數據挖掘技術下的高校管理信息系統應用研究

周游

摘要：多年來高校的教學管理工作積累了海量的數據，是一個有待開發的寶藏。本文通過分析高校管理信息系統的現狀和不足以及數據挖掘的概念和功能， 提出了數據挖掘技術在高校管理信息系統中的應用。

關鍵詞：高校數據挖掘管理信息系統

高校管理信息系統的存在問題：

高校校園網部門繁多、功能復雜。部門職能網絡化過程信息分類模糊造成大量無用信息堆積、主體不突出、更新難以得到保證。大量的校園機構對信息管理系統的使用只是單純地停留在了日常事務的處理，長期積累留下的歷史數據并沒有得到有效的開發和利用。

開發數據挖掘高校管理信息系統的目的：

開發本系統的目的就是將現代化信息處理技術運用到學校管理工作中，提高工作效率，把管理人員從繁雜的手工操作中解放出來。此外，在建設高水平大學的進程中，信息管理系統的建設也是重要環節之一。因此，開發高校信息管理系統是高校信息化建設的一個重要組成部分。

數據挖掘技術簡介：

所謂數據挖掘技術，就是從諸多海量的、不完整的、模糊的、隨機的數據中，提取隱藏在其中的人們事先不知道的而又潛在的有效信息和知識的過程。數據挖掘技術包含了許多交叉學科，是一種涉及了信息技術、統計分析、數據庫等多學科的新技術。

數據挖掘技術的功能劃分：

數據挖掘技術是基于現有的知識決策，該決策通常帶有預測性并且包含對未來發展趨勢和行為的考慮，根據數據挖掘技術的功能性可以將其劃分為以下五類：

一、關聯性分析

關聯性分析是指能夠在龐大的數據庫中找尋到大量相關信息的關聯性。關聯規則是指發現某事物與其他事物之間的依賴性以及關聯性的過程。

二、預測數據趨勢

數據挖掘技術能夠在龐大的數據庫中對各類信息進行有效的預測以及歸類，找尋到預測性的信息并且較為迅速地描述出相對重要的數據類模型以及預測出未來數據的發展趨勢。

三、檢測偏差

在某些情況下，數據庫中的數據往往會存在著一些相對不同尋常的記錄，這時候，從中檢測出這些偏差就能夠獲取更多有用的信息。

四、概念描述

信息使用者們面對著龐大的數據庫，都希望用更為簡潔的描述來定義。所謂的概念描述就是指對那些相關聯的內容進行內涵描述，并且對有關特征進行闡述。

五、聚類

聚類就是按照一種特定的規律將其相關的數據劃分為多個類或簇，將其中相似的數據規制在一個簇中，不同的簇之間往往存在著較大的差異性。

數據挖掘技術的常用方法：

1 神經網絡法

神經網絡自身所具備的分布存儲、較高性能的自組織自適應性、高速并行以及高度容錯處理等獨特的特性使其發展和應用空間非常巨大。

2 遺傳算法

遺傳算法是借鑒于自然界生物的基因遺傳以及自適應機理實現目標的隨機搜索，可以理解為一種仿生物的全局優化計算方法。

3 決策樹法

決策樹法一般用于處理數據規模龐大的應用。它能夠實現對海量數據進行有計劃的分類，并且在分類的數據中找尋到有較高潛在價值的信息。

4 粗集理論算法

粗集理論算法操作簡單、算法實現相對容易、信息輸入的表達空間并不繁瑣、額外的相關信息不需要提供。主要的研究對象是不確定的知識和不精確的算法。

5統計分析方法

數據庫字段之間往往存在著相關關系與函數關系。一般情況下，用統計分析方法分析這兩種關系，包括數據的常用統計、相關分析、回歸分析和差異分析等。

在高校信息管理中采用數據挖掘技術：

在高校信息管理中的教學應用時，具體工作主要分為兩個部分：第一，對教學評價的數據進行分析，為教學部門提供一定的決策支持信息。第二，對高校日常工作的管理，將數據挖掘技術應用到高校日常管理工作中，不僅能夠提升高校管理效率，而且能夠為高校管理工作提供數據支撐和決策支持。

1.對教學質量進行評價

教學是高校職能的核心，教學質量高低是教學活動的成效性外在表現形式。而良好的教學評價對教學質量有導向、促進、激勵及調控功能，是學校教學管理工作的重要組成部分，是評價教學工作成績的主要手段。

（1）課程設置層面

學生在校學習過程中的課程學習屬于循序漸進的過程，課程之間存在著相對較強的關聯關系以及先后順序。借助高校教學資源庫當中的歷屆學生成績檔案，在科學化數據挖掘以及合理化數據關聯的基礎上，從海量數據當中挖掘有用信息，分析數據間的回歸性功能與相關性聯系，最終獲得價值性較強的規律。

（2）學生自身的學習評價

學習評價是判定學生個性化差異的重要手段，有利于高校教師因材施教。借助相應的數據挖掘工具，可以對高校學生成績數據庫以及行為記錄庫等實施仔細分析與處理，得到即實性的評價結果，及時糾正學生的不良行為，減輕教師在學習評價環節的工作量。

（3）課堂教學評價

該環節不僅可以起到良好的教學調節作用還有著較強的導向性特點，同時也是高校教學評價工作的關鍵性手段。通常，高校每學期都會搞專業化的教學評價調查，積累豐富數據，為高校教務科提供決策信息，提高高校教學效果。

2.對高校管理工作進行管理

（1）學生特征的仔細挖掘

結合高校學生在各方面的實際情況來針對性挖掘高校學生的個性化特征，從而幫助學生制定個性化培養方案。憑借對高校學生特征的詳細分析結果與目的制定之間的對比，從根本上實現學生綜合素質的大力培養。

（2）人員行為干預

高校教學管理數據庫中記錄著各屆學生與教師的學習、工作、社會活動、獎勵、處罰等情況，利用數據挖掘的關聯分析，找出師生各種行為活動之間的內在聯系。

（3）為學生的就業升學提供指導

通過高校管理信息系統找到相關數據，用聚類分析和概念描述的相關算法分別對全體學生的每項數據進行計算，將學生分成若干類，比如考研、出國、就業。如果收集更詳細的數據，甚至可以為學生在哪一方面繼續深造、適合從事哪方面的工作提供一定的參考。

結語：

管理即決策。構筑基于數據挖掘技術的高校信息系統管理平臺是高校數字化建設的重中之重。充分利用數據挖掘技術的功能，最大限度地提高信息資源的利用率，幫助高校實現信息管理一體化建設方案，積極地推動高校事業向著更加科學的方向發展。

參考文獻：

[1]林筑英.數據挖掘技術及其所面臨的問題[J].貴州師范大學學報，2003，3

[2]章懿雯.數據挖掘技術在高校教務管理中的應用研究[J] .中小企業管理與科技，2014，（28）：295-296.

[3]蔣文杰. 一體化智能教學網絡平臺———基于數據挖掘技術的成績管理系統[D]. 桂林電子科技大學，2007.

[4]毛國軍等編.數據挖掘原理與算法（第二版）[M].北京清華大學出版社，2007.