數據挖掘在高校人才優化配置方面的應用

楊晶

摘要：隨著我國經濟、科技水平的不斷提高，信息化技術越來越多的運用到了我們的生活之中，教育行業也是如此，高校逐漸進入了信息化時代。目前高校中的人才越來越多，在人才配置方面，信息化的人才配置方案，為新時代高校進行人才收納及教育開展帶來新的解決方案。基于此，本文主要就對數據挖掘技術進行詳細的探討，然后對數據挖掘人才優化配置方面的策略進行分析，最后對全文進行總結，使得數據挖掘技術在高校人才優化配置中的應用程度得到極大的提升。

關鍵詞：數據挖掘；高校人才；教育信息化；人才配置

目前隨著國家信息化程度越來越高，數據挖掘技術越來越頻繁的出現在了各行各業，如金融、科技、商業、營銷等。慢慢地，數據挖掘技術在高校中的運用也逐漸增多，但是目前高校中運用的數據挖掘技術還是停留在比較低級的階段，比如對學校學生的信息、考試成績進行保存、備份、搜索。但是就目前而言，我國很多高校開始招更多的學生，這種情況下我國的高校學生人數就變得越來越多，這就給高校帶來很大的挑戰，這也造成傳統的信息管理手段不能滿足時代的進步。隨著數據挖掘技術的不斷發展，數據挖掘技術為高校人才優化配置提供了很多的技術支持，使得高校人才數量變得越來越多，同樣也為高校人才優化配置問題提供了很多有效的解決方案，例如通過數據挖掘，對高校老師或學生進行分類管理，進而進行表現評估等。

一、數據挖掘技術的介紹

數據挖掘技術其實是由之前的理論（數據庫原理以及計算機科學等）進行相互補短產生的一種新類型學科。進入二十一世紀之后，我國很多新類型學科應運而生，比如經濟學、金融學以及數據挖掘技術等的出現使得教育事業發展速度在極大程度上得到提升，而且高校也越來越重視數據挖掘技術的應用。數據挖掘技術的主要的專業內容是對算法的有效修改，除此之外，數據挖掘技術在對產品分析、高危預警、市場評估等方面起著舉足輕重的作用。目前數據挖掘技術中被高校所看重的是人才優化配置方面，數據挖掘技術中的數據挖掘算法不斷被運用到高校人才的培養以及管理當中。

1.1關聯原則

數據挖掘中的關聯原則，就是對大數據進行收集、分析、排列等，這對于人數逐年遞增的高校來說有很大的幫助。關聯原則首先將收集到的大數據進行分類，從各個項集中找到它們的共同點與差異點，通過對頻繁出現的項集進行分析，可以了解到有哪些項集與其有關聯，并且通過對各個項集中相同內容進行分析，能夠知道他們之間有哪些內在的聯系。例如Apriori算法就是一種比較出名的關聯原則運用算法。Apriori 算法在高校中的運用有以下幾點，首先老師可以以學生的入校到現階段的各個時期的成績進行數據庫保存，然后通過對學生大學各個課程的開設時間以及順序進行排序，通過將兩者對比，就可以了解到大學時期學生課程開設順序對于大學生成績的影響，從而可以得出大學生大學各個課程之間的相互關聯。另外高校還可以對教師檔案的進行保存，然后根據數據挖掘中的關聯原則，將教師的平時情況以及所帶學生的成績進行分析，進而得出教師的專業水平以及教育模式與學生成績之間的內在聯系。

1.2構件對象細分模型

數據挖掘中的構件對象細分模型指的是在明確的公司、學校、企業等背景下，比如教育理念、經營模式等等。依據客戶、學生等的需求、表現等情況將這些對象進行分類，分類介紹后我們可以通過一個類別就可以找到許多相同類型的客戶、學生，通過不同的類別，我們就可以找到許多不同類別的客戶、學生。通過這種算法模式，我們可以輕易的為服務對象提供最合適的服務，這種將對象進行細致劃分其實就是數據挖掘的理論基礎。

1.3聚類算法

數據挖掘中的聚類算法主要指的是對大數據進行劃分，建立不同大類，將大數據劃分到其中，這個過程就是聚類算法。聚類算法的目的主要是為了下一步的研究分析打下基礎，使研究人員容易找到針對性的目標。聚類算法是一種比較傳統的算法，它很早就出現了，但是它的運用至今仍然很多，就比如在高校的人才培養研究中。教師可以首先確定學生的培養指標以及標準，然后根據聚類算法將學校的教育理念與要求劃分為幾類，接下來就是對大學生進行科學合理的分類，然后因材施教，針對學生的實際特點對學生進行針對性教育。另外學校也可以對教師進行聚類算法，將教師的考核標準劃分為幾類，將教師的教學表現進行記錄，對教師進行劃分，這樣就可以針對不同類別的教師進行針對性的教學考量以及教學檢查。這樣不僅可以對高校的學生進行針對性的教學，還可以針對性的提高教師的教學質量，大范圍的提高教師能力。

二、基于數據挖掘的人才管理策略

2.1人才引進

想要將學校發展起來，首先就是要制定合理、科學的人才引進，但是人才引進不是盲目的引進，要考慮以下的幾點，首先學校要了解自己的學科結構以及學科重點，其次人才引進要結合學校的未來發展目標，最后人才引進還要與學校現有的師資力量相關照。學校所要引進的人才要既有可實施性，在進行人才引進時，要努力尋找“高尖端人才”，要滿足：能力強，年紀不要過大、學歷高、有較多的科研水平成果等。引進這樣的人才能夠幫助高校優化人才結構，在相同時間內取得更多的科研成果，最終促進高校的可持續發展。

在學校的特色學科方面，學校應該對學科的基礎人才建設投入較多的關注，并且大力培養有潛力的優秀新星，建立未來的人才集團。

學校對于人才的引進一定要看重其教育背景，對于擁有高質量背景的人才來說，他們可以較為容易的從高學歷人才過度到科研型人才。而且現在國家注重學校的科研水平成果，所以擁有這類人才可以對于高校的研究成果進行保障。對于擁有不同背景的高學歷人才，學校可以讓他們多進行學術交流提高他們之間的合作能力以及科研能力。

2.2高校人才培養

高校可以先根據前面所描述進行人才引進，之后就是高校進行人才的培養。在對于科研成果豐富，科研成績優秀的人才，高校可以對其增加研究經費進行鼓勵，幫助其能夠進行更加尖端的學術研究，擴大高校這類科目的全國地位，增大學校這門學科的影響，對于其他科研成果較為稀少、成績不算好但是具有發展潛力的科研人員來說，高校可以為他們制定一些發展規劃，幫助他們進行科學研究，還可以將其派遣，與國外頂尖高校進行學術交流，幫助提高其科研能力，這樣就能使得高校人才可持續發展。

三、結語

綜上所述，目前數據挖掘技術在人才優化配置方面的運用越來越多，對于高校的發展來說，運用科學合理的數據挖掘技術對高校發展而言有著舉足輕重的意義。在高校中運用數據挖掘技術可以幫助高校對人才進行合理的安排，而且能夠對人才進行合理培養，不斷加強各類人員的科研能力，以提高高校的科研水平，所以高校合理運用數據挖掘技術是提高自身的重要方法。

參考文獻

[1]李廣水，王智鋼，馬青霞，等.數據挖掘技術在我國高校人才培養中十年應用回顧及發展趨勢[J].技術與創新管理，2018（03）.

[2]董雯，李靜.大數據視域下高校人才工作的適應與創新[J].神州（中旬刊），2017（07）.

[3]李鋒，尹潔，吳潔.基于數據挖掘的高校人才引進與培養策略研究[J].科技進步與對策，2017（04）.

[4]曾振東.基于數據挖掘的高職院校課程體系建設和優化的應用研究[J].電腦知識與技術，2017（08）.

[5]文益民，易新河，李憂喜，等.高校人才培養全過程與信息技術深度融合中的數據挖掘[J].高教論壇，2017（02）.