數(shù)據(jù)挖掘技術(shù)在獨(dú)立學(xué)院教務(wù)管理中的應(yīng)用

摘要:現(xiàn)行高等院校教務(wù)管理系統(tǒng)中收集了大量的教學(xué)信息，但大多數(shù)管理信息系統(tǒng)對(duì)這些教學(xué)數(shù)據(jù)中所隱含的有價(jià)值的數(shù)據(jù)并沒有進(jìn)行充分的提取或深層次的分析。因此如何能將這些數(shù)據(jù)更高效的應(yīng)用于教學(xué)管理當(dāng)中已經(jīng)成為人們廣泛關(guān)注的焦點(diǎn)。特別是獨(dú)立學(xué)院，對(duì)于教務(wù)管理系統(tǒng)中收集的教學(xué)信息有必要進(jìn)行進(jìn)一步的分析，并結(jié)合獨(dú)立學(xué)院自身和學(xué)生的特點(diǎn)來培養(yǎng)學(xué)生，給學(xué)生以正確的定位。通過介紹數(shù)據(jù)挖掘的基本概念和基本功能，以及分析高校管理信息系統(tǒng)的現(xiàn)狀和不足，提出了數(shù)據(jù)挖掘技術(shù)在獨(dú)立學(xué)院教務(wù)管理信息系統(tǒng)中的應(yīng)用方向。

關(guān)鍵詞:數(shù)據(jù)挖掘;獨(dú)立學(xué)院;教務(wù)管理;關(guān)聯(lián)分析;決策

中圖分類號(hào):TP311文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1009-3044(2009)36-10493-03

The Application of Data Mining to the Teaching Management of Independent Colleges

YU Ling-ling

(Urban Construction College， Jilin Architectural and Civil Engineering Institute， Changchun 130111， China)

Abstract: Teaching management system in higher educational institutions collect a large number of teaching information， yet most of the college teaching management information system do not make an adequate and deep analysis of the potential valuable data. Therefore， how to apply the data to the teaching management effectively becomes the focus of attention. It is especially necessary for independent colleges to make further analysis of the teaching information collected in teaching management system in order to cultivate students and give them correct horizon combined with the features of independent colleges and students respectively. By introducing the concept and functions of data mining， and analyzing the current background and shortcomings of the college teaching management information system， the thesis puts forward the application of data mining to teaching management system of independent colleges.

Key words: data mining; independent colleges; teaching management; relevance analysis; strategies

隨著高校招生規(guī)模逐年擴(kuò)大以及教育方式更加靈活多樣，幾乎每所高校都面臨著學(xué)生人數(shù)的急劇增加與教學(xué)資源日趨緊張的矛盾，同時(shí)高校的一些機(jī)構(gòu)也在不斷地改革變化，這些都給高校的管理帶來了前所未有的發(fā)展和挑戰(zhàn)。在這樣的形勢(shì)下，高校應(yīng)如何以最小的代價(jià)獲得最大的發(fā)展成為一個(gè)急待解決的新課題。具體來說，現(xiàn)在要求高校領(lǐng)導(dǎo)層從整體的、宏觀的角度認(rèn)清形勢(shì)，解決問題，優(yōu)化教育資源配置，提高教育資源利用率。為此，將數(shù)據(jù)挖掘技術(shù)應(yīng)用于現(xiàn)在的教務(wù)管理系統(tǒng)則顯得十分必要。該系統(tǒng)的各項(xiàng)功能除了滿足日常簡(jiǎn)單的查詢、統(tǒng)計(jì)和維護(hù)、全局統(tǒng)籌規(guī)劃管理高校各種信息、協(xié)調(diào)各部門工作順利開展，還能夠?yàn)楦咝Q策者提供有關(guān)教育形勢(shì)的瞬時(shí)變化、發(fā)展趨勢(shì)以及通過高科技手段來開發(fā)歷史數(shù)據(jù)，提取隱含在其中的事先未知的、潛在的、深層次的、有價(jià)值的信息，以利于管理和決策的開展和進(jìn)行。

1 數(shù)據(jù)挖掘技術(shù)及其應(yīng)用

1.1 數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘(Data Mining)，也叫數(shù)據(jù)開采、數(shù)據(jù)采掘。就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程。它是一種決策支持過程，挖掘所得出的知識(shí)可以被用于信息管理、查詢優(yōu)化、決策支持、過程控制等，還可以用于數(shù)據(jù)自身的維護(hù)。數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中提取或“挖掘”知識(shí)。數(shù)據(jù)挖掘應(yīng)該更正確地命名為“從數(shù)據(jù)中挖掘知識(shí)”。也可以說，數(shù)據(jù)挖掘是一類深層次的數(shù)據(jù)分析。

數(shù)據(jù)挖掘是一門廣義的交叉學(xué)科，它匯聚了不同領(lǐng)域的研究者，尤其是數(shù)據(jù)庫(kù)、人工智能、數(shù)理統(tǒng)計(jì)、可視化、并行計(jì)算等方面的學(xué)者和工程技術(shù)人員的研究成果。

1.2 數(shù)據(jù)挖掘的功能

數(shù)據(jù)挖掘不僅能對(duì)過去的數(shù)據(jù)進(jìn)行查詢，并且能夠?qū)淼内厔?shì)和行為進(jìn)行預(yù)測(cè)，并自動(dòng)探測(cè)以前未發(fā)現(xiàn)的模式。概括起來，數(shù)據(jù)挖掘主要有五大功能，即自動(dòng)預(yù)測(cè)趨勢(shì)和行為、關(guān)聯(lián)分析、聚類、概念描述和偏差檢測(cè)。

1)自動(dòng)預(yù)測(cè)趨勢(shì)和行為

數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫(kù)中尋找預(yù)測(cè)性信息，以往需要進(jìn)行大量手工分析的問題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。一個(gè)典型的例子是市場(chǎng)預(yù)測(cè)問題，數(shù)據(jù)挖掘使用過去有關(guān)促銷的數(shù)據(jù)來尋找未來投資中回報(bào)最大的用戶，其它可預(yù)測(cè)的問題包括預(yù)報(bào)破產(chǎn)以及認(rèn)定對(duì)指定事件最可能作出反應(yīng)的群體。

2)關(guān)聯(lián)分析

數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫(kù)中存在的一類重要的可被發(fā)現(xiàn)的知識(shí)。若兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)。關(guān)聯(lián)可分為簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、因果關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)。有時(shí)并不知道數(shù)據(jù)庫(kù)中數(shù)據(jù)的關(guān)聯(lián)函數(shù)，即使知道也是不確定的，因此關(guān)聯(lián)分析生成的規(guī)則帶有可信度。

3)聚類

數(shù)據(jù)庫(kù)中的記錄可被化分為一系列有意義的子集，即聚類。聚類增強(qiáng)了人們對(duì)客觀現(xiàn)實(shí)的認(rèn)識(shí)，是概念描述和偏差分析的先決條件。聚類技術(shù)主要包括傳統(tǒng)的模式識(shí)別方法和數(shù)學(xué)分類學(xué)。80年代初，Mchalski提出了概念聚類技術(shù)牞其要點(diǎn)是，在劃分對(duì)象時(shí)不僅考慮對(duì)象之間的距離，還要求劃分出的類具有某種內(nèi)涵描述，從而避免了傳統(tǒng)技術(shù)的某些片面性。

4)概念描述

概念描述就是對(duì)某類對(duì)象的內(nèi)涵進(jìn)行描述，并概括這類對(duì)象的有關(guān)特征。概念描述分為特征性描述和區(qū)別性描述，前者描述某類對(duì)象的共同特征，后者描述不同類對(duì)象之間的區(qū)別。生成一個(gè)類的特征性描述只涉及該類對(duì)象中所有對(duì)象的共性。生成區(qū)別性描述的方法很多，如決策樹方法、遺傳算法等。

5)偏差檢測(cè)

數(shù)據(jù)庫(kù)中的數(shù)據(jù)常有一些異常記錄，從數(shù)據(jù)庫(kù)中檢測(cè)這些偏差很有意義。偏差包括很多潛在的知識(shí)，如分類中的反常實(shí)例、不滿足規(guī)則的特例、觀測(cè)結(jié)果與模型預(yù)測(cè)值的偏差、量值隨時(shí)間的變化等。偏差檢測(cè)的基本方法是，尋找觀測(cè)結(jié)果與參照值之間有意義的差別。

1.3 數(shù)據(jù)挖掘的任務(wù)

數(shù)據(jù)挖掘的任務(wù)主要有關(guān)聯(lián)分析、聚類分析、分類、預(yù)測(cè)、時(shí)序模式、偏差分析等。

1) 關(guān)聯(lián)分析(Association Analysis)

兩個(gè)或兩個(gè)以上數(shù)據(jù)項(xiàng)的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)，可建立起這些數(shù)據(jù)項(xiàng)的關(guān)聯(lián)規(guī)則。數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫(kù)中存在的一類重要可被發(fā)現(xiàn)的知識(shí)，它反映一個(gè)事件和其他事件之間依賴或關(guān)聯(lián)。如果或多項(xiàng)屬性之間存在關(guān)聯(lián)，那么其中一項(xiàng)的屬性值就可以依據(jù)其他屬進(jìn)行預(yù)測(cè)。

2) 聚類分析(Clustering)

聚類是把數(shù)據(jù)按照它們的相似性歸納成若干類別，同一類別中的數(shù)據(jù)距離較小、彼此相似，不同類別中的數(shù)據(jù)距離偏大、彼此相異。聚類分析建立宏觀的概念，發(fā)現(xiàn)數(shù)據(jù)的分布模式，以及可能的數(shù)據(jù)屬性之間的關(guān)系。

3) 分類(Classification)

分類是數(shù)據(jù)挖掘中應(yīng)用得最多的任務(wù)。分類就是找出一個(gè)類別的概念，并用這種描述來構(gòu)造模型(一般用規(guī)則或決策樹模式表示)。類別概念描述代表著這類數(shù)據(jù)的整體信息，也就是該類的內(nèi)涵描述。

分類的內(nèi)涵描述分為:特征描述和辨別性描述。特征描述是對(duì)類中對(duì)象同特征的描述。辨別性描述是對(duì)兩個(gè)或多個(gè)類之間的區(qū)別的描述。

分類的過程是:分析輸入數(shù)據(jù)，通過在訓(xùn)練集中的數(shù)據(jù)所表現(xiàn)出來的，經(jīng)過有關(guān)算法，為每一個(gè)類找到一種準(zhǔn)確的描述或者模型，并使用分類的描述對(duì)未來的測(cè)試數(shù)據(jù)進(jìn)行分類。

4) 預(yù)測(cè)(Predication)

預(yù)測(cè)是利用歷史數(shù)據(jù)找出變化規(guī)律，建立模型，并由此模型對(duì)未來數(shù)種類及特征進(jìn)行預(yù)測(cè)。典型的預(yù)測(cè)方法是回歸分析，即利用大量的歷史數(shù)據(jù)，以時(shí)間為變量線性或非線性回歸方程。預(yù)測(cè)時(shí)，只要輸入任意的時(shí)間值，通過回歸就可求出該時(shí)間的狀態(tài)。

5) 時(shí)序模式(Time-Series Pattern)

時(shí)序模式是指通過時(shí)間序列搜索出的重復(fù)發(fā)生概率較高的模式。與回歸一樣，它也是用己知的數(shù)據(jù)預(yù)測(cè)未來的值，但這些數(shù)據(jù)的區(qū)別是變量所處時(shí)間的不同。在時(shí)序模式中，需要找出在某個(gè)最小時(shí)間內(nèi)出現(xiàn)比率一直高于某一最小百分比(最小支持度閾值)的規(guī)則。這些規(guī)則會(huì)隨著形勢(shì)的變化作適當(dāng)?shù)恼{(diào)整。

6) 偏差分析(Deviation)

數(shù)據(jù)庫(kù)中的數(shù)據(jù)存在很多異常情況，發(fā)現(xiàn)數(shù)據(jù)庫(kù)中數(shù)據(jù)存在的異常情況是非常重要的。偏差包括很多潛在的知識(shí)，如分類中的反常實(shí)例、不滿足規(guī)則的特例、觀測(cè)結(jié)果與模型預(yù)測(cè)值的偏差、量值隨時(shí)間的變化等。偏差檢測(cè)的基本方法是，尋找觀測(cè)結(jié)果與參照值之間有意義的差別。

1.4 數(shù)據(jù)挖掘的過程

數(shù)據(jù)挖掘的過程一般包括:確定挖掘?qū)ο蟆?zhǔn)備數(shù)據(jù)、建立模型、數(shù)據(jù)挖掘和結(jié)果分析與知識(shí)應(yīng)用這幾個(gè)階段。如圖1所示。

1.5 數(shù)據(jù)挖掘技術(shù)在獨(dú)立學(xué)院教務(wù)管理中的應(yīng)用

1)分析與學(xué)習(xí)成績(jī)有關(guān)的因素

通過管理信息系統(tǒng)找到相關(guān)數(shù)據(jù):包括學(xué)生家庭出身情況、學(xué)生的晚自習(xí)出勤情況，學(xué)生平均每月平均借閱情況、學(xué)生平均每月在宿舍住宿天數(shù)、學(xué)生每月平均消費(fèi)、學(xué)生每月參加實(shí)踐活動(dòng)的平均次數(shù)、學(xué)生的平均成績(jī)。學(xué)生家庭出身情況可以從檔案管理系統(tǒng)中得到;學(xué)生平均每月借閱情況可以從圖書館管理系統(tǒng)中得到;學(xué)生平均每月在宿舍住宿天數(shù)、學(xué)生每月平均消費(fèi)可以從校園卡管理系統(tǒng)中得到;學(xué)生晚自習(xí)出勤情況和每月參加實(shí)踐活動(dòng)的次數(shù)可以從校園辦公自動(dòng)化系統(tǒng)中的電子文件中得到;學(xué)生的平均成績(jī)可以從教務(wù)管理系統(tǒng)中得到。通過關(guān)聯(lián)分析算法對(duì)每一個(gè)學(xué)生的這些數(shù)據(jù)進(jìn)行分析，可以得出哪些是影響學(xué)生成績(jī)的重要因素，哪些是次要因素，哪些是無關(guān)因素。

2)指導(dǎo)計(jì)算機(jī)教學(xué)工作

全國(guó)計(jì)算機(jī)等級(jí)考試是由國(guó)家教育部考試中心主辦的全國(guó)性計(jì)算機(jī)認(rèn)證考試，用于測(cè)試計(jì)算機(jī)應(yīng)用知識(shí)的掌握程度和上機(jī)實(shí)際操作能力。近幾年來，等級(jí)考試的規(guī)模逐年擴(kuò)大，但通過率有逐年下降趨勢(shì)。為了科學(xué)、客觀地分析等級(jí)考試通過率和預(yù)測(cè)通過人數(shù)，更好地指導(dǎo)考試工作，近年來新興的數(shù)據(jù)挖掘技術(shù)，采用分類分析中的決策樹方法，對(duì)考點(diǎn)的等級(jí)考試成績(jī)數(shù)據(jù)實(shí)施了數(shù)據(jù)挖掘，從中發(fā)現(xiàn)了潛在的模式，總結(jié)知識(shí)并結(jié)合考點(diǎn)的實(shí)際，為考試工作提出了建設(shè)性意見，進(jìn)一步明確了計(jì)算機(jī)教學(xué)方向。

3)優(yōu)化課程設(shè)置

學(xué)生的課程學(xué)習(xí)應(yīng)該是循序漸進(jìn)的，課程之間也存在一定的關(guān)聯(lián)與依承關(guān)系。哪些課程應(yīng)該在前，哪些應(yīng)該在后，哪些適宜同時(shí)進(jìn)行，其中原因的揭示，就可以通過數(shù)據(jù)挖掘技術(shù)來實(shí)現(xiàn)。對(duì)教學(xué)系統(tǒng)數(shù)據(jù)庫(kù)存放的歷屆學(xué)生各門課程的考試成績(jī)數(shù)據(jù)，通過數(shù)據(jù)挖掘的關(guān)聯(lián)分析與時(shí)間序列分析，便可以歸納出影響學(xué)生成績(jī)的普遍性原因，進(jìn)而得出此課程與彼課程之間的關(guān)聯(lián)關(guān)系與依承程度。再將這些信息用于指導(dǎo)課程設(shè)置和課程教學(xué)安排，必然有助于提高教與學(xué)的效率，并不斷使得學(xué)生的知識(shí)結(jié)構(gòu)更加合理。

4)指導(dǎo)高校就業(yè)工作

畢業(yè)生的就業(yè)相關(guān)數(shù)據(jù)和數(shù)據(jù)庫(kù)的規(guī)模急劇增長(zhǎng)，傳統(tǒng)的數(shù)據(jù)庫(kù)管理系統(tǒng)的查詢檢索機(jī)制和統(tǒng)計(jì)分析方法已不能滿足現(xiàn)實(shí)的需要，迫切要求能夠自動(dòng)地、智能地和快速地從數(shù)據(jù)庫(kù)中挖掘出有用的信息和知識(shí)。因此，可運(yùn)用數(shù)據(jù)挖掘理論中的決策樹方法，對(duì)高校就業(yè)管理系統(tǒng)中的數(shù)據(jù)進(jìn)行分析，運(yùn)用決策樹算法構(gòu)造決策樹，提取規(guī)則知識(shí)，發(fā)現(xiàn)決策屬性對(duì)就業(yè)類別的影響，從而為學(xué)校領(lǐng)導(dǎo)提供決策支持:提高就業(yè)率、提高就業(yè)層次、改進(jìn)現(xiàn)行培養(yǎng)機(jī)制。

2 結(jié)束語(yǔ)

本文通過介紹數(shù)據(jù)挖掘的基本概念、基本功能、主要任務(wù)和數(shù)據(jù)挖掘的一般過程，結(jié)合現(xiàn)有獨(dú)立學(xué)院教務(wù)管理中的相關(guān)信息，對(duì)數(shù)據(jù)挖掘技術(shù)在教務(wù)管理系統(tǒng)中的應(yīng)用進(jìn)行討論。包括利用數(shù)據(jù)挖掘中的關(guān)聯(lián)分析技術(shù)分析與學(xué)習(xí)成績(jī)有關(guān)的因素;采用分類分析中的決策樹方法，對(duì)考點(diǎn)的等級(jí)考試成績(jī)數(shù)據(jù)實(shí)施了數(shù)據(jù)挖掘，明確了計(jì)算機(jī)教學(xué)方向;根據(jù)歷屆學(xué)生各門課程的考試成績(jī)數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，用于指導(dǎo)課程設(shè)置和課程教學(xué)安排;運(yùn)用分類分析中的決策樹方法，對(duì)高校管理系統(tǒng)中的就業(yè)數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)決策屬性對(duì)就業(yè)類別的影響。以上討論數(shù)據(jù)挖掘在獨(dú)立學(xué)院教務(wù)管理中應(yīng)用的幾個(gè)方面，而其在教學(xué)的其它方面也有其應(yīng)用的意義。數(shù)據(jù)挖掘技術(shù)在獨(dú)立學(xué)院教務(wù)管理中的應(yīng)用前景必然會(huì)非常廣闊。

參考文獻(xiàn):

[1] 賈志強(qiáng)，李濤.高校管理中數(shù)據(jù)挖掘技術(shù)的應(yīng)用[J].福建電腦，2008(1):170-171.

[2] 嚴(yán)忠貞.高校教學(xué)質(zhì)量評(píng)價(jià)信息系統(tǒng)中數(shù)據(jù)挖掘技術(shù)的研究與應(yīng)用[J].科教論叢，241.

[3] 潘鋒.淺談數(shù)據(jù)挖掘技術(shù)在高校教學(xué)管理中的應(yīng)用[J].重慶科技學(xué)院學(xué)報(bào)，2008(4):100-101.

[4] 何文秀.數(shù)據(jù)挖掘技術(shù)在高校就業(yè)工作中的應(yīng)用研究[J].現(xiàn)代計(jì)算機(jī)，2008(279):90-92.

[5] 牛慧卿.數(shù)據(jù)挖掘在高校管理信息系統(tǒng)中的應(yīng)用研究[J].機(jī)械管理開發(fā)，2007，23(1):131-133.

[6] 張震，胡學(xué)鋼，張亞萍.數(shù)據(jù)挖掘在高校課堂教學(xué)質(zhì)量評(píng)價(jià)體系中的應(yīng)用[J].電腦開發(fā)與應(yīng)用，2007，20(2):41-42.

[7] 劉艷霞.數(shù)據(jù)挖掘中聚類分析技術(shù)的研究與應(yīng)用[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2008，18(6):156-157.

[8] 邱月.數(shù)據(jù)挖掘方法在學(xué)生成績(jī)?cè)u(píng)價(jià)中的應(yīng)用科技信息[J]，2008(9):76-77.