基于SQL Server数据库的高校教学质量数据挖掘分析

于鹏飞

[摘要]教育信息化是高等院校教育发展的主要趋势，也是提升高校教学质量的重要途径和渠道。本文以促进高等院校教学发展为目标，将数据挖掘技术和SQL Server数据库引入教学质量评价中去，利用数据挖掘系统支持高等院校教学质量管理工作。首先，本文介绍了SQL Server数据库及其特点，以及数据挖掘技术和常用的几种数据挖掘算法，提出利用决策树方法进行教学质量数据挖掘，并对这一方法的实现进行了简要分析，仅供参考借鉴。

[关键词]数据挖掘；教学质量；SQL Server数据库；实现过程

[中图分类号]G640

[文献标识码]A

[文章编号]1671-5918 （2018）02-0026-02

近年来，随着高等教育改革工作的逐步展开和教学手段的不断拓展，高等教育管理的现代化、信息化水平有了显著提升，很好地满足了现阶段高等教育管理工作需求。特别是等信息系统的应用，为高校教学管理日常工作带来了极大便利，不仅积累了大量教学相关数据，也降低了工作强度。如何更好地应用这些数据，充分发挥其在教学质量管理中的积极作用，是摆在广大教育工作者面前的一个重要课题。基于此，就于基于SQL Server数据库的高校教学质量数据挖掘进行了分析，以期全面推动教育管理信息化，提升高校教育工作水平。

一、SQL Server數据库及特点

SQL Server数据库是近年新提出的一种关系型数据库管理系统，具有高性能、可扩展性、分布式等特点。从整体上看，本数据库的优势体现在以下几个方面：第一，高性能性，能够充分利用WindowsNT优势；第二，采用先进的管理方法，支持本地、远程系统配置和管理，也支持计算机图形化管理；第三，有强大的事务处理能力，可通过各种方法保护数据的完整性；第四，支持多种结构的处理器，拥有自主的SQL语言。

二、数据挖掘技术

数据挖掘是上世纪末发展起来的一种交叉性学科，可从大型数据库中提取出有价值的信息。这些有价值的信息都是潜在的、隐含的，事先不被人所知。提出后的有价值信息可用概念、规则、规律、模式等形式表现。准确的来讲，数据挖掘是决策支持的过程，可作出归纳性推理，辅助决策者作出科学合理的决策。

（一）数据挖掘过程

通常情况下，数据挖掘主要包括数据准备、挖掘操作、结果表达和解释等环节。各环节相互联系，构成了一个反复不断的数据挖掘过程。如，挖掘者在数据挖掘过程中如果发现选用的数据不能满足要求，或挖掘结果达不到要求，可以重复先前的挖掘过程，重头进行数据挖掘。

（二）数据挖掘算法

在数据挖掘工作中，除了选定数据挖掘过程模型外，选择数据挖掘算法是最重要的一项工作。目前，常用的几种数据挖掘算法有决策树、聚类、统计等，这些方法在数据挖掘中有广泛应用。

（三）SQL Server中的数据挖掘

数据挖掘本身是一种决策支持工具，兴起于上世纪90年代，而最新发展起来的SQL Server数据库也具备数据挖掘功能。SQLServer中的数据挖掘存储采用特殊结构，要想浏览它必须使用微软软件，只有这样才能进行数据模型创建、复制、删除、修改等工作。

三、高校教学质量数据挖掘采用决策树算法的必要性

（一）目前高校教学质量管理现状

教学质量管理水平是衡量高校办学能力的重要指标之一，提升教学质量管理水平是高校教育管理的核心工作。显而易见，教学质量管理工作对高校而言十分重要。就当前来看，高校教育工作中基本使用了网上评教、学生成绩查询等信息工具，辅助高校日常教育及其管理工作。信息工具使用过程中产生了大量的数据信息，这些信息中隐藏很多有价值的信息，可用于教学质量管理。然而实际工作中并未完全做到这一点，这些数据被人的主观忽略，未对这些教学数据进行充分挖掘，一定程度上降低了教学数据利用价值，不利于提升教学质量管理水平。基于此，需要通过一种科学、有效的方法进行教学数据挖掘，从中挖掘出有价值的信息，作为教学质量管理工作的决策支持依据。综合考虑多种数据挖掘算法后，决策树算法成为最佳选择之一。

（二）决策树算法

决策树是一种与流程图非常相似的树状图，每一个节点表示在一个属性上的测试。其中，分枝表示测试输出，枝叶节点表示类或类分布。建立决策树的主要目的是建立目标类变量关于各输入变量的分类预测模型，以便实现对新数据对象的分类和预测，为教学质量数据分类与有用信息挖掘提供支持。

四、基于SQL Server数据库的高校教学质量数据挖掘分析

（一）数据挖掘系统的实现

建立高校教学质量数据数据挖掘系统时，应当充分利用SQLServer数据库及微软公司的相关软件、标准化接口等，可直接利用SQLServer数据库的数据挖掘功能对高校教学过程中产生的数据进行数据挖掘，为高校教学质量管理提供有价值的信息。数据挖掘系统实现主要包括以下环节：首先，将教学质量评估中的数据引入SQLServer数据库中，待数据处理后，创建星形结构的数据仓库，支持数据挖掘模型建立；然后，打开SQLServer数据库，利用数据库中的“挖掘模型向导”建构教学质量数据挖掘模型；最后，运用决策树方法对数据进行挖掘。

利用SQL Server数据库本身的数据挖掘功能直接对高校教学质量评价数据进行数据挖掘，虽然能够构建出数据挖掘的基本方案，但是SQL Server数据库提供的算法有限，不能很好地适应高校教学质量数据挖掘工作要求。介于此，可将数据挖掘模型外挂于SQL Server数据库进行数据挖掘。这样一来，数据挖掘算法的选择有了更多的选择性和灵活性，不仅可以使用SQLServer数据库中的DTS等工具进行数据预处理、构建数据仓库，也可以让SQL Server数据体库提供更完整的数据管理服务，利于提升数据挖掘质量和效率，保证数据挖掘结果具有利用价值。

综合以上分析，基于SQL Server数据库建立高效教学质量数据挖掘模型时，要将数据挖掘模型外挂于SQL Server数据库，采用c/s结构系统，通过服务器端数据库存储挖掘数据源组织，客户端应用程度运行数据挖掘模块。具体过程：第一，对数据源进行抽取、转换，后存储到服务器端数据库，即SQL Server数据库。其中，数据源包括学生评教、教师反馈等信息数据。当数据源存储到SQL Server数据库中后，利用SQL Server数据库的Drrs工具对数据进行转换、清理，将不同数据源的数据统一、有序的存储在数据库中，为后续的数据挖掘工作做准备；第二，利用高级语言建立数据挖掘算法的实现方法，并编制相应的外挂数据挖掘模块；第三，将SQL Server数据库中的数据与服务器中的数据库进行相应的数据交互。以上三个环节的就是利用外挂模式，基于SQL Server数据库建立起来的高校教学质量数据挖掘方案，该方案建立简单、便捷，数据挖掘结果可用、有价值，很好地满足了教学质量数据挖掘工作要求。

（二）数据挖掘模块的实现

在该教学质量数据挖掘方案中，数据挖掘模块主要包括数据预处理和清洗、事务库生成、频繁项集生成、关联规则库生成等。其中的每一个模块有着不同的功能，它们相互联系，建构了一个服务于高校教学质量数据挖掘的模块整体。数据挖掘模块的主要功能是：清洗学生评教数据、教师档案库数据等，将清洗后数据存储在数据库中，从中提取出要挖掘的数据对象并编码，按照一定关系将其转换为事务库。然后，在事务库基础上，根据给定的最小支持度生成频繁项集，根据给定的最小置信度量将频繁项集转化生成关联规则，并显示出来，为教学质量管理决策提供可靠的支持依据。

五、結论

综上所述，为了提高高校教育管理工作，基于SQL Server数据库和数据挖掘技术建立高校教学质量数据挖掘方案，利用先进的技术手段从大量的教学质量评价数据挖掘出有价值的关联规则，提供给教学质量管理可靠的决策依据，保证教育管理工作成效。

参考文献：

[1]李志军.基于SQLServerBI决策树的学生成绩分析[J].电脑编程技巧与维护，2016，32（ 15）：57 - 58，63.

[2]李吴，周振华.基于数据挖掘的高校学生成绩预警系统[J].大庆石油学院学报，2011，35（4）：91 -95，2.

[3]马秀麟，衷克定，刘立超.从大数据挖掘的视角分析学生评教的有效性[J].中国电化教育，2014，14（ 10）：78 - 84.

[4]董萍.基于数据挖掘的教务管理系统的设计与实现[J].三门峡职业技术学院学报，2015，14（1）：135 -139.

[5]任锁平.基于数据挖掘的高职教学质量监控评价系统设计及应用[J].电子设计工程，2015，23（ 16）：25 - 27，31.