教务管理的论文

时间:2021-08-31

  教务管理的论文需要怎么写呢?论文是大学生们最痛苦的一件事情!我们不妨一起来参考下范文吧!以下是小编为大家整理的有关教务管理的论文范文,欢迎阅读参考。希望对您有所帮助!

  有关教务管理的论文

  浅析教务管理系统的谈论

  摘要:高校教学管理工作作为学校教学机制正常运转的重要前提,在高校管理工作中占有相当重要的地位。高校教务管理系统使用至今,使大量的业务信息数据化,虽然基本满足了新的教学模式的业务需求,但由于数据量过大,导致隐含的规律无法被发掘,从而不能应用这些规律去指导学校的工作。本文结合教学管理具体要求,通过设计适合教学管理决策需求的数据仓库模型设计和数据处理方法,建立了完备、正确、无冗余的教务管理系统数据仓库模型,为后期进行决策分析提供有效的支持和依据,从理论和实践上提供一套有效的方法,为高校全面进行数据仓库建设、联机分析处理、数据挖掘研究与开发提供参考。

关键词:数据仓库模型;数据仓库;教务管理系统;教学管理

  引言 教学管理是计划性、创造性和科学性很强的工作,是保证高校教学机制正常运转的枢纽,关系到教学质量和人才培养质量的提高,在高校管理工作中占有相当重要的地位。教务管理系统是为了方便教学管理、提高管理工作效率而开发的数据库系统,由于教学管理工作涉及多方面的内容,因此在设计这些系统时,通常会根据用户的需求将其设计为几个子系统,包括培养计划子系统、排课子系统、成绩子系统、学籍子系统等等,每个子系统都包含若干个关系表,这些关系表中记录着各种属性信息。教学管理人员可以根据系统给予的权限对学生在校的各种相关信息进行录入、修改、审核、发布、查询、打印、统计、汇总等功能。 最大限度地实现教学管理过程中的信息共享和交流,是教务管理系统的主要功能之一。

  以培养计划和排课两个工作环节之间的联系为例。04 年以前,在排课前向各开课学院下达教学任务的过程是这样的:学院教学秘书根据下学期的教学计划,将各个专业所上课程摘录下来,然后将不同专业所上的相同课程进行汇总,再将所有课程按开课学院进行分类汇总,最后将任务书按开课学院下到有关学院。由于存在着学生和任课教师不在同一学院的情况,因此,各学院之间还需要相互频繁地交换任务书。现在这一切,随着培养计划系统的使用得到了很好的解决。由教务处统一按学院生成任务书,并下达到学院,并且所生的计划数据,可以供排课系统直接使用,不用再像以前那样,需要人工地建立每学期需要安排的课程和上课的班级数据。

  高校教务管理系统使用至今,使大量的业务信息数据化,基本满足了新的教学模式的需求。但是,它也有不足之处。教务管理系统收集了大量的数据,正常运行近十年,学生选课数据达到近30 万条记录,成绩历史数据达到近200 万条记录,交费数据达到近10 万条记录,教师课堂工作量达到近5 万条记录,面对如此海量的数据,目前的教务管理系统只是对它们进行一下查询、更新操作,并没有完全发挥信息技术的潜能。没有去挖掘大量数据中所隐含的规律,从而应用这些规律去指导学校的工作。因此,如何借用信息化的手段来为教学管理人员进行决策支持服务,成为急需解决的问题。

  课题研究的国内外发展状况及相关理论国内外发展状况数据仓库目前大多应用于商业或战略目的,在教育管理方面的应用暂时不多,且由于国内外教育培养方式的差别,国外关于教育管理单方面的数据仓库的研究及设计的并不是很多,更多是集中于学校整体教育评估的研究。综合国内外情况,目前关于数据仓库理论在教学管理方面的应用主要集中在以下几个方面:

  (1)基于教务数据仓库的应用开发研究;年,Nikolaos Dimokas 等人在《》一文中,通过对希腊第二大综合性大学亚里士多德大学的教育管理系统进行分析,确定学校建立数据仓库的可行性和必要性,通过需求分析,确定所需要的数据维度和粒度级别,选择星型模型,基于Microsoft SQL Server 2005 建立数据仓库并进行联机分析处理,结合Microsoft SharePoint 2007 和Excel 创建基于web 用户界面的OLAP 应用程序,为学校教学管理决策提供了科学有利的依据。

  (2)基于教务数据仓库的数据挖掘算法研究;年,王长娥在《数据挖掘在教学评价中的应用研究》一文中,针对数据挖掘聚类算法k 平均分区算法和层次凝聚算法的缺点,提出了一种新的改进算法(NP 算法),通过对潍坊学院的成人教育数据进行挖掘,得出了有意义的结论。

  (3)针对教务数据仓库的数据预处理算法研究;年,曹薇在《教务数据仓库中数据清理方法的研究》一文中,从属性清理和记录清理两方面对数据清理进行了研究,研究了如何用贝叶斯分类方法来修补缺失值, 通过对原有方法的组合和改进,提出了一种高效的检测相似重复记录的方法,减小了时间复杂度且提高了精度。

  相关理论数据仓库数据库系统作为数据管理手段,从它的诞生开始,就主要用于事务处理。经过数十年的发展,在这些数据库中已经保存了大量的日常业务数据。传统的业务系统一般是直接建立在这种事务处理环境上的。数据库技术一直力图使自己能胜任从事务处理、批处理到分析处理的各种类型的信息处理任务,后来人们逐渐认识到,在目前的计算机处理能力上,直接使用事务处理环境来支持决策是行不通的。近年来,随着数据库技术的应用和发展,人们尝试对数据库中的数据进行再加工,形成一个综合的、面向分析的环境,以更好地支持决策分析,数据仓库(Data Warehouse,简称DW)正是为了构建这种新的分析处理环境而出现的一种数据存储和组织技术。数据仓库弥补了原有数据库的缺点,将原来以单一数据库为中心的数据环境发展为一种新环境:体系化环境。数据仓库的建立并不是要取代数据库,它要建立在一个较全面和完善的信息应用基础上,用于支持高层决策分析,而事务处理数据库在企业的信息环境中承担的是日常操作性的任务。