
【摘 要】數據挖掘技術是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中,提取隱含在其中的有用信息和知識的過程.高校中學生管理工作是很繁瑣,采用數據挖掘技術能夠有效解決學生工作的繁瑣問題,高效有序實現高效學生管理。
【關鍵詞】高校;學生;管理;數據挖掘
一、數據挖掘簡介
數據挖掘(DataMninig,簡稱DM)就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中,提取隱含在其中的、人們事先不知道的、但又有潛在的有用信息和知識的過程,是數據庫中的知識發現(簡稱KDD)的核心。知識發現(KDD)被認為是從數據中發現有用知識的整個過程。數據挖掘只是數據庫中知識發現的一個步驟,但又是最重要的一步,它用專門算法從數據中抽取模式。人們把原始數據看作是形成知識的源泉,就像從礦石中采礦一樣。原始數據可以是結構化的,如關系型數據庫中的數據,也可以是半結構化的,如文本、圖形、圖像數據,甚至是分布在網絡上的異構型數據。發現知識的方法可以是數學的,也可以是非數學的;可以是演繹的,也可以是歸納的。發現了的知識可以被用于信息管理、查詢優化、決策支持、過程控制等,還可以用于數據自身的維護。因此,數據挖掘是一門廣義的交叉學科,它匯聚了不同領域的研究者,尤其是數據庫、人工智能、數理統計、可視化、并行計算等方面的學者和工程技術人員。因為數據挖掘算法的好壞將直接影響到KDD所發現知識的準確性,而且目前KDD研究大部分集中在數據挖掘算法和應用的技術上,因此人們往往不嚴格區分數據挖掘和數據庫中的知識發現,兩者互為使用。一般在科研領域中稱為KDD,而在工程領域則稱為數據挖掘。
二、數據挖掘過程
KDD過程如圖1所示。KDD過程可以概括為三部分:數據預處理(Data preproeessing),數據挖掘(DataMining)及結果的解釋和評估(Interpretation ?&Evaluation)。
三、數據挖掘在高校學生管理工作中的應用
(一)學生行為預測
往往在高校學生管理過程中, 通常會建立起存儲學生各種信息的數據庫。 我們可以通過數據庫的優化和整合而得到一個學生管理工作的數據倉庫。 在庫中記錄著各屆學生的學習、工作、社會活動、獎勵、處罰等情況,利用數據挖掘的關聯分析,尋找學生各種行為活動之間的內在聯系。如“當存在 A,B 時可以推出 C”這樣的規則,即當有 A 行為和 B 行為發生時,還會有 C 行為。在實際情境中,如果發現學生已有 A,B 行為時,馬上可以分析其產生 C 行為的可能性, 及時制定策略促進或制止 C 行為的發生。 這樣的行為預測如果能很好的運用到學生心理健康教育、 危機干預、 素質拓展等方面, 那么將可以給學生工作者提供非常有參考價值的信息。
(二)招生就業管理
在招生方面:利用數據挖掘技術, 通過對學生的高考成績個人資料,在校成績等信息進行分析,建立科學、高效的校園招生管理系統, 不僅能夠提高生源素質、 縮短工作流程,同時能夠為招生計劃的擬訂提供科學的依據, 為整個招生工作提供決策支持。在就業方面:利用數據挖掘技術, 分析畢業生的就業情況和他們的畢業學校、 所學專業、 學歷、 學制、 學生性別、 是否黨員、 生源地等有著什么關聯。 這對學生就業指導部門的工作提供了有益的參考, 而且可以指導科學合理的人才培養方案的制定, 提高大學生的競爭實力。
(三)學生工作評估體系的研究
學生工作評估體系是用來衡量學生工作部門工作能力、方法水平、 辦事效率等的標準。 學生工作評估值是人們對平時學生工作管理過程的量化評價, 影響到學校的政策、 投資的傾向。目前在全國大多數高校中, 針對學生工作的考核辦法多種多樣, 但更多的是取決于經驗上的判斷, 再加上少數的量化指標。 學校對學生工作所制定的政策和進行的投入在很大程度上取決于學生工作評估值, 把評估值作為全面衡量學生工作的系列指標。 學生工作評估體系應該是高校學生工作管理者根據多年的管理經驗并在征求各基層工作人員意見的基礎上制定出來的。 它的合理性也同樣取決于經驗, 由于多方面的原因很少有人用科學的方法評價過它的合理性, 而它的不合理會影響學生工作考核的結果, 對未來工作的開展帶來阻礙。 利用數據挖掘技術中的關聯規則就學生工作評估體系中權重設置的合理性問題進行分析, 可以建立合理性評價系統。
四、結束語
通過上述應用的討論, 可見數據挖掘技術在高校學生管理工作中能夠為管理者提供重要的、 富有價值的信息或知識,從而產生不可估量的作用。 在高校學生管理工作中推廣應用是有現實意義的。
作者簡介:秦良斌,講師,陜西渭南人,就職于長江大學動物科學學院,主要從事高校學生管理工作。
參考文獻:
[1]王偉鳴.教育信息的關聯規則挖掘.上海海運學院碩士研究生學位論文.2003.10.
[2]于承敏.數據挖掘(Data Mining)技術運用于教育領域之探討.聊城大學學報(自然科學)