數據挖掘在醫學院校教務管理系統中的應用與思考*

◆王磊 王毅

作者：王磊，濱州醫學院教務處現代教育技術中心實驗師，主要研究方向為醫學教育技術和網絡教學；王毅，濱州醫學院教務處，主要研究方向為教學管理（264003）。

1 醫學院校教務管理系統的應用現狀

教學管理是醫學院校管理工作的中心組成部分，教學管理水平直接影響著教學質量。近年來，國家教育教學改革不斷推進，尤為突出的是醫學教育改革。因此，醫學院校的教育教學工作出現很多新變化、新問題，一直延續下來的教學管理模式面臨諸多挑戰[1]。

教務管理系統的拓展性不夠 濱州醫學院的教務管理系統是2007年購入并開始使用的。隨著醫學教育改革的深入，學校的辦學規模不斷擴大，專業已由2007年的18個專業方向發展為現在的26個專業方向，雖然教務系統的供貨廠家提供過幾次小的升級，但因其本身拓展性不夠，無法進行更大范圍的升級，已不能滿足現有的需求。

政策體制和機制亟待完善 教務處作為教務管理系統的主要使用和管理部門，在出臺相應政策體制和機制方面有些不足。學校正在大力推進校院兩級管理，教務處作為學校教學的 核心部門也應該做到簡政放權，當好學校層面的決策者和二級學院層面的監督者，把制定政策作為主要任務來抓，對各個學院的教學管理工作予以指導，并加強監督。通過獎勵機制提高二級學院教科辦管理人員和一線教師使用教務管理系統的積極性，真正使教學管理信息化上一個新臺階。

教學管理的信息化不夠 醫學院校把信息化建設作為重點來抓，而教務管理系統更是重中之重。濱州醫學院的教務管理系統的建設先于數字化校園，因此在后期數字化校園建設時，在對接、共享、兼容等各個方面都出現一定的問題，致使很多數據到現在都不能做到共享。前期包括網絡教學平臺等在內的各個管理系統均采用不同廠家的產品，使得后期的兼容整合就成了大問題。再就是一些新興待完善的模塊，像評教評學、教學研究、教材建設等，明顯的理念沒有滲透其中，開發利用不足。

2 數據挖掘研究現狀

何為數據挖掘 數據挖掘在普遍意義上講是指通過算法搜索、發現、提取隱藏在某些大量數據中的潛在信息的過程。它以大規模的數據作為其研究對象，通過分析數據找出他們之間的規律和聯系，在未來的數據庫開發中將其作為重要規律應用其中。探索新模式、發現新知識、建立新模型是數據挖掘的最重要目的。

研究現狀 數據挖掘方面的研究已成為數據研究領域最重要和最主要的研究方向之一[2]。20世紀90年代中期在加拿大蒙特利爾召開的第一屆關于知識發現與數據挖掘的學術會議上，正式將數據挖掘技術作為工程方面的主要研究領域。相比于國外而言，由于起步比較晚，國內的數據挖掘研究進展相對緩慢，還處于發展階段，沒有形成具有獨自特色的成熟理論和技術。現在國外尤其是發達國家對于數據挖掘的研究已經非常成熟，通過面向大客戶大型數據庫的數據挖掘研發，為企業客戶提供全方位的數據保障。

3 對教務系統進行數據挖掘的背景

醫學院校使用信息系統來進行教學管理已有數年，以濱州醫學院所使用的正方教務管理系統為例，從2007年開始使用到現在已有七年，持續的運行積累了大量的教學管理信息，后臺服務器中存儲的數據已達近百個T。但是由于學校的校院兩級管理還在起步階段，教學管理的絕大部分工作還是由教務處來完成，再加上教務處人手緊缺，導致沒有專人也沒有專門時間深入教學管理信息數據的處理中去。僅有的數據處理也僅僅是線處理部分，對于隱藏在學生管理、培養方案、選課數據、成績管理、輔修等中的聯系和規律沒有進一步的探索，缺少對教學管理數據的深層次挖掘[3]。

2012年3月，教育部印發《教育信息化十年發展規劃（2011—2020年）》，挖掘發揮信息技術在高等教育中的深層次作用是對高等教育的新要求，其中涉及教學管理方面的包括建立完善信息基礎設施、優質教育資源的整合開發以及共建共享、建設高水平的高教精品課程、加強專業和課程的數字化建設、創新教與學的方式方法等[4]。相當多的醫學院校都初步實現教學管理的信息化，但是距離教育部的要求還是相差甚遠，對影響教育教學決策的數據都需要通過對教務管理系統進行數據挖掘，不僅僅是記錄教學管理的過程，更應該是為學校決策者提供重要依據，從而明確改革和前進的方向。

4 數據挖掘技術在醫學院校教務管理系統中的應用設想

通俗意義上講，在大量數據中“挖掘”規律、知識就是數據挖掘，其過程主要包括六個階段：問題理解、數據準備、數據解讀、數據建模、評估和展示[5]。經過大量文獻閱讀，結合教學管理工作實際，筆者認為以下數據挖掘方法在醫學院校教務管理系統中能有比較好的應用。

神經網絡技術 神經網絡技術是一種非線性的預測模型，主要是模仿生物復雜神經系統而構建出來的。它可以利用其抗干擾、聯想記憶、適用范圍廣等特性對大型的數據進行聚類分析、分類分析等數據挖掘。每年報考醫學院校的學生絕大部分是沖著醫學相關專業來的，有些是考生本人的選擇，而更多的則是家長的選擇。從專業的角度來看，很多學生是不符合專業培養要求的。神經網絡技術正好可以分析出某個專業適宜學習的學生特質，從而幫助學生選擇專業，進而為該專業的建設提供決策支持。

如濱州醫學院臨床醫學專業（本科）大一課程的設置上，除了設置主要的通識教育課（包括思想道德修養、中國近現代史綱要、大學英語等）之外，還設置了醫用物理學、醫用高等數學等醫學基礎課程。學生對以上課程學習完成之后，在教務系統中留下其在學習過程中主要環節表現及成績等的各種數據，通過分析這些數據，設定某些關鍵點或神經元，學生學習的過程中連接到該關鍵點或神經元，就表示其適應該專業的學習。

決策樹技術 決策樹技術是一種相對直觀的圖解分析法，在已知各種數據出現概率的基礎上，通過把現有數據構成決策樹來判斷其可行性和未知風險。由于決策分支圖形跟樹的枝干很相似，因此稱為決策樹。其中屬性測試用節點來表示，分支代表測試輸出，葉節點代表類別。決策樹技術應用十分廣泛，很多企業等都通過它來對客戶行為進行預測和分類。醫學院校在對教務系統進行數據挖掘時也常用到決策樹技術。

進入21世紀以來，濱州醫學院辦學規模持續擴大，2014年學校專業數量、學生數量都創歷史新高。隨著醫學教育改革的推進，各專業的人才培養方案需要不斷修訂和完善，在這個過程中就應用到了決策樹技術。通過對教務系統中歷年來學生的各種數據進行決策分析，挖掘出與人才培養方案修訂相關的數據。對于培養方案中設置的課程，通過挖掘出的數據判斷其是否有必要繼續開設或者有哪些方面需要改進，從而為修訂完善人才培養方案提供依據，進而提升專業的競爭力，提高醫學教育教學質量。教務處近期制定出臺《本專科人才培養方案管理辦法》，就將決策樹技術細化應用其中。

回歸分析技術 回歸分析技術是一種統計分析變量之間互相依存的定量關系的方法。按自變量數量的多少劃分，如果只有一個自變量，就稱為一元回歸分析；如果有兩個及兩個以上自變量，就稱為多元回歸分析。按因變量和自變量之間的相互關系類型劃分為線性和非線性。延伸開來，還能劃分出一元線性、一元非線性、多元線性、多元非線性等多種回歸分析技術。中國醫療衛生事業存在不少問題，醫生醫德好壞、醫術高低常常成為熱議焦點，如何培養醫德過硬、醫術過硬的醫生便成為醫學院校面臨的首要問題。

為保證醫學教學質量、培養醫學合格人才，從2011年開始，濱州醫學院實行學業警示制度。學生每學期必修課的考核及格門數必須達到一定比例，否則就面臨學業預警、留級、退學等后果。在這里就可以運用回歸分析技術對學生學習成績數據進行挖掘，通過SPSS軟件來完成統計分析。通過分析，不僅知道有哪些學生需要學業警示，更為重要的是要獲知學業警示學生的各種指標，包括男女生比例、警示學生所在專業分布、入學成績和學業警示的相關性[6]、不及格課程分布等，以便于對可能出現學業問題的學生進行提前預警，并對人才培養方案中課程的設置提供合理化建議。

聚類分析技術 聚類分析技術是一種通過對數據建模而達到數據簡化目的的方法，是一種探索性分析。它不需要提供分類標準，就能從基本數據開始，自動進行分類分析，主要特點是簡單直觀，可提供多種可能的結果，變量的改變對最終結果影響很大等。

自從教育部開展本科教學評估工作以來，教學質量監控成了教學管理中的非常重要的一環。濱州醫學院在推進校院兩級管理過程中，教務處教學質量監控中心首先推出教學質量監控體系，評教、評學工作自然而然成為一項重要內容。學校采用教學信息員評價制度，每個班級一個教學信息員，每學年更換，他們通過教務系統對為其上課的所有教師進行打分。教務系統中的評教評學模塊就采用聚類分析方法設計而成，通過對任課教師的教學態度、教學內容、教學方法、教學效果等主要指標進行打分評價[7]。打分評價后的數據經過聚類分析，進而獲得教師教學效果的一手數據，從而在對教師教學工作量完成情況、學歷職稱對教學的影響、課程教學情況等有比較直觀的了解，進而對學校教學工作量核算、職稱晉升、人才引進等提供數據支撐。

5 結語

在大數據時代來臨、大力推進教學信息化的今天，教務管理水平要想實現突破、提升層次，必須以教學數據為基礎，以數據挖掘為手段。因此，醫學院校的廣大教務工作者應該對教學管理中的大量數據進行科學、合理、細微的分析、推理、演變和綜合，以便為教學提供更準確的決策。與此同時，更應該更新教育教學理念，提升教務管理水平，全面提高醫學院校的教育教學質量。■

[1]王瑞雷.高校教務管理信息化建設模式探析[J].科技視界,2014(23):168.

[2]張莉.數據挖掘研究現狀及發展趨勢[J].赤峰學院學報:自然科學版,2014,30(9):14-15.

[3]王艷.在教務管理中可應用數據挖掘技術[J].天津市經理學院學報,2014(3):69-70.

[4]教育部關于印發《教育信息化十年發展規劃（2011—2020年）》的通知（教技〔2012〕5號）[DB/OL].http://www.moe.gov.cn/public files/business/html files/moe/s3342/201203/xx gk_133322.html.

[5]劉靜.數據挖掘技術在教務管理實踐中的應用研究[J].電子設計工程,2014,22(24):1-3.

[6]鄧文俊,曹陽波,劉英群,等.基于教務管理系統的數據分析工具的研究與設計[J].中國電化教育,2014(5):138-143.

[7]馬秀麟,衷克定,劉立超.從大數據挖掘的視角分析學生評教的有效性[J].中國電化教育,2014(10):78-84.