《相关教务管理的论文-正方教务管理系统》由会员分享，可在线阅读，更多相关《相关教务管理的论文-正方教务管理系统（9页珍藏版）》请在金锄头文库上搜索。
1、相关教务管理的论文:正方教务管理系统 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xx为大家整理的相关教务管理的论文范文，欢迎阅读参考。期望对您有所帮助！相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主要前提，在高校管理工作中占有相当主要的地位。高校教务管理系统使用至今，使大量的业务信息数据化，即使基础满足了新的教学模式的业务需求，但因为数据量过大，造成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。本文结合教学管理详细要求，经过设计适合教学管理决议需求的数据仓库模型设计和数据处理方法，建立
2、了完备、正确、无冗余的教务管理系统数据仓库模型，为后期进行决议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，为高校全方面进行数据仓库建设、联机分析处理、数据挖掘研究和开发提供参考。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、发明性和科学性很强的工作，是确保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升，在高校管理工作中占有相当主要的地位。教务管理系统是为了方便教学管理、提升管理工作效率而开发的数据库系统，因为教学管理工作包括多方面的内容，所以在设计这些系统时，通常会依据用户的需求将其设计为多个子系统，包含培养计划子系统、排课子系统、
3、成绩子系统、学籍子系统等等，每个子系统全部包含若干个关系表，这些关系表中统计着多种属性信息。教学管理人员能够依据系统给的权限对学生在校的多种相关信息进行录入、修改、审核、公布、查询、打印、统计、汇总等功效。最大程度地实现教学管理过程中的信息共享和交流，是教务管理系统的关键功效之一。以培养计划和排课两个工作步骤之间的联络为例。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么的：学院教学秘书依据下学期的教学计划，将各个专业所上课程摘录下来，然后将不一样专业所上的相同课程进行汇总，再将全部课程按开课学院进行分类汇总，最终将任务书按开课学院下到相关学院。因为存在着学生和任课老师不在同一学院的情
4、况，所以，各学院之间还需要相互频繁地交换任务书。现在这一切，伴随培养计划系统的使用得到了很好的处理。由教务处统一按学院生成任务书，并下达成学院，而且所生的计划数据，能够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，基础满足了新的教学模式的需求。不过，它也有不足之处。教务管理系统搜集了大量的数据，正常运行近十年，学生选课数据达成近30万条统计，成绩历史数据达成近200万条统计，交费数据达成近10万条统计，老师课堂工作量达成近5万条统计，面对如此海量的数据，现在的教务管理系统只是对它们进行一下查询、更新操
5、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。所以，怎样借用信息化的手段来为教学管理人员进行决议支持服务，成为急需处理的问题。课题研究的我国外发展情况及相关理论我国外发展情况数据仓库现在大多应用于商业或战略目标，在教育管理方面的应用临时不多，且因为我国外教育培养方法的差异，国外有关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定的研究。综合我国外情况，现在有关数据仓库理论在教学管理方面的应用关键集中在以下多个方面：1基于教务数据仓库的应用开发研究；年，NikolaosDimokas等人在一文中，经过对希腊第二
6、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须性，经过需求分析，确定所需要的数据维度和粒度等级，选择星型模型，基于MicrosoftSQLServer2021建立数据仓库并进行联机分析处理，结合MicrosoftSharePoint2021和Excel创立基于web用户界面的OLAP应用程序，为学校教学管理决议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，提出了一个新的改善算法(NP算法)，经过对潍坊学院的成人教育数据进行挖掘，得出了有意
7、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，隶属性清理和统计清理两方面对数据清理进行了研究,研究了怎样用贝叶斯分类方法来修补缺失值,经过对原有方法的组合和改善，提出了一个高效的检测相同反复统计的方法，减小了时间复杂度且提升了精度。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，就关键用于事务处理。经过数十年的发展，在这些数据库中已经保留了大量的日常业务数据。传统的业务系统通常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多种类型的信息处理任务，以后大家逐步认识到，在现在的计算机处
8、理能力上，直接使用事务处理环境来支持决议是行不通的。多年来，伴随数据库技术的应用和发展，大家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，以更加好地支持决议分析，数据仓库(DataWarehouse,简称DW)正是为了构建这种新的分析处理环境而出现的一个数据存放和组织技术。数据仓库填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个新环境：体系化环境。数据仓库的建立并不是要替代数据库，它要建立在一个较全方面和完善的信息应用基础上，用于支持高层决议分析，而事务处理数据库在企业的信息环境中负担的是日常操作性的任务。数据预处理数据预处理是数据在进入数据仓库系统之前的
9、处理过程，在这个过程中，需要未来自关系数据库、实时数据库或文件系统等多个外部数据源的数据进行有效的抽取、清理、转化和综合，检验数据的完整性、一致性等质量指标，对其中的噪音数据、空值等进行处理，最终存入数据仓库1。数据预处理和数据仓库系统的关系数据预处理过程中要考虑以下多个问题2：1异构平台下的数据透明性2数据正确性和实时性的平衡4成本和维护性联机分析处理OLAP联机分析处理，英文名称为On-LineAnalysisProcessing，简写为OLAP。联机分析处理含有灵活的分析功效、直观的数据操作和分析结果可视化表示等突出优点，从而使用户对基于大量复杂数据的分析变得轻松而高效，以利于快速做出正
10、确判定。它可用于证实大家提出的复杂的假设，其结果是以图形或表格的形式来表示的对信息的总结。它并不将异常信息标识出来，是一个知识证实的方法。研究的关键内容1在传统教务管理系统数据库基础上，对数据进行清理，消除噪声和不一致，整合存放在不一样数据库和文件中的数据。2设计合理的系统模型，提取相关数据，采取适合的数据预处理算法，建立完备、正确、无冗余的教务数据仓库。3基于所建立的数据仓库，结合教务详细应用需求，开发OLAP应用。4设计交互性良好的用户界面，将分析结果用可视化和知识表示技术表示出来。课题研究的关键技术路线教务管理系统中的组合数据清理技术以往常见的清理方法是依据不一样的数据背景采取如平均、分
11、类、聚类、预计、相关性分析等方法，对真实值进行估量，但比较通用的算法现在还没有。1969年，和首次提出了组合预计的理论和方法以来，组合预计的理论在我国得到了广泛的应用和发展。本文从组合预计思想的出发，给出了数据清理的组合模型。该模型的思想是：对于同一数据进行处理，能够用多个方法，每种方法全部有各自的优点和缺点，为了有效的利用多种模型的优点，回避其缺点，将不一样的方法进行组合，只要选好权重便能够得到很好的处理结果。实践证实，任何一个独立模型，哪怕是效果不佳的模型，只要它含有独立的系统信息，当和一个很好的方法进行组合后一样能够改进结果精度，增强模型的可靠性。本课题使用遗传算法确定多种单一算法的估量
12、结果的最优权，然后加权平均，得到一个相对通用的算法。试验表明，这种组合算法在大多数情况下比使用单一算法要准确。数据仓库模型设计学校教务数据关键存放在关系型数据库中，大量的数据和数据模型，全部是反应历届学生的学习情况和老师的教学任务和教学计划，已开发的数据库系统基础上是面向事务处理的简单的管理信息系统。伴随学校对决议信息需求的日益广泛、复杂和迫切，这些传统的数据库系统存在的问题也越来越显著：1原有数据库系统是面向OLTP而不是面向OLAP的；2原有数据库系统难以适应各类对象数据粒度的不一样要求；在数据仓库中，系统体系结构是关键3。要成功地实施数据仓库，首先要拟订适合高校特点的数据仓库系统框架，一
13、个真正实用、有效、灵活的数据仓库系统体系结构的建立是十分必须的。多年来，国际学术界正主动对数据仓库系统的体系结构展开研究，比如，美国大学的ADMS系统4,Colorado大学的H2O系统5和Stanford大学的WHIPS计划等。在对教务系统进行深入调研和需求分析的基础上，针对教务管理本身的特点，我们提出了一个集中式数据仓库(即中央教务数据仓库)、分布式数据集市(即部门学院级数据仓库)和个人级数据仓库相结合的、适合教务管理的数据仓库体系结构下面就图中各个部分给予简明说明：1信息源信息源(InformationSource)即数据仓库的数据源。它能够是异种或异构数据库中的数据，也能够是数据文件、
14、学校内部数据、市场调查汇报或其它多种文档数据等。在本课题中，数据关键来自两种数据源：关系数据库Interbase和SQLServer2021、文件系统早期数据。2提取器提取器(Extractor)又称为包装器/监视器(Wrapper/Monitor)。它关键负责以下工作：数据格式转换监视标明时间戳3集成器集成器(Integrator)关键负责将数据按数据仓库的多种规则如一致的命名转换、一致的编码结构、一致的数据物理属性等将数据正确加载到数据仓库中。因为信息源众多，数据集成是数据仓库建设中最关键和最复杂的一步，它包含下面多个方面：数据过滤数据汇总数据合并4元数据元数据(Metadata)是有关数
15、据的数据，它是数据仓库的管理性数据，在数据仓库的设计、运行中起着极其主要的作用，是整个数据仓库的关键。它描述了数据仓库的数据和环境，用于存放数据模型和定义数据结构、转换规则、仓库结构、控制信息等。5中央数据仓库中央数据仓库的目标是进行决议支持，它是支持管理决议过程的、面向专题的、集成的、稳定的、时变的数据集合，它面向专题组织数据，每个专题对应一个客观分析领域，它能够为辅助决议分析集成多个部门、不一样系统的大量数据。为了满足不一样应用对数据库的不一样处理深度的要求，数据仓库中的多重粒度是必不可少的，其数据仓库中的数据组织结构分为四个等级，即早期细节级、目前细节级、轻度综合级和高度综合级四级粒度，
16、图3所表示。目前细节级保留来自集成器的目前细节数据，为单位当年的具体数据；早期细节级保留历史具体数据，通常保留5-8年的历史数据。具体数据经深入汇总，以综合的数据进入轻度综合级和高度综合级。伴随时间的推移，由时间控制机制将目前细节级的老化数据转入早期细节即转为历史数据。6数据集市和个人级数据仓库中央数据仓库使数据发生了质的改变，由原始的操作数据转化为适合分析的导出性数据。伴随数据的不停载入，中央数据仓库将越来越庞大，若全部的决议分析工作全部完全基于中央数据仓库，性能将十分低下。所以，有必须建立数据集市(部门级数据仓库)和个人级数据仓库，形成一个分层的数据仓库环境，校级、院系级和高级管理个人级数据仓库浑然一体，以适应学校不一样层次分析的需要，并和原有的操作型环境形成一个四层的体系化环境数据集市(DataMarts)是一个更小、更集中的院系级数据仓库
