淺析教務管理系統的談論

摘要：高校教學管理工作作為學校教學機制正常運轉的重要前提，在高校管理工作中佔有相當重要的地位。高校教務管理系統使用至今，使大量的業務信息數據化，雖然基本滿足了新的教學模式的業務需求，但由於數據量過大，導致隱含的規律無法被髮掘，從而不能應用這些規律去指導學校的工作。本文結合教學管理具體要求，通過設計適合教學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、無宂餘的教務管理系統數據倉庫模型，為後期進行決策分析提供有效的支持和依據，從理論和實踐上提供一套有效的方法，為高校全面進行數據倉庫建設、聯機分析處理、數據挖掘研究與開發提供參考。

關鍵詞：數據倉庫模型；數據倉庫；教務管理系統；教學管理

引言 教學管理是計劃性、創造性和科學性很強的工作，是保證高校教學機制正常運轉的樞紐，關係到教學質量和人才培養質量的提高，在高校管理工作中佔有相當重要的地位。教務管理系統是為了方便教學管理、提高管理工作效率而開發的數據庫系統，由於教學管理工作涉及多方面的內容，因此在設計這些系統時，通常會根據用户的需求將其設計為幾個子系統，包括培養計劃子系統、排課子系統、成績子系統、學籍子系統等等，每個子系統都包含若干個關係表，這些關係表中記錄着各種屬性信息。教學管理人員可以根據系統給予的權限對學生在校的各種相關信息進行錄入、修改、審核、發佈、查詢、打印、統計、彙總等功能。

最大限度地實現教學管理過程中的信息共享和交流，是教務管理系統的主要功能之一。

以培養計劃和排課兩個工作環節之間的聯繫為例。04 年以前，在排課前向各開課學院下達教學任務的過程是這樣的：學院教學祕書根據下學期的教學計劃，將各個專業所上課程摘錄下來，然後將不同專業所上的相同課程進行彙總，再將所有課程按開課學院進行分類彙總，最後將任務書按開課學院下到有關學院。由於存在着學生和任課教師不在同一學院的情況，因此，各學院之間還需要相互頻繁地交換任務書。現在這一切，隨着培養計劃系統的使用得到了很好的解決。由教務處統一按學院生成任務書，並下達到學院，並且所生的計劃數據，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期需要安排的課程和上課的班級數據。

高校教務管理系統使用至今，使大量的業務信息數據化，基本滿足了新的教學模式的需求。但是，它也有不足之處。教務管理系統收集了大量的數據，正常運行近十年，學生選課數據達到近30 萬條記錄，成績歷史數據達到近200 萬條記錄，交費數據達到近10 萬條記錄，教師課堂工作量達到近5 萬條記錄，面對如此海量的數據，目前的教務管理系統只是對它們進行一下查詢、更新操作，並沒有完全發揮信息技術的潛能。沒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校的工作。因此，如何借用信息化的手段來為教學管理人員進行決策支持服務，成為急需解決的問題。

課題研究的國內外發展狀況及相關理論國內外發展狀況數據倉庫目前大多應用於商業或戰略目的，在教育管理方面的應用暫時不多，且由於國內外教育培養方式的差別，國外關於教育管理單方面的數據倉庫的研究及設計的並不是很多，更多是集中於學校整體教育評估的研究。綜合國內外情況，目前關於數據倉庫理論在教學管理方面的應用主要集中在以下幾個方面：

（1）基於教務數據倉庫的應用開發研究；年，nikolaos dimokas 等人在《》一文中，通過對希臘第二大綜合性大學亞里士多德大學的教育管理系統進行分析，確定學校建立數據倉庫的可行性和必要性，通過需求分析，確定所需要的數據維度和粒度級別，選擇星型模型，基於microsoft sql server XX 建立數據倉庫並進行聯機分析處理，結合microsoft sharepoint XX 和excel 創建基於web 用户界面的olap 應用程序，為學校教學管理決策提供了科學有利的依據。

（2）基於教務數據倉庫的數據挖掘算法研究；年，王長娥在《數據挖掘在教學評價中的應用研究》一文中，針對數據挖掘聚類算法k 平均分區算法和層次凝聚算法的缺點，提出了一種新的改進算法(np 算法)，通過對濰坊學院的成人教育數據進行挖掘，得出了有意義的結論。

（3）針對教務數據倉庫的數據預處理算法研究；年，曹薇在《教務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行了研究,研究瞭如何用貝葉斯分類方法來修補缺失值, 通過對原有方法的組合和改進，提出了一種高效的檢測相似重複記錄的方法，減小了時間複雜度且提高了精度。

相關理論數據倉庫數據庫系統作為數據管理手段，從它的誕生開始，就主要用於事務處理。經過數十年的發展，在這些數據庫中已經保存了大量的日常業務數據。傳統的業務系統一般是直接建立在這種事務處理環境上的。數據庫技術一直力圖使自己能勝任從事務處理、批處理到分析處理的各種類型的信息處理任務，後來人們逐漸認識到，在目前的計算機處理能力上，直接使用事務處理環境來支持決策是行不通的。近年來，隨着數據庫技術的應用和發展，人們嘗試對數據庫中的數據進行再加工，形成一個綜合的、面向分析的環境，以更好地支持決策分析，數據倉庫(data warehouse,簡稱dw)正是為了構建這種新的分析處理環境而出現的一種數據存儲和組織技術。數據倉庫彌補了原有數據庫的缺點，將原來以單一數據庫為中心的數據環境發展為一種新環境：體系化環境。數據倉庫的建立並不是要取代數據庫，它要建立在一個較全面和完善的信息應用基礎上，用於支持高層決策分析，而事務處理數據庫在企業的信息環境中承擔的是日常操作性的任務。

數據預處理數據預處理是數據在進入數據倉庫系統之前的處理過程，在這個過程中，需要將來自關係數據庫、實時數據庫或者文件系統等多個外部數據源的數據進行有效的抽取、清理、轉化和綜合，檢查數據的完整性、一致性等質量指標，對其中的噪音數據、空值等進行處理，最後存入數據倉庫[1]。數據預處理與數據倉庫系統的關係數據預處理過程中要考慮以下幾個問題[2]：

（1）異構平台下的數據透明性（2）數據準確性與實時性的平衡（4）成本與維護性聯機分析處理（olap）聯機分析處理，英文名稱為on-line analysis processing，簡寫為olap。

聯機分析處理具有靈活的分析功能、直觀的數據操作和分析結果可視化表示等突出優點，從而使用户對基於大量複雜數據的分析變得輕鬆而高效，以利於迅速做出正確判斷。它可用於證實人們提出的複雜的假設，其結果是以圖形或者表格的形式來表示的對信息的總結。它並不將異常信息標記出來，是一種知識證實的方法。

研究的主要內容（1）在傳統教務管理系統數據庫基礎上，對數據進行清理，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，提取相關數據，採用適合的數據預處理算法，建立完備、正確、無宂餘的教務數據倉庫。

（3）基於所建立的數據倉庫，結合教務具體應用需求，開發olap 應用。

（4）設計交互性良好的用户界面，將分析結果用可視化和知識表示技術表示出來。

課題研究的主要技術路線教務管理系統中的組合數據清理技術以往常用的清理方法是根據不同的數據背景採用如平均、分類、聚類、預測、相關性分析等方法，對真實值進行估計，但比較通用的算法目前還沒有。1969 年，s 和首次提出了組合預測的理論和方法以來，組合預測的理論在國內得到了廣泛的應用和發展。本文從組合預測思想的出發，給出了數據清理的組合模型。該模型的思想是：

對於同一數據進行處理，可以用多種方法，每種方法都有各自的優點和缺陷，為了有效的利用各種模型的優點，迴避其缺點，將不同的方法進行組合，只要選好權重便可以得到較好的處理結果。實踐證明，任何一個獨立模型，哪怕是效果不佳的模型，只要它含有獨立的系統信息，當與一個較好的方法進行組合後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權，然後加權平均，得到一種相對通用的算法。實驗表明，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校教務數據主要存儲在關係型數據庫中，大量的數據和數據模型，都是反映歷屆學生的學習情況和教師的教學任務以及教學計劃，已開發的數據庫系統基本上是面向事務處理的簡單的管理信息系統。隨着學校對決策信息需求的日益廣泛、複雜和迫切，這些傳統的數據庫系統存在的問題也越來越明顯：（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，系統體系結構是關鍵[3]。要成功地實施數據倉庫，首先要擬訂適合高校特點的數據倉庫系統框架，一個真正實用、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，國際學術界正積極對數據倉庫系統的體系結構展開研究，例如，美國大學的adms 系統[4],colorado 大學的h2o 系統[5]和stanford 大學的whips 計劃等。在對教務系統進行深入調研和需求分析的基礎上，針對教務管理自身的特點，我們提出了一個集中式數據倉庫(即中央教務數據倉庫)、分佈式數據集市(即部門學院級數據倉庫) 和個人級數據倉庫相結合的、適合教務管理的數據倉庫體系結構下面就圖中各個部分予以簡要説明：

（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、學校內部數據、市場調查報告或其它各種文檔數據等。在本課題中，數據主要來自兩種數據源：關係數據庫（interbase 和sql serverXX）、文件系統（早期數據）。

（2）提取器提取器(extractor)又稱為包裝器/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。由於信息源眾多，數據集成是數據倉庫建設中最關鍵和最複雜的一步，它包含下面幾個方面：

數據過濾數據彙總數據合併（4）元數據元數據(metadata)是關於數據的數據，它是數據倉庫的管理性數據，在數據倉庫的設計、運行中起着極其重要的作用，是整個數據倉庫的核心。它描述了數據倉庫的數據和環境，用於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行決策支持，它是支持管理決策過程的、面向主題的、集成的、穩定的、時變的數據集合，它面向主題組織數據，每個主題對應一個客觀分析領域，它可以為輔助決策分析集成多個部門、不同系統的大量數據。

為了滿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。詳細數據經進一步彙總，以綜合的數據進入輕度綜合級和高度綜合級。隨着時間的推移，由時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）數據集市與個人級數據倉庫中央數據倉庫使數據發生了質的變化，由原始的操作數據轉化為適合分析的導出性數據。隨着數據的不斷載入，中央數據倉庫將越來越龐大，若所有的決策分析工作都完全基於中央數據倉庫，性能將十分低下。因此，有必要建立數據集市(部門級數據倉庫)以及個人級數據倉庫，形成一個分層的數據倉庫環境，校級、院系級和高級管理（個人）級數據倉庫渾然一體，以適應學校不同層次分析的需要，並與原有的操作型環境形成一個四層的體系化環境數據集市(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基本特徵，它是按照某一特定的決策支持需求而組織起來的、針對特定主題的數據倉庫。圖4 的四層體系化環境可以很好地與學校的各個院系組織結構對應起來。例如，對於所有學校的總體成績在教務處進行宏觀管理，對於各個院系的成績在院系級進行分析。高層管理的主要任務是進行戰略決策，需要進行復雜的分析加工，個人級數據倉庫面向這一層。

針對學校各個院系對數據訪問的局部性，有必要為訪問數據倉庫十分頻繁的關鍵業務部門建立自己的數據集市，以便節約開銷，提高響應速度；對於一般通用業務的分析決策應用，建立一個通用的數據集市，並且建立一個學校高層管理人員使用的個人級數據倉庫，以支持學校的宏觀戰略決策。這樣，既可以提高解決分析效率，又便於對中央數據倉庫進行有效的維護。

結束語本文基於實際工作經驗，通過對數據倉庫的關鍵技術的研究，在詳細研究數據倉庫體系結構、設計方法、實施策略及應用技術等相關知識後，結合教學管理具體要求，尋找適合教學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、無宂餘的教務管理系統數據倉庫模型，為以後進行決策分析提供有效的支持和依據。通過本文的研究，從理論和實踐上提供一套有效的方法，為高校全面進行數據倉庫建設、聯機分析處理、數據挖掘研究與開發提供參考。建設科學合理的教務管理系統數據倉庫，不僅有效地提高了高校信息管理和數據利用的能力，並且加強了高層教學管理決策的合理性和科學性，是高校提高綜合競爭力的必經之路。