩、多科成绩、个体成绩、群体成绩四个角度全面挖掘成绩中的内在信息，监控学校教师课程教学与学生学习质量。2、注重统计分析的科学原则和统计结果的可信度与有效度。3、为教学改革提供判断依据，增加成绩评定的反馈作用。有效形成教学——测试——评定——教学的良性循环，发挥正面的导向作用，突现成绩分析在对学生学习评价与教师的教学质量评定中的作用。4、注重程序设计的通用性，使该程序能扩展到可以采集其他数据进行统计和决策。5、以正确反映客观需求选择决策分析重点，构建数据模型。三、数据仓库系统的构建1、数据仓库系统结构数据仓库系统（DWS—DataWarehoueSytem）是将导入数据仓库中的所有的异构数据源进行有效的集成，之后按照预设的主题进行数据的重组、存储与管理等处理，最后将新的数据导入到数据仓库中，并对数据仓库中已经储存的数据进行更新与使用等，从而支持数据仓库的应用或者管理。数据仓库系统一般包含三个组成部分数据仓库、管理部分和分析工具。2、成绩数据仓库的结构学生成绩数据仓库的构建，需要从历年学生成绩数据中分析出大量的相关信息，在此之前学生的成绩分析只进行单方面的数据分析，而并没有运用一些技术手段对所有的成绩数据进行有效地筛选、综合的技术分析，从而致使某些数据丧失了有效的价值，因此我们需要对所有的相关数据进行有效地集成、重组、筛选、提取、汇总到成绩数据仓库中，借用数据工具进行储存与管理，为教学管理提供支持服务。第一部分：学生成绩中所包含的各种类型的数据。第二部分：中心数据仓库，它是由多维数据库组成，其中的数据源是经过了针对性的集成、重组与系统筛选之后加载到成绩数据仓库中。成绩数据仓库中的数据是处理之后的数据，它便于系统进行分析使用。第三部分：应用服务层，以数据仓库为基础，它是用户对数据仓库与多维数据库进行查询访问的链接层。第四部分：信息反馈层，为用户反馈分析后得出的结果。四、逻辑模型的设计数据仓库逻辑建模技术主流有两种：一是基于主题域的实体关系建模，二是维度建模。实体关系建模是为单位中所有的数据，创建一个复杂的模型。它是以E.R图作为描述工具。E.R图所描绘的是实体与实体之间的关系。在数据仓库领域中，众多行业都采用在中央数据仓库的层次上使用实体关系建模。维度建模是要考虑事实表中的数据粒度是否合适，以及缓慢渐变维的处理。维度建模是针对相对独立的业务，创建出具有针对性的分析模型，所以维度建模才会成为数据仓库的典型逻辑结构。1、星型模型星型模型是一种以由一点向外辐射的建模方式，中间有着单一对象沿半径向外连接到多个对象。星型模型直接反映出最终用户对查询的看法，模型中都是用一维或多维进行描述。星型模型的中心对象称作为“事实表”，而与之相连的其他对象都称为“维表”。而对事实表的查询其实就是获取指向维表的指针表，所以当对事实表的查询与对维表的查询结合在一起时，就会查询出大量信息。通过联合，维表可以对查找标准细剖和聚集。2、雪花模型雪花模型是对星型模型的扩展，每一个点都沿半径向外连接到多个点。雪花模型是对星型的维表的进一步标准化。雪花模型的优点就是通过最大限度的减少数据存储量以及把较小的标准化表联合在一起来从而改善查询性能。而雪花模型增加了应用程序的灵活性。3、混合模型混合模型是星型模型和雪花模型的一种综合模式，其中星型模型由事实表与标准化的维表组成，雪花模型的所有维表都进行了标准化。在混合模型中，只有最大的维表才进行标准化，这些表一般包含一列列完全标准化的（重复的）数据。此系统利用混合模型，构建模型主要是对事实表与维表的设计。事实表的设计：其次维表的设计：维表设计包含维表名、字段名称、维类、维层次等。另外，为了分析历史数据，通常增加时间维度。需要在系统下建立如下的若干维表：学生维表（Student）：包括学生学号（StudentID）、姓名（Sname）、专业（Specialty）、入学成绩等级（EntranceScore）、生源地城市规模（CitySize）等字段。其中，入学成绩等级可以划分为高（Hi