高校教务管理的数据挖掘研究与实践lx.doc

高校教务管理的数据挖掘研究与实践lx.doc

  1. 1、本文档共11页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
高校教务管理的数据挖掘研究与实践lx高校教务管理的数据挖掘研究与实践lx

附件1 佳木斯大学教学研究项目 申 请 书 项目名称: 高校教务管理的数据挖掘研究与实践 申 请 人: 所属部门: 教务处 课题组成员: 联系电话: (办)8618708 (宅 E _ mail: 8213662@163.com 佳木斯大学教务处制 2010年9月16日 一、成员 项目名称高校教务管理的数据挖掘研究与实践起止时间2011-2013主持人 姓 名张磊性别男出生 年月1982.05最后 学历硕士专业技术职称/行政职务研究实习员现任课程数据库应用技术主要教学改革与科研经历一、教研项目 1、佳木斯大学学生评教指标体系构建及实践研究 佳木斯大学教务处 2、高校素质教育课教学存在问题及现状分析 佳木斯大学教务处 二、科研项目 1、基于WIN200/xp平台的硬盘信息安全技术研究. 佳木斯大学科技处 三、发表论文 1、张磊.硬盘启动故障的排除技术.科学时代.2007.09. 2、张磊.课程管理系统中自动排课算法的分析与设计.佳木斯大学学报2009.5 3、张磊.数据挖掘在调串课中的应用研究.华章.2010.09。 四、所获奖项 实验经费管理与信息安全开发技术.佳木斯市科学技术三等奖. 项目组其它成员(仅限四人)姓名性别年龄单位职称项目分工张兴福男40佳木斯大学教务处副教授构建统计学模型曹薇女35佳木斯大学教务处助理研究员收集相关资料陈新男31佳木斯大学教务处助理研究员数据收集崔虹云女33佳木斯大学理学院讲师数据整理 二、申请立项依据 (本课题研究的目的、意义、指导思想及其理论依据;本课题在国内外的研究现状及发展趋势分析;课题研究已具备的基本条件、工作基础以及其它有利条件;主要参考文献) 一、本课题研究的目的、意义 综合性大学在教务管理方面有着不同的措施,传统的教务管理软件仅仅能对已有的数据进行储存、查询等一般的操作,然而随着教学管理改革的深入发展以及当前教学水平的不断提升,产生了海量的教务管理数据,如果使用统计计算的方式进行整理并制定相应措施,这显然是极其浪费时间的,而传统软件单纯的存储与查询操作也就不能满足教务管理工作的需要,更多的是要求的是能够直接整理并利用这些已有数据,经过加工之后为管理改革的决策、成果效果的预测起到实际的指导作用。 随着这种问题的产生,越来越多的人参与到针对这一问题的研究中来,有些学者提出将所获得的数据进行分类整理之后再使用统计学的方式进行处理,这样能够很好的减少数据量,还有人提议采用抽样的方式进行处理。但是随着数据容量的不断发展,这种种方法逐渐显示出其不足之处。所有研究面向教务管理的数据挖掘技术有着重要的理论意义和实际应用价值。 二、本课题研究及发展现状 当前企业管理上对于数据挖掘技术的研究很多,并且取得了很好的效果。因此对于在教学管理上使用数据挖掘技术已经引起了广大研究者的注意。沈阳师范大学的闫禹等提出了在学生系统中使用关联规则的数据挖掘,并且同时提出在就业指导中的应用;浙江工业大学的何文秀也提出了在就业指导工作中使用数据挖掘技术。然而这些已有的算法大都针对在就业以及学生工作当中,在教务管理上由于个综合性大学有不同的体系结构,目前还没有一个成型的数据挖掘体系结构,所以一个系统、完备、有效的教务管理数据挖掘算法是极其重要的。 三、课题研究已具备的基本条件 1、积累了大量的教务管理数据,包括教室管理、调串课管理、课程管理等多种数据,为研究奠定了数据基础; 2、项目组成员有着多年数据挖掘研究的经验,在数据挖掘技术上做了大量的工作,取得了一定的研究成果。在该项目上也作出了大量的基础性工作,积累了相关研究理论和技术基础。 3、项目组成员一直处在教务管理第一线,具有较高的教务管理水平,积累了大量的实际工作经验,不仅能够针对研究提供大量的实验数据,而且能够在项目的研究过程中提出更多实际可行的建议。 四、主要参考文献 [1]高尚,杨静宇.一种新的基于粒子群算法的聚类方法.南京航空航天大学学报,2006.7. [2]唐槐璐,须文波,龙海侠.基于AQPSO的数据聚类.计算机工程与应用,2007. [3]罗辞勇,陈民铀,韩力.适应性粒子群寻优算法Ⅱ.控制与决策,2009.6. [4]陈思功,章恒翀,邓凯.软件系统设计中人因???程的研究.计算机工程与

文档评论(0)

ganqludp + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档