數(shù)據(jù)挖掘理論在狀態(tài)數(shù)據(jù)采集平臺上的應用

【摘 要】 人才培養(yǎng)工作狀態(tài)數(shù)據(jù)采集平臺是高職院校評估的基礎，在高職院校的管理工作中，發(fā)揮著越來越重要的作用。借鑒數(shù)據(jù)挖掘理論，強化平臺數(shù)據(jù)分析，使數(shù)據(jù)轉(zhuǎn)化成“有效信息”，為高職院校的管理和決策提供依據(jù)，是一種切實可行的方法。

【關(guān)鍵詞】數(shù)據(jù)挖掘 狀態(tài)數(shù)據(jù) 采集平臺

【文獻編碼】 doi:10.3969/j.issn.0450-9889（C）.2011.02.055

作為高職院校新評估方案的一個重要組成部分，“高等職業(yè)院校人才培養(yǎng)工作狀態(tài)數(shù)據(jù)采集平臺”（以下簡稱“數(shù)據(jù)采集平臺”）自2008年正式公布實施以來，其建設與管理工作一直得到各高職院校的高度重視。許多院校設立了專門的工作機構(gòu)、出臺了相關(guān)的管理制度，甚至開發(fā)了網(wǎng)絡版的數(shù)據(jù)采集平臺。數(shù)據(jù)采集平臺服務于評估工作，服務于學校管理與教學工作的功能日益凸顯，其管理與建設正在得到越來越多的關(guān)注與投入。

但是，數(shù)據(jù)采集平臺畢竟是個新生事物，理解平臺框架內(nèi)在的邏輯關(guān)系，需要一個過程；聚合平臺相關(guān)聯(lián)的數(shù)據(jù)，使之轉(zhuǎn)化成有助于學院管理與教學決策的有效信息，也需要一種數(shù)據(jù)分析的新方法。在實際工作中常常可以看到，由于理解的偏差與技術(shù)方法的缺失，數(shù)據(jù)采集平臺在不少高職院校中還只是每年填報時才會用到的一個系統(tǒng)，填報之后往往就束之高閣。其應有的功能，尤其是服務于學院日常管理、教學工作的功能并未得到充分的發(fā)揮。而這些功能，卻又恰恰是教育部“高等職業(yè)院校人才培養(yǎng)工作評估研究課題組”的專家們設計與推行這一平臺的初衷。不注重這些功能的挖掘與發(fā)揮，或者僅僅注重平臺服務于評估工作的功能，對于數(shù)據(jù)采集平臺的利用，顯然是遠遠不夠的。因此，找到并使用恰當?shù)臄?shù)據(jù)分析的技術(shù)與方法，是問題的關(guān)鍵與當下迫切需要解決的問題。本文擬就此問題進行初步探索與討論。

一、 數(shù)據(jù)挖掘理論在數(shù)據(jù)采集平臺上的應用基礎

所謂數(shù)據(jù)采集平臺，其實就是一個由海量數(shù)據(jù)構(gòu)成的數(shù)據(jù)倉庫。根據(jù)最新的版本，整個平臺采集一次便可產(chǎn)生多達50萬以上的數(shù)據(jù)量，如果實現(xiàn)網(wǎng)絡版平臺動態(tài)采集，則產(chǎn)生的數(shù)據(jù)還會更多，其“數(shù)據(jù)倉庫”的特征還會更為明顯。根據(jù)知識管理的理論，單純的數(shù)據(jù)本身是不會提供太多有價值的信息的，要使得“數(shù)據(jù)”轉(zhuǎn)化成“有效信息”，就需要找到合適的數(shù)據(jù)分析方法，聚合相關(guān)聯(lián)的散見于“數(shù)據(jù)倉庫”中的各種數(shù)據(jù)，進行大量的數(shù)據(jù)分析。筆者認為，在這一過程中，一種新興的、正在各行各業(yè)以數(shù)據(jù)分析為基礎的決策活動中扮演著越來越重要的角色的“數(shù)據(jù)挖掘”方法，其基本理論與思維方法，在數(shù)據(jù)采集平臺的建設與管理中，同樣有著廣闊的應用價值與意義。

數(shù)據(jù)挖掘（Data Mining），就是從大量的、模糊的、隨機的實際數(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的過程，它是數(shù)據(jù)庫技術(shù)發(fā)展到一定階段而應運而生的一種新的信息處理技術(shù)，其主要特點就是對數(shù)據(jù)庫中的大量業(yè)務數(shù)據(jù)進行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取輔助決策的關(guān)鍵性數(shù)據(jù)。簡而言之，這是一種深層次的數(shù)據(jù)分析方法，它的價值就在于，它與傳統(tǒng)的分析方法有著本質(zhì)區(qū)別，傳統(tǒng)的數(shù)據(jù)分析方法是有著強烈指向性的，其目的是用結(jié)果來驗證預設命題的正確與否，或者是對預設模型的作用機理作量化分析；數(shù)據(jù)分析則是在沒有明確假設的前提下挖掘信息、發(fā)現(xiàn)關(guān)聯(lián)，得出那些不能靠直覺發(fā)現(xiàn)，甚至違背直覺的信息或知識。挖掘出的信息越是出乎意料，就可能越有價值。從這個意義上說，數(shù)據(jù)挖掘是對傳統(tǒng)數(shù)據(jù)分析方法的革命性創(chuàng)新。

而實際上，經(jīng)過教育部專家組的不斷完善，數(shù)據(jù)采集平臺自公布3年以來在結(jié)構(gòu)和采集信息量上也發(fā)生了很大的變化，就版本而言，從最初的08c版，升級到09a版，最終發(fā)展現(xiàn)在的10a001版，采集字段由最初的594個字段增加到750個字段，匯總部分字段由110個增加到157個，每次采集所產(chǎn)生的數(shù)據(jù)多達數(shù)十萬。采集字段的增加，不但大大擴充了數(shù)據(jù)采集平臺的信息容量，使之越來越具備“數(shù)據(jù)倉庫”的特征，更重要的是使得數(shù)據(jù)與數(shù)據(jù)之間的關(guān)聯(lián)度加大，這自然成為數(shù)據(jù)挖掘的數(shù)據(jù)基礎，客觀上為使用數(shù)據(jù)挖掘的理論方法進行數(shù)據(jù)分析提供了更便利的條件。

二、 數(shù)據(jù)挖掘理論在數(shù)據(jù)采集平臺上的具體應用

數(shù)據(jù)挖掘理論的主要方法，一般有分類、估計、關(guān)聯(lián)、聚類和細分或預測等，它的很多基礎理論和思維方式在數(shù)據(jù)采集平臺中有著廣闊的應用空間。其中，關(guān)聯(lián)規(guī)則挖掘理論和聚類分析理論最為簡單可行，易于理解。

關(guān)聯(lián)規(guī)則挖掘理論認為，孤立的、單獨的數(shù)據(jù)，不形成信息，但將多個相互關(guān)聯(lián)的數(shù)據(jù)集中起來，則可以多方位、多角度地呈現(xiàn)某一事物的全貌并對之進行價值判斷。對于初次接觸平臺的人而言，在數(shù)據(jù)采集平臺的應用中，要依據(jù)其中海量的信息去對一所學院的人才培養(yǎng)工作的方方面面作出判斷，往往無從下手；只會割裂地、孤立地看待一個個表格中的數(shù)據(jù)，找不到數(shù)據(jù)與數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，更不能通過聚合這些相互關(guān)聯(lián)的數(shù)據(jù)，全面呈現(xiàn)人才培養(yǎng)工作中的某一個“關(guān)鍵要素”的工作狀態(tài)，進而分析其存在的問題，為下一步的工作決策提供幫助。這時候，關(guān)聯(lián)規(guī)則挖掘的方法，則可以給我們很多啟示。筆者在應用中發(fā)現(xiàn)，數(shù)據(jù)采集平臺只提供數(shù)據(jù)，分析任何一個“關(guān)鍵要素”的現(xiàn)狀，都需要挖掘出采集平臺中與之相關(guān)的每一個數(shù)據(jù)，呈現(xiàn)數(shù)據(jù)和指標（項）之間有趣的關(guān)聯(lián)規(guī)則或相關(guān)關(guān)系。

例如，當分析一所學院“兼職教師隊伍”建設的狀況時，首先接觸的就是“兼職教師的數(shù)量”這個數(shù)據(jù)。孤立地看待這個數(shù)據(jù)，反映不出太多的信息量，最多就是知道該所學院目前具備多少兼職教師。但是，如果將兼職教師數(shù)量與全院的教師總數(shù)作比對，就可以知道兼職教師在整個師資隊伍中所占的比例；如果將兼職教師數(shù)量與全院的專業(yè)設置數(shù)作比對，就可以知道每個專業(yè)平均的兼職教師數(shù)；如果將兼職教師數(shù)量與他們?nèi)握n總量來做比對，就可以知道兼職教師的平均任課量；如果將兼課教師任課總量與全院的總課時量作比對，就可以知道兼職教師在整個教學工作中所占的比重，等等。所有這些拿來比對的數(shù)據(jù)，分散于平臺的不同部分，但與“兼職教師隊伍”之間，卻又有著很多內(nèi)在的關(guān)聯(lián)。對這些有關(guān)聯(lián)的數(shù)據(jù)進行挖掘，最終又可以很直觀地反映出某一方面工作的狀態(tài)情況。在將這些數(shù)據(jù)聚合起來后，就能直接地反映諸如“學院領導班子高職教育理念及對師資隊伍建設的重視程度”、“學校師資隊伍建設總體思路及師資隊伍建設規(guī)劃是否符合學校建設發(fā)展需要，可實施性怎樣”、“校企合作的深度及校企合作的長效機制的建立”等問題。它們的關(guān)系如表1所示。

表 1

又如，“校企合作”是高職院校辦學的要求與特色，為此，各高職院校均努力與行業(yè)、企業(yè)建立合作關(guān)系。數(shù)據(jù)采集平臺中也會呈現(xiàn)每個學院的合作企業(yè)數(shù)量。但單純地觀察這個數(shù)據(jù)是無從判斷“校企合作”的深度的。如果利用關(guān)聯(lián)規(guī)則挖掘的思維方法，充分挖掘與“合作企業(yè)數(shù)”之間存在潛在關(guān)系的其他數(shù)據(jù)，如“共同開發(fā)教材數(shù)”、“企業(yè)提供兼職教師數(shù)”、“共同開發(fā)課程數(shù)”、“接收頂崗學生數(shù)”、“接收畢業(yè)生就業(yè)數(shù)”、“學院為企業(yè)培訓員工數(shù)”、“學院提供技術(shù)服務產(chǎn)值”、“教師橫向技術(shù)開發(fā)項目數(shù)”等，將這些不同角度存在于多個位置的關(guān)聯(lián)數(shù)據(jù)集中比對，則可以直接得出對該學院“校企合作”深度狀態(tài)的一個判斷，為學院的工作決策提供堅實的基礎。

不同的數(shù)據(jù)，尋找出其潛在的關(guān)聯(lián)關(guān)系，固然能生成很多有效信息；同一類數(shù)據(jù)，按照“聚類分析”的思路進行整合，也同樣能呈現(xiàn)豐富的信息。這種思維方法，在反映某一方面工作的歷時性狀態(tài)或者部門與部門間的差異時，具有較強的可行性。

以某學院為例，我們可以通過表2，來觀察衡量其基本辦學條件的“生師比”情況：

表2

表2很直觀地反映出“生師比”這一數(shù)據(jù)幾年來的變化情況，表中至少透露出以下幾個信息：一是3個學年度以來，該學院的招生規(guī)模是在不斷擴大的；二是隨著招生規(guī)模的擴大，教師數(shù)量也在不斷增加；三是生師比不斷提高，由最初的超過優(yōu)秀標準逐漸接近合格標準。不難判斷：該學院的教師增長量跟不上招生規(guī)模的增長量，需要強化師資隊伍的建設。

我們可以聚合不同系部的同一類數(shù)據(jù)，來觀察系部間的差距（見表3）。

表3

單純一個系部的數(shù)據(jù)，還反映不出太多的信息，但如果將幾個系部的同一類數(shù)據(jù)進行聚合，則信息可以立即豐富起來，各個系部專業(yè)教師能力水平的差距可謂一目了然。各個系部對于專業(yè)教師能力水平培養(yǎng)的重視程度與工作效果，也很容易進行判斷。

類似這樣的例子還可以舉出很多，工作實踐表明，廣泛地借鑒“數(shù)據(jù)挖掘”的相關(guān)理論，充分挖掘采集平臺的各類數(shù)據(jù)，有效地轉(zhuǎn)化成各種“信息”，使之服務于、作用于高職院校的人才培養(yǎng)評估工作，更服務于高職院校的教學與管理工作，是一條切實可行的路子。隨著采集平臺建設的不斷深入，采集平臺各個方面的數(shù)據(jù)積累越來越大，數(shù)據(jù)挖掘?qū)诟呗氃盒９芾淼母鱾€領域發(fā)揮更大的積極作用。

（責編 吳 筱）

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文