數據挖掘技術在數字化校園中的應用

摘 要：數據挖掘技術是指一種通過某種方法與策略從一切實際應用數據中將某些人們事先未掌握的、潛在但確實存在一定利用價值的信息與知識最大成度地提取出來并對其進行加工的技術；數字化校園則是在以互聯網為依托的情況下，充分利用一切可以利用到的信息化策略及相關設備，繼而從包括教學環境、教學資源以及教學活動等方面實現校園整體性的數字信息化管理。文章主要闡述了數據挖掘技術在數字化校園中的應用相關情況。

關鍵詞：數據挖掘技術；數字化校園；應用

中圖分類號：TP393 文獻標識碼：A 文章編號：2095-1302（2014）01-0068-03

0 引 言

信息的分析與處理是重要的人類活動之一，但隨著當前社會信息化進程的不斷加快，其整個社會的信息量也表現出成倍的增長趨勢，當某一種數據庫所包含的數據日益龐大的情況下，傳統或簡單的數據統計方法自然也會逐漸表現出諸多的不適用。盡管眼下的多數數據庫系統仍可比較高效地進行數據的錄入、查詢以及統計等操作，但對于這些數據可能存在的某些關聯與規則卻無法實現理想掌握，在此種情況下也無法通過現有數據實施未來發展可能性的推斷。在這樣一個“數據爆炸”的時代，如果不具備挖掘數據背后隱藏的知識的能力，勢必也會出現“知識匱乏”的現象。當人們意識到此問題所在之時，其對信息的態度也正在由簡單的數據收集型向分析加工型轉變，并期望從同樣的數據信息中挖掘出更多可加以利用的信息，數據挖掘（DM）技術即是在此時代背景中誕生的。就近些年的情況來看，DM技術的相關研究不僅愈發變得炙手可熱，而且已經在諸如商業、金融業、企業生產以及市場營銷等很多領域獲得了實際性的廣泛應用，比較之下，其在教育領域的應用卻相對偏少。基于此，筆者特針對DM技術在數字化校園中的應用進行一定闡述，旨在為DM技術在教育領域的應用開發提供一定參考價值。

1 DM技術與數字化校園的概念與內涵

1.1 DM技術的概念與內涵

DM技術即是指一種通過某種方法與策略從一切實際應用數據中將某些人們事先未掌握的、潛在的、但確實存在一定利用價值的信息與知識最大程度地提取出來并對其進行加工的技術稱謂。具體開展DM的方法種類是多樣的，但其中最具代表性的通常包括了分類分析法、關聯分析法以及序列模式分析法等，而經常需使用到的工具則主要包括了IBM公司Almaden研究中心開發的QUEST系統，SGI公司開發的MineSet系統，加拿大Simon Fraser大學開發的DBMiner系統，SAS Enterprise Miner，IBM Intelligent Miner，Oracle Darwin，SPSS Clementine以及Unica PRW等。在針對具體應用實際的情況下，通過選用以上DM工具可以幫助人們發現某些未知的數據含義，進而開發其價值以預測或指導未來可能發生的情況與需要采取的行為，總之就是為人們的決策行為提供全方位的數據信息支持。

1.2 數字化校園的概念與內涵

數字化校園即是在以互聯網為依托的情況下，進而充分利用一切可以利用到的信息化策略及相關設備，繼而從包括教學環境、教學資源以及教學活動等方面實現校園整體性的數字信息化管理。由此可見，與傳統的校園建設比較而言，通過對校園實施數字信息化的建設后，不僅將使得校園的發展具備了更加明顯的時代性，而且還能夠將學校發展過程中的某些實際成效及時展現出現，同時也能及時地從中發現可能存在的管理方面的問題，并對學校在未來一定時間內的發展趨勢做出比較符合實際的預測，最后，在數字化的校園管理模式下，其校內的相關資源配置將進一步得到優化，這勢必也將促進校園的整體建設可逐步得以完善。

2 在數字化校園建設中采用數據挖掘技術的需求分析

2.1 學校教學與教學評價方面的需求分析

一方面，教學是學校最核心的任務，那么教學部分的數據挖掘也自然是數字化校園建設的核心部分，現以教學過程中的課程設置為例，在學校，學生的課程學習是循序漸進的，而且課程之間有一定的關聯與前后順序關系，在學一門較高級課程之前必須先修一些先行課程，如果先行課程沒有學好，勢必會影響后續課程的學習，另外，同一年級學習同一課程的不同班級，由于授課教師、班級文化的不同，班內學生的總體成績相差有時會很大，利用學校教學數據庫中存放的歷屆學生各門學科的考試成績，結合數據挖掘的關聯分析與時間序列分析等相關功能，就能從這些海量數據中挖掘出有用的信息，幫助分析這些數據之間的相關性、回歸性等性質，得出一些具有價值的規則和信息，最終找到影響學生成績的原因，在此基礎上對課程設置作出合理安排；另一方面就是教學評價的數據挖掘，教學評價是對其重要的調節、控制、指導與推動手段，而且可發揮重要的導向作用，也更是學校教學管理的重要組成部分，基于此，針對教學評價管理中出現的某些問題給予科學地解決就顯得格外重要，此方面的問題又包括：影響教學評價的關鍵因素有哪些？教學評價的指標與關鍵環節的合理性如何？在具體的教學評價中的各級得分者的特征如何？教學評價的可疑數據可通過什么方式給予剔除？通過數據挖掘后，諸如此類的問題均有望得以明朗化，繼而更科學地實施教學評價以確保可真正掃清教學工作中存在的障礙。

2.2 教師結構和專業配制方面的需求

在當前高校擴招的大潮流中，我高職院校也占據了相當比例，由此所導致的師生比例失調的問題、新增設專業教師的稀缺問題以及具體每個專業的教師人員結構與專業領域的重組問題等等，均是迫切需要解決的問題。通常采取的做法自然是通過一定措施來引進新的教師隊伍并留住人才，然而在這個過程中，還包括很多細節的問題：現有的教師哪些即將流失？ 現有教師他們的流失概率如何？哪些因素造成了教師的流失？ 教師流失對學校會造成什么影響？ 教師的流失情況有什么差別？ 如何制定科學的用人制度？等等問題，通過應用數據挖掘技術后，便有望在高職院校變被動為主動地科學人用。

2.3 學校的科研管理需求

學校所開展的科研項目對于教學內容的革新、教學質量的提升以及教師學術水平的提高均具有極大的推動作用，同時，其成效也是衡量經費分配與職稱評定的重要參考依據。在此基礎上，改進與完善科研評價制度自然就成為了學校迫切需要解決的問題，這些問題主要包括：在各類級別期刊上發表論文的相關教師所具備的特征、各種課題申請者的特點、未完成科研任務教師的特征、影響教學科研進展與成效的因素、科研滾動周期的最佳年限、科研工作量應該如何設定以及科研項目存虛存假的可能性等。而通過DM技術可將這些問題均得以不同程度地解決，如此也必將更加有效地激勵教師科研的執行力與創新水平，整體加快學校科學事業的進展。

2.4 數字化圖書資源的管理需求

圖書館最大價值化的存在，無疑要全面了解并掌握所有讀者的分類、屬性以及特征等方面的情況，同時還需充分掌握讀者在應用圖書館后的滿意度情況以及是否有新的需求，圖書所涉及學科的交叉問題等等，這均是當代學校圖書館亟待解決的問題。而數字挖掘技術正能實現對以上信息的深加工，繼而在對相關數據進行分析后進一步指導圖書館的館藏建設，同時還可為學校的學科課程設置提供一定參考價值的科學依據，最終推動學校圖書館業務與相應管理的全面進步。

其他還比如有在人力資源管理方面、學校的教務管理以及住校學生生活消費管理等等，其各自存在的問題均可在充分應用數據挖掘技術的基礎上找到相關突破口，最終在整體上全方位地實現學校各方面資源的優化管理與合理配置，持續提升學校數字化建設進程的速度。

3 數據挖掘在數字化校園中的應用研究

通過了解，數字化校園的數據管理平臺是一個集成了學校多方面應用系統的綜合性平臺，將所能收集到的所有數據均儲存在學校的數據中心的共享數據庫里面。但在儲存的過程中，還需對這些數據進行詳盡的分類處理，并充分考慮到其可能存在的不完整性、模糊性與隨機性等，而通過數據挖掘對這些信息的充分提取與整理，繼而生成與之相對應的應用決策系統，最終為相關領導做出正確的決策提供更為豐富的可靠的參考信息。數據挖掘在數字化校園中的具體應用結構圖如圖1所示。

如上述介紹以及上圖均可以看出，DM技術在校園數字信息化建設中可說是一項頗具復雜性與繁瑣性的特殊工作，因此其具體應用情況的介紹限于篇幅限制，筆者在此僅以學校的科研管理為例，并應用Clementine挖掘工具進行操作，現對其相關數據挖掘技術的實際應用情況展開一定剖析。

3.1 對不能完成科研任務教師的相關分析

在實際的學校科研項目管理過程中，其中項目進度的管理是一個比較重要的環節，而與項目進度相關的因素中，又會存在個別教師可能因多方面原因而出現不能完成既定科研任務的情況，而只有通過科學的對其實施預測，才能讓諸如此類的問題得以最大程度地解決。其具體的解決思路主要就是要把這個問題定義為一個分類預測的問題，那么首先需要做的就是將參與科研項目的教師分為兩類，其中一類為已完成科研任務量者，而另一類則是尚未完成科研任務量者。接著分別從此兩部分教師中選擇一定數量的教師，并統計其相關屬性數據繼而組成訓練數據集，然后再通過應用神經網絡與決策樹等辦法建立起科研工作量完成情況的實際分類模型，最后再利用該模型來進行科研任務量完成情況的實際預測，如此便可獲得可能會不能完成科研任務教師的相關信息，為學校后期的科研計劃的制定提供參考依據。

3.2 教師不能完成科研任務的實際原因

在了解到可能完不成科研任務的教師后，還更需要對導致此種情況發生的原因進行必要的分析，進而可在以后保證其能最大程度地去完成科研任務。此方面的數據挖掘處理具體來說主要包括兩個方面的措施。一方面，可以運用關聯分析的辦法，把科研任務量的完成情況看作一個實際目標變量，而把與之可能相關的某些屬性數據作為變量，一起輸入系統后在運用GRI模型展開分析，進而可初步找出具體有哪些屬性可對科研完成的情況造成影響；另一方面，就是應用決策樹的方法來獲得科研工作量完成情況的規則集。以具體的某學校為例，以APRIORI算法為基礎來對教師科研任務量完成情況的影響因素進行分析，設定0.3為最小支持度與最小置信度，繼而對挖掘的結果實施分析，所獲得的最終結果為：基礎學科有38%的教師不能按時完成，82%的文科教師可以完成，75%的年輕教師可以完成，95%的高級教師可以完成等等，如此一來，便能很清楚地獲得對科研任務量完成情況的影響因素，比既往的方法便捷了很多，同時也顯著提高了工作效率。

3.3 學校科研管理中對教師的分類

在尋找到影響教師不能完成科研任務量的原因之后，接下來還必須完成的工作就是要對教師實施明確的分類，繼而便于針對具體情況的不同類教師建議采用不同的策略來最大程度提升科研任務的完成率。打個比方，我們可以把學校看為一個企業，而把教師視作企業的客戶，因此對教師實施分類的問題亦即是對企業客戶進行細分的問題，通過分類后，自然更便于將那些特別需要關注的“客戶”找出來，繼而采取相應的實際措施來改善部分教師不能按時完成科研任務量的問題。下面筆者以聚類算法為例對教師細分過程中所采用到的實際算法應用進行一定說明，本算法主要是采用逐步減少K值的方式進行嘗試。職稱與學歷等均是影響是否能完成科研任務的主要因素，因而需將這些相關的數據均作為參數給予輸入，比如先將K值假定為8，接著通過對K值的大小進行連續調整，最終或許可以發現，比如當K值為4時，其效果最為理想，然后便可運用決策樹對此類與其他類型的因素進行相同的分析，對每位教師的具體情況實施深入挖掘，最終分析出導致其不能完成科研任務的所有影響因素。通過此種在給予分類基礎上的實際算法的應用，教師科研工作中所存在的問題就能很容易被挖掘出來。

4 結 語

綜上所述，對數字化校園的建設而言，數據挖掘技術不僅是一項迫切需要掌握的全新技術，而且也是一項有著必要性、重要性與繁瑣性的工作項目，因此有必要更加重視其在數字化校園建設中的作用與效果。與此同時，筆者認為，當代的學校管理自然也需要現代化的管理方式，數據挖掘技術的誕生與不斷發展，也勢必能為校園數字化建設提供更為有利的幫助，這也是有助于學校實現數字信息化最有利的保證。筆者相信，在不久的將來，數據挖掘技術將會在校園數字信息化建設中發揮出更為突出的作用。

參 考 文 獻

[1] 陳薇.數據挖掘在數字化校園的研究與實現[D].杭州：浙江大學，2006.

[2] 丁智斌，衰方，董賀偉.數據挖掘在高校學生成績分析中的應用[J].計算機工程與設計，2006，27（4）：590-592.

[3] 谷瓊，朱莉，蔡之華，等.基于決策樹技術的高校研究生信息庫數據挖掘研究[J].電子技術應用，2006（1）：20-21.

[4] 姜衛儉，程從從.數據挖掘技術在校園信息化中的應用研究[J].科技廣場，2009（5）：72-74.

[5] 蔡會霞，朱潔，蔡瑞英. 關聯規則的數據挖掘在高校圖書館系統中的應用[J]. 南京工業大學學報：自然科學版，2005，27（1）：85-88.

[6] 鄒晶晶.數據挖掘技術在數字化校園中的應用[D].長沙：中南大學，2009.

[7] 陳琴.數字化校園中數據挖掘技術的應用研究[D].武漢：華中農業大學，2009.