摘要
近年来，在政府的积极引导和教育行业的不断努力下，高等教育规模不断扩大，已逐步进入普及化发展阶段。随着互联网和信息技术的快速发展，教务管理信息化建设已经成为高等院校提升教务管理水平，提高教学管理效率的必然选择。基于互联网的综合教务管理信息系统在高职院校中得到了非常广泛的应用，有利地促进了教育教务教学管理体制的创新，同时也积累了大量有用的教务管理相关数据资源。如何对这些数据进行分析处理，获取其中隐藏的规律和信息，是教务管理领域重点关注的核心研究问题之一。数据挖掘技术的兴起，为解决这一难题提供了有力的技术支持。基于数据挖掘技术能够从数据资源中发现对教务管理有重要价值的知识，为高等院校教育改革提供决策支撑，为教学方法的针对性改进提供指导和建议，对提高教务管理工作的整体水平和精准决策能力有着深远的意义。 本文首先介绍了数据挖掘技术的基本理论、实施流程和常用方法，综述了教务管理领域数据挖掘技术的国内外研究现状。总结了现有研究成果在成绩管理方面和考卷评估管理方面存在的问题，并针对以上问题，分别提出了基于决策树的成绩管理算法和基于聚类分析的考卷评价算法。具体研究内容包括： （1）针对现有研究在进行成绩管理时存在生成规则的分类精度较差和计算效率不高的问题，本文设计了计算化简策略和属性冗余消减策略，对经典的C4.5决策树算法进行了改进，给出了基于平均基尼指数的AGI-C4.5成绩管理算法，真实数据集上的实验验证了算法的有效性。最后，使用AGI-C4.5算法对英语统考的成绩进行实例管理和分析，生成了成绩管理的决策树模型和分类规则，并在教务管理方面给出了针对性的原因分析和发展建议。 （2）针对目前高校教务管理中普遍存在的试卷质量评估方法不健全的问题，本文提出了基于 Ak-means聚类分析算法的考卷质量评价方案。Ak-means算法针对传统的 k-means算法在初始点选择、聚类数目确定等方面存在的缺点，给出了基于密度的初始中心点选择机制、基于遗传算法的聚类数目确定机制。真实数据集上的实验验证了Ak-means算法的性能。最后，使用某高职院校的29份考卷进行了实例研究，将考卷划分为7类，依据聚类结果分析了考卷中存在的问题和原因，并从教务管理角度给出了改进的建议。
NETL