数据挖掘技术在成才因素分析中的应用研究

如何在高校有效地开展素质教育是一个迫切的问题，而通过对高校学生数据库的挖掘，有可能在这方面获得一些科学依据。文中介绍了数据仓库及数据挖掘基本技术，并将数据挖掘技术应用到成才因素分析之上，通过大量的实际数据测试，获取了感兴趣度较大的规则模式，在高校素质教育的具体应用中起到了促进的作用。最后给出了一个基于MS Analysis Server的多维数据集及数据挖掘结果分析可视化平台。     

高校教育信息化中数据挖掘的应用研究

数据挖掘作为一种高效的数据处理技术,被广泛的应用到各个领域。高校教育信息化的快速发展为高校积累了大量的信息,利用数据挖掘技术可以发现在数据中隐藏的普遍规律和模式,为高校教育教学工作的顺利开展提供了科学的依据。本文通过对数据挖掘概念、过程及进行数据挖掘必要性的分析,探讨数据挖掘技术在高校教育信息化中的应用问题。     

基于大数据挖掘分析的高校信息化建设探索

高校信息化建设过程中积累了大量的数据资源,如何利用数据挖掘技术获取有价值的信息是高校大数据分析中的一个重要问题。介绍了几种典型的数据挖掘技术,并且通过分析其在学生信息管理中的应用,说明了数据挖掘是一种在高校信息化建设中提高学校的管理能力和科研教学水平的有效技术。     

数据挖掘在高校教学及学生学习评价中的应用空间分析

数据挖掘技术目前在商业、金融业等方面都得到了广泛的应用,而在教育领域应用较少,本文通过对数据挖掘在高校信息化中的应用空间分析,提供了一个学习者特征分析模式,帮助教学人员合理安排教学工作,协助辅导员对学生的管理,对提高学校的教学管理水平起到指导作用,为数据挖掘技术有效应用于教育领域研究提供了一个方向。     

数据挖掘技术在高校数字化图书馆中的应用

高校图书馆的数字化系统中,积累了大量的读者对资源的历史访问数据。这些数据背后隐藏着许多重要的信息,通过对其进行更高层次的分析,便能更好地利用这些数据为读者服务。文章在描述数据挖掘技术与方法的基础上,结合目前高校的实际情况,探讨了数据挖掘在数字图书馆中的应用空间以及其所具有的应用价值,就如何应用数据挖掘技术进行了研究,并给出了利用数据挖掘技术在高校图书馆中优化馆藏资源和提供读者个性化服务的实现过程及方法。     

数据挖掘技术在高校数字化图书馆中的应用

高校图书馆的数字化系统中,积累了大量的读者对资源的历史访问数据。这些数据背后隐藏着许多重要的信息,通过对其进行更高层次的分析,便能更好地利用这些数据为读者服务。文章在描述数据挖掘技术与方法的基础上,结合目前高校的实际情况,探讨了数据挖掘在数字图书馆中的应用空间以及其所具有的应用价值,就如何应用数据挖掘技术进行了研究,并给出了利用数据挖掘技术在高校图书馆中优化馆藏资源和提供读者个性化服务的实现过程及方法。     

数据挖掘在高校教学及学生学习评价中的应用空间分析

数据挖掘技术目前在商业、金融业等方面都得到了广泛的应用，而在教育领域应用较少，本文通过对数据挖掘在高校信息化中的应用空间分析．提供了一个学习者特征分析模式，帮助教学人员合理安排教学工作，协助辅导员对学生的管理，对提高学校的教学管理水平起到指导作用．为数据挖掘技术有效应用于教育领域研究提供了一个方向。     

数据挖掘分类技术在高校教学中的应用

随着高校的扩招,高校教学工作出现了不少问题。该文在明确了数据挖掘技术在高校教学研究中应用意义的基础上,分析了高校教学目前的现状,提出了一种数据挖掘分类技术在高校教学中的应用方案,从而提高高校的教学质量。     

数据挖掘在设备管理中的应用探究

数据挖掘技术有其自身的优势,能够有效解决传统数据分析方法所无法解决的难题,从而提高处理数据的能力。近年来,数据挖掘技术在我国得到了广泛的发展,将其应用到高校设备的管理工作中,对于提高高校设备的管理水平,具有重要的意义。该文分析了高校设备管理中存在的问题和数据挖掘技术,探究了将数据挖掘技术应用到高校管理工作中后,高校设备管理水平上升的具体表现。     

数据挖掘技术在高校图书馆创新服务中的应用设计研究

数据挖掘技术是为解决信息量大而知识匮乏的问题出现的,已应用在医学、工程、银行业等领域,但在图书馆领域还没有普及。基于此,高校图书馆运用高新技术和现有的大量信息资源设计一套基于高校图书馆个性化服务的系统模型具有较高的实用价值。笔者首先阐述了数据挖掘技术的概念,进而分析了当前数据挖掘技术在高校图书馆服务中的应用现状,并根据存在的问题设计一套基于数据挖掘技术的高校图书馆个性化服务系统模型,最后分析了数据挖掘结果并提出了解决问题的具体策略。     

Web挖掘在现代远程教育中的应用

从Web上异质的、非结构化的数据中发现有用的知识或者模式,是目前数据挖掘研究中的一个重要内容。Web挖掘就是从Web文档和Web活动中抽取感兴趣的、潜在的有用模式和隐藏的信息。文章介绍了Web挖掘基本情况。在此基础上对基于Web的文本挖掘进行了分析研究,给出了一个基于Web的文本挖掘的结构模型图。在Web挖掘和数据挖掘研究的基础上,提出了一个智能化、个性化的现代远程教育系统结构模型。它比传统的远程教育系统具有更大的发展前景。     

数据挖掘技术在教育中的应用研究

随着教育信息化进程的推进，产生并积累了大量的、复杂的数据，为了更充分、有效地利用这些数据，本文就数据挖掘技术在教育中的应用进行了一些探讨，并以教学评价作为简单的实例研究，目的在于发现大量教育数据中隐藏的、有用的知识，以指导教育、发展教育、为教育服务。     

基于Web的文本挖掘

万维网是一个巨大的、分布广泛的、全球性的信息服务中心,它包含了丰富的信息资源。在茫茫的信息海洋如何快速有效地获取所需要的信息,一直是困绕着网上用户的难题。而Web挖掘可以从这个信息海洋中提取出所需要的有用知识,在一定程度上解决了用户的困绕。该文主要介绍了Web挖掘基本情况,并在此基础上对基于Web的文本挖掘进行了分析研究;给出了一个基于Web的文本挖掘的结构模型图。同时,在Web挖掘和数据挖掘研究的基础上,提出了一个智能化、个性化的现代远程教育系统结构模型。它比传统的远程教育系统具有更大的发展前景。     

An architecture for making recommendations to courseware authors using association rule mining and collaborative filtering

Nowadays we find more and more applications for data mining techniques in e-learning and web-based adaptive educational systems. The useful information discovered can be used directly by the teacher or author of the course in order to improve instructional/learning performance. This can, however, imply a lot of work for the teacher who can greatly benefit from the help of educational recommender systems for doing this task. In this paper we propose a system oriented to find, share and suggest the most appropriate modifications to improve the effectiveness of the course. We describe an iterative methodology to develop and carry out the maintenance of web-based courses to which we have added a specific data mining step. We apply association rule mining to discover interesting information through students’ usage data in the form of IF-THEN recommendation rules. We have also used a collaborative recommender system to share and score the recommendation rules obtained by teachers with similar profiles along with other experts in education. Finally, we have carried out experiments with several real groups of students using a web-based adaptive course. The results obtained demonstrate that the proposed architecture constitutes a good starting point to future investigations in order to generalize the results over many course contents.     

Web数据挖掘在网络教育中的应用

随着互联网的发展,网络教育也有了长足的进展。Web数据挖掘以其独特的优点,在网络教育中有很多的用途。介绍了Web数据挖掘的概念的分类、网络教育中的数据资源以及网络教育中的Web数据挖掘的主要过程,并着重介绍了Web数据挖掘在网络教育中的具体应用。     

教育考试数据挖掘的研究与实现

进行教育考试数据挖掘与分析研究,有利于充分发掘教育考试数据的潜在价值,更好地为教育管理、教育决策提供科学的依据。分析了教育考试数据资源现状与特点,构建了高考数据集市雪花模型,采用Apriori算法生成频繁数据项集,并以最小置信度75%为条件,挖掘出考生4科高考成绩之间的关联规则。     

Data Mining: A Competitive Weapon for Banking and Retail Industries

Data mining is proving to be a valuable tool, by identifying potentially useful information from the large amounts of data collected, and enabling an organization to gain an advantage over its competitors. This article defines what data mining is and covers the operations of data mining as have been classified throughout literature. It then focuses on the important uses of data mining, which include but are not limited to marketing, risk management, fraud detection, and customer acquisition and retention. Examples of how the banking and retail industries have been effectively utilizing data mining in these areas are provided.     

基于最大值约束的模糊关联规则挖掘

数据挖掘是从数据库中发现潜在有用知识或者感兴趣模式的过程。在数据挖掘领域中主要集中于单一支持度下的关联规则挖掘,在事务数据库中发现项目之间的关联性,而在实际应用中,项目可以有不同的最小支持度,不同的项目可能具有不同的标准去判断其重要性,因此提出一个在最大值支持度约束下,发现有用的模糊关联规则挖掘算法,在该约束下,利用逐层搜索的迭代方法发现频繁项目集,通过实例证明了该挖掘算法是易于理解和有意义的,具有很好的效率。     

基于多策略的学生成绩挖掘与分析

通过对数据挖掘技术的相关分析与比较,提出了多策略的设计思路,将数据挖掘与统计分析相结合,从海量成绩数据中提取隐藏于其中的有用信息,从而科学指导教学,提高教学管理水平。多策略是指:采用基于决策树的分类方法,对学生成绩库中数据进行挖掘,生成学生成绩决策树,能直观显示出某一成绩在不同等级计算方式所处的位置,为教学部门提供评价信息;同时采用基于总结规则的统计分析方法,完成不同情况下的成绩查询及对比分析,实现学生成绩分析报告、试卷质量评价报告及质量分析表的自动生成。应用该系统后将改进工作效率,提高教学质量。