近年来，数据挖掘技术得到了飞跃式发展，其应用领域也涉及到商业零售、电信数据分析、金融数据分析、生物医学分析、教育管理分析等多个领域。随着各行各业信息化建设的不断完善，大量的信息数据为数据挖掘技术的应用提供了基础和保障。本文将以教学为例，利用数据挖掘技术对学生学习成绩进行深入分析。
1、数据挖掘在教育教学中应用的可行性分析
数据驱动学校，分析变革教育的大数据时代已经带来，利用数据挖掘技术对教育领域的相关数据进行分析，探索教育变量之间的关系，为教育教学的科学决策提供有力支撑，已经成为教育发展的趋势之一。大数据时代的到来，将掀起人类教与学的又一次变革。对此，美国国家教育部于2016 年就已经发布了《通过教育数据挖掘和学习分析促进教与学》的报告。报告中，列举了大数据教育应用的案例、领域、应用中所面临的困难以及应采取的态度和对策等。计算机技术和互联网技术在我国起步较晚，但发展迅速，尤其是近几年“互联网+”时代的到来，极大的促进了各行各业的发展。互联网的发展同样会促进学校信息化的建设，加强教育教学领域的大数据研究和应用分析，具有重要的实践意义。教育学者在信息技术和网络技术的影响下，逐渐加大了对数据挖掘技术的研究力度，通过一系列研究，就“国家和地方应在技术层面、管理体制、法律制度上加大对大数据研究和应用力度，按照发展现状及未来规划，整合现有资源，发挥后劲优势，真正推动我国教育教学工作的改革进程。大数据给各个行业的发展带来的变革和挑战是前所未有的，就教育行业而言，教师的教学行为、学生的学习活动、教学管理工作、科学研究等数据都能为学校领导者制定决策提供依据，数据挖掘技术在教育教学领域具有广泛应用价值。
2、数据挖掘技术对学生成绩的分析
在教学领域，学习分析是其中最为重要的组成部分。学习分析就是收集与学习者有关的信息数据，然后构建数据模型，从中发现数据中隐含的规律；还可利用该技术对学习者的行为表现进行分析，根据学生表现制定合适的学习计划，提高学生的学习效率；总之，学习分析是涉及到社会学、心理学、计算机科学和信息技术等多种学科的一种理论方法，是利用海量数据的收集、分析、处理，发现影响学习者学校结果的因素，评价学生学习情况，根据分析反馈结果，对教学内容、教学计划和教学方式进行调整和改进，以此推进教学和学习的整体效率。
3、数据挖掘技术应用过程
（1）数据选取
数据是数据挖掘的基础，也是整个数据挖掘流程中耗费时间和精力最多的环节，大概占整个数据挖掘项目的60%-80%。在这一环节中，若数据类型没有完成转换，则数据类型与模型中的算法匹配度就会受到影响；数据中存在的噪声过多或不完整度过高，就会影响模型的准确性，由此可见，数据选取工作具有十分重要的地位，应对其引起足够的重视。数据质量越高，越有利于实现挖掘目标，分析出来后所得出的规律结论更可靠。
（2）数据挖掘过程
学生成绩数据可通过学校教学平台获取，其挖掘过程如下：
a数据准备阶段。首先，先数据导入操作，选择类型为Excel 表格后，执行查询操作。然后，对数据进行清理。将原始数据中异常数据、噪声数据或不合理数据进行清除；对不完整数据进行字段补偿，待数据符合数据挖掘要求后，将其导入数据库。最后，数据转换。将以百分制记录的原始数据分为1-10 个档次的成绩备用。
现代企业经常会搜集大量的数据，这些数据涵盖了市场、客户、供货商，及其竞争对手等重要信息，但是由于信息超载与无结构化，企业的决策者无法充分利用这些庞大的数据资源，仅能使用其中的一小部分，这可能导致决策失误，甚至出现决策错误。而借助数据挖掘技术，企业完全有能力从浩瀚的数据海洋中，挖掘出全面而又有价值的信息和知识，并作为决策支持之用，进而形成企业独有的竞争优势。 ..
|
