數(shù)據(jù)倉庫在學(xué)生成績(jī)分析中的應(yīng)用研究

賈延斌 楊 光

(空軍工程大學(xué) 陜西 西安 710051；陜西青年職業(yè)學(xué)院 陜西 西安 710068)

【高職教育教學(xué)】

數(shù)據(jù)倉庫在學(xué)生成績(jī)分析中的應(yīng)用研究

賈延斌 楊 光

(空軍工程大學(xué) 陜西 西安 710051；陜西青年職業(yè)學(xué)院 陜西 西安 710068)

隨著信息化的飛速發(fā)展，高校都在加快數(shù)字化校園建設(shè)步伐，不同部門都在日益完善各自的管理信息系統(tǒng)，這樣，大量數(shù)據(jù)日積月累起來形成了寶貴的信息資源。但目前這些數(shù)據(jù)主要的用途仍是提供簡(jiǎn)單的查詢和統(tǒng)計(jì)報(bào)表，對(duì)這些數(shù)據(jù)所隱藏的深層次的信息沒有充分地利用。本文對(duì)學(xué)生成績(jī)數(shù)據(jù)倉庫的體系結(jié)構(gòu)、模型和數(shù)據(jù)獲取階段進(jìn)行了設(shè)計(jì)，以期得出相關(guān)趨勢(shì)，為高校教學(xué)管理和學(xué)生管理工作提供相應(yīng)的決策依據(jù)。

數(shù)據(jù)倉庫；學(xué)生成績(jī)；分析

隨著我國高等教育的迅猛發(fā)展，學(xué)校的在校生人數(shù)快速增加，這給高校的教學(xué)和管理都帶來了一些新的問題和困難，如何提高教學(xué)與管理的質(zhì)量、水平和效率是擺在每個(gè)教育工作者面前的新問題。目前，學(xué)生成績(jī)數(shù)據(jù)庫雖然龐大，但也僅作為事務(wù)管理和信息檢索，僅此而已，不僅無法發(fā)現(xiàn)數(shù)據(jù)中存在的關(guān)系和規(guī)則，更無法根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測(cè)未來的發(fā)展趨勢(shì)。本文將通過對(duì)學(xué)生成績(jī)數(shù)據(jù)庫中的大量數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，來發(fā)現(xiàn)數(shù)據(jù)中存在的潛在關(guān)系和規(guī)則、預(yù)測(cè)分析學(xué)生成績(jī)發(fā)展趨勢(shì)，對(duì)教師的教學(xué)環(huán)節(jié)提出有針對(duì)性的建議和意見，從而幫助學(xué)校決策或調(diào)整策略。

一、高校學(xué)生成績(jī)管理工作現(xiàn)狀

學(xué)生成績(jī)管理工作是高校教學(xué)管理的一個(gè)重要而不可缺少的環(huán)節(jié)，但在長(zhǎng)期的使用過程中，學(xué)生成績(jī)系統(tǒng)存在諸多問題。

1.學(xué)生成績(jī)保存在不同的存儲(chǔ)介質(zhì)上(文本數(shù)據(jù)、Microsoft Excel數(shù)據(jù)、Access數(shù)據(jù)庫數(shù)據(jù)等等)；這就要求使用人員掌握所有數(shù)據(jù)庫的操作技能和專業(yè)知識(shí)，才能使用這些數(shù)據(jù)庫中的數(shù)據(jù)。這加重了使用人員的負(fù)擔(dān)，不利于管理人員使用。

2.在長(zhǎng)期的積累過程中在各種存儲(chǔ)了大量的學(xué)生成績(jī)數(shù)據(jù)，且這些數(shù)據(jù)零散地,雜亂地存儲(chǔ)在各系統(tǒng)中的；如果管理人員想從系統(tǒng)中調(diào)用某班的某門課的教師、教師學(xué)歷學(xué)歷等信息，因?yàn)樗鼈儽４嬖诓煌臄?shù)據(jù)表中，不利于管理人員方便、迅速地找出它們之間的聯(lián)系，并對(duì)全體數(shù)據(jù)進(jìn)行整體的分析利用。

3.使用人員只是簡(jiǎn)單的對(duì)數(shù)據(jù)進(jìn)行求平均值、最大值、最小值、計(jì)數(shù)，或者進(jìn)行一些排序、篩選、單一字段的分類匯總等。沒有對(duì)海量數(shù)據(jù)背后有用信息進(jìn)行挖掘分析，對(duì)學(xué)生成績(jī)系統(tǒng)的使用只限于表面，沒有深層次地、多角度地挖掘其中有價(jià)值的信息。

在上述情況下，本文以學(xué)生成績(jī)?yōu)榛A(chǔ)，以數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)為指導(dǎo)方法，對(duì)學(xué)生成績(jī)進(jìn)行設(shè)計(jì)分析及應(yīng)用。從大量的數(shù)據(jù)中發(fā)現(xiàn)背后隱含的、不易被察覺的、現(xiàn)實(shí)存在的有用信息，為目前教務(wù)管理的完善提供一些有益的參考，為教學(xué)管理人員提供決策支持，從而總體上提高學(xué)生的課程成績(jī)，更好地促進(jìn)教學(xué)工作，提高教學(xué)質(zhì)量。

二、學(xué)生成績(jī)數(shù)據(jù)倉庫的設(shè)計(jì)

(一)學(xué)生成績(jī)數(shù)據(jù)倉庫的體系結(jié)構(gòu)

數(shù)據(jù)倉庫管理的數(shù)據(jù)量常以GB、TB計(jì)，把海量信息從數(shù)據(jù)中提取出來，加以整理歸納和重組，并及時(shí)提供給相應(yīng)的管理決策人員，是數(shù)據(jù)倉庫的根本任務(wù)。整個(gè)數(shù)據(jù)倉庫系統(tǒng)是一個(gè)包含四個(gè)層次的體系結(jié)構(gòu)：由數(shù)據(jù)源、數(shù)據(jù)的存儲(chǔ)與管理、OLAP服務(wù)器、前端工具組成。具體體系結(jié)構(gòu)如圖1．1所示。

圖1.1 學(xué)生成績(jī)數(shù)據(jù)倉庫的體系結(jié)構(gòu)

1.數(shù)據(jù)源：是數(shù)據(jù)倉庫系統(tǒng)的基礎(chǔ)，是整個(gè)系統(tǒng)的數(shù)據(jù)源泉。通常包括內(nèi)部信息和外部信息。內(nèi)部信息包括各種業(yè)務(wù)處理數(shù)據(jù)和各類文檔數(shù)據(jù)。外部信息包括與學(xué)生成績(jī)相關(guān)的各種信息等，可以是傳統(tǒng)數(shù)據(jù)庫，也可以是文件、HTML文件、知識(shí)庫等。

2.數(shù)據(jù)的存儲(chǔ)與管理：數(shù)據(jù)的存儲(chǔ)和管理是數(shù)據(jù)倉庫的真正關(guān)鍵，是整個(gè)數(shù)據(jù)倉庫系統(tǒng)的核心。數(shù)據(jù)倉庫的組織管理方式?jīng)Q定了它有別于傳統(tǒng)數(shù)據(jù)庫，同時(shí)也決定了其對(duì)外數(shù)據(jù)的表現(xiàn)形式。要決定采用什么產(chǎn)品和技術(shù)來建立數(shù)據(jù)倉庫的核心，則需要從數(shù)據(jù)倉庫的技術(shù)特點(diǎn)著手分析，針對(duì)現(xiàn)有各業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，進(jìn)行抽取、清理，并有效集成，按照主題進(jìn)行組織。數(shù)據(jù)倉庫按照數(shù)據(jù)的覆蓋范圍可以分為大學(xué)級(jí)數(shù)據(jù)倉庫、學(xué)院級(jí)數(shù)據(jù)倉庫(通常稱為數(shù)據(jù)集市)和個(gè)人級(jí)數(shù)據(jù)倉庫。

3.OLAP服務(wù)器：對(duì)分析需要的數(shù)據(jù)進(jìn)行有效集成，按多維模型予以組織，以便進(jìn)行多角度、多層次的分析并發(fā)現(xiàn)趨勢(shì)。其具體實(shí)現(xiàn)可以分為：ROLAP，MOLAP和HOLAP。ROLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均存放在RDBMS之中；MOLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均存放于多維數(shù)據(jù)庫中；HOLAP基本數(shù)據(jù)存放于RDBMS之中，聚合數(shù)據(jù)存放于多維數(shù)據(jù)庫中。

4.前端工具：主要包括最終用戶查詢工具、標(biāo)準(zhǔn)客戶機(jī)/服務(wù)器工具、DSS/EIS工具。

(二) 學(xué)生成績(jī)數(shù)據(jù)倉庫的模型設(shè)計(jì)

1. 概念模型設(shè)計(jì)

系統(tǒng)的概念模型設(shè)計(jì)是在主題數(shù)據(jù)的關(guān)系模型基礎(chǔ)上進(jìn)行的，它的形成主要是通過ER模型設(shè)計(jì)的，這里主題數(shù)據(jù)關(guān)系模型的構(gòu)成就不再贅述。系統(tǒng)的概念模型的設(shè)計(jì)主要就是完成兩項(xiàng)工作：確定系統(tǒng)邊界、確定主要的主題域及其內(nèi)容。

按照學(xué)生成績(jī)分析數(shù)據(jù)倉庫的特點(diǎn)界定邊界，教務(wù)管理層需要分析的主題主要包括學(xué)生主題、學(xué)生成績(jī)分析主題、教師主題、課程主題、教材主題等。學(xué)生主題主要包括學(xué)生的固有信息、可變信息、考試成績(jī)、所修課程等等。學(xué)生成績(jī)分析主題主要是學(xué)生的固有信息、成績(jī)信息、課程信息、教師信息等等。教師主題就是教師的固有信息、教學(xué)信息、所教授的學(xué)生的考試成績(jī)等等。課程主題主要包括學(xué)生選修的課程和必修的課程、課程分類的信息以及課程安排信息和課程的成績(jī)等等。教材主題主要包括教材的名稱、編號(hào)、出版日期、出版社及教材的結(jié)構(gòu)。

在確定了教務(wù)管理層需要分析的主題的邊界后，要確定一個(gè)主要的主題域，并對(duì)其內(nèi)容進(jìn)行分析。在本系統(tǒng)中選擇學(xué)生成績(jī)分析主題作為該系統(tǒng)的分析主題。我們將這個(gè)主題邊界的劃分應(yīng)用到原有的關(guān)系模型上形成概念模型，由于在本系統(tǒng)中只研究數(shù)據(jù)倉庫系統(tǒng)的學(xué)生成績(jī)分析主題，故在概念模型中只顯示了學(xué)生成績(jī)分析主題的概念模型?；趯W(xué)生成績(jī)分的概念模型如下圖2.1所示。

圖2.1 學(xué)生成績(jī)分析數(shù)據(jù)倉庫的概念模型

2.邏輯模型設(shè)計(jì)

在本系統(tǒng)中對(duì)學(xué)生成績(jī)分析主題進(jìn)行分析。它的邏輯模型設(shè)計(jì)主要進(jìn)行粒度的選擇、數(shù)據(jù)表的合理劃分、關(guān)系模式定義、提煉表中數(shù)據(jù)。

(1)粒度的選擇：可以采用單一的粒度設(shè)計(jì)。

(2)數(shù)據(jù)表的合理劃分：由于主題中各個(gè)關(guān)系表內(nèi)數(shù)據(jù)量不是很大，因此不用進(jìn)行表的數(shù)據(jù)分割。

(3)關(guān)系模式的定義：基于關(guān)系表的存儲(chǔ)方式有三種模型，即星型模型、雪花模型和事實(shí)星座。在此我們采用的是星型模型，因?yàn)檫@種模型相對(duì)于雪花模型節(jié)點(diǎn)而言，交叉點(diǎn)少，查詢速度更快。如圖2.2所示

圖2.2 學(xué)生成績(jī)分析數(shù)據(jù)倉庫邏輯模型

3.物理模型設(shè)計(jì)

數(shù)據(jù)倉庫的物理模型設(shè)計(jì)是為邏輯模型設(shè)計(jì)的數(shù)據(jù)模型確定一個(gè)最適合應(yīng)用要求的物理結(jié)構(gòu)(包括存儲(chǔ)結(jié)構(gòu)和存取方法)。物理模型的設(shè)計(jì)所做的工作是估計(jì)存儲(chǔ)容量,確定數(shù)據(jù)的存儲(chǔ)結(jié)構(gòu)，確定索引，確定數(shù)據(jù)存放位置，確定存儲(chǔ)分配。針對(duì)學(xué)生成績(jī)分析主題建立了完整的星型模型后，要再重點(diǎn)考慮該星型圖的物理結(jié)構(gòu)。因此，可初步確定:(1)每個(gè)數(shù)據(jù)庫表的數(shù)據(jù)量；(2)行數(shù)的初始估計(jì)；(3)行的平均長(zhǎng)度；(4)表的初始大小及它們的增長(zhǎng)數(shù)。關(guān)于每個(gè)維度表和事實(shí)表的詳細(xì)設(shè)計(jì)如下表示。

圖2.3 教材信息表維

圖2.4 教師信息表維

圖2.5 課程信息表維

圖2.6 學(xué)生信息表維

圖2.7 學(xué)生成績(jī)信息表維

(三)數(shù)據(jù)的獲取

1.數(shù)據(jù)的抽取、轉(zhuǎn)換、裝載

數(shù)據(jù)倉庫的數(shù)據(jù)獲取需要經(jīng)過抽取(extraction)、轉(zhuǎn)換(transform)和裝載(load)3個(gè)過程，即ETL過程，是構(gòu)建數(shù)據(jù)倉庫的重要環(huán)節(jié)。經(jīng)過ETL過程，將源系統(tǒng)中的數(shù)據(jù)改造成有用的信息，存儲(chǔ)到數(shù)據(jù)倉庫中。學(xué)生成績(jī)數(shù)據(jù)倉庫的數(shù)據(jù)源主要是關(guān)于學(xué)生成績(jī)的文本數(shù)據(jù)，Microsoft Excel數(shù)據(jù)和Access數(shù)據(jù)庫數(shù)據(jù)。同時(shí)，ETL過程將統(tǒng)一各源系統(tǒng)中數(shù)據(jù)的變量名稱，轉(zhuǎn)換和集成所有學(xué)生成績(jī)的情況數(shù)據(jù)，裝載到數(shù)據(jù)倉庫的學(xué)生成績(jī)事實(shí)表和相關(guān)維表中。

學(xué)生成績(jī)數(shù)據(jù)的抽取工作包括以下點(diǎn):

(1)確認(rèn)數(shù)據(jù)源:對(duì)數(shù)據(jù)源的確認(rèn)不僅是對(duì)數(shù)據(jù)源的簡(jiǎn)單確認(rèn)。

(2)檢查和確定數(shù)據(jù)源是否可以提供學(xué)生成績(jī)數(shù)據(jù)倉庫需要的數(shù)據(jù)。

在建立數(shù)據(jù)倉庫時(shí)，從某一特定時(shí)間開始的最初數(shù)據(jù)必須遷移到數(shù)據(jù)倉庫中，以使數(shù)據(jù)倉庫開始運(yùn)轉(zhuǎn)，這是初始裝載。在初始裝載之后，數(shù)據(jù)倉庫必須更新，使變化的歷史和狀態(tài)可以在數(shù)據(jù)倉庫中反映出來。

2.數(shù)據(jù)預(yù)處理

數(shù)據(jù)抽取過程中得到的數(shù)據(jù)是沒有經(jīng)過加工的數(shù)據(jù)，不能直接應(yīng)用于數(shù)據(jù)倉庫，必須經(jīng)過多種處理，將抽取的數(shù)據(jù)轉(zhuǎn)換成可以存儲(chǔ)在數(shù)據(jù)倉庫中的數(shù)據(jù)。針對(duì)這些數(shù)據(jù)做的預(yù)處理主要包括:數(shù)據(jù)清洗(data Cleaning)、數(shù)據(jù)集成(data integration)、數(shù)據(jù)轉(zhuǎn)換(data transformation)和數(shù)據(jù)消減(data reduction)。

(1) 數(shù)據(jù)清洗(data cleaning) 處理例程通常包括:填補(bǔ)遺漏的數(shù)據(jù)值、平滑有噪聲數(shù)據(jù)、識(shí)別或除去異常值，以及解決不一致問題。學(xué)生成績(jī)數(shù)據(jù)和相關(guān)的基本信息數(shù)據(jù)是一般由各部門的管理人員或部分學(xué)生錄入各個(gè)數(shù)據(jù)庫系統(tǒng)中的，存在著不同的問題。對(duì)于數(shù)據(jù)遺漏數(shù)據(jù)處理是忽略該條記錄，手工填補(bǔ)遺漏值，利用缺省值填補(bǔ)遺漏值，利用均值填補(bǔ)遺漏值。噪聲數(shù)據(jù)處理方法是聚類方法和人機(jī)結(jié)合檢查方法。通過聚類分析可幫助發(fā)現(xiàn)異常數(shù)據(jù)，就是將相似或相鄰近的數(shù)據(jù)聚合在一起形成了各個(gè)聚類集合，而那些位于這些聚類集合之外的數(shù)據(jù)對(duì)象就被認(rèn)為是異常數(shù)據(jù)。人機(jī)結(jié)合檢查就是通過人與計(jì)算機(jī)檢查相結(jié)合方法可以幫助發(fā)現(xiàn)異常數(shù)據(jù)。對(duì)于不一致數(shù)據(jù)的處理方法是利用它們與外部的關(guān)聯(lián)手工加以解決。知識(shí)工程工具也可以幫助發(fā)現(xiàn)違反數(shù)據(jù)約束條件的情況。

(2)數(shù)據(jù)集成(data integration) 就是將來自多個(gè)數(shù)據(jù)源(如數(shù)據(jù)庫、文件等)數(shù)據(jù)合并到一起。由于描述同一個(gè)概念的屬性在不同數(shù)據(jù)庫取不同的名字，在進(jìn)行數(shù)據(jù)集成時(shí)就常常會(huì)引起數(shù)據(jù)的不一致或冗余。在數(shù)據(jù)集成過程中，需要考慮解決以下問題:

1模式集成問題:即如何使來自多個(gè)數(shù)據(jù)源的現(xiàn)實(shí)世界的實(shí)體相互匹配；2冗余問題:這是數(shù)據(jù)集成中經(jīng)常發(fā)生的另一個(gè)問題，若一個(gè)屬性可以從其它屬性中推演出來,那這個(gè)屬性就是冗余屬性；3數(shù)據(jù)值沖突檢測(cè)與消除。

(3)數(shù)據(jù)轉(zhuǎn)換(data transformation) 主要是對(duì)數(shù)據(jù)進(jìn)行規(guī)格化操作。

(4)數(shù)據(jù)消減(data reduction) 的目的就是縮小所挖掘數(shù)據(jù)的規(guī)模，但卻不會(huì)影響(或基本不影響)最終的挖掘結(jié)果?，F(xiàn)有的數(shù)據(jù)消減包括：數(shù)據(jù)聚合、消減維數(shù)、數(shù)據(jù)壓縮、數(shù)據(jù)塊消減。

數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘過程中一個(gè)重要步驟。通過預(yù)處理的數(shù)據(jù)可以提高數(shù)據(jù)挖掘?qū)ο蟮馁|(zhì)量，并最終達(dá)到提高數(shù)據(jù)挖掘所獲模式知識(shí)質(zhì)量的目的。

3.數(shù)據(jù)的導(dǎo)入

在學(xué)生成績(jī)數(shù)據(jù)倉庫物理建模完成之后創(chuàng)建數(shù)據(jù)倉庫數(shù)據(jù)庫，需要?jiǎng)?chuàng)建事實(shí)表和維度表，并在所有表中的主要字段上建立索引。使用SQL Server 2005關(guān)系數(shù)據(jù)庫管理系統(tǒng)作為數(shù)據(jù)倉庫的物理存儲(chǔ)，依據(jù)數(shù)據(jù)倉庫物理建模，利用關(guān)系數(shù)據(jù)庫來構(gòu)建數(shù)據(jù)倉庫。由于平時(shí)學(xué)生考試成績(jī)大部分是用電子表格(excel)處理和存儲(chǔ)，一部分是單機(jī)數(shù)據(jù)庫的pdf格式，還有一些是文本格式。這些都需要通過SQL Server 2005的DTS工具先轉(zhuǎn)換成SQL數(shù)據(jù)表的形式，以構(gòu)成關(guān)系數(shù)據(jù)庫系統(tǒng)，然后利用SQL Server 2005的商業(yè)智能平臺(tái)，根據(jù)分析主題以星形模型構(gòu)建數(shù)據(jù)倉庫，把關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)加載起來，以構(gòu)成OLAP立方體。

近幾年，數(shù)據(jù)倉庫的研究有了很大的進(jìn)展，教育信息化也快速發(fā)展，諸多系統(tǒng)積累了大量的數(shù)據(jù)?；谝陨蠗l件，本文嘗試?yán)脭?shù)據(jù)倉庫去發(fā)現(xiàn)學(xué)生成績(jī)、影響因素和高校教學(xué)之間的難為人知的關(guān)系，希望從中獲取對(duì)教學(xué)有指導(dǎo)價(jià)值的信息。在現(xiàn)實(shí)系統(tǒng)設(shè)計(jì)中不可避免的還將會(huì)使用數(shù)據(jù)挖掘和決策樹等技術(shù)對(duì)學(xué)生成績(jī)數(shù)據(jù)庫中的大量數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，還必將有新的探索。

[1] 彭統(tǒng)乾著.教學(xué)管理決策支持系統(tǒng)中數(shù)據(jù)倉庫的設(shè)計(jì)與實(shí)現(xiàn)[D].西安，西安電子科技大學(xué).2011.

[2] 張德新.基于數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的教育決策支持系統(tǒng)[J].武漢大學(xué)學(xué)報(bào)(工版).2003.

[3] 孫水華，趙釗林,劉建華.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)[M].清華大學(xué)出版社，2012.

[4] 曹玫.從報(bào)表到0LAP[J].軟件世界，2005.

[5] 李祥杰.基于數(shù)據(jù)倉庫的學(xué)生管理決策支持系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].黑龍江大學(xué).2010.

[6] 孟躍紅，黃智.數(shù)據(jù)倉庫技術(shù)在高校教育管理中的應(yīng)用[J].徐州師范大學(xué)報(bào)(自然科學(xué)版)，2003.

[7] 趙字海，李秋菊.關(guān)系數(shù)據(jù)庫中OLAP系統(tǒng)的分析與設(shè)計(jì).鞍山師范學(xué)院學(xué)報(bào)，2005.

[8] 朱丹.基于數(shù)據(jù)倉庫的學(xué)生成績(jī)和教學(xué)質(zhì)量的分析與應(yīng)用[D].西安，西安電子科技大學(xué).2011.

[9] 趙字海，李秋菊.關(guān)系數(shù)據(jù)庫中OLAP系統(tǒng)的分析與設(shè)計(jì)[J].鞍山師范學(xué)院學(xué)報(bào)，2005.

A Study on Databank’s Application in Students’Score Analysis

JIAYan-binYANGGuang

(Air Force Engineering University，710051，Xi’an，Shaanxi，China)

With the rapid development of information technology,colleges and universities constantly speed up the pace of constructing digital campus,different departments are increasingly perfecting management information system.Hence,large amount of data accumulated becoming valuable information resources.But currently,the main purpose is to provide simple data inquiry and statistic formula,deep information hidden in these data had not been fully utilized.In this paper,the author designed systematic structure of student achievement data warehouse,model and the data acquisition phase so as to acquire relevant trends to provide decision-making basis for college teaching management and student management working.

DW(Data Warehouse);Student Achievements;Analysis

2016-10-12

賈延斌,(1986-),遼寧丹東人，空軍工程大學(xué)教師，主要從事空軍工程大學(xué)空管領(lǐng)航學(xué)院政治工作辦公室工作。

G715

A

1674-2885(2017)01-38-05