基于數據挖掘的高職師資管理系統的應用與實踐

摘 要： 高水平師資隊伍的建設是一所學校綜合實力及品質的主要標志，而基于數據挖掘的決策支持系統為管理者提供信息分析和決策方案，減輕管理者從事低層次信息處理、分析的負擔，提高決策質量和效率。通過對高職院校師資隊伍管理現狀的分析，結合決策支持系統的特點和功能，提出構建高校師資管理系統的方法，重點完成高職院校對師資隊伍建設的預測管理研究，制定相應的師資隊伍建設計劃。

關鍵詞： 數據挖掘； 決策支持； 師資管理； 預測

中圖分類號：TP391 文獻標志碼：A 文章編號：1006-8228（2018）01-86-05

Application and practice of higher vocational teachers management

system based on data mining

Zhang Weiguo

（Nanjing Institute of Tourism and Hospitality， Nanjing， Jiangsu 211100， China）

Abstract： The construction of high-skilled teaching staff is a major symbol of the comprehensive strength and quality of a school， and the decision support system based on data mining provides information analysis and decision-making plan for managers， alleviates their burden of low-level information processing and analysis， thus enhancing the quality and efficiency of decision making. This paper analyzes the present management of vocational college teaching staff and proposes the method to construct the college teaching staff management system in combination with the characteristics and functions of the decision support system. It focuses on the research of prediction management of vocational colleges on the construction of teaching staff， and makes corresponding plans to construct teaching staff.

Key words： data mining； decision support； teaching staff management； prediction

0 引言

高校是高素質、高水平人才相對集中的場所，做好高校師資隊伍中長期發展的規劃，利用有限的人力資源培養出高水平的人才，從而滿足高校快速發展對人才的需求。大部分高職院校師資管理信息系統僅實現了管理信息系統最基本、最初步、最簡單的功能，而人事管理部門迫切需要具有科學預測、智能分析、決策支持功能的師資管理系統。

1 高職院校師資隊伍現狀分析

高校自1999年擴招以來，辦學規模急劇擴大，招生人數迅速增長，高等教育改革和發展進入一個快速發展的新時期。高校的擴招在一定程度上滿足了廣大學生接受高等教育的需求，給社會增加了高等教育學歷和緊缺專業人才的供給，順應了社會和經濟的發展。但高校的師資隊伍建設并沒有得到與此相適應的同步發展，還存在諸多問題[1]。

1.1 高校師資總量不足[2]

⑴ 招生數量及在校生人數增長

高校近年來通過擴招人數，擴大辦學規模，實現高等教育大眾化的基本要求。2016年全國共招收普通本專科生748.61萬人是1998年的6.91倍，招生人數實現了跨越式增長，招生人數及在校生總數見表1。在規模迅速擴張的同時，高等教育面臨著嚴峻的困難和挑戰，如教學質量不高、辦學沒有特色、培養出的學生不能滿足社會需求等。其主要原因是缺乏一支素質高的師資隊伍，因此，加強師資隊伍的建設成為當務之急。

⑵ 高校師資隊伍的增長

高校辦學規模在不斷擴大的同時，教職工數和專任教師數也有了較大幅度增長，2007年教職工總數與1998年相比增長了94.49萬人，增長率為91.78%。2016年教職工總數與2007年相比增長了43.03萬人，增長率為21.79%。專任教師占教職工總數的比例也逐年提高，從1998年的39.55%提高到2016年的66.62%，生師比從1998年的11.6：1上升到2016年的17.73：1，教職工數、專任教師及生師比見表2。

⑶ 高校師資隊伍總量嚴重不足

從生師比看出，教師數量增長率明顯小于高等教育規模的增長率，導致高校教師總體數量不足。生師比過低，會影響到教師人力投入后的產出效率；生師比過高，則會嚴重影響人才培養的質量。按照教育部“十一五”計劃，普通高校生師比按照15：1的比例計算，從2000年開始，普通高校的生師比一直高于這個比例，2002年竟達到19：1，很大程度上增加了教師的負擔，同時也影響了教學質量。目前，很多高校都感到教師總量不足，少數高校甚至不能保證教學和科研正常進行。根據高校教育規模不斷擴大的實際情況，2004年教育部下發的《普通高等學校即本辦學條件指標（試行）》對生師比作出了新的規定見表3，但各類高校師資配置水平也未達到指標要求，急需加大建設力度[3]。endprint

1.2 高校師資結構不合理[4]

⑴ 專任教師結構不合理

部分高校不是按照社會人才需求情況來制定專業招生計劃，而是按照現有師資情況來制定專業招生計劃。一些基礎專業因報考人數少、招生數量少，使得可提供給教師的課時量少，師資顯得特別充足，甚至出現富余；而像計算機、電子信息科學與技術、機械設計制造及其自動化等熱門專業，教師數量嚴重不足，現有的教師工作量就相當大。一些急需的熱門專業高層次的教師更是匱乏，甚至出現一個專業只有幾個教師的情況。

⑵ 職稱結構不合理

教師職稱結構反映了教師的學術水平、勝任教學工作的能力和學校的人才培養層次。隨著教師數量的增加，教授、副教授的人數均有較大幅度增長，但是教師職稱結構比例沒有大的變化。據2016年統計，專任教師中教授職稱占16.55%，副教授職稱占30.29%，講師職稱占39.46%，助教職稱占11.94%，其他職稱占1.76%。分別比2015年下降0.51個百分點，降低0.12個百分點，上升0.58個百分點，上升0.12個百分點，下降0.06個百分點，高層次師資人才緊缺矛盾突出。

⑶ 年齡結構比例不合理

近年各高校補充師資多為年輕教師，教師平均年齡呈整體下降趨勢，青年教師在專任教師中占了相當大的比例，據2016年統計數據分析，普通高校專任教師隊伍中30歲以下的專任教師占總數的14.47%，31～35周歲的專任教師占23.32%，36～40歲的專任教師占19.08%，41～50歲的專任教師占26.94%。35歲以下青年教師逐漸成為教學的主要力量，占了專任教師總數的37.79%。與社會老齡化的情況相反，高校教師隊伍呈現出年輕化態勢，但老、中、青結構并不合理的比例將導致今后師資隊伍發展的“擁擠”矛盾。

⑷ 缺乏高層次人才

高層次人才隊伍反映了學校教師隊伍的整體質量和水平，也是建設學校專業特色的安身立命之本，縱觀國內各高校，缺乏一批學貫中西的拔尖人才，特別是許多新增專業，學科學術骨干和學科帶頭人缺乏，學科梯隊不健全，創新研究能力弱，給高素質人才培養都帶來很大困難，制約高職院校教育持續健康的發展。

2 加強高校師資隊伍管理的對策

師資是高校發展和教學質量的保障，許多高校建立的人事信息管理系統積累了大量的數據。數據主要用途是向各級管理部門提供統計報表和信息查詢，尚未對這些數據所隱藏的價值進行深入挖掘利用。將數據挖掘技術中的關聯規則方法應用于高職師資管理，對其所產生的大量數據進行清洗、抽取，提煉出有價值的信息，為學校管理者提供參考和決策支持是高職院校現代化管理的必然[5]。

運用數據挖掘技術，從師資管理、職稱結構、學歷結構、年齡結構、教學活動管理產生的數據中找出大量有價值的信息，能夠更好地對高職院校師資隊伍的建設和培養做出定量的分析、預測，并建立科學的監控評價機制，正確合理的判斷教師的績效，從而制定更加科學的激勵措施，提高教師的積極性。管理上切實做到“以人為本”，進一步走向規范化、科學化、現代化[6]。

3 數據挖掘在師資管理架構中的應用

基于數據挖掘的高職師資管理系統在人事管理中應用，促進了人事管理的信息化、科學化進程，也給組織變革、管理理念更新，以及學校的改革和發展帶來了新的變化。基于數據挖掘的高職師資管理系統能對人力資源管理的所有領域提供全面、有效的支持，信息管理決策支持系統功能，從人力資源規劃、人才招聘到人事管理各個方面，通過定量分析與定性分析相結合，提供各種查詢、統計、分析功能與報表生成、輸出功能，動態直觀地反映高職院校師資狀況，為管理者提供科學合理的決策支持，其功能模塊如圖1所示[7-8]。

3.1 信息管理子系統

信息管理子系統包括教職工基本信息模塊、崗位管理模塊、薪資與績效管理模塊、培訓與發展管理模塊。基本信息模塊中存儲了師資基本情況，如學歷、職稱、職務、工作部門、知識結構、工作經歷、外語水平、科研情況、培訓教育、工資、住房等信息；人員分類信息，如領導干部、專業技術人員、技能人才等。薪資與績效管理模塊主要是包括薪酬計算、福利管理、報表管理等，學校各級的薪資、獎金、各種福利標準和計算，以及一套完整的績效指標庫，制定考核獎懲標準，為教職工任用、晉升、培訓、薪資和規劃決策等提供依據。培訓與發展管理模塊主要功能是根據國家政策及高職院校的發展戰略規劃，制定相應的培訓實施計劃，可針對教職工類型和級別制定培訓和發展體系，針對特定教職工進行培訓。

3.2 師資規劃子管理系統

制定師資隊伍建設規劃是為實現學校的戰略規劃服務，師資隊伍建設規劃的主要內容包括總結和分析前一個時期師資隊伍建設規劃的實施情況、取得的經驗與存在的問題；分析未來一個時期面臨的形勢，對師資隊伍建設的現狀、發展趨勢、需求進行分析、預測和判斷規劃未來一個時期師資隊伍建設的發展戰略、目標、方針、任務、重大項目及保障措施，并制定實施的計劃和步驟。師資隊伍規劃子系統反映師資發展的總目標，主要圍繞師資總量、職稱、學歷、年齡、學緣結構這五大要素對高校師資未來的發展目標和任務作出量化規定，以減少師資調整的盲目性和隨意性[9]。

3.3 師資預測管理子系統

預測模塊對未來師資總體需求及師資結構變化進行預測，并對影響師資需求變化的因素和信息進行管理，與合理分布的指標作比較分析，找出現有量與需求量之間的差異。可細分為師資總量需求預測，利用所建立的數學模型對高校師資總需求量進行分析運算，得出對未來高校師資的各種總量的定量預測。師資結構分類預測分類為職稱、學歷、年齡和學緣結構四個部分，根據既定的規劃指標，得出上述四種師資結構的年度發展計劃指標預測和規劃。

3.4 決策管理子系統

師資決策管理子系統，是根據未來的發展戰略目標，結合預測數據形成師資發展的實施計劃方案。針對系統中的數據庫、模型庫、知識庫、方法庫中找出有價值的信息，更好地對師資建設和培養做出定量的分析，制定科學合理的實施計劃。endprint

4 數據挖掘技術在師資管理系統中的運用[10-12]

4.1 數據準備

針對師資管理信息系統中的教師基本信息、授課情況、科研論文、進修深造、職稱評聘、教學評教等構建數據倉庫，結合高職院校對師資管理的要求，對數據倉庫中的學歷、職稱、年齡、授課名稱、科研論文、教學評教等數據信息進行處理，如對“教學評教”的教師性別、年齡、學歷、職稱、評定成績經過數據量化生成待挖掘的信息。

4.2 建立挖掘數據模型及數據預處理

數據預處理是對數據源進行加工，檢查數據的完整性、一致性、準確性，對其中的噪音數據進行平滑，對丟失的數據進行填補，消除“臟”數據，消除重復記錄等轉換成適用于數據挖掘的形式。數據預處理需要對數據檢查拼寫錯誤，去掉重復的記錄，補上不完全的記錄，推導計算缺失數據，完成數據類型轉換。數據預處理的目的是把一下與數據分析、挖掘無關的項清除掉，給數據挖掘算法提供高質量的數據。

4.3 數據挖掘結果與分析

根據數據方面處理結果，設最小支持度為0.1，最小置信度為0.4，得到課堂教學效果的關聯規則。

從數據挖掘的結果可以看出，學生對中、老年教師/教授的課程評價較高，對青年教師/教授的課程評價較多，說明教師的年齡越大積累教學經驗豐富、授課效果較好。學校可根據數據挖掘的結果有針對性地制定青年教師的培養機制，采取“傳、幫、帶”的模式，使青年教師在老教師言傳身教的影響下，不斷積累教學經驗，更好的課堂把控，進一步提高教學質量。

5 結束語

高校作為科學知識的傳播地，師資的管理和建設對高職院校的可持續發展具有深遠影響。基于數據挖掘的決策支持系統能夠為高校管理者提供各種決策所需信息分析和決策方案，減輕管理者從事低層次信息處理和分析的負擔，解放管理者“雙手和大腦”，提高決策工作質量和效率。利用數據挖掘技術對師資管理系統中積累大量數據進行挖掘，為校領導提供管理和決策的信息，堅持“以人為本”的管理理念，為高職院校的師資管理向規范化、科學化、現代化邁進。

參考文獻（References）：

[1] 馮歡.高校師資管理信息決策支持系統構建[D].成都理工大

學碩士學位論文，2010.

[2] 江善和，姚德勇，葛浩，汪洪峰，汪列隆.中德兩國應用型本科

高校師資隊伍建設比較分析[J].安慶師范大學學報（社會科學版），2017.36（4）：132-136

[3] 教育部.普通高等學校本科教學工作水平評估方案（試行）[Z].

教育部辦公廳，2004.

[4] 李慶豐.加強青年教師教學能力培養是提高高等教育質量的

當務之急——基于1997-2006年間普通高校專任教師隊伍結構之量化分析[J].中國高教研究，2008.6：23

[5] 李軼群.加強高校人事管理信息化打造現代師資管理數字平

臺[J].教育信息化，2005.7：15

[6] 李仕瓊.數據挖掘中關聯規則挖掘算法的分析研究[J].電子

技術與軟件工程，2015.4：200

[7] 張維國.數據挖掘在校園電子商務中的應用[J].福建電腦，

2016.32（1）：127-128，100

[8] 楊春建.數據挖掘在高校師資管理中的應用[J].青海師專學

報（教育科學），2008.5：285-287

[9] 張維國.大數據在高職院校教師教學質量多元評價體系中的

研究與分析[J].現代計算機，2016.6：45-49

[10] 茹蓓，賀新征.高效的數據流完全頻繁項集挖掘算法[J].計算

機工程與設計，2017.38（10）：2759-2766

[11] 海燕，張冰波.基于Apriori算法的高校人力資源數據挖掘

系統[J].華北水利水電學院學報，2008.6：55-57，102

[12] 朱慧爽.關聯規則在高校科研管理工作中的應用[J].濰坊學

院學報，2009.3（4）：10endprint