数据挖掘技术在高校学生成绩分析中的应用
中图分类号：TP392 文献标识码：A
1 引言
考试是高校教学过程中的一项重要内容，是评价教师教学效果的重要依据及学校检测学生学习效果的主要方法。考试成绩有力地反映了学生对某门课程的掌握程度，是学生学习效果的量化指标。考试成绩分析则是评价教学、学习效果的一项重要指标，可以了解教师教学、学生的学习状态。考试成绩分析通过对教师教学质量和学生学习效果的测评，能够促进教师教学方法的改进、提高学生课堂学习效果， 对提升教育教学质量和进行教育教学改革有重要指导意义。
本文的工作就是以高校学生的考试成绩信息为应用背景，结合学生学习的情况，将关联规则挖掘Apriori算法应用到学生成绩分析中。根据学生的成绩挖掘分析出课程之间的关联性。通过对储存在数据库中的学生成绩数据进行分析，有利于促进教师教学和学生更好地进行学习，取得良好的教学效果，这将对提高教育教学质量和加强教学管理具有指导作用和现实意义。
2 关联规则挖掘
2.1关联规则基本概念
关联规则挖掘目的是发现数据库中隐含在大量数据项目集中的关联关系。关联规则是形如X→Y的蕴涵式。
3.2预处理成绩数据
采集过来的数据信息中大多会存在一定的问题数据，例如，缺失的数据、类型不同的数据等情况。所以要对出现的各类情况做分析处理，以便保证数据准确、无误，得到高质量的数据，确保挖掘结果的真实性。
数据预处理通常包括处理缺失或重复数据以及不一致的数据类型。预处理的前几个步骤在成绩表里面做处理即可，数据处理过程及结果如表2、3所示。
规则4表示如果学生的数学分析（1）成绩为及格，那么，数学分析（2）成绩为及格的学生的支持度为16%，置信度为86%；规则9表示如果学生的高等代数（1）课程成绩为中等，那么，线性规划课程成绩为中等的支持度为11%，置信度为52%。其他规则可作类似解释。
结果分析：
（1）离散数学成绩优秀的学生，线性规划课程取得优秀的可能性比较大，离散数学应放在线性规划课程前面开设。
（2）第一、第二学期高等代数成绩为中等的学生，线性规划课程的成绩也为中等的可能较大，高等代数（下转第109页）（上接第86页）（2）的成绩为中等的学生，线性规划课程的成绩为中等的可能性较大，说明这两门课程联系比较紧密，前者的学习直接影响到后者的学习。
（3）解析几何成绩为及格的学生，高等代数成绩也为及格的可能性较大，解析几何对高等代数的学习有较大影响。
通过对以上规则分析可知：第一学期数学分析课程的成绩直接影响到第二学期本课程的学习，学生应在第一学期把数学分析课程学好；离散数学、高等代数课程与线性规划课程的联系较密切，前者是后者的学习基础，解析几何对高等代数的学习也有一定的影响。我们可以得到一些启发：既然不同课程之间存在一定的联系，某门课程知识掌握的程度直接影响到其它课程，那么，对于院系负责制定人才培养方案的人员来讲，可对不合理的课程设置进行调整；对教师来讲，制定好教学计划，加强有联系的课程知识点之间的渗透；对学生来讲，学生要下功夫学习哪些基础课程，为后续课程的学习打好基础。
