教务分析系统中英语分析子系统-开题报告

电子科技大学工程硕士学位论文开题报告学位论文题目：教务分析系统中英语分析子系统工程领域名称：软件工程学号：201192070348姓名：毛建东校内导师姓名:赵辉企业方导师姓名：钟德文所在学院：自动化工程学院电子科技大学研究生院制表填表日期：2013年8月8日填表说明1、研究生须认真填写本表相关内容。2、开题报告内容见《电子科技大学在职攻读工程硕士专业学位研究生管理暂行规定》3、所列栏目填写不下的，可以另加附页。4、本表采取双面复制（复印），且保持原格式不变，纸张限用A4（页边距为上、下：2.5cm,左为2.6cm,右为2.1cm；字体为宋体小四，行间距为18磅），整齐装订。5、开题报告完成，此表经相关人员签字后，须交学院研究生教务秘书保存。教务分析系统中英语分析子系统1.选题来源由于信息技术的不断发展与我国高等教育规模的快速增长，各地高校都拥有、采用了教务管理信息系统，得益于这些系统的使用，很大程度上提高了教务管理的水平，既有助于学生、也帮助了教师及教务人员。于此同时，由于经年累月的使用，经过这些系统的升级维护，但是数据库中积累了大量的教学运行数据。遗憾的是这些信息系统由于设计的原因不能提供对这些数据深层次的分析功能，这使得教务人员不能充分利用这些数据背后潜在的知识模式供教务分析决策以针对性提高我校的教学能力，领导决策时也不能得到切实的数据支持。而数据挖掘技术是对数据进行潜在深层次分析的一类软件技术，大量应用于商业、体育、科学等领域，已经取得了良好效果。同时，大学英语教学是高等教育的一个重要的有机组成部分，大学英语课程是大学生的一门重要的基础课，是大学生外语学习的重要途径。信息技术与传统领域之间的相互渗透与交融已成为一种必然的趋势。信息激素的发展对大学生英语教学产生了更大的挑战也提出了更高的要求，教学内容与随之相应考核、评价体系的现代化、多样化也成为了其必要的组成部分。由此，大学英语教学需与现代科学技术相融合以促进教师的教学改革，学生的知识掌握。而英语教学分析系统则通过教务系统中存有的与英语教学相关的数据进行分析，以期发现问题，便于改革与决策，然后提高高等学校中学生的英语水平。通过本校教务系统中的历史数据进行有关大学英语教学（如生源地、入学成绩、师资结构、性别、大学英语学习时间以及期末考试成绩等）包括大学英语四六级成绩的分析，然后通过数据挖掘技术分析大学英语教学中的各个因素的相关性，便于教务人员分析、决策，以提高学校的大学英语教学水平。2.选题依据随着数据库技术的不断发展及数据库管理系统的广泛应用，数据库中存储的数据量急剧增大，在大量的数据背后隐藏着许多重要的信息，如果能把这些信息从数据库中抽取出来，将为得到许多有意义的参考决策信息，而这种从海量数据库中挖掘信息的技术，就称之为数据挖掘(DataMining．DM)。1995年以来，国外在知识和数据挖掘方面的论文非常多，已形成了热门研究方向。数据挖掘功能用于指定数据挖掘任务中要找的模式类型。数据挖掘的模式一般有5种，即关联模式、分类与预测、趋势变化（时间序列分析）、聚类分析、回归模式。本系统主要采用数据挖掘技术，模型为关联规则及分类模式中的ID3决策树。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程，需实现关联规则中的Apriori算法，分类的ID3决策树算法，以期挖掘有用的信息，供教务决策。本系统主要的功能模块如下：2.1统计英语教学相关因素模块，内容由Jfreechart形式显示。2.2数据挖掘之关联分析模块，挖掘英语教学相关因素与大学四六级考试或平时考试成绩之前的相关关系。2.3数据挖掘之决策树分析模块，挖掘英语教学相关因素与大学英语四六级考试之间相互影响的大小，并能根据相关因素的选择能预测结果。2.4系统设置，系统能够有好登录、退出，修改密码等。3.国内外研究动态3.1国外研究动向KDD(KnowledgeDiscoveryinDatabases)一词首次出现在l989年举行的第十一届国际联合人工智能学术会议上。到目前为止，由美国人工智能协会主办的KDD国际研讨会己召开8次，规模由原来的专题讨论会发展到国际学术大会，研究重点也逐渐从发现方法转向系统应用，注重多种发现策略和技术的集成，以及多种学科之间的相互渗透。1999年，亚太地区在北京召开的第三届PAKDD会议收到158篇论文，空前热烈。IEEE的KnowledgeandDataEngineer会刊率先在1993年出版了KDD技术专刊。并行计算、计算机网络和信息工程等其它领域的国际学会、学刊也把数据挖掘和知识发现列为专题和专刊讨论，甚至到了脍炙人口的程度。根据最近Ganne的HPC研究表明，数据挖掘和人工智能列为“未来三到五年内将对工业产生深远影响的五大关键技术”之首，并且还将并行处理体系和数据挖掘列为未来五年内投资焦点的十大新兴技术前两位。METAGroup曾做出这样的评论：“全球重要的企业、组织会发现，到2l世纪数据挖掘技术将是他们商业成功与否的至关重要的影响因素。群体智能的研究国外进行的比较早，当前主要是对蚁群算法的研究。1991年Dorigo等人首次提出蚁群优化算法，他们利用人上蚂蚁成功模拟了真实蚂蚁在寻找食物过程中的协作活动和信息交流现象，进而将此运用到NP-hard问题，得到了很好的效果。例如，ACO己经成功地运用于求解旅行商问题(TSP)、分配问题、网络路由问题、图论问题、序列问题等，取得了较好的结果。此外，基于蚂蚁的进化算法被不断的用于各种组合优化问题，以及对蚁群算法本身做了大量的改进上作，增强了它的性能，扩大了它的应用范围。目前研究和应用主要集中在比利时、意大利、英国、法国、德国等欧洲国家，日本和美国开始启动。1998年和2000年在比利时布鲁塞尔大学召开了第一届和第二届蚂蚁优化国际研讨。3.2国内研究动向与国外相比，国内对DMKD(Datamininganddiscovery)的研究稍晚，没有形成整体力量。许多单位也已开始进行数据挖掘技术的研究，但还没有看到数据挖掘技术在我国成功应用的案例。1993年国家自然科学基金首次支持对该领域的研究项目。目前，国内的许多科研单位和高等院校竞相开展知识发现的基础理论及其应用研究，这些单位包括清华大学、中科院计算技术研究所、空军第三研究所、海军装备论证中心等。其中，北京系统工程研究所对模糊方法在知识发现中的应用进行了较深入的研究，北京大学也在开展对数据立方体代数的研究，华中科技大学、复旦大学、浙江大学、中国科技大学、中科院数学研究所、吉林大学等单位开展了对关联规则开采算法的优化和改造；南京大学、四川大学和上海交通大学等单位探讨、研究了非结构化数据的知识发现以及Web数据挖掘。目前国内也开始有关于蚁群算法的公开报道和研究成果，但有关研究还只是停留在试验探索阶段，尚未能提出一个完善的理论分析，对它的有效性也没有给出严格的数学解释。但是，从以前模糊控制所碰到的情况看，理论上的不完善并不妨碍应用，有时应用还会超前于理论，并推动理论研究，蚁群算法也是如此。4.研究的意义和价值由于信息技术的不断发展与我国高等教育规模的快速增长，各地高校都拥有、采用了教务管理信息系统，得益于这些系统的使用，很大程度上提高了教务管理的水平，既有助于学生、也帮助了教师及教务人员。于此同时，由于经年累月的使用，经过这些系统的升级维护，但是数据库中积累了大量的教学运行数据。遗憾的是这些信息系统由于设计的原因不能提供对这些数据深层次的分析功能，这使得教务人员不能充分利用这些数据背后潜在的知识模式供教务分析决策以针对性提高我校的教学能力，领导决策时也不能得到切实的数据支持。而数据挖掘技术是对数据进行潜在深层次分析的一类软件技术，大量应用于商业、体育、科学等领域，已经取得了良好效果。本课题主要研究数据挖掘技术在教务管理系统中的研究和应用，以及如何利用数据挖掘技术在数据库技术建立教务分析系统。通过教务分析系统的使用，提高教务管理水平，实现教务管理的智能化和决策的科学化。同时，大学英语教学是高等教育的一个重要的有机组成部分，大学英语课程是大学生的一门重要的基础课，是大学生外语学习的重要途径。信息技术与传统领域之间的相互渗透与交融已成为一种必然的趋势。信息技术的发展对大学生英语教学产生了更大的挑战也提出了更高的要求，教学内容与随之相应的考核、评价体系的现代化、多样化也成为了其必要的组成部分。由此，大学英语教学需与现代科学技术相融合以促进教师的教学改革，学生的知识掌握。而英语教学分析系统则通过教务系统中存有的与英语教学相关的数据进行分析，以期发现问题，便于改革与决策，然后提高高等学校中学生的英语水平。5.研究的主要内容本次设计主要通过采用数据挖掘技术，模型为关联规则及分类模式中的ID3决策树对校教务系统中的历史数据进行有关大学英语教学（如生源地、入学成绩、师资结构、性别、大学英语学习时间以及期末考试成绩等）包括大学英语四六级成绩的分析，然后通过数据挖掘技术分析大学英语教学中的各个因素的相关性，便于教务人员分析、决策，以提高学校的大学英语教学水平。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。6.技术路线及基本方法6.1技术路线J2EE+SQLServer2008，系统整理框架采用MVC架构。6.1.1模型(Model)采用面向对象设计思想，将数据库表映射为对象组建；数据访问逻辑采用接口与实现相分离，在接口中以单件模式提供对实现的访问；通过访问权限控制，将数据访问逻辑封装，只在业务逻辑实现中调用和组合数据访问逻辑，并提供给用户编码层调用。本质上来说在Struts中Model是一个Action类，开发者通过其实现业务逻辑，同时用户请求通过控制器(Controller)向Action的转发过程是由strutsconfig.xml系统配置文件描述的配置信息来决定的。6.1.2视图(View)View是由与控制器Servlet配合工作的一整套JSP定制标签库构成，使用视图可以快速地建立系统应用程序的界面。以CSS+DIV及在PHOTOSHOP控制下为用户提供美观、人性化的用户界面。6.1.3控制器(Controller)本质上是一个Servlet，将客户端的请求转发到相应的Action类。6.1.4解析XML文件的工具包Struts是用XML来描述如何自动产生一些JavaBean的属性。6.2基于MVC设计模式的Struts架构的实现在使用Struts框架开发应用程序之前，必先配置好JSP服务器，以便让服务器在用户请求时，知道该如何将指定后缀的请求转到相应的Controller－StrutsActionServlet处理，这些配置信息一般都在服务器启动时通web.xml文件读入。可以在web.xml定义多个Controlloer，为每一个应用定义一个。一个典型的web.xml文件配置如下：6.2.1控制器(Controller)是这个框架中主控程序，当客户端与服务器有交互动作时，都由其来控制。在web.xml中设置为org.apache.struts.action.ActionServlet的一个实例。Controller通过配置文件中的配置信息来决定HTTP请求该往何处转发，而这些Action在接收到转发来的请求后，实现真正的业务逻辑。6.2.2模型(Model)是在对用户请求的整个控制过程中，真正处理用户请求并保存处理结果的对象，在整个过程中，一般利用JavaBean来把一些信息保存起来以便在各个对象之间传递。6.2.3struts-config.xml配置文件是整个框架的核心web.xml文件定义接受到的请求应该发送到的位置，后面的工作就全权由struts-config.xml管理控制。因为整个系统只使用一个这样的配置文件，所以保持整个系统的模块化和可维护性都非常的轻松。使用配置文件来描述请求-动作的控制过程和相互关系，而不是在代码中将对象之