本站原创一、引言
近年来计算机和网络技术快速发展,教学管理信息化水平已成为衡量一所院校信息化建设的重要指标,而学员成绩管理又是院校教学管理工作中的重要环节,反映了院校的教学质量水平.基于ASP.NET的学员成绩管理系统采用B/S模式,基于三层架构（表示层、业务层和数据层）,开发环境是Windows Server 2003,开发工具为Visual Studio 2005,利用ASP.NET 2.0技术,使用C#语言编程,数据库为SQL Server 2000.
二、系统实现
(一)权限管理
权限管理包括权限设置和查询.系统分为教务参谋、考务中心、考试成绩录入员、系统管理员等四级权限.系统管理员可以设置教务参谋和考务中心,还可以查询帐号初始.考务中心将教员设置成考试成绩录入员后,教员才有录入成绩权限.
(二)数据维护
数据维护包括录入、修改考试（补考）成绩、生成补考计划、修正考试成绩、填写考试分析报告等.录入成绩前要录入考试信息（课程名称、考核科目、考试性质、权重、考试日期等信息）,首先在单位树里选择教学班（如果该教学班没有学员或学员还没有编排学号不能录入考试信息）系统自动带入该教学班对应的专业类型并在下拉列表中列出已安排考试的课程,选择课程后系统自动带入课程名称、考核科目、考试性质（毕业考试、考试和考查）、学时、学期、考试日期、授课单位等信息,权重默认为1（1表示100%,如输入0.5表示50%）当一门课程包含多个考核科目时需要录入相应权重,考试信息保存后,学员下拉列表中列出了该教学班该课程所有未录入成绩的学员,成绩可以录入分数,也可以设置缓考、缺考状态,保存学员成绩后下拉列表中同时移出该学员（修改考试信息和成绩,同录入相似,不再详述）,录入完该课程所有学员的成绩后,将成绩上报到考务中心审核成绩,上报成绩后不能修改和删除考试成绩.教务参谋可以安排不及格、缓考、缺考的学员参加补考,系统根据时间段自动生成补考计划,补考计划分为学期补考和毕业补考,补考的组考单位录入补考成绩,流程参照考试成绩录入.公布成绩后学员对成绩有异议,复查后确认有误,经批准由教务参谋对该考试成绩进行修正.教员根据考试成绩录入考试分析报告,考试分析报告包括：基本情况、综合分析、意见建议、评价结论等内容.
(三)数据审核
数据审核包括审核考试（补考）成绩、审核考试分析报告.考试成绩审核分为考务中心审核和教务科审核两级审核,教务科审核通过后,教员和学员才可以查询成绩.考务中心审核成绩时,选择要审核的课程系统弹出此课程考试的详细信息,并列出所有学员的考试成绩,同时统计出优秀,良好,中等,合格,不合格的人数.点击“通过”后,交由教务参谋审核.点击“不通过”,则将此信息打回录入人处.教务参谋审核过程与考务中心审核类似,不再叙述.
(四)查询统计
查询统计包括考试信息查询、考试成绩查询、学员队（学员）平均分统计、合格率统计、实考人数统计等.根据不同登录用户控制查询范围,如：学员查看本人成绩,学员队干部查看本队成绩、教员查看担负课程成绩,教务参谋查看全部成绩等,只有教务参谋才有统计功能.
(五)导出打印
导出打印包括：打印考试成绩表、打印考试分析报告.系统可以直接打印成绩,也可以导出word、excel、PDF等格式.
三、数据挖掘应用
(一)概述
数据挖掘是解决数据丰富而信息贫乏的有效途径,其实质是从大量数据中提取隐含的、未知的和潜在有用信息的过程.其在分析大量数据中具有明显优势,并已成功地应用到了多个研究领域,但在教育领域中应用还不够深入,将之用于军队院校管理尤其是成绩管理中至今还不多见.
目前最常用的几种数据挖掘方法有决策树、神经网络、遗传算法、概率论和数理统计、关联规则以及粗糙集和模糊处理技术等.
(二)决策树算法
顾名思义,决策树就像一棵树,它利用树的结构将记录数据进行分类,树的一个节点就代表某一个条件下的一个记录集,根据记录字段的不同取值建立树的分枝；在每个分支子集中建立下层节点和分支,就形成一个决策树.采用决策树,可以将数据规则可视化,也不需要长时间的构造过程,而且每一条从根结点到叶节点的路径的含义是可理解的,精度较高.这种可理解性是它的一个显著有点.
决策树构建以后就可以依据决策树的规则对数据进行判定.决策树可以分为分类树和回归树两种.分类树对离散变量做决策树,回归树对连续变量做决策树,一般的数据挖掘工具允许选择分裂条件和修剪规则,以及控制参数来限制决策树,决策树主要应用于分类.
决策树方法的起源是概念学习系统CLS,然后发展到ID3 算法,最后又演化为能处理连续属性的.5算法.
(三)数据挖掘过程
1.确定数据对象,收集数据以及数据预处理
定义清晰的挖掘对象,认清数据挖掘的目标是数据挖掘的第一步.数据挖掘的最后结果往往是不可预测的,但是要解决的问题应该是有预见性的、有目标的.本文将挖掘的对象定义为同一专业三种不同类型学员的“步兵分队战术”课程中的“科目1”、“科目2”、“科目3”三个考核科目成绩信息,确定了数据对象后,从考试信息表和考试成绩表中选择出适用于数据挖掘应用的数据进行数据集成.数据集成好以后,就需要对数据进行预处理.数据预处理包括：去除错误数据和数据转换.错误数据,在统计学中称为异常值,应该在此阶段发现并且删除,否则,它们将导致产生错误的挖掘结果,同时,需要将数据转换成合适的格式.本例中首先要把原始成绩选取出来,去掉补考成绩,然后把原始成绩为缓考和缺考的数据删除,接下来进行数据转换,采取数据概化,定义90<=成绩<=100为优秀,80<=成绩<=89为良好,70<=成绩<=79为中等,60<=成绩<=69为及格,0<=成绩<=59为不及格.
2.构建决策树
数据预处理后,使用数据预处理得到的训练集,采用.5算法构建决策树.本例中,样本数据为2008-201A类、B类学员,2007-2010级C类学员,总数为2109名,随机抽取大约70%作训练集,其余30%作测试集,通过SQL Server 2000中的Analysis Service（数据分析怎么写作）工具生成决策树.
3.规则提取
决策树生成以后,遍历决策树,也就是从根到叶发现若干条路径,每一条路径对应一条规律,整棵树就形成一组规则,然后通过分析规则发现最有用的子集,形成规则集.
4.结果分析
通过数据挖掘结果发现C类学员基本技能最好,但是理论知识掌握欠缺,综合实践能力较好；A类学员基本技能较好,理论知识掌握好,综合实践能力好；B类学员基本技能较差,理论知识掌握较好,综合实践能力有待提高.根据分析结果,可以对不同类型学员有针对性地改进教学重点,做到固强补弱,提高学员能力.
四、结语
应用数据挖掘技术来提高成绩的分析水平,通过对成绩深入、科学的分析,提取隐藏的数据信息,为院校管理部门决策提供依据,进一步提高教学质量水平是有很重要的实际意义.