數據挖掘技術在在線考試系統中的應用研究論文

　　摘 要：數據挖掘技術在各行業都有廣泛運用，是一種新興信息技術。而在線考試系統中存在着很多的數據信息，數據挖掘技在在線考試系統有着重要的意義，和良好的應用前景，從而在衆多技術中脫穎而出。本文從對數據挖掘技術的初步瞭解，簡述數據挖掘技術在在線考試系統中成績分析，以及配合成績分析，完善教學。

　　關鍵詞：數據挖掘技術；在線考試；成績分析 ；完善教學

隨着計算機網絡技術的快速發展，計算機輔助教育的不斷普及，在線考試是一種利用網絡技術的重要輔助教育手段，其改革有着重要的意義。數據挖掘技術作爲一種新興的信息技術，其包括了人工智能、數據庫、統計學等學科的內容，是一門綜合性的技術。這種技術的主要特點是對數據庫中大量的數據進行抽取、轉換和分析，從中提取出能夠對教師有作用的關鍵性數據。將其運用於在線考試系統中，能夠很好的處理在線考試中涉及到的數據，讓在線考試的實用性和高效性得到進一步的增強，幫助教師更加快速、完整的統計考試信息，完善教學。

　　1.初步瞭解數據挖掘技術

數據挖掘技術是從大量數據中"挖掘"出對使用者有用的知識，即從大量的、隨機的、有噪聲的、模糊的、不完全的實際應用數據中，"挖掘"出隱含在其中但人們事先卻不知道的，而又是對人們潛在有用的信息與知識的整個過程。

目前主要的商業數據挖掘系統有SAS公司的Enterprise Miner，SPSS公司的Clementine，Sybas公司的Warehouse Studio，MinerSGI公司的Mineset，RuleQuest Research公司的See5，IBM公司的Intelligent，還有 CoverStory， Knowledge Discovery，Quest，EXPLORA， DBMiner，Workbench等。

　　2.數據挖掘在在線考試中的主要任務

2.1數據分類

數據挖掘技術通過對數據庫中的數據進行分析，把數據按照相似性歸納成若干類別，然後做出分類，並能夠爲每一個類別都做出一個準確的描述，挖掘出分類的規則或建立一個分類模型。

2.2數據關聯分析

數據庫中的數據關聯是一項非常重要，並可以發現的知識。數據關聯就是兩組或兩組以上的數據之間有着某種規律性的聯繫。數據關聯分析的作用就是找出數據庫中隱藏的聯繫，從中得到一些對學校教學工作管理者有用的信息。就像是在購物中，就可以通過顧客的購買物品的聯繫，從中得到顧客的購買習慣。

2.3預測

預測是根據已經得到的數據，從而對未來的情況做出一個可能性的分析。數據挖掘技術能自動在大型的數據庫中做出一個較爲準確的分析。就像是在市場投資中，可以通過各種商品促銷的數據來做出一個未來商品的促銷走勢。從而在投資中得到最大的回報。

　　3.數據挖掘的方法

數據挖掘技術融合了多個學科、多個領域的知識與技術，因此數據挖掘的方法也呈現出很多種類的形式。就目前的統計分析類的數據挖掘技術的角度來講，光統計分析技術中所用到的數據挖掘模型就回歸分析、邏輯迴歸分析、有線性分析、非線性分析、單變量分析、多變量分析、最近鄰算法、最近序列分析、聚類分析和時間序列分析等多種方法。數據挖掘技術利用這些方法對那些異常形式的數據進行檢查，然後通過各種數據模型和統計模型對這些數據來進行解釋，並從這些數據中找出隱藏在其中的商業機會和市場規律。另外還有知識發現類數據挖掘技術，這種和統計分析類的數據挖掘技術完全不同，其中包括了支持向量機、人工神經元網絡、遺傳算法、決策樹、粗糙集、關聯順序和規則發現等多種方法。

　　4.數據挖掘在考試成績分析中的幾點應用

4.1運用關聯規則分析教師的年齡對學生考試成績的影響

數據挖掘技術中的關聯分析在教學分析中，是一種使用頻繁，行之有效的方法，它能挖掘出大量數據中項集之間之間有意義的關聯聯繫，幫助知道教師的教學過程。例如在如今的一些高職院校中，就往往會把學生的英語四六級過級率，計算機等級等，以這些爲依據來評價教師的教學效果。將數據挖掘技術中的關聯規則運用於考試的成績分析當中，就能夠挖掘出一些對學生過級率產生影響的因素，對教師的教學過程進行重要的指導，讓教師的教學效率更高，作用更強。

還可以通過關聯規則算法，先設定一個最小可信度和支持度，得到初步的關聯規則，根據相關規則，分析出教師的組成結構和過級率的'影響，從來進行教師隊伍的結構調整，讓教師隊伍更加合理。

4.2採用分類算法探討對考試成績有影響的因素

數據挖掘技術中的分類算法就是對一組對象或一個事件進行歸類，然後通過這些數據，可以進行分類模型的建立和未來的預測。分類算法可以進行考試中得到的數據進行分類，然後通過學生的一些基本情況進行探討一些對考試成績有影響的因素。分類算法可以用一下步驟實施：

4.2.1數據採集

這種方法首先要進行數據採集，需要這幾方面的數據，學生基本信息（姓名、性別、學號、籍貫、所屬院系、專業、班級等）、學生調查信息（比如學習前的知識掌握情況、學習興趣、課堂學習效果、課後複習時間量等）、成績（學生平常學習成績，平常考試成績，各種大型考試成績等）、學生多次考試中出現的易錯點（本次考試中出現的易錯點，以往考試中出現的易錯點）

4.2.2數據預處理

（1）數據集成。把數據採集過程中得到的多種信息，利用數據挖掘技術中的數據庫技術生產相應的學生考試成績分析基本數據庫。（2）數據清理。在學生成績分析數據庫中，肯定會出現一些情況缺失，對於這些空缺處，就需要使用數據清理技術來進行這些數據庫中數據的填補遺漏。例如，可以採用忽略元組的方法來刪除那些沒有參加考試的學生考試數據已經在學生填寫的調查數據中村中的空缺項。（3）數據轉換。數據轉換主要功能是進行進行數據的離散化操作。在這個過程中可以根據實際需要進行分類，比如把考試成績從0~59的分到較差的一類，將60到80分爲中等類，81到100分爲優秀等。（4）數據消減。數據消減的功能就是把所需挖掘的數據庫，在消減的過程又不能影響到最終的數據挖掘結果。比如在分析學生的基本學習情況的影響因素情況中，學生信息表中中出現的字段很多，可以選擇性的刪除班別、籍貫等引述，形成一份新的學生基本成績分析數據表。

4.2.3利用數據挖掘技術，得出結論

通過數據挖掘技術在在線考試中的應用，得出這些學生數據的相關分析，比如說學生考試中的易錯點在什麼地方，學生考試成績的自身原因，學生考試成績的環境原因，教師隊伍的搭配情況等等，從中得出如何調整學校教學資源，教師的教學方案調整等等，從而完善學校對學生的教學。

　　5.結語

數據挖掘技術在社會各行各業中都有一定程度的使用，基於其在數據組織、分析能力、知識發現和信息深層次挖掘的能力，在使用中取得了顯著的成效，但數據挖掘技術中還存在着一些問題，例如數據的挖掘算法、預處理、可視化問題、模式識別和解釋等等。對於這些問題，學校教學管理工作者要清醒的認識，在在線考試系統中對數據挖掘信息做出合理的使用，讓數字挖掘技術在在線考試系統中能夠更加有效的發揮其長處，避免其在在線考試系統中的的缺陷。

　　參考文獻：

[1]胡玉榮.基於粗糙集理論的數據挖掘技術在高校學生成績分析中的作用[J].荊門職業技術學院學報,2007,12(22):12.

[2][加]韓家煒,堪博(Kam ber M.) .數據挖掘：概念與技術（第2版）[M]範明,譯.北京:機械工業出版社,2007.

[3]王潔.《在線考試系統的設計與開發》[J].山西師範大學學報,2006(2).

[4] 王長娥.數據挖掘技術在教育中的應用[J].計算機與信息技術,2007(11)