基于b2fs的高校学生成绩分析管理系统设计与实现

《基于b2fs的高校学生成绩分析管理系统设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第一章绪论1．1选题背景和意义高校扩招以来，学校人数呈直线上升状态达数万人，而且每年都在呈现上升趋势。随着教育信息化的普及一般高校都有信息化管理系统，可以管理学校信息、教师信息、学生信息和成绩信息等，并且配备专门的数据库或者数据集群存储这些信息，建立的信息化管理系统比如：高校学生成绩管理系统、学生选课系统、学生学籍管理系统、学校教师考核管理系统等。这些基础的信息系统为高校信息化建设起到不小作用，可以从一定程度上提高教师和教务人员的办公效率，但是这些信息系统普遍只是信息的统计和维护，从数据表现获取统计信息难以挖掘隐藏在

2、数据中的更具价值的信息。如何有效利用这些数据从这些数据中提取和挖掘有价值的信息，从而为学校以及教师提供辅助决策，真正意义上提高办学水平和质量成为值得关注的问题。目前，我院学生成绩管理系统功能上比较简单，仅能实现学生成绩的查询和简单排序统计，设计和开发一套基于B／s的高校成绩管理系统将提高现有系统的管理水平，挖掘有价值信息，为提高教育教学管理模式有一定指导意义。我国教育信息化水平的提升速度较为缓慢。webl．0时代，大多数的高等院校在学生学籍管理和成绩管理这块工作还停留在比较传统的阶段，通过纸质介质用人工手工来管理。近

3、10年来，越来越多的高校开始在校园网中建设各种业务系统，如学籍注册系统、选课系统、BBS等，而对于学生成绩管理方面，只是开发了部分功能，在选课系统中提供给教务人员或老师进行成绩录入、查询、修改操作服务，学生可以查询各科目的成绩，并没有把所有的教师、学生、各学院教务人员相互联动起来，形成从课程信息管理到选课、到成绩管理的统一整体。面对大学扩招、学生生源不断增加的局面，现如今传统管理模式己无法跟上当前高校的发展的节奏，只会给教学增加更多的繁重工作，数据实时性和共享性方面也不能满足老师、学生的需求，即没有合理的数据共享服务

4、。因此，建立一套完整的数据共享与数据查询的学生成绩管理系统迫在眉睫，不仅减少了教务人员的重复工作量，也为教职工制定下一步的学习计划和基于B／S的高校学生成绩分析管理系统的设计与实现掌握学生学习情况提供基础条件。所以建立该系统大大的方便了广大师生需求，为高校教学教务后期发展提供重要保障。过去在考务工作中，教师只能手工计算的方式进行学生成绩的统计分析。阅卷结束后，教务处会从教务管理软件中导出学生成绩汇总表，由成绩表所体现的简单的特征在宏观的角度进行数据分析。若想进行更细致的卷面分析，那就要调用试卷库，从海量的原始答卷进行

5、随机抽样，再对这些样本进行每道题的统计分析。这种方式操作非常繁琐，费时费力，还容易出错，未能对考试信息进行充分、高效的利用。而且随着各高校不断扩招，在籍学生动辄数万人，参加每门课程考试的学生人数不断膨胀，尤其是一些非常受欢迎的公共课。要想对考试成绩进行准确分析，采用这种人工的方式显然是不能对如此大量的数据进行有效的处理。即便个别功能较新颖的教务管理软件有少许统计功能，但软件本身扩展能力弱，且各高校教务系统自身存在各种因素限制。因此，有必要为高等院校设计出一种符合自身考务特点的成绩管理系统。数据挖掘技术已经发展的比较成

6、熟，在信息化管理系统中的应用也比较广泛，它主要对大量的数据进行处理，从数据中获取有用信息，而且发现数据的内在规律和运作模式，为数据使用者提供决策性信息n1。高校学生成绩信息系统应更好的利用高校中积累的大量成绩数据和其他关联数据产生有价值信息，在高校中，不同年级不同学科不同班级的学生选修或必修的课程非常多，每门课程都需要考试并有一定的评分标准，如何根据不同考试要求挖掘考试数据中存在的必然联系已经成为成绩管理系统的必然要求。因此，将数据挖掘技术应用于成绩管理系统，应用不同的数据挖掘方法提取数据特征并生成预测和分类模型，对

7、提高高校教学管理水平和服务水平有很大帮助乜1。1．2国内外研究现状1989年8月在美国国际学术会议KDD上最早提出了发现知识(KnowledgeDiscoveryinDatabases)的概念，1995年在建安大知识发现和数据挖掘国际会议上首次将数据库中数据比喻为“矿床”，由此“数据挖掘”的概念开始为人所认同和熟知。数据挖掘产生很大效益，对数据挖掘技术的探索一直在进行，各国都在召开的KDD国际研讨会上研究和讨论，从发现研究方法到方法在实践中的应用经历了从初步探索到发展成熟，目前的数据挖掘探索更多的注重2第一章绪论技术

8、的集成和多学科的渗透口1。国外成立了机构专门研究和实践数据挖掘技术，如卡内基梅隆大学成立的互联网数据挖掘机构DM、多媒体数据库数据挖掘机构DM和有机器制造数据挖掘机构DM三个研究中心，美国计算机协会成立了专门知识发现和数据挖掘机构NcDM(TheNationalCenterforDataMining)等。专门机构的成立使得著名自学者聚集在一起，