任雪梅
成都大学 四川 成都 610106
摘要：现如今，计算机教学管理系统广泛应用在各大高校之中，在该系统的应用下，高校教学管理的自动化水平得到了明显的提升。但从实际的应用情况来看，很多教学管理系统没有真正发挥自动化管理、管理决策等作用，还需要进一步完善，功能效果有待提升。为了充分发挥教学管理系统的作用，高校可以应用数据挖掘技术，本文就此进行了相关的阐述和分析。
关键词：数据挖掘；教学管理系统；应用价值
数据挖掘和计算机科学有很大的关联性，通过统计、情报检索、机器学习等方式实现搜索隐藏信息的目标。现如今很多高校采用教学管理系统，学校教学管理人员和学生对管理交互方式已经十分熟悉，并且产生了依赖性。高校教学管理系统主要用于任务处理，虽然各个软件制造商不同，标准上存在差异，但基础模块基本相同，包括学籍管理、课程管理、学生成绩管理、教学计划管理等，这些功能模块体现了软件系统的功能作用。随着时代的进步和发展，传统的教学管理系统逐渐无法满足现代教学的需求，需要采用新的技术。在教学管理系统中应用数据挖掘技术，可以为教学管理提供更多帮助和服务，促进教学管理质量和效率的提升。
一、数据挖掘技术的实现目标
目前来看，大部分高校教学管理系统都可以完成各类教务和教学管理工作，也有一定的数据信息处理功能，包括存储、修改、备份等。但是在系统应用的过程中，很多管理人员并没有进行深入的数据操作和应用，系统很难从多个角度分析存储数据，无法发挥数据的潜在功能和作用[1]。为了提升教学管理系统的应用效率，可以对系统中的数据库进行整理和连接，运用数据挖掘技术，探索潜藏的知识内容，构建全新的教学管理系统。首先，在教学评价方面，学校每个学期都会组织学生和教师开展教学评价活动，评价数据可以用于教学质量评级，除此之外很少有其他用途。为了增加数据的功能性，可以采用决策树算法，建立评价模型，使教学管理人员可以更好的运用评价数据，从更多的角度了解影响教学效果的因素，真正促进教学质量和效果的提升，也能使资源分配更加合理；其次，在课程设置方面，高校中各个院系专业的课程都采用循序渐进的设置方式，也就是课程要按照顺序安排设置。在实际设置的过程中，并不能单纯依靠经验安排课程的顺序，应该采用关联规则算法建立模型，然后确定课程设置的先后顺序，确保人才培养方案更加科学，促进教学管理质量和效果的提升。
二、数据挖掘在高校教学管理系统中的应用
（一）课程建设数据仓库建设
课程建设数据仓库就是用来存储课程建设数据的集合，其由多个子集构成，各子集数据具有独立性，可以单独对课程建设的某一方面进行描述。这些数据就是课程建设各方面的属性值。以麻省理工学院电气工程与设计系为例，该院系设置了58门开放式专业课程，这些课程是该系的课程属性，而在这些课程中，具体包括计算机图形学等学科，对专业课内容属性进行了分别描述。国内有相关专业的高校就应该在教学管理系统的数据仓库中纳入这些数据，对同类院校的课程设计进行信息对比，进而获取更加合理的课程设置方式。数据仓库中的数据主要分为三类，根据重要性高低分别是核心数据、普通数据和参考数据。所谓核心数据，就是与课程建设有直接关系的数据，这些数据描述的属性涵盖在课程建设的范畴之内[2]。使用者可以根据数据的重要性划分核心数据的范围，并对核心数据进行有效的利用；普通数据就是与课程建设有关的数据，关系性要低于核心数据，这些数据描述的属性可以用于对比分析，可以拓展视野，促进跨行业、跨专业属性的引入；参考数据顾名思义，主要用于参考，并没有重要性上的区分，可以随意进行分类的移动。
将数据分成这三类之后，可以根据课程建设的相关程度将数据分为多个虚拟子集，在问题研究的过程中，可以使数据的应用更加集中。
例如，在美术类高校课程建设数据仓库中，具体的数据分类如下：第一，课程分为国家级精品课程、省部级精品课程、校级示范课三种，分别设置1门、5门和37门；第二，将教材分为自编讲义、“十三五”规划教材、校本教材三种，分别有12本、25本和37本；第三，课程包括实践类、实训类、讲座类、写生课四种，分别设置3门、5门、1门和2门；第四，数据仓库中存储的学院数据包括法国土昆美术学院、波尔多国立美术学院、奥尔良国立美术学院；第五，教学道具包括1/2石膏像、等到石膏像、标本三类，分别有89座、37座和52件。在上述数据中，第一到第三所描述的数据展现了课程质量、教材种类和课程形式，所有院校课程建设都需要参考这些内容，所以此为共性数据。第四则是对国外院校信息的描述，第五是对绘画教具种类的描述，二者都可以作为特色数据进行参考使用。
（二）方法和形成数据支撑
所谓的方法，并不是数据挖掘采用的方法，而是一种规则集，用于描述课程建设状况。数据挖掘的过程中会采用多种数据处理的方式，包括机器学习、神经网络等等。此处所说的方法主要为了满足各个数据挖掘模式的需求，是一种指标，用于评判或描述课程建设的情况。针对数据采用方法，利用方法得到结果，即分组数据，或获取描述性结论等等。通常由教学管理部门提出方法，将其作为评价指标和检测手段用于管理课程建设[3]。方法可以分为两种，一种是通用方法，另一种是具体方法。时间和条件不会对通用方法产生限制，会在时间范围较大或操作子集较多的情况下使用，具有广泛性、大范围的特点，不过结果可以细化。例如，3年内的教授授课名单的数据获取就可以采用通用方法，时间不会对其产生限制，不论是将哪个年份作为基准，3年内的数据都可以获得。
处理分析数据，可以获得与课程建设有关的评价、诊断、预测等支撑数据，主要分为两种，一种是单一支撑数据，另一种是加权综合处理多项数据。前者采用一个方法进行数据处理即可发挥评价和指向性作用。例如，根据条件排序结果进行评价等等；后者采用多种方法对数据进行处理，在彼此存在联系的情况下，综合利用数据结果，在评价相同事务的时候，根据不同数据的重要程度，对其赋予相应的权值，最后得到可以支撑事物评价的数据。
（三）产生结果
支撑数据具有指向性，根据其指明的方向获取评价和预测结果，为课程建设决策者提供更多参考依据，使今后的工作方向更加明确。例如，在某个高校的计算机科学与技术专业中，一共有57门课程，其中有3门课程3年内平均出勤率不超过80%，根据这个数据结果，教学单位和管理部门可知，这些课程在使用价值或教学过程方面存在问题，因为出勤率较低代表了学生对课程不重视。这与从考勤角度要求学生按时上课不同，而是从教学的角度分析，了解课程是否有价值、是否被需要，然后对课程进行设置调整，使教学更加合理。可见，支撑数据有助于评价和预测结果的获取，同时要配合管理者的分析与判断，并且根据结果作出合理的调整，促进教学效率和质量的提升。
结语：
综上所述，随着大数据、人工智能等技术的广泛应用，数据挖掘技术日臻成熟，可以在高校教学管理系统中应用，并发挥巨大的作用。在实际应用的过程中，应该明确数据挖掘技术的应用方式，了解应用中存在的问题和弊端，采取合理有效的应用方式，促进教学管理质量和效率的提升。
参考文献：
[1]赵凯威.数据挖掘技术在高校教务管理中的应用研究[J].中国管理信息化,2018,021(004):123-124.
[2]李莉.数据挖掘技术在高校教学中的应用研究[J].信息记录材料,2018,019(004):175-176.
[3]李思瑶.数据挖掘在高校教学管理系统中的应用[J].消费导刊,2018,000(014):47.