教學管理系統數據可視化技術應用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了教學管理系統數據可視化技術應用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:對數據可視化技術在教學管理系統中的應用進行研究，分析了數據可視化的發展趨勢及存在的問題，并進行了可行性分析，提出了多源數據的可視化方法，構建了教育大數據可視化教學管理系統，能夠更詳細準確地掌握學生的學習習慣和學習模式，提升了教學質量。

關鍵詞:數據可視化技術;教學管理系統

為了能夠將數據信息準確、全面地傳遞給用戶，常見的錯綜復雜的表格可以通過數據可視化技術轉化為可見的圖形符號，并將一些不容易發現和看起來難以關聯的數據聯系起來，發現新的規律并加以利用，發現其潛在價值。這種通過圖形化處理數據的方式能夠準確高效地表達出數據中的關鍵信息點，發掘數據中的隱藏規律，讓用戶對數據的理解更加深刻，這種技術即為數據可視化技術［1］。

1數據可視化技術在教學管理系統中的發展趨勢及存在的問題

可視化技術主要體現在宏觀態勢可視化、設備仿真運行可視化和數據統計分析可視化這三個方面［2］。宏觀態勢可視化是在某種特殊條件下對根據時間變化而變化的目標實體進行觀察統計，能夠直觀、準確、生動地表現出宏觀態勢，以便迅速掌握整體發展形勢和特點。設備仿真運行可視化是借助圖像、三維動畫和計算機程控技術與實體模型相結合的方式來表現出設備的可視化，讓決策者對管理設備的理解更加生動具體，以提高管理效率。數據統計分析可視化因借助可視化圖表表達清晰的特點而在教育教學、智能商業、政治決策、市場營銷等領域被廣泛應用。在教育教學領域，可利用數據可視化技術發現教學環境中存在的問題，以提高教學質量。各大高校應積極引進網絡教育平臺對學生的在線學習行為進行分析處理。基于數據可視化技術對教育行業海量的信息數據進行深度剖析時，可以讓教師和學生更加容易對數據進行分析和理解。為了能夠高效地對教學數據進行分析，需要建立數據文件的方式提取教學數據，對不同種類和來源的數據格式和結構進行統一規范化處理，為數據分析提供數據基礎。目前，學生成績數據庫中存儲的都是單一形式的學生成績［3］，不能提供給學生、教師以及教務管理人員更多的信息，無法為專業的課程設置、教師人才配置和學生課程成績的提高做出針對性指導，因此需要從統計分析及可視化、數據關聯分析、成績預測這三個不同維度來完成對學生成績的分析。

2可行性分析

隨著互聯網和大數據技術的不斷發展，日常數據分析管理逐漸趨于無紙化，可視化方式可避免文本形式數據的混亂和常規圖表形式的空洞，能夠幫助人們更加便捷完整地獲取數據中的信息，充分展現出數據的模式、趨勢和相關性，以提高工作效率和進度。基于B/S(Browser/Server)體系的結構軟件是目前各種應用軟件的主要形式［4］。在工作中，需要將數據信息用圖表的方法在Web頁面上進行展示。各種數據實現可視化后，可實現人與人、人與機器之間的圖像通訊，改變了當前的文字或數字通訊。

3關鍵技術

數據抽取是指從數據源中讀取數據的過程。本項目中數據抽取源是以文件類型為Excel的數據源，創建文件選擇路徑直接導入，數據抽取的頻率根據具體需求來決定。比如課程成績相關的信息抽取頻率為一學期一次，統計的類型可以是個人成績總和、個人平均成績等，比較類型為至少兩個班級之間的比較。數據抽取可通過爬蟲程序或Kettle、ETL等網頁數據抽取工具來實現。數據清洗是對數據進行重新審查和校驗的過程，能夠刪除重復信息和糾正錯誤信息。在數據的收集和處理過程中，由于人為或系統問題無法保證數據的完全準確，可能會產生一些干擾數據或殘缺數據。相同的數據類型在不同數據源中的存儲格式和讀取方式也可能不一樣，這些數據在多個業務系統中多次抽取和使用會產生歷史緩存數據，這些數據之間會產生沖突，所以在需要調用時進行數據清洗和轉換，以保證數據的準確性和完整性。數據清洗的過程一般是將殘缺數據、錯誤數據、重復數據經過一致性檢查及無效值和缺失值的檢查處理來轉換為能夠滿足質量要求的數據。通常采用語法分析和模糊匹配技術來完成對多數據源數據的清理。對分類數據使用可視化技術能快速獲取數據集的范圍及數據分布特征。條形圖適用于分類數據可視化;餅圖、瀑布圖適用于觀察分類中的比例情況;樹形圖適用于需要一級分類且還需要子分類的情況。柱狀圖、條形圖的長度有利于直接比較;餅圖、柱形堆疊圖及瀑布圖能在分類數據中對比出占比情況;樹形圖能展示一級分類的子分類，可以實現維度的深入分析。隨時間變化的時序數據可視化技術主要有兩種模式，一是隨著時間線索向右延伸的時序圖，如折線圖、堆積面積圖，等等;二是根據時間周期進行統計匯總的柱形圖、日歷圖、徑向圖，等等。多個體、多變量的數據可視化技術可探索數據個體間的差異和數據變量間的關系。可將散點圖、氣泡圖或將多個簡單圖表組合生成圖矩陣，通過對比圖矩陣可進行多元變量的可視化操作。其中散點圖和氣泡圖適合變量相對較少(如5個以下)的場景，而對于變量5個及以上的場景圖矩陣更為適合。學生成績可能與學生的上課考勤、作業提交、課外活動、科技競賽以及教師的年齡、教齡、教學方式、教學質量評價等眾多因素相關。通過對相關因素進行不同維度的統計分析，并用可視化的形式來表示，這樣可以更直觀、科學、合理、全面的為教學安排提供指導。可基于學生的日常考勤、作業提交、課堂聽講情況、課前預習情況、社團情況、競賽與獲獎情況、課程考試方式、掛科率等來對學生的成績進行預測，并對有掛科風險的學生及時采取補救措施。可基于各個圖形的優勢對學生的成績數據進行可視化分配。折線圖適用于多個二維數據集的比較，能反映出眾多數據集之間的起伏狀態，常用于連續排名;柱狀圖用于顯示某一段時間內的數據變化或各項之間的比較情況，可用于班級之間的分數對比;餅圖常用不同的顏色來代表數據源中各項數值與總項的比例關系，適用于成績段之間的數據分布;散點圖可以直觀看出學生都集中在哪些分數段。

4論證方法

目前，基于python語言的web框架主要有Djan-go、Flask和Tornado。本項目基于Flask作為python的web框架，該框架的優點是輕便、易擴展。Web前端中使用了Bootstrap框架，它擁有下拉菜單、按鈕組、按鈕下拉菜單、導航條、排版、縮略圖、警告對話框等豐富的Web組件，根據這些組件可以快速搭建一個功能完備的網站。在程序中集成Bootstrap，可以用一個名為Flask－Bootstrap的Flask擴展對模板進行一些有必要的改動，簡化集成過程。另外，可使用Flask中一些可選的輔助模塊來讓程序更加簡潔易懂，比如將SQLAl-chemy用于數據庫的連接和操作，將Flask－WTForm用于網頁上表單的設計。完成開發環境搭建后，可基于多源數據可視化方法來對高校的教育數據進行綜合利用，構建教育大數據可視化教學管理系統，以驗證多源數據可視化方法的應用效果。

5結語

本項目做了大量的市場調研，基于教育大數據可視化教學管理系統可深入分析教育數據的內在關聯性，并給出可視化的數據展示，能夠更詳細準確地掌握學生的學習習慣和學習模式，提升了教學質量。

參考文獻:

［1］程佳軍，游宏梁，湯珊紅，等.數據可視化技術在軍事數據分析中的應用研究［J］．情報理論與實踐，2020，(04):1－9.

［3］曲佳彬，歐石燕.關聯數據可視化研究進展分析［J］．圖書與情報，2018，(04):57－67.

［4］方思桐，汪隸鋆，高敏，等.交互式電力數據可視化與分析［J］．南京師范大學學報(自然科學版)，2019，42(03):96－106.

作者：張賢杰 單位：黑龍江省科學院