數據挖掘在PDCA循環管理模式中的應用

曹安林

摘 要：高等職業教育在經歷了20世紀90年代的體制改革、招生規模大擴張、基礎設施大建設，并取得了規模與基礎發展成就的背景下，辦學質量與內涵建設需求己日益突出，成為當前學校發展的首要任務，也是學校核心競爭力的主要體現。以建立目標體系，完善實施過程，實現全員、全過程、全方位參與的內部質量保證體系為目標，建立常態化人才培養質量自主保證機制，促進學院主動適應經濟社會發展和人才的全面發展需求，切實履行人才培養工作質量保證的主體責任，持續提高人才培養質量。

關鍵詞：PDCA 數據挖掘 診斷與改進

中圖分類號：F237 文獻標識碼：A 文章編號：1672-3791（2018）08（b）-0007-02

高等職業教育的辦學質量與內涵建設需求己日益突出。提高技術技能人才培養質量是發展現代職業教育的基本任務，是構建現代職業教育體系的關鍵所在，是主動適應經濟發展的新常態。通過數據挖掘技術，找尋關鍵數據及其之間的關聯因素，建立職業院校教學工作診斷與改進制度，引導和支持學校全面開展教學診斷與改進工作，切實發揮學校的教育質量保證主體作用，不斷完善內部質量保證制度體系和運行機制，是持續提高技術技能人才培養質量的重要舉措。

1 診斷與改進產生的背景與理念

回顧高等職業教育不同階段的質量評估活動，第一階段：以教育教學保障資源為核心的“基礎性質量觀”。僅將保障資源作為教育質量形成的必要條件，而非充分條件。第二階段：以系統性內部質量體系為保證的“一致性質量觀”。通過質量體系的組織機制、制度、標準等來約束質量行為。兩次的質量評估都突出：（1）組織主體不是所有利益相關方；（2）專指外部評估；（3）專指對質量成果的階段性評估；（4）評估結論不受管理方和辦學方主觀意愿的影響；（5）評估的實施主體不直接對人才培養工作的優劣負責，也沒有幫助學校改進的法定義務。教學診斷與改進是在“管辦評分離”的前景下，教育行政部門實現對學校事中、事后監管，履行管理職責的重要形式；是教育主體負起質量保證的社會責任，激發各個層面內生動力的重要舉措，是提高學校治理能力和人才質量的重要抓手。

2 數據挖據的定義

數據挖掘是多學科綜合的產物，吸收了來自以下一些技術領域的基本思想：（1）源于統計學中的抽樣、估計和假設性的檢驗；（2）基于計算機模型的模式識別、人工智能和機器學習的建模技術、搜索算法與學習理論。通俗來講數據挖掘是通過分析每個數據，從大量數據中尋找其規律的技術，主要有數據準備、規律尋找和規律表示3個階段。

3 診斷與改進與數據挖掘的關聯

診斷與改進的思路是借鑒全面質量管理（TQM）、目標管理、卓越績效管理等理論，以考核性診斷為抓手，樹立科學質量保證理念，培育特色質量文化；數據挖掘是選擇從關聯的數據源所需的數據并整合成關鍵數據進行挖掘，通過某種方法將數據集所含的規律尋找出來，明確關鍵數據，盡可能以可視化等用戶可理解的方式將關鍵數據關系之間的規律表示出來。再反饋到原始數據更新，反復執行此過程。

通過數據挖掘技術，可以進一步有效明確診斷與改進體系的目標數據。從而有目的、有依據地建設目標任務，落實機構人員職責，完善質量保證制度體系，推進多元主體共同治理，人人參與，共建質量保證體系。

4 數據挖掘在PDCA管理體系建設中的應用

4.1 圍繞方針，明確質量保證體系PDCA運行框架

PDCA循環的含義是將質量管理分為4個階段，即計劃（plan）、執行（do）、檢查（check）、處理（action）。在質量管理活動中，把各項工作按照做出計劃、計劃實施、檢查實施效果，然后將成功的納入標準，不成功的留待下一循環去解決的工作方法。以“學院、專業、課程、學生、師資”為質量保證模塊，建立“目標鏈—標準鏈—實施鏈—資源保障鏈—信息鏈”的“五縱五橫一平臺”的內部質量保證體系。完善“事前設計建標—質量計劃、事中實時監控—質量控制、事后診斷改進—質量提升”的管理流程，形成常態化、網絡化、全覆蓋、具有較強預警功能和激勵作用的內部質量保證體系，實現內部管理水平和人才培養質量的持續提升，如圖1所示。

4.2 通過數據挖掘完善規劃鏈、目標鏈與標準鏈，明確實施鏈

結合現有工作，提出框架模塊的建設項目。通過數據挖掘技術中的統計分析方法，找到數據庫字段項之間存在兩種關系：函數關系（能用函數公式表示的確定性關系）和相關關系（不能用函數公式表示，但仍是相關確定性關系），利用統計學原理對數據庫中的信息進行分析。可進行常用統計（求大量數據中的最大值、最小值、總和、平均值等）、回歸分析（用回歸方程來表示變量間的數量關系）、相關分析（用相關系數來度量變量間的相關程度）、差異分析（從樣本統計量的值得出差異來確定總體參數之間是否存在差異）等，對影響學校人才培養質量的關鍵數據過程進行測評、調研及反饋設計。

4.3 以教師信息的分析為例敘述數據挖掘的結果及分析

具體步驟如下：首先依照ID3算法的流程制作出ID3算法流程圖，然后進行數據挖掘結果分析。在分析專任教師信息時，根據“專任教師是否具有高級職稱”的決策子樹進行分析，發現相關影響因素主要是學歷、年齡。學歷在碩士以上或年齡較長的教師其職稱是副高以上的可能性較大；“雙師型”教師信息分析，發現相關影響因素主要也是學歷、年齡，和是否具有高級職稱不同的是，學歷在本科和碩士且較為年輕的青年教師“雙師型”的可能性較大。由此可以得出學校需大力度引進青年優秀教師以及專業技術人才，使學校的青年教師漸漸成為了學校的教學骨干教師、科研骨干教師和“雙師型”的中青年教師的主力軍，使學校的師資結構更趨于合理。

同時，專任教師高級職稱的比例相對較低，有客觀原因，也有一定的主觀因素。客觀原因在于學校有很多優秀教師其專業技術水平足以達到教授、高級工程師的資質，但是歷史原因造成學校高職職數相對教師人數較少，其次是高職院校對高級職稱人才仍未達到足夠的吸引力，很難從其他單位大量引進高水平教師人才；主觀因素在于以往學校近注重教師自身的學歷結構，在培養現有人才方面有些薄弱，但現在學校也注重培養已有的學科骨干力量，以高水平、有經驗的年長教師帶中青年教師，大力氣輸送教學骨干進修學習，主動聯系各企事業單位進行校企聯合，將技術融入企業，將企業經驗帶入校園，不僅提高了“雙師型”教師的比例，而且，在平時的科研深入探索專業學科前沿動態。這樣在教學過程中能夠經常介紹學科前沿以鼓勵學生獨立鉆研思考，指導學生專業技能實驗過程中完成科學研究，在教學中將科研與教學有機結合。學校在師資培訓方面應加大對初、中級職稱或本科學歷的教師的培養力度，逐步促進整體教學水平更上一個臺階等。

數據挖掘的目的就是從大量數據中分析出數據之間的關聯以及對數據的預測，因此科學化的數據庫結構對數據挖掘的結果有著事半功倍的效果。診斷與改進是以建立目標體系，完善實施過程，實現全員、全過程、全方位參與為目標，以“需求導向、自我保證，多元診斷、重在改進”為工作方針的內部質量保證體系建設。將數據挖掘技術融入到診斷與改進的PDCA循環管理體系中，能進一步促進高職院校切實履行人才培養工作質量保證的主體責任，產生自我規劃、自我約束、自我改進、自我發展的內生動力，從而實現人才培養質量的持續提升。

參考文獻

[1] 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（18）：14-15.

[2] 李忻.數據挖據在高校教學質量評價體系中的應用研究[D].華北電力大學，2011.

[3] 王莉.ID3算法的研究與應用[J].福建電腦，2010，26（1）：

11-12.