教学管理系统数据可视化技术应用

摘要:对数据可视化技术在教学管理系统中的应用进行研究，分析了数据可视化的发展趋势及存在的问题，并进行了可行性分析，提出了多源数据的可视化方法，构建了教育大数据可视化教学管理系统，能够更详细准确地掌握学生的学习习惯和学习模式，提升了教学质量。

关键词:数据可视化技术;教学管理系统

为了能够将数据信息准确、全面地传递给用户，常见的错综复杂的表格可以通过数据可视化技术转化为可见的图形符号，并将一些不容易发现和看起来难以关联的数据联系起来，发现新的规律并加以利用，发现其潜在价值。这种通过图形化处理数据的方式能够准确高效地表达出数据中的关键信息点，发掘数据中的隐藏规律，让用户对数据的理解更加深刻，这种技术即为数据可视化技术［1］。

1数据可视化技术在教学管理系统中的发展趋势及存在的问题

可视化技术主要体现在宏观态势可视化、设备仿真运行可视化和数据统计分析可视化这三个方面［2］。宏观态势可视化是在某种特殊条件下对根据时间变化而变化的目标实体进行观察统计，能够直观、准确、生动地表现出宏观态势，以便迅速掌握整体发展形势和特点。设备仿真运行可视化是借助图像、三维动画和计算机程控技术与实体模型相结合的方式来表现出设备的可视化，让决策者对管理设备的理解更加生动具体，以提高管理效率。数据统计分析可视化因借助可视化图表表达清晰的特点而在教育教学、智能商业、政治决策、市场营销等领域被广泛应用。在教育教学领域，可利用数据可视化技术发现教学环境中存在的问题，以提高教学质量。各大高校应积极引进网络教育平台对学生的在线学习行为进行分析处理。基于数据可视化技术对教育行业海量的信息数据进行深度剖析时，可以让教师和学生更加容易对数据进行分析和理解。为了能够高效地对教学数据进行分析，需要建立数据文件的方式提取教学数据，对不同种类和来源的数据格式和结构进行统一规范化处理，为数据分析提供数据基础。目前，学生成绩数据库中存储的都是单一形式的学生成绩［3］，不能提供给学生、教师以及教务管理人员更多的信息，无法为专业的课程设置、教师人才配置和学生课程成绩的提高做出针对性指导，因此需要从统计分析及可视化、数据关联分析、成绩预测这三个不同维度来完成对学生成绩的分析。

2可行性分析

随着互联网和大数据技术的不断发展，日常数据分析管理逐渐趋于无纸化，可视化方式可避免文本形式数据的混乱和常规图表形式的空洞，能够帮助人们更加便捷完整地获取数据中的信息，充分展现出数据的模式、趋势和相关性，以提高工作效率和进度。基于B/S(Browser/Server)体系的结构软件是目前各种应用软件的主要形式［4］。在工作中，需要将数据信息用图表的方法在Web页面上进行展示。各种数据实现可视化后，可实现人与人、人与机器之间的图像通讯，改变了当前的文字或数字通讯。

3关键技术

数据抽取是指从数据源中读取数据的过程。本项目中数据抽取源是以文件类型为Excel的数据源，创建文件选择路径直接导入，数据抽取的频率根据具体需求来决定。比如课程成绩相关的信息抽取频率为一学期一次，统计的类型可以是个人成绩总和、个人平均成绩等，比较类型为至少两个班级之间的比较。数据抽取可通过爬虫程序或Kettle、ETL等网页数据抽取工具来实现。数据清洗是对数据进行重新审查和校验的过程，能够删除重复信息和纠正错误信息。在数据的收集和处理过程中，由于人为或系统问题无法保证数据的完全准确，可能会产生一些干扰数据或残缺数据。相同的数据类型在不同数据源中的存储格式和读取方式也可能不一样，这些数据在多个业务系统中多次抽取和使用会产生历史缓存数据，这些数据之间会产生冲突，所以在需要调用时进行数据清洗和转换，以保证数据的准确性和完整性。数据清洗的过程一般是将残缺数据、错误数据、重复数据经过一致性检查及无效值和缺失值的检查处理来转换为能够满足质量要求的数据。通常采用语法分析和模糊匹配技术来完成对多数据源数据的清理。对分类数据使用可视化技术能快速获取数据集的范围及数据分布特征。条形图适用于分类数据可视化;饼图、瀑布图适用于观察分类中的比例情况;树形图适用于需要一级分类且还需要子分类的情况。柱状图、条形图的长度有利于直接比较;饼图、柱形堆叠图及瀑布图能在分类数据中对比出占比情况;树形图能展示一级分类的子分类，可以实现维度的深入分析。随时间变化的时序数据可视化技术主要有两种模式，一是随着时间线索向右延伸的时序图，如折线图、堆积面积图，等等;二是根据时间周期进行统计汇总的柱形图、日历图、径向图，等等。多个体、多变量的数据可视化技术可探索数据个体间的差异和数据变量间的关系。可将散点图、气泡图或将多个简单图表组合生成图矩阵，通过对比图矩阵可进行多元变量的可视化操作。其中散点图和气泡图适合变量相对较少(如5个以下)的场景，而对于变量5个及以上的场景图矩阵更为适合。学生成绩可能与学生的上课考勤、作业提交、课外活动、科技竞赛以及教师的年龄、教龄、教学方式、教学质量评价等众多因素相关。通过对相关因素进行不同维度的统计分析，并用可视化的形式来表示，这样可以更直观、科学、合理、全面的为教学安排提供指导。可基于学生的日常考勤、作业提交、课堂听讲情况、课前预习情况、社团情况、竞赛与获奖情况、课程考试方式、挂科率等来对学生的成绩进行预测，并对有挂科风险的学生及时采取补救措施。可基于各个图形的优势对学生的成绩数据进行可视化分配。折线图适用于多个二维数据集的比较，能反映出众多数据集之间的起伏状态，常用于连续排名;柱状图用于显示某一段时间内的数据变化或各项之间的比较情况，可用于班级之间的分数对比;饼图常用不同的颜色来代表数据源中各项数值与总项的比例关系，适用于成绩段之间的数据分布;散点图可以直观看出学生都集中在哪些分数段。

4论证方法

目前，基于python语言的web框架主要有Djan-go、Flask和Tornado。本项目基于Flask作为python的web框架，该框架的优点是轻便、易扩展。Web前端中使用了Bootstrap框架，它拥有下拉菜单、按钮组、按钮下拉菜单、导航条、排版、缩略图、警告对话框等丰富的Web组件，根据这些组件可以快速搭建一个功能完备的网站。在程序中集成Bootstrap，可以用一个名为Flask－Bootstrap的Flask扩展对模板进行一些有必要的改动，简化集成过程。另外，可使用Flask中一些可选的辅助模块来让程序更加简洁易懂，比如将SQLAl-chemy用于数据库的连接和操作，将Flask－WTForm用于网页上表单的设计。完成开发环境搭建后，可基于多源数据可视化方法来对高校的教育数据进行综合利用，构建教育大数据可视化教学管理系统，以验证多源数据可视化方法的应用效果。

5结语

本项目做了大量的市场调研，基于教育大数据可视化教学管理系统可深入分析教育数据的内在关联性，并给出可视化的数据展示，能够更详细准确地掌握学生的学习习惯和学习模式，提升了教学质量。

参考文献:

［1］程佳军，游宏梁，汤珊红，等.数据可视化技术在军事数据分析中的应用研究［J］．情报理论与实践，2020，(04):1－9.

［3］曲佳彬，欧石燕.关联数据可视化研究进展分析［J］．图书与情报，2018，(04):57－67.

［4］方思桐，汪隶鋆，高敏，等.交互式电力数据可视化与分析［J］．南京师范大学学报(自然科学版)，2019，42(03):96－106.

作者：张贤杰 单位：黑龙江省科学院