电大教务管理系统_关联规则在浙江电大教务管理系统中的研究
摘 要:近年来,随着我国高等教育的快速发展,高校办学规模不断扩大,教务管理部门任务繁重,全面实现教务管理网络化、信息化已迫在眉睫。为改进教务管理手段,各高校近年来纷纷采用教务管理系统软件。本文从理论出发,最后利用关联规则中的Apriori算法进行了简单的实例。
关键词:教务管理系统 关联规则 Apriori算法
中图分类号:F560 文献标识码:A 文章编号:1672-3791(2012)05(b)-0034-01随着计算机技术和数据库技术的飞速发展以及高等教育的普及化,各高校的教学教务管理中产生越来越多的数据。如何管理好教务工作,且能在大量的教务管理数据中挖掘出有用的信息,是一项值得研究的问题。
1 关联规则及算法
关联规则是数据挖掘中的一种,是目前最为重要以及应用最为广泛的方法之一,它是通过发现大量数据中项集之间的关联或相关联系。支持度(support)和置信度(confidence)是描述关联规则的两个重要概念,支持度用于衡量关联规则在整个数据集中的重要性,置信度用于衡量关联规则的可信程度[1]。一般来说,只有支持度和置信度均较高的关联规则才可能是用户感兴趣的、有用的关联规则。因此,为了发现有意义的关联规则,需要给定两个阂值:最小支持率和最小置信度。
在关联规则的算法中,最为经典的是Apriori算法。该算法的基本思想是:首先找出1-频繁集合,记作L1,然后用L1找2-频繁集合,记作L2,而L2找L3,直到有某个k值使得Lk为空,这时算法停止。而通过连接和剪枝,我们用Lk-1找到Lk。
2 浙江电大教务管理系统概述
广播电视大学是一个由开放教育为主体的多元办学、多种教育类型协调发展的现代远程开放大学。其中浙江省电大系统已经形成由省电大本级、市级电大、县级电大等多级办学主体构成的办学网络。而现有的教务管理系统是一个分布范围比较广的教育系统,其分布依托于中央电大平台和省级电大平台,管理分为中央管理、省/市级管理、分校管理、教学点管理。各专业包括几个模块:公共基础课、专业基础课、专业课、专业拓展课、实践课等。学生按规则要求修满每个模块最低毕业学分,各模块所修学分之和达到毕业学分要求,具有毕业资格。其系统功能结构图如图1所示。
3 关联规则在教务管理系统中的应用
3.1?预处理
基于Weka的课程关联规则分析要求数据时名词性值,而且数据格式为arff。在电大教务管理系统学籍管理中选取了两个学院各50名学生,将其数据导出为excel文件,并另存为csv格式。通过Weka软件进行预处理,将csv格式转换为arff格式。同时,我们将所需数据简化处理。各专业转化代码为:英语=A1,行政管理=A2,会计=A3,工商管理=A4,计算机=A5,动漫=A6,电子商务=A7,国贸=A8。学历转化代码为:专科=z,本科=b。学院转化代码为:开放学院=kf,直属学院=zs。
在整个挖掘中,主要是使用到学历、年龄、学院、专业四个属性。其中年龄分段划分为[15-19]、[20-29]、[30-39]、[40-49],该项目标识为{[15-19],[20-29],[30-39],[40-49]}。例如:我们把一条学生数据转化为事务{z,[20-29],kf,A1}。
3.2?Weka应用
在通过Weka的预处理后,产生数据图。
选择accociate选项卡,默认的是apriori算法。设置最小支持度下界为10%,最小支持度上界100%,最后挖掘出的规则数量为10,得到下面结果。
(1)XL=z,NL=30-39==> XY=kfZY=A3
(2)XY=kf,ZY=A3==> XL=zNL=30-39
(3)XL=z,XY=kf==> NL=30-39ZY=A3
(4)NL=30-39,ZY=A3==> XL=zXY=kf
(5)XL=z,NL=30-39==> ZY=A3
(6)ZY=A3==> XL=z,NL=30-39
(7)XL=z,NL=30-39,XY=kf==> ZY=A3
(8)ZY=A3==> L=z,NL=30-39
(9)NL=30-39==> XY=kf,ZY=A3
(10)XY=kf,ZY=A3==> NL=30-39
以上结果按照life值由大到小进行排列。最后得出的规则是年龄段在30～39的选择开放专科的会计专业。而电大招生的年龄段30～39在整个招生年龄段中的比重为39%。同样的,我们也可以将地方电大的学生信息进行挖掘,从中找到规则,在下一轮申报开设哪些专业,招生人数比重方面有了预估。
4 结语
本文只是针对学生的信息进行挖掘,还有很多与教育相关的规则未被挖掘。如果选择不同的数据库,挖掘出来的规则也不同;假如想挖掘出更多的规则,可以从规模更大,数据量更多的多维进行挖掘。作为近年来计算机领域的热门话题,数据挖掘在今后的高等教育管理系统中的应用还有待于更深入的研究。
参考文献
[1] Jiawei Han,Micheline Kamber[著],范明,孟小峰,等[译].Data Mining Concepts and Techniques[M].机械工业出版社,2005.