有關(guān)教務(wù)管理的論文

　　教務(wù)管理的論文需要怎么寫(xiě)呢？論文是大學(xué)生們最痛苦的一件事情！我們不妨一起來(lái)參考下范文吧！以下是小編為大家整理的有關(guān)教務(wù)管理的論文范文，歡迎閱讀參考。希望對您有所幫助！

　　有關(guān)教務(wù)管理的論文

　　淺析教務(wù)管理系統的談?wù)?/strong>

　　摘要：高校教學(xué)管理工作作為學(xué)校教學(xué)機制正常運轉的重要前提，在高校管理工作中占有相當重要的地位。高校教務(wù)管理系統使用至今，使大量的業(yè)務(wù)信息數據化，雖然基本滿(mǎn)足了新的教學(xué)模式的業(yè)務(wù)需求，但由于數據量過(guò)大，導致隱含的規律無(wú)法被發(fā)掘，從而不能應用這些規律去指導學(xué)校的工作。本文結合教學(xué)管理具體要求，通過(guò)設計適合教學(xué)管理決策需求的數據倉庫模型設計和數據處理方法，建立了完備、正確、無(wú)冗余的教務(wù)管理系統數據倉庫模型，為后期進(jìn)行決策分析提供有效的支持和依據，從理論和實(shí)踐上提供一套有效的方法，為高校全面進(jìn)行數據倉庫建設、聯(lián)機分析處理、數據挖掘研究與開(kāi)發(fā)提供參考。

　　關(guān)鍵詞：數據倉庫模型；數據倉庫；教務(wù)管理系統；教學(xué)管理

　　引言 教學(xué)管理是計劃性、創(chuàng )造性和科學(xué)性很強的工作，是保證高校教學(xué)機制正常運轉的樞紐，關(guān)系到教學(xué)質(zhì)量和人才培養質(zhì)量的提高，在高校管理工作中占有相當重要的地位。教務(wù)管理系統是為了方便教學(xué)管理、提高管理工作效率而開(kāi)發(fā)的數據庫系統，由于教學(xué)管理工作涉及多方面的內容，因此在設計這些系統時(shí)，通常會(huì )根據用戶(hù)的需求將其設計為幾個(gè)子系統，包括培養計劃子系統、排課子系統、成績(jì)子系統、學(xué)籍子系統等等，每個(gè)子系統都包含若干個(gè)關(guān)系表，這些關(guān)系表中記錄著(zhù)各種屬性信息。教學(xué)管理人員可以根據系統給予的權限對學(xué)生在校的各種相關(guān)信息進(jìn)行錄入、修改、審核、發(fā)布、查詢(xún)、打印、統計、匯總等功能。 最大限度地實(shí)現教學(xué)管理過(guò)程中的信息共享和交流，是教務(wù)管理系統的主要功能之一。

　　以培養計劃和排課兩個(gè)工作環(huán)節之間的聯(lián)系為例。04 年以前，在排課前向各開(kāi)課學(xué)院下達教學(xué)任務(wù)的過(guò)程是這樣的：學(xué)院教學(xué)秘書(shū)根據下學(xué)期的教學(xué)計劃，將各個(gè)專(zhuān)業(yè)所上課程摘錄下來(lái)，然后將不同專(zhuān)業(yè)所上的相同課程進(jìn)行匯總，再將所有課程按開(kāi)課學(xué)院進(jìn)行分類(lèi)匯總，最后將任務(wù)書(shū)按開(kāi)課學(xué)院下到有關(guān)學(xué)院。由于存在著(zhù)學(xué)生和任課教師不在同一學(xué)院的情況，因此，各學(xué)院之間還需要相互頻繁地交換任務(wù)書(shū)�，F在這一切，隨著(zhù)培養計劃系統的使用得到了很好的解決。由教務(wù)處統一按學(xué)院生成任務(wù)書(shū)，并下達到學(xué)院，并且所生的計劃數據，可以供排課系統直接使用，不用再像以前那樣，需要人工地建立每學(xué)期需要安排的課程和上課的班級數據。

　　高校教務(wù)管理系統使用至今，使大量的業(yè)務(wù)信息數據化，基本滿(mǎn)足了新的教學(xué)模式的需求。但是，它也有不足之處。教務(wù)管理系統收集了大量的數據，正常運行近十年，學(xué)生選課數據達到近30 萬(wàn)條記錄，成績(jì)歷史數據達到近200 萬(wàn)條記錄，交費數據達到近10 萬(wàn)條記錄，教師課堂工作量達到近5 萬(wàn)條記錄，面對如此海量的數據，目前的教務(wù)管理系統只是對它們進(jìn)行一下查詢(xún)、更新操作，并沒(méi)有完全發(fā)揮信息技術(shù)的潛能。沒(méi)有去挖掘大量數據中所隱含的規律，從而應用這些規律去指導學(xué)校的工作。因此，如何借用信息化的手段來(lái)為教學(xué)管理人員進(jìn)行決策支持服務(wù)，成為急需解決的問(wèn)題。

　　課題研究的國內外發(fā)展狀況及相關(guān)理論國內外發(fā)展狀況數據倉庫目前大多應用于商業(yè)或戰略目的，在教育管理方面的應用暫時(shí)不多，且由于國內外教育培養方式的差別，國外關(guān)于教育管理單方面的數據倉庫的研究及設計的并不是很多，更多是集中于學(xué)校整體教育評估的研究。綜合國內外情況，目前關(guān)于數據倉庫理論在教學(xué)管理方面的應用主要集中在以下幾個(gè)方面：

　�。�1）基于教務(wù)數據倉庫的應用開(kāi)發(fā)研究；年，Nikolaos Dimokas 等人在《》一文中，通過(guò)對希臘第二大綜合性大學(xué)亞里士多德大學(xué)的教育管理系統進(jìn)行分析，確定學(xué)校建立數據倉庫的可行性和必要性，通過(guò)需求分析，確定所需要的數據維度和粒度級別，選擇星型模型，基于Microsoft SQL Server 2005 建立數據倉庫并進(jìn)行聯(lián)機分析處理，結合Microsoft SharePoint 2007 和Excel 創(chuàng )建基于web 用戶(hù)界面的OLAP 應用程序，為學(xué)校教學(xué)管理決策提供了科學(xué)有利的依據。

　�。�2）基于教務(wù)數據倉庫的數據挖掘算法研究；年，王長(cháng)娥在《數據挖掘在教學(xué)評價(jià)中的應用研究》一文中，針對數據挖掘聚類(lèi)算法k 平均分區算法和層次凝聚算法的缺點(diǎn)，提出了一種新的改進(jìn)算法(NP 算法)，通過(guò)對濰坊學(xué)院的成人教育數據進(jìn)行挖掘，得出了有意義的結論。

　�。�3）針對教務(wù)數據倉庫的數據預處理算法研究；年，曹薇在《教務(wù)數據倉庫中數據清理方法的研究》一文中，從屬性清理和記錄清理兩方面對數據清理進(jìn)行了研究,研究了如何用貝葉斯分類(lèi)方法來(lái)修補缺失值, 通過(guò)對原有方法的組合和改進(jìn)，提出了一種高效的檢測相似重復記錄的方法，減小了時(shí)間復雜度且提高了精度。

　　相關(guān)理論數據倉庫數據庫系統作為數據管理手段，從它的誕生開(kāi)始，就主要用于事務(wù)處理。經(jīng)過(guò)數十年的發(fā)展，在這些數據庫中已經(jīng)保存了大量的日常業(yè)務(wù)數據。傳統的業(yè)務(wù)系統一般是直接建立在這種事務(wù)處理環(huán)境上的。數據庫技術(shù)一直力圖使自己能勝任從事務(wù)處理、批處理到分析處理的各種類(lèi)型的.信息處理任務(wù)，后來(lái)人們逐漸認識到，在目前的計算機處理能力上，直接使用事務(wù)處理環(huán)境來(lái)支持決策是行不通的。近年來(lái)，隨著(zhù)數據庫技術(shù)的應用和發(fā)展，人們嘗試對數據庫中的數據進(jìn)行再加工，形成一個(gè)綜合的、面向分析的環(huán)境，以更好地支持決策分析，數據倉庫(Data Warehouse,簡(jiǎn)稱(chēng)DW)正是為了構建這種新的分析處理環(huán)境而出現的一種數據存儲和組織技術(shù)。數據倉庫彌補了原有數據庫的缺點(diǎn)，將原來(lái)以單一數據庫為中心的數據環(huán)境發(fā)展為一種新環(huán)境：體系化環(huán)境。數據倉庫的建立并不是要取代數據庫，它要建立在一個(gè)較全面和完善的信息應用基礎上，用于支持高層決策分析，而事務(wù)處理數據庫在企業(yè)的信息環(huán)境中承擔的是日常操作性的任務(wù)。

　　數據預處理數據預處理是數據在進(jìn)入數據倉庫系統之前的處理過(guò)程，在這個(gè)過(guò)程中，需要將來(lái)自關(guān)系數據庫、實(shí)時(shí)數據庫或者文件系統等多個(gè)外部數據源的數據進(jìn)行有效的抽取、清理、轉化和綜合，檢查數據的完整性、一致性等質(zhì)量指標，對其中的噪音數據、空值等進(jìn)行處理，最后存入數據倉庫[1]。數據預處理與數據倉庫系統的關(guān)系數據預處理過(guò)程中要考慮以下幾個(gè)問(wèn)題[2]：

　�。�1）異構平臺下的數據透明性（2）數據準確性與實(shí)時(shí)性的平衡（4）成本與維護性聯(lián)機分析處理（OLAP）聯(lián)機分析處理，英文名稱(chēng)為On-Line Analysis Processing，簡(jiǎn)寫(xiě)為OLAP。

　　聯(lián)機分析處理具有靈活的分析功能、直觀(guān)的數據操作和分析結果可視化表示等突出優(yōu)點(diǎn)，從而使用戶(hù)對基于大量復雜數據的分析變得輕松而高效，以利于迅速做出正確判斷。它可用于證實(shí)人們提出的復雜的假設，其結果是以圖形或者表格的形式來(lái)表示的對信息的總結。它并不將異常信息標記出來(lái)，是一種知識證實(shí)的方法。

　　研究的主要內容（1）在傳統教務(wù)管理系統數據庫基礎上，對數據進(jìn)行清理，消除噪聲和不一致，整合存放在不同數據庫和文件中的數據。

　�。�2）設計合理的系統模型，提取相關(guān)數據，采用適合的數據預處理算法，建立完備、正確、無(wú)冗余的教務(wù)數據倉庫。

　�。�3）基于所建立的數據倉庫，結合教務(wù)具體應用需求，開(kāi)發(fā)OLAP 應用。

　�。�4）設計交互性良好的用戶(hù)界面，將分析結果用可視化和知識表示技術(shù)表示出來(lái)。

　　課題研究的主要技術(shù)路線(xiàn)教務(wù)管理系統中的組合數據清理技術(shù)以往常用的清理方法是根據不同的數據背景采用如平均、分類(lèi)、聚類(lèi)、預測、相關(guān)性分析等方法，對真實(shí)值進(jìn)行估計，但比較通用的算法目前還沒(méi)有。1969 年，J.M.Bates 和首次提出了組合預測的理論和方法以來(lái)，組合預測的理論在國內得到了廣泛的應用和發(fā)展。本文從組合預測思想的出發(fā)，給出了數據清理的組合模型。該模型的思想是：

　　對于同一數據進(jìn)行處理，可以用多種方法，每種方法都有各自的優(yōu)點(diǎn)和缺陷，為了有效的利用各種模型的優(yōu)點(diǎn)，回避其缺點(diǎn)，將不同的方法進(jìn)行組合，只要選好權重便可以得到較好的處理結果。實(shí)踐證明，任何一個(gè)獨立模型，哪怕是效果不佳的模型，只要它含有獨立的系統信息，當與一個(gè)較好的方法進(jìn)行組合后同樣可以改善結果精度，增強模型的可靠性。本課題使用遺傳算法確定各種單一算法的估計結果的最優(yōu)權，然后加權平均，得到一種相對通用的算法。實(shí)驗表明，這種組合算法在大多數情況下比使用單一算法要精確。

　　數據倉庫模型設計學(xué)校教務(wù)數據主要存儲在關(guān)系型數據庫中，大量的數據和數據模型，都是反映歷屆學(xué)生的學(xué)習情況和教師的教學(xué)任務(wù)以及教學(xué)計劃，已開(kāi)發(fā)的數據庫系統基本上是面向事務(wù)處理的簡(jiǎn)單的管理信息系統。隨著(zhù)學(xué)校對決策信息需求的日益廣泛、復雜和迫切，這些傳統的數據庫系統存在的問(wèn)題也越來(lái)越明顯：（1）原有數據庫系統是面向OLTP 而不是面向OLAP 的；（2）原有數據庫系統難以適應各類(lèi)對象數據粒度的不同要求；在數據倉庫中，系統體系結構是關(guān)鍵[3]。要成功地實(shí)施數據倉庫，首先要擬訂適合高校特點(diǎn)的數據倉庫系統框架，一個(gè)真正實(shí)用、有效、靈活的數據倉庫系統體系結構的建立是十分必要的。近年來(lái)，國際學(xué)術(shù)界正積極對數據倉庫系統的體系結構展開(kāi)研究，例如，美國大學(xué)的ADMS 系統[4],Colorado 大學(xué)的H2O 系統[5]和Stanford 大學(xué)的WHIPS 計劃等。在對教務(wù)系統進(jìn)行深入調研和需求分析的基礎上，針對教務(wù)管理自身的特點(diǎn)，我們提出了一個(gè)集中式數據倉庫(即中央教務(wù)數據倉庫)、分布式數據集市(即部門(mén)學(xué)院級數據倉庫) 和個(gè)人級數據倉庫相結合的、適合教務(wù)管理的數據倉庫體系結構下面就圖中各個(gè)部分予以簡(jiǎn)要說(shuō)明：

　�。�1）信息源信息源(Information Source)即數據倉庫的數據源。它可以是異種或異構數據庫中的數據，也可以是數據文件、學(xué)校內部數據、市場(chǎng)調查報告或其它各種文檔數據等。在本課題中，數據主要來(lái)自?xún)煞N數據源：關(guān)系數據庫（Interbase 和SQL Server2000）、文件系統（早期數據）。

　�。�2）提取器提取器(Extractor)又稱(chēng)為包裝器/監視器(Wrapper/Monitor)。它主要負責如下工作：

　　數據格式轉換監視標明時(shí)間戳（3）集成器集成器(Integrator)主要負責將數據按數據倉庫的各種規則（如一致的命名轉換、一致的編碼結構、一致的數據物理屬性等）將數據正確加載到數據倉庫中。由于信息源眾多，數據集成是數據倉庫建設中最關(guān)鍵和最復雜的一步，它包含下面幾個(gè)方面：

　　數據過(guò)濾數據匯總數據合并（4）元數據元數據(Metadata)是關(guān)于數據的數據，它是數據倉庫的管理性數據，在數據倉庫的設計、運行中起著(zhù)極其重要的作用，是整個(gè)數據倉庫的核心。它描述了數據倉庫的數據和環(huán)境，用于存儲數據模型和定義數據結構、轉換規則、倉庫結構、控制信息等。

　�。�5）中央數據倉庫中央數據倉庫的目標是進(jìn)行決策支持，它是支持管理決策過(guò)程的、面向主題的、集成的、穩定的、時(shí)變的數據集合，它面向主題組織數據，每個(gè)主題對應一個(gè)客觀(guān)分析領(lǐng)域，它可以為輔助決策分析集成多個(gè)部門(mén)、不同系統的大量數據。

　　為了滿(mǎn)足不同應用對數據庫的不同處理深度的要求，數據倉庫中的多重粒度是必不可少的，其數據倉庫中的數據組織結構分為四個(gè)級別，即早期細節級、當前細節級、輕度綜合級和高度綜合級四級粒度，如圖3 所示。當前細節級保存來(lái)自集成器的當前細節數據，為單位當年的詳細數據；早期細節級保存歷史詳細數據，一般保存5-8 年的歷史數據。詳細數據經(jīng)進(jìn)一步匯總，以綜合的數據進(jìn)入輕度綜合級和高度綜合級。隨著(zhù)時(shí)間的推移，由時(shí)間控制機制將當前細節級的老化數據轉入早期細節（即轉為歷史數據）。

　�。�6）數據集市與個(gè)人級數據倉庫中央數據倉庫使數據發(fā)生了質(zhì)的變化，由原始的操作數據轉化為適合分析的導出性數據。隨著(zhù)數據的不斷載入，中央數據倉庫將越來(lái)越龐大，若所有的決策分析工作都完全基于中央數據倉庫，性能將十分低下。因此，有必要建立數據集市(部門(mén)級數據倉庫)以及個(gè)人級數據倉庫，形成一個(gè)分層的數據倉庫環(huán)境，校級、院系級和高級管理（個(gè)人）級數據倉庫渾然一體，以適應學(xué)校不同層次分析的需要，并與原有的操作型環(huán)境形成一個(gè)四層的體系化環(huán)境數據集市(Data Marts)是一種更小、更集中的院系級數據倉庫。數據集市具有傳統意義上的數據倉庫的四個(gè)基本特征，它是按照某一特定的決策支持需求而組織起來(lái)的、針對特定主題的數據倉庫。圖4 的四層體系化環(huán)境可以很好地與學(xué)校的各個(gè)院系組織結構對應起來(lái)。例如，對于所有學(xué)校的總體成績(jì)在教務(wù)處進(jìn)行宏觀(guān)管理，對于各個(gè)院系的成績(jì)在院系級進(jìn)行分析。高層管理的主要任務(wù)是進(jìn)行戰略決策，需要進(jìn)行復雜的分析加工，個(gè)人級數據倉庫面向這一層。

　　針對學(xué)校各個(gè)院系對數據訪(fǎng)問(wèn)的局部性，有必要為訪(fǎng)問(wèn)數據倉庫十分頻繁的關(guān)鍵業(yè)務(wù)部門(mén)建立自己的數據集市，以便節約開(kāi)銷(xiāo)，提高響應速度；對于一般通用業(yè)務(wù)的分析決策應用，建立一個(gè)通用的數據集市，并且建立一個(gè)學(xué)校高層管理人員使用的個(gè)人級數據倉庫，以支持學(xué)校的宏觀(guān)戰略決策。這樣，既可以提高解決分析效率，又便于對中央數據倉庫進(jìn)行有效的維護。

　　結束語(yǔ)本文基于實(shí)際工作經(jīng)驗，通過(guò)對數據倉庫的關(guān)鍵技術(shù)的研究，在詳細研究數據倉庫體系結構、設計方法、實(shí)施策略及應用技術(shù)等相關(guān)知識后，結合教學(xué)管理具體要求，尋找適合教學(xué)管理決策需求的數據倉庫模型設計和數據處理方法，設計建立完備、正確、無(wú)冗余的教務(wù)管理系統數據倉庫模型，為以后進(jìn)行決策分析提供有效的支持和依據。通過(guò)本文的研究，從理論和實(shí)踐上提供一套有效的方法，為高校全面進(jìn)行數據倉庫建設、聯(lián)機分析處理、數據挖掘研究與開(kāi)發(fā)提供參考。建設科學(xué)合理的教務(wù)管理系統數據倉庫，不僅有效地提高了高校信息管理和數據利用的能力，并且加強了高層教學(xué)管理決策的合理性和科學(xué)性，是高校提高綜合競爭力的必經(jīng)之路。