网站首页
教育杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
医学杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
经济杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
金融杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
管理杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
科技杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
工业杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
SCI杂志
中科院1区 中科院2区 中科院3区 中科院4区
全部期刊
公务员期刊网 论文中心 正文

数据挖掘下的教学质量管理系统构建

前言:想要写出一篇引人入胜的文章?我们特意为您整理了数据挖掘下的教学质量管理系统构建范文,希望能给你带来灵感和参考,敬请阅读。

数据挖掘下的教学质量管理系统构建

摘要:随着教育行业的快速发展以及新教改的逐步落实,社会对高职学生的综合素养提出了更高的要求,对高职院校教学质量也提出了更高的要求。基于这种状况,高职院校管理层开始探索在数据挖掘下高职院校教学质量管理系统构建,目的是对高职院校教学过程中产生的数据进行总结、归纳、分析与应用,在提升现阶段高职院校教学质量的同时,为高职学生提供更加优质的学习环境,从而促进学生的可持续发展。该文就数据挖掘概述、数据挖掘技术应用于高职院校教学质量管理系统构建存在的问题、数据挖掘下的高职院校教学质量管理系统构建展开论述与分析。

关键词:数据挖掘;高职院校;教学质量管理系统;构建研究

随着信息化技术的快速发展以及互联网的高速传播,高职院校教学管理系统得到了一定的发展,但是仍然存在着一些问题亟待解决,这对于高职院校的高速发展来说有着一定的阻碍作用。在这种情形下,高职院校相关管理人员开始探索基于数据挖掘的教学质量管理系统,在解决现有问题的基础上实现高职院校的进一步发展。数据挖掘下进行高职院校教学质量管理系统构建需要对院校教学全过程进行整体而全面的分析,结合数据挖掘技术与信息化技术实现针对性的系统构建,实现现阶段高职院校教学质量的稳步提升。

1数据挖掘技术概述

数据挖掘指的是从随机的、模糊的、不完全的、大量的应用数据库中提取隐含其中潜在有用,而人们事先不易察觉的有用信息或者知识。数据挖掘是一项人机反复交互处理的过程,主要通过信息检索、知识库系统、模式识别、统计学、神经网络、机器学习、人工智能、数据库技术实现数据挖掘,其具体实施流程包括以下四个步骤:首先,目标定义。结合教学质量管理系统构建的具体需求,精确而清晰的选定挖掘目标;其次,数据准备。搜集与选取数据库中所需的数据,经过处理后转换成为适宜挖据形态;而后,数据挖掘。数据挖掘是整体流程的核心内容,通过分类分析法与关联规则法等技术挖掘数据中隐藏的规律与知识等;然后,结果表示。根据教学质量管理系统构建的需求,将挖掘的规律与知识转变为用户能够理解与接受的形态;最后,知识吸收。融合挖掘结果与系统构建,实现挖掘数据的综合利用,为系统构建提供充足的数据支撑[1]。

2数据挖掘技术应用于高职院校教学质量管理系统构建存在的问题

数据挖掘技术应用于高职院校教学质量管理系统构建存在的问题可从以下三个方面进行简单论述:其一,性能与成本。数据挖掘技术还处于发展阶段,资源与技术所需的成本较大,这会为高职院校带来较大的财政压力,这导致数据挖掘在高职院校展开较为困难;其二,数据质量。部分高职院校教学质量管理较低,并不能提供完整的数据库,导致采取的数据质量较低,不能为系统构建提供较好的参考价值;其三,技术水平。数据挖掘技术应用于高职院校教学质量管理系统构建需具备专业的技术人才,但是大部分高职院校缺乏相关方面的技术人才,不能根据高职院校的具体需求来合理地应用数据挖掘来进行系统的构建。

3数据挖掘下的高职院校教学质量管理系统构建

基于数据挖掘进行高职院校教学质量管理系统构建,可以从多个角度进行,在此不能完全涵盖,挑选其中较为行之有效的构建路径进行举例分析,大致包括:确定高职院校教学质量管理系统构建目标、教学质量管理系统应满足的功能、高职院校教学质量管理系统设计。

3.1确定高职院校教学质量管理系统构建目标

高职院校教学质量管理系统构建,确保能够协助教师对学生的学习情况进行全面的把控,从而根据学生的实际情况来制定对应的教学计划,从而实现精细化、差异化与智能化教学,并在系统的后期使用中通过教师与学生反馈信息的数据挖掘来对系统进行完善。学生亦可在系统中根据自身的数据统计与实际情况制定学习计划。此外系统通过对教师教学信息以及学生学习信息的挖掘来为教师提供优质的教学计划,为学生制定针对性的练习内容与学习计划[2]。

3.2教学质量管理系统应满足的功能

教学质量管理系统应满足的功能可从以下三个方面进行简单论述:

3.2.1学情分析系统通过数据挖掘对高职学生的学习状况信息进行挖掘与统计,并反馈给质量管理系统,通过质量管理系统的总结归纳,为每一位学生制定针对性的学习课程与资源,并能够及时掌握学生的学习习惯与学习兴趣。通过数据挖掘以学生的兴趣入手,敦促学生自我学习,并协助教师通过数据挖掘与数据反馈来及时调整教学手段与教学方式,进一步提升现阶段的教学质量。

3.2.2针对性的知识供给针对性的知识供给存在于新媒体的各个领域,比如电影推荐、新闻推荐与商品推荐等。基于数据挖掘的知识供给具有同样的原理,通过挖掘学生在系统中的错误习题、浏览内容与关键词搜索等,对学生现阶段的学习状况进行综合的分析,为学生提供针对性的知识以及资料等。

3.2.3优化教学评价教学评价对教学质量管理有着一定的指导意义,通过对教学效果、教学水平、教学方法、教学态度、教学内容以及教学目的等的评价能够对教师的教学质量进行综合的管理。数据挖掘能够更精确、更真实地反映教师教学过程中的一系列教学活动。通过数据挖掘,对全体教师进行综合的分析,挖掘教师教学质量与学历、职称、性别、年龄的关系,以此来协助高职院校领导层进行教师的合理配置,以此来实现教师的合理配置,实现高职院校教学质量的整体性提升[3]。

3.3高职院校教学质量管理系统设计

高职院校教学质量管理系统通过对学习过程数据、测试考试数据、互动互答数据、课堂教学数据、反馈评价数据进行挖掘与整理,通过去噪手段与过滤算法处理数据,形成系统的数据仓库层,通过MapReduce实现Hadoop储存数据的分布式计算,通过数据挖掘技术中的相关性分析算法、回归分析与分类算法等对挖掘的数据建模分析,进而为高职院校管理层教学决策提供参考,为高职教师教学提供数据支撑,为高职学生个性化学习提供知识推荐。

3.3.1系统构建基础设施系统构建基础设施主要包含以下几个方面:其一,服务器。服务器是系统运行的容器;其二,网络。网络是用户与系统进行频繁交互的媒介;其三,数据库。数据库储存系统使用过程中产生的数据;其四,虚拟化软件。通过相关集群技术形成虚拟化、统一化的服务平台。满足质量管理系统的相关服务要求。

3.3.2数据采集子系统通过分类分析法、关联规则法等实现对教学数据与学习数据的采集,并通过数据抽取、数据清洗与数据转换之后将其储存起来,数据采集的质量关系着教学质量管理系统功能性的高低[4]。

3.3.3数据计算子系统通过数据计算子系统实现对挖掘数据的分析,为用户提供高质量、可靠的数据结果,进而为学校管理、教师教学、学生学习提供精确服务。比如对教师工作情况数据的计算,能够协助教师科学进行下一阶段的教学。

3.3.4数据分析子系统通过数据挖掘技术实现对学生学习的过程与内容分析,以此来精准推送教学资源,实现精准练习与个性化学习,并能通过智慧答疑系统进行疑难问题的自主搜索。教师根据学情分析实现课堂精准把握与课程精准设计,并为学习干预与线上线下教学决策提供数据支持。数据处理流程模块包括数据应用、数据挖掘、数据分析与数据收集等。

3.3.5学生成绩管理子系统对高职院校现阶段以及留存的学生成绩信息进行挖掘,以此来发掘影响高职学生总体成绩的学科,通过系统加强对该学科的教学管理,提升该学科学习成绩的同时,促进其他学科的共同进步。学生成绩分析子系统可有效利用数据挖掘中的关联规则,分析教师整体素质、课堂效果、课程安排与学习成绩,合理配置教学计划与教学课程,实现高职院校整体教学质量的提升[5]。

3.3.6教师评价子系统利用数据挖掘中的关联规则与聚类对信息采取子系统中影响学习成绩的因素进行关联与分类,提示教师及时调整自身的教学形式。通过关联规则分析课程安排与学生成绩,教师评价与课堂效果内在联系,采用可信度、支持度两项阈值进行无用关联规则的淘汰,发掘同时满足可信度、支持度多项阈之间存在的依赖关系,以此来实现教学计划与教学课程的合理配置,科学的展开教学活动。

3.3.7就业管理子系统通过数据挖掘中的决策树方法对数据采集子系统中的数据进行全面的分析,通过决策树算法实现决策树的构造,在相关的规则知识得到提取之后,能够归类决策属性中影响就业类型的部分,高职院校管理层以此为基础进行就业层次与就业率的提升、机制的改进[6]。

3.3.8应用呈现层应用呈现层指的是质量管理系统向用户提供的服务层,根据高职院校教学质量管理系统的需要,一般情况下除包含以上各个子系统外,还应包括教学决策、智能问答、课堂教学与线上+线下学习等相关子系统。应用呈现层对内提供挖掘的各项数据,对外将数据转化为高职院校管理者、教师、学生需求的各种功能。

4结语

综上所述,现阶段的高职院校教学管理系统已经逐渐跟不上院校各方面的需求。基于这种状况,加强在教学质量管理中数据挖掘的应用程度,进而有效的提升高职院校的教学质量已经势在必行。实现数据挖掘的合理应用,需要高职院校相关管理人员合理分析教学现状,实现现阶段管理系统与数据挖掘的融合,从而在促进教学质量提升的同时,为学生提供更加优质的学习环境。

参考文献

[1]周彩云.基于全面质量管理的教学管理改革研究[J].当代教育论坛,20l8(6):77-79.

[2]江敏,徐艳.数据挖掘技术在高校教学管理中的应用[J].电脑知识与技术,2017(24):541-545,560.

[3]刘晓霞.数据挖掘技术在高校教学中的应用[J].现代计算机(专业版),2008(6):115-116.

[4]潘志宏,万智萍,谢海明.大数据环境下高校智慧移动学习平台的构建研究[J].实验技术与管理,2017,34(4):161-163,215.

[5]唐丽萍.大数据时代下高校教育管理信息化创新发展路径[J].文化创新比较研究,2018(5):121-122.

[6]薛姗.基于全面质量管理的民办高职院校教学质量管理初探[J].济南职业学院学报,2020(5):7-9.

作者:朱敏 单位:江海职业技术学院

免责声明

本站为第三方开放式学习交流平台,所有内容均为用户上传,仅供参考,不代表本站立场。若内容不实请联系在线客服删除,服务时间:8:00~21:00。

AI写作,高效原创

在线指导,快速准确,满意为止

立即体验
文秘服务 AI帮写作 润色服务 论文发表