1. 研究目的与意义

随着科学的不断进步和人类教育体系的不断改革，计算机已成为人类日常生活的重要工具，计算机技术的发展也让人叹为观止。如今的时代，计算机技术在多方面领域中被利用，同时也引发了学者们的研究，包括学校的学生成绩数据库。几乎所有的学校只关心学生成绩中最浅层的信息，在纸质或电脑屏幕上一目了然，譬如学生个人的每门学科成绩，总分，在班级的名次和年级的名次。每一次考试成绩的使用生命力很短暂，只单单被利用在当时的考试结束。在这些数据中可能之后还会被使用，但只是利用到其中几个数据，有的信息甚至在过了一段时间后就当无用数据给处理掉了。在每年的教学管理中，都会产生大量的考试成绩数据，而传统的处理方法只是对这些数据进行简单的查询、统计等处理，没有对数据进行深入的分析，找出影响学生考试成绩的因素。如果我们能够充分挖掘利用这些数据信息，准确地分析教学实践过程中学生、教师和学校各方面的影响因素，从中找到提高学生学习效率、教师教学质量的方法，必然有利于学校教学质量的提高。

目前，随着数据挖掘技术的不断成熟，我们将他们引入到高校的教学工作中去，利用数据仓库和数据挖掘技术对学校数据库中的学生数据信息进行深层次的分析，挖掘隐藏在这些数据背后的有用的信息，发现对指导学校学生学习、教师教学有用的知识，帮助学校管理者对未来学校的发展进行决策，必然会在学生提高学习效率、教师提高教学质量和学校提高管理水平等方面发挥重要的作用。为中国的教育事业作出重大贡献。

2. 课题关键问题和重难点

①研究方法

②技术路线

选用哪些成熟的挖掘工具，要初步建立一些分析模型，熟悉熟悉挖掘流程。

3. 国内外研究现状（文献综述）

本文的材料主要来源于有关国内外的文献资料、期刊、学术论文、报纸、专业性网站以及相关的评论文章。

数据挖掘，又称为数据库中知识发现（knowledge discovery from database 简称 kdd），它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的复杂过程。数据挖掘提供的数据模式：概念描述，关联规则，分类与预测，聚类分析，异类分析，演化分析。数据挖掘的核心技术是进行数据挖掘所采用的算法，这些算法包括：人工神经网络、决策树、遗传算法、近邻算法等。对数据挖掘的应用前景进行了展望。这在赵岩中《数据挖掘理论与技术》有所提到。

利用数据挖掘技术对各个庞大的数据进行处理，从中找出规律和模式，主要宗旨是在数据库中发掘有用的知识。学者们主要采用olap、关联分析、聚类分析、决策树等数据挖掘方法，找出学生成绩之间的相互关联和学生成绩与学生的自身学习条件及行为间等关系。基本步骤大致为数据库或数据仓库数据库或数据仓库服务器数据挖掘引擎模式评估图形用户界面。对数据的预处理也是至关重要的，它会影响评估结果的正确性。

4. 研究方案

整理学校历年的学生成绩信息来收集信息，然后对收集到的信息进行必要的处理，得到干净的数据，最后对以加工好了的学生成绩数据进行分析，利用关联规则的相关算法模型，根据学生的成绩与学生自身的特点来发掘感兴趣的、有用的、隐含的模式或知识输出出来给用户。

5. 工作计划

按周次：

1-2 研读相关文献，完成开题报告和英语翻译。

3-4 需求分析。