基于数据挖掘技术的高校教学管理信息化探索

［摘 要］ 数据挖掘技术有较强的信息处置能力，即便面对海量数据，仍可在较短时间内完成数据整理分析，数据采集迅捷，在数据分析方面精准度较高，可判断数据信息发生轨迹，成为数据信息内容把控的重要手段。在教育深化改革的背景下，高校重视教学信息化管理工作，引入教学信息化管理系统后，选择分类式方法进行教学管理。基于高校对教学工作的定位，利用教学信息化管理系统整理活动数据，配合数据挖掘技术进行课程设置、学生成绩分析、特征判断和高校领导决策信息提供等工作，为高校教学管理工作赋能，可使教学管理高质量运行。

［关键词］ 高校教学管理；数据挖掘技术；课程设置；决策

［基金项目］ 2020年度中共云南省委宣传部“全面从严治党在云南的实践经验研究”（MGC202007）

［作者简介］ 王 焱（1973—），女，云南广南人，硕士，文山学院宣传部副教授，主要从事公共管理研究。

［中图分类号］ G642.0 ［文献标识码］ A ［文章编号］ 1674-9324（2024）01-0109-04 ［收稿日期］ 2023-02-04

信息化管理模式如今在我国各个领域均得到普及，高校担负为国家培养人才的重要使命，为使内部各类活动高效进行，高校也引入信息化管理模式，搭建切合自身需要和教务工作要求的信息系统。高校搭载的教师管理信息系统具有鲜明的特点，但随着学生数量增加，在教学管理信息系统使用中，可能因数据过多而影响分析活动的开展，如何处理庞大数据成为困扰高校教务人员的难题。数据挖掘技术在高校教学管理信息化转型中，成为高校教务人员合理应用教学管理数据内容的手段，可以从教学管理数据中挖掘价值元素，为教学工作者推进教育活动提供支持，使教学资源得到合理配置，利于教学活动的高质量进行，在教育活动和教务管理方面作用显著。

一、数据挖掘技术的相关概述

数据挖掘技术是对数据内容进行剖析，可以从海量随机的信息中找到有价值的内容，简化数据库资料，利于资源的回收和利用。在信息大爆炸时代，使用数据挖掘技术可以有效合理处置长期积累的资料，对随机且不完整数据进行准确、全面的处理，完成数据统计任务。在数据不断增加的过程中，利用数据挖掘技术，根据使用者对数据资源的利用需要打造统计数据系统，能够依托技术手段为工作人员使用数据服务，可以从大量随机数据中提取有价值的内容。数据挖掘技术具有实时更新、表现系统局部特征、信息挖掘能力强等特点，可以剖析数据库中内容，从中获取使用者需要的信息，可以将多样的信息形式处理归纳为概念、规则、模式、规律等［1］。

二、教学管理数据挖掘的目标

高校在国家提出的要求下，将构建一流大学作为工作目标，转变传统教学管理形式，基于现代发展需要推进数字化校园建设，将其作为下一阶段的主要目标，为学生提供较好的环境和教务服务。高校在教学管理中引入数据挖掘技术，推进数据管控工作。高校在数字化校园建设时，给出教学管理信息系统数据挖掘的目标，在现代教育教学管理维度下，对计算机数据挖掘技术进行深层次的研究，给出实现数据挖掘的方案，打造稳定、有效、可靠的数据挖掘模式。使用数据挖掘技术，可以从随机、模糊、分散的教学管理数据中按照筛选条件查找信息，教务人员可利用技术手段，从海量的教学管理数据中进行信息提炼，找到价值元素，成为教师与其他管理工作的支撑数据，让教学资源优化配置、资源高效利用成为现实。在高校推进教学管理时，积极开展人才培养质量跟踪的监控工作，研究高校教学工作现状，基于获得的信息，厘清科研与教学的关系。高校领导可利用数据挖掘所得到的关键信息，明晰高校运转情况，根据高校发展需要和设定的目标，做出适合的决策，促使高校在每个阶段完成设定的工作任务［2］。

高校在教学管理数据的处理中，以数据挖掘技术进行信息价值元素的检索，寻找关键内容作为评估教学活动开展情况的研究内容。高校应该在计算机技术使用中明确教学管理的要求，对教学管理数据进行挖掘的意义在于通过探索研究，为教学工作高质量进行提供价值信息。计算机是高校教务人员挖掘教学管理数据的媒介，通过应用计算机，按照数据挖掘技术流程处理信息，从中找到价值内容。高校在教学管理数据的研究中，通过数据挖掘技术的使用，可将信息利用水平提升到更高水平［3］。

在教学管理数据的研究中进行微观至宏观的统计，凭借数据分析、统计、推理、综合利用，找到教学活动的关联，以价值管理数据作为支撑，对教学活动的变化趋势进行预判，总结一般性知识，这些均可以成为高校教学管理的指导内容，有助于高校领导对接下来的工作给出妥善安排。高校领导可借助数据挖掘技术得到的信息，从多种方案中选择可行性最高的一款，使教学活动在资源合理配置与活动科学设计下有序进行［4］。

三、基于数据挖掘技术的高校教学管理工作流程与操作方法

（一）技术流程

数据挖掘主要对数据信息进行处理，通过对数据的系统化处理程序，找到使用者需要的信息。在数据挖掘技术的使用中进行数据收集，确定教学管理的真正对象，整理相关信息并进行剖析，归纳教学管理对象多方面的特征，在此基础上选择适当的方法整理数据［5］。

在数据采集并归纳后，按要求的形式进行整理，得到特点数据并为后续数据处理与共享服务。在数据管理中还会进行规约的工作，因为符合条件的数据内容不详，会在数据挖掘与剖析时花费一定时间。因此，需要做好数据属性的采样与选择后，分别记录原始数据的集中属性。在保持原始数据完整性的同时，可将数据挖掘工作的效率提升至更高层次。

在数据清理方面，处理掉不相符、错误、不完整的内容，将正确且完整的信息存入数据库内。在数据交换方面，利用数据处置方式，实现数据库内信息的转化，为数据挖掘提供条件。

在数据挖掘中根据决策树、遗传算法、神经网络等方式，实现对处理数据内容的深度挖掘，从中发现价值元素。在数据处置的终端进行挖掘数据信息的结果评估，评估挖掘数据内容是否与使用者期盼相符，如果相符即可停止数据挖掘与分析，如果得到的数据与使用者预期不符，则需要返回初始环节重复操作，筛选数据信息，得到使用者想要的内容。

（二）操作方法

1.决策树。决策树可以对庞大数据进行合理分类，完成系统化处置。在数据处理后将信息内容分化为多个类别，可以从细小分支的数据整理中找到与条件相符合的内容。在数据处置时，还可剔除不符合条件的数据。

2.遗传算法。遗传算法根据优胜劣汰、适者生存的生物界演化规律进行设计，在数据处置中可以进行随机搜索。

3.神经网络。神经网络是基于动物神经网络特征模拟进行的数据处理模式，在模拟动物神经网络行为特征后，选择分布式的方法处理数据，对数据内部的联系进行处置，最终达到数据信息处理的目的。神经网络具有分布并行、稳定、高容错等特征，是数据处理的常用手段，可降低不确定性对数据分析的干扰，并在数据挖掘操作下得到价值内容。

四、高校教学管理信息化中数据挖掘技术的应用

（一）课程设置

在高校开展教学管理时，关注教学活动的推进情况。教学活动能否使学生受益与教学方式的应用有关，教育工作者在课程前后应重点研究教学方法。不同班级文化各异，教师在授课时的风格也有较大不同，这些均会对学生学习形成一定的影响，教师如果不能对课程进行合理设计，将会影响学生对课程活动的参与程度，最终导致学生成绩出现较大差别，不利于学生对课程内容的吸收。学生专业能力的培养是教育工作重点，而课程设置不当，可能降低教学工作的有效性，无法达到在学生能力培养方面的要求。

（二）学生成绩剖析

教学管理系统的数据库内存储学生的相关资料，其中学生成绩的占比不小。学生成绩一直被视为课程教学评估的重要指标，在教学管理中对学生考试成绩进行收集与分析，可在一定程度上反映学生对专业课程的学习情况。在学生成绩数据的采集整理与分析中使用大数据挖掘技术，在数据处置中绘制学生成绩的图表，可直观地看到学生在不同阶段成绩的发展趋势。教师可以结合学生考试成绩的涨幅趋势，对学生下一阶段的成绩进行预估，同时反思教学工作，找到教学工作存在的不足，科学调整教学方案和课程安排等内容。

（三）学生特征判断

高校教学管理系统会记录学生学习情况与基本信息，在教学管理系统运行时，教师整理其中的数据并进行剖析，得到教学工作需要的信息，便于教师分析学生不同阶段的学习能力。教师利用数据挖掘技术，通过教学管理系统采集的内容，掌握学生出勤状况、考试成绩、个人特长、擅长科目与学习经历，这些均可成为教师判断学生特征的元素。教师在数据深度剖析中，对学生性格特征进行判断，为不同学生提供个性化的学习计划，调整学生参与训练活动的强度，使用个性化的教育引导方式，让学生合理分配时间，将大部分时间应用在薄弱科目，使学生均衡发展，避免学生在专业课程知识学习上出现短板。

在教学管理中，对教师管理信息进行收集与挖掘，结合学生的具体情况进行类别划分，成为教师个性化教学的支撑数据，有助于教学管理工作的科学开展。在教育深化改革中，高校教师开展教育工作必须注意工作方法，使用教学管理系统收集学生信息，教师可以利用系统中的信息判断学生个性特征。

（四）教学评价

教学评价可以判断教学工作是否合理，便于教师找到教学期间出现的问题，是教学工作的良性辅助手段。以往教学评价采用打分的方式，学生根据问卷项目，结合教师教学工作的开展情况进行评分。对于学生打出的分数，高校常以数据量化的方式进行分析，最终得到教学评价结果。此种方式得到的评价过于片面，学生打分时可能掺杂个人情感，致使评分客观性备受争议，很难准确评估教师教学的真实表现。如果仅围绕学生对教师打出的分数进行判断，难以通过相关数据准确判断教师教学工作的得与失。数据挖掘技术应用到教学评价后，可以搜集教学管理信息系统的数据，比如班级学生期末考试成绩、随堂测试成绩等。在数据整理中，结合教师所教专业，兼顾多个评判指标给出客观的教学质量评价结果。

在数据挖掘技术的使用中从多维度进行考量与判断，得到的评价结果真实性更高，从而发现教师在教学方面的不足。教师可根据教学评价结果改进教育方式，基于专业课程教学任务和人才培养要求设计教学方案。在数据挖掘技术应用到教学评价后，能够对学生测试成绩、课程活动内容与其他信息进行多维度的比较与挖掘，最终成为评估教学工作的素材。教学评价结果准确性提升后，便于教师找到教学工作存在的问题，为教学工作高质量推进提供可能。

（五）做出科学决策

在信息网络技术快速发展的背景下，高校基于自身需求建立教育信息管理系统，其包括学生学籍、教务管理、成绩管理、试题库、图书馆、网络教学平台等多个子系统。高校对此类系统数据进行处理与挖掘，方便高校领导掌握教育工作的情况。高校领导作为高校活动的管理者，其决策会直接影响高校教育活动的进展方向与实施效果。在数据挖掘技术使用中，教务管理人员需要对教育信息管理的诸多子系统数据进行处理，使用数据挖掘技术深度处理数据，最终得到价值内容。

教育管理人员在数据筛选中，通过各类筛选条件得到价值内容，成为领导决策的研究内容。教育人员可以收集学生未来希望从事的职业、工作地点，结合学生所在专业建立数据模型。教育管理人员在国家政策要求与市场状况等多个因素的分析中，做出学生就业培养的决策，提高该决策的合理性，有助于高校就业率的提升。

五、数据挖掘技术在高校教学管理信息化发展方面的趋势

高校在教学管理方面建立信息化系统，以数据挖掘技术处理系统收集的信息，可以对学生学习成果、学生数量、课程设置、学生毕业就业等方面内容进行整理，找到利于教学管理工作进行的数据，在教学管理方面作用显著。在课程设置、学生特征分析与判断方面，数据挖掘技术可以发挥较大价值，还可以为高校领导决策提供有价值的参考内容。在高等教育深化改革的过程中，我国高等院校对教学管理提出了更高的要求，数据挖掘技术成为高校高质量开展教学管理的技术手段。