15、高等教育中的数据挖掘应用与学术智能管理

高等教育中的数据挖掘应用与学术智能管理

1. 引言

高等教育机构是研究和未来发展的核心，处于竞争环境中，其首要任务是生成、积累和共享知识。在内部和外部组织（如公司、其他大学、合作伙伴、社区）之间生成知识的链条，被认为对减少内部资源的限制至关重要，并且可以通过使用数据挖掘技术得到显著改善。

近年来，数据挖掘已成为一个具有开创性的研究领域，面临着在众多领域（包括商业和高等教育）应用的各种技术，涉及跨学科研究和发展，并涵盖了广泛的实践。大学需要使用特殊方法和流程，从其过去和当前的数据集中挖掘大量重要知识。由于信息和通信技术参与到所有学术过程中，信息和知识呈现并传递给大学管理者的方式也在不断转变。

高等教育机构长期以来一直关注预测学生和校友的发展路径，例如确定哪些学生将参加特定的课程项目，哪些学生需要帮助才能毕业。另一个重要关注点是学生的学业失败问题，这引发了大量的讨论。研究人员试图将学生分类到不同考试失败风险的集群中，还试图准确检测学生的知识水平，以推断特定的学习差距。

远程和在线教育，以及智能辅导系统记录与学生互动的能力，为数据挖掘过程提供了各种可行的信息来源。基于收集和解释多门课程信息的研究，可能有助于基于网络学习环境中的教师和学生。科学家们使用数据挖掘技术推导聊天消息分类模型，为学习者提供实时自适应反馈，从而改善学习环境。在科学文献中，有一些研究试图根据从教育网络系统记录数据中提取的特征对学生进行分类，以预测他们的最终成绩。通过对特征向量进行加权，多个分类器的组合显著提高了分类性能。

2. 数据挖掘在教育领域的广泛应用

数据挖掘是一种重要的数据分析方法，已在许多领域成功应用，在教育问题上有众多应用，并被《麻省理工科技评论》确定为