识,无论是直观的统计信息还是隐含的知识模式,都能够为考生提供丰富的决
策支持信息。
1.3 国内外相关研究状况综述
信息技术的飞速发展使得各行各业积累了大量的数据,随着管理信息化的
推进和行业业务需求的增大,人们并不满足于对现有数据的简单查询和分析,
传统的数据管理方法已不能深入探索数据背后的含义。数据挖掘技术应运而
生,该技术就是帮助人们从海量数据中提取有效的、隐含的、潜在有用的知识
以优化和促进相应行业的信息化管理和发展。目前,国外数据挖掘发展趋势的
研究方面主要有:对知识发现方法的进一步发展,KDD 与数据库的紧密结合
等。经过不到二十年的发展,数据挖掘技术已经在诸多领域得到了广泛的应
用,也逐步在教育行业中发挥一定作用。目前,高考志愿数据已形成数据仓
库,高考相关数据已经便于数据挖掘者使用数据挖掘方法进行多角度的查询与
统计、深层次的分析处理以及知识提取。
在当下的中国,将数据挖掘技术应用到高考志愿分析中还在理论研究阶
段。每年高考考生由于志愿填报不当而未能就读理想学校、专业甚至落榜的现
象十分普遍。目前现有的高考志愿分析主要依赖统计学的方法与技术,而使用
数据挖掘技术对高考志愿相关数据进行深入分析,得出相关规则对考生填报志
愿进行预测性指导的分析系统在我国尚处于不成熟阶段。
每年高考过后,教育考试部门都会形成大量的高考数据,包括考生信息、
考生成绩、报考信息等等。 高考阅卷的信息化管理和实施使得相应的教育考试
部门积累了大量的高考数据,这其中包括多年的考生报考数据、考生成绩数
据、考生志愿数据等等。目前,教育研究者们对运用计算机及网络技术的高考
数据分析的研究在不断进行中。国内对高考数据的分析与挖掘主要集中两大
块,一方面是针对高考成绩及考生答题数据的分析与挖掘研究,另一方面研究
者们主要从指导高校招生及考生报考的角度来进行研究。而本课题是围绕招生
及报考的数据来分析研究,但也会涉及到一些科目的数据。比如一名英语成绩
好的学生更有可能报考什么样的大学。