首页 -> 2007年第7期
数据挖掘技术及其在职业教育中的应用探讨
作者：段向红 张飞舟
（三）课程设置方面
职业学校的课程设置有其一定的规律性，先基础，后专业，学习是循序渐进的。每学期要修的课程虽然有一定的规律，但也不是一成不变的。如何合理地设置每学期的课程，使之既顾全了大局，又兼顾局部需求是值得研究的问题。例如，同一年级在不同班级学习同一门课程时，学生的总体成绩有时会相差很大，利用学校教学数据库中存放的历届学生各门学科的考试成绩，结合数据挖掘的关联分析与时间序列分析等相关功能，就能从这些海量数据中挖掘出有用的信息，帮助分析这些数据之间的相关性、回归性等性质，得出一些具有价值的规则和信息，最终找到影响学生成绩的原因，并可在此基础上，对课程设置做出合理安排。另外，在通常情况下，学生可以正常地修完本学期的课程，不会影响学生的学习效果。但个别学期出现的特殊情况如果处理不好，就会影响学习效果。
（四）教学过程与方法方面
在教学过程中，教师通常采用多种教学方法完成对本门课程的教学任务，如讲授法、讨论法、案例法、多媒体辅助法、实验对比法、调查法、参观学习法等等。这些大量的教学班次实践过的经验存放于教学数据库中，可以用数据挖掘的方法来挖掘数据库中的数据，判定面临的教学班应该采取什么教学方法才能满足教学需要，更有利于学生对知识的理解和吸收。课程结束后将每个学生的成绩和对教学方法的评价进行综合，运用回归线性分析、关联规则的方法来判断本次教学方法适合哪一类学生，对于分类、分层次教学具有推广和指导意义。
考试是对教学效果的检验，是教学中必不可少的环节之一，能否对教和学起到促进作用，在很大程度上取决于试题质量的好坏。因此，探索有效的方法来评价试题的质量在实际教学过程中有重要的意义。目前，大多数学校只是简单地根据学生的考试成绩画出成绩分布曲线，如果是正态分布则认为试题的难易度和区分度基本符合要求。这种评价方法给出的是对试题质量的粗略评价，对实际教学没有起到很好的促进和指导作用。将数据挖掘中的关联规则应用于试卷分析数据库，根据学生得分情况可以分析出每道题的难易度、区分度、相关度等指标，教师据此可以对试题的质量作出比较准确的评价，进而可以用来检查自己的教学情况及学生的掌握情况并为今后的教学提供指导。
数据挖掘技术采用比较成熟和科学的分析方法，在将其引入教学时也必须充分处理好其他因素，比如调查问卷的合理度、反馈结果的真实度、数据量的大小是否足以进行挖掘、不同学科的课程特点及挖掘结果的可信度等等，这样才能更充分地挖掘学生的潜力，提高教学效率，优化教学策略和评估教学效果。因此，数据挖掘技术经过在教育领域中应用功能及技术的不断发展和完善，必将发挥越来越大的作用，并且随着人们对这一技术的关注，相信其在教育领域的应用范围会越来越广，其对教育的改革和发展必将起到巨大的推动作用。
参考文献：
[1]朱明.数据挖掘[M].北京：中国科技大学出版社，2002.
[2]张玉林.数据挖掘技术在教学过程中的指导作用[J].西安通信学院学报，2006，5（2）：38-40.
[3]于承敏.数据挖掘（Data Mining）技术运用于教育领域之探讨[J].聊城大学学报，2005，18（2）：79-82.
[4]李红艳.数据挖掘及其运用于教学评价的设想[J].襄樊职业技术学院学报，2003，2（1）：142-45.
[5]林阳.数据挖掘在教育信息化中的潜在价值[J].现代教育技术，2002，（1）：65-69.
作者简介：
段向红（1966—），女，北京市人，北京市园林学校高级讲师，主要从事教学、科研工作。
张飞舟（1966—），男，湖南邵阳人，北京大学地空学院遥感所教学、科研人员，主要从事人工智能、数据挖掘及其应用等方面研究。（本栏责任编辑：周秀峰）
[1]