高校人才培養(yǎng)分析的數(shù)據(jù)挖掘系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

摘要：當(dāng)前，數(shù)據(jù)挖掘技術(shù)已廣泛應(yīng)用于經(jīng)濟(jì)社會(huì)的各個(gè)領(lǐng)域。在教育領(lǐng)域，許多機(jī)構(gòu)和學(xué)者開展了大量的應(yīng)用研究。文章分析了數(shù)據(jù)挖掘系統(tǒng)的技術(shù)原理和挖掘引擎的應(yīng)用方法，探討了面向高校人才培養(yǎng)分析的挖掘需求。基于軟件工程方法，文章設(shè)計(jì)并實(shí)現(xiàn)了相應(yīng)的數(shù)據(jù)挖掘系統(tǒng)，并對(duì)其進(jìn)行了實(shí)用性測試。

關(guān)鍵詞：數(shù)據(jù)挖掘；人才培養(yǎng)分析；挖掘引擎；Weka；軟件工程；高校教育

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2025）02-0067-04 開放科學(xué)（資源服務(wù)） 標(biāo)識(shí)碼（OSID） ：

1 數(shù)據(jù)挖掘系統(tǒng)概述

數(shù)據(jù)挖掘建立在數(shù)據(jù)倉庫[1]等數(shù)據(jù)集合技術(shù)之上，是人工智能領(lǐng)域中知識(shí)發(fā)現(xiàn)的重要過程。數(shù)據(jù)挖掘涵蓋的技術(shù)范疇，或者說實(shí)現(xiàn)類型，主要包括預(yù)測建模、關(guān)聯(lián)分析[2]、聚類分析以及異常檢測等。其技術(shù)流程包括準(zhǔn)備階段、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘和分析評(píng)估四大階段[3]。

搭建數(shù)據(jù)挖掘系統(tǒng)的主要框架結(jié)構(gòu)包含數(shù)據(jù)層、業(yè)務(wù)層以及表示層三層。數(shù)據(jù)層中的各類數(shù)據(jù)存儲(chǔ)庫作為數(shù)據(jù)的來源，或是已經(jīng)經(jīng)過處理的數(shù)據(jù)集合，是數(shù)據(jù)挖掘的前提；在業(yè)務(wù)層中，數(shù)據(jù)庫與數(shù)據(jù)倉庫服務(wù)器接受用戶指令，響應(yīng)相關(guān)請(qǐng)求，從數(shù)據(jù)存儲(chǔ)點(diǎn)提取適當(dāng)數(shù)據(jù)；知識(shí)庫[4]存儲(chǔ)相關(guān)范疇的知識(shí)系統(tǒng)，對(duì)數(shù)據(jù)查詢與結(jié)果形式的熱度進(jìn)行導(dǎo)向與評(píng)價(jià)，其存儲(chǔ)內(nèi)容包括用于將屬性或?qū)傩约瘎澐譃楦鱾€(gè)理念層的概念分層，以及描述評(píng)估模式反應(yīng)熱度的用戶信念知識(shí)；數(shù)據(jù)挖掘引擎作為數(shù)據(jù)挖掘系統(tǒng)的關(guān)鍵部分，是一系列功能子模塊的集合，用于執(zhí)行數(shù)據(jù)挖掘的基本功能，包括聚類分析、分類分析、模型預(yù)測、異常分析和關(guān)聯(lián)分析等；模式評(píng)估模塊基于用戶熱度的度量，與數(shù)據(jù)挖掘引擎模塊交互，通過指定的高熱度模式或設(shè)定的熱度閾值過濾和指導(dǎo)數(shù)據(jù)搜索，并對(duì)結(jié)果模式進(jìn)行評(píng)估；表示層的用戶界面是使用者與系統(tǒng)模塊交互的平臺(tái)，用于將結(jié)果模式以不同形式進(jìn)行可視化展示。

2 Weka 數(shù)據(jù)挖掘引擎

Weka[5]（懷卡托智能分析環(huán)境） 平臺(tái)是由新西蘭懷卡托大學(xué)研發(fā)的一款基于Java的機(jī)器學(xué)習(xí)軟件套件。用戶可以直接使用Weka自帶的平臺(tái)界面完成數(shù)據(jù)挖掘工作，平臺(tái)幾乎囊括了當(dāng)前所有流行的數(shù)據(jù)挖掘模型和算法，提供了解決數(shù)據(jù)挖掘問題的五大標(biāo)準(zhǔn)方法，包括回歸、分類、聚類、關(guān)聯(lián)規(guī)則以及屬性選擇。同時(shí)，Weka支持加載開發(fā)者自行開發(fā)的擴(kuò)展包（Ex?tension Packages） ，用戶也可以利用Weka提供的API 進(jìn)行二次開發(fā)，搭建數(shù)據(jù)挖掘引擎[6]，以滿足特殊挖掘需求，構(gòu)建個(gè)性化數(shù)據(jù)挖掘系統(tǒng)。本文即基于Weka 源代碼開發(fā)目標(biāo)系統(tǒng)的數(shù)據(jù)挖掘引擎。

Weka平臺(tái)支持兩種形式作為輸入數(shù)據(jù)：第一種是直接讀取數(shù)據(jù)庫表；第二種是“ARFF（Attribute-Relation File Format，屬性關(guān)系文件格式） ”格式的文件。ARFF文件是一種ASCII文本文件，由兩部分組成。第一部分是頭信息（Head information） ，包含關(guān)系的聲明和屬性的聲明。數(shù)據(jù)集中的每個(gè)屬性都有對(duì)應(yīng)的“@attribute”語句，用于定義其名稱及類型。Weka支持的屬性數(shù)據(jù)類型包括四種：“numeric”（數(shù)值型） 、“nominal-specification”（分類型） 、“string”（字符串型） 和“date[]”（日期和時(shí)間型） 。第二部分是數(shù)據(jù)信息（Data information） ，從“@data”標(biāo)記開始，包含數(shù)據(jù)集中給出的具體數(shù)據(jù)。

3 系統(tǒng)的挖掘需求分析

3.1 功能性需求

為適應(yīng)高等教育規(guī)模發(fā)展和信息技術(shù)的進(jìn)步，大多數(shù)高校已建立了人才培養(yǎng)分析系統(tǒng)。這些系統(tǒng)通常以教務(wù)系統(tǒng)、學(xué)籍管理系統(tǒng)等形式存在，在一定程度上方便了學(xué)生管理和成長軌跡記錄，并提升了學(xué)校辦學(xué)質(zhì)量和教學(xué)管理水平。在這些系統(tǒng)中，學(xué)生的成績數(shù)據(jù)處于一個(gè)重要位置。學(xué)生的成績既是衡量教學(xué)質(zhì)量的重要指標(biāo)之一，更能直觀地反映學(xué)生的學(xué)習(xí)效果。通過挖掘成績數(shù)據(jù)背后的隱藏模式，有助于分析學(xué)生的學(xué)習(xí)情況及調(diào)整教學(xué)策略。

數(shù)據(jù)挖掘系統(tǒng)利用關(guān)聯(lián)分析算法進(jìn)行數(shù)據(jù)挖掘工作，首先提供用戶選擇準(zhǔn)備數(shù)據(jù)的功能。為確保通過挖掘算法最終能夠提取出有利用價(jià)值的模式信息，系統(tǒng)通過界面提供用戶選擇有效條件，從數(shù)據(jù)庫中獲取成績數(shù)據(jù)，此有效條件主要從數(shù)量及質(zhì)量上體現(xiàn)；然后能夠?qū)崿F(xiàn)對(duì)準(zhǔn)備數(shù)據(jù)的預(yù)處理。預(yù)處理的主要工作是將成績數(shù)據(jù)從分?jǐn)?shù)值（連續(xù)型數(shù)據(jù)） 轉(zhuǎn)化為離散型數(shù)據(jù)[7]，并通過界面展示預(yù)處理結(jié)果；最后，對(duì)預(yù)處理結(jié)果數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘，界面展示挖掘出的成績數(shù)據(jù)中的強(qiáng)關(guān)聯(lián)規(guī)則[8]，并確認(rèn)是否存檔。

系統(tǒng)對(duì)于已存檔于數(shù)據(jù)庫中的強(qiáng)關(guān)聯(lián)規(guī)則基礎(chǔ)庫可進(jìn)行二次利用，實(shí)現(xiàn)根據(jù)學(xué)生現(xiàn)有的成績狀態(tài)進(jìn)行預(yù)測，預(yù)測后續(xù)的成績狀態(tài)，從而規(guī)避劣勢(shì)課程成績的發(fā)生；或者根據(jù)現(xiàn)有成績狀態(tài)進(jìn)行溯因，查找可能導(dǎo)致此狀態(tài)的原因（前成績狀態(tài)） ，從而方便教學(xué)人員調(diào)整教學(xué)順序或策略。

3.2 關(guān)鍵用例分析

在軟件工程的需求分析階段，通過用例分析從用戶的角度描述系統(tǒng)功能。本數(shù)據(jù)挖掘系統(tǒng)包含較多用例，難以針對(duì)每個(gè)用例都詳細(xì)描述，現(xiàn)選擇了系統(tǒng)中幾個(gè)關(guān)鍵用例進(jìn)行分析，用例規(guī)約見表1至表3。表1描述數(shù)據(jù)預(yù)處理用例，在進(jìn)行成績關(guān)聯(lián)挖掘分析過程中，在得到準(zhǔn)備數(shù)據(jù)之后進(jìn)行預(yù)處理，以方便進(jìn)一步關(guān)聯(lián)挖掘的過程。表2描述關(guān)聯(lián)挖掘用例，即在對(duì)準(zhǔn)備數(shù)據(jù)預(yù)處理結(jié)束后，對(duì)預(yù)處理結(jié)果文件進(jìn)行關(guān)聯(lián)挖掘，以補(bǔ)充強(qiáng)關(guān)聯(lián)規(guī)則基礎(chǔ)庫的過程。表3描述成績預(yù)測及溯因用例，即用戶通過某一學(xué)科成績情況，查詢系統(tǒng)的強(qiáng)關(guān)聯(lián)規(guī)則基礎(chǔ)庫，系統(tǒng)反饋與成績情況相關(guān)的關(guān)聯(lián)規(guī)則。

4 系統(tǒng)的數(shù)據(jù)挖掘功能實(shí)現(xiàn)

4.1 關(guān)聯(lián)挖掘分析功能

本數(shù)據(jù)挖掘系統(tǒng)的核心功能是基于關(guān)聯(lián)規(guī)則挖掘的成績分析，對(duì)系統(tǒng)中已存檔管理的學(xué)院學(xué)生成績數(shù)據(jù)進(jìn)行關(guān)聯(lián)挖掘分析。該功能旨在探索各項(xiàng)成績之間的關(guān)系和規(guī)律，為高校人才培養(yǎng)提供指導(dǎo)性建議。

通過應(yīng)用實(shí)例對(duì)系統(tǒng)功能進(jìn)行測試，首先測試成績關(guān)聯(lián)挖掘分析模塊。實(shí)例中，數(shù)據(jù)挖掘的數(shù)據(jù)樣本選取學(xué)院“學(xué)前教育”專業(yè)三年制2021年級(jí)全體188 名學(xué)生在校三年的所有成績數(shù)據(jù)。成績類型包括所有的素質(zhì)成績（如各學(xué)期的學(xué)生干部工作評(píng)價(jià)、各學(xué)期的素質(zhì)積分） 、所有的發(fā)展能力成績（如畢業(yè)論文成績、實(shí)習(xí)成績、見習(xí)成績、畢業(yè)匯報(bào)作品成績） ，以及學(xué)科成績中剔除“選修課”類型（主要原因是學(xué)生的選修科目各不相同，與其他成績構(gòu)成關(guān)聯(lián)的意義不大） 。每位學(xué)生的成績項(xiàng)共有75項(xiàng)。原始數(shù)據(jù)的格式及數(shù)據(jù)部分節(jié)選如表4所示。

確定數(shù)據(jù)樣本后，對(duì)樣本進(jìn)行離散化操作，設(shè)定成績等級(jí)數(shù)”為“5”，即各等級(jí)代表的分?jǐn)?shù)段為“A”[90，100]、“B”[80，90）、“C”[70，80）、“D”[60，70）、“E”[0，60）；同時(shí)將“單科目等級(jí)數(shù)閾值”設(shè)為“3”（去掉成績只有兩個(gè)等級(jí)的科目） 。數(shù)據(jù)離散化操作完成后，生成ARFF文件，為數(shù)據(jù)挖掘做好準(zhǔn)備。由于成績數(shù)據(jù)的特性較為顯著，在進(jìn)行關(guān)聯(lián)挖掘分析時(shí)，需要測試不同參數(shù)的設(shè)定對(duì)最終挖掘結(jié)果的影響。經(jīng)過多次測試，最終將參數(shù)設(shè)定控制在較合理的范圍內(nèi)。通過系統(tǒng)的挖掘分析，得到的具體結(jié)果中部分關(guān)聯(lián)規(guī)則在界面中展示，如圖1所示。

以下對(duì)部分挖掘結(jié)果進(jìn)行解析。例如，關(guān)聯(lián)挖掘結(jié)果的第5條規(guī)則顯示，“學(xué)生干部工作評(píng)價(jià)5”的成績范圍為D[60，70），同時(shí)“學(xué)前兒童語言教育1”的成績范圍為B[80，90），“思想道德修養(yǎng)與法律基礎(chǔ)2”的成績范圍為B[80，90），會(huì)導(dǎo)致“幼兒教師口語2”的成績范圍為B[80，90）。這條關(guān)聯(lián)規(guī)則的置信度超過設(shè)置的置信度閾值0.8，規(guī)則的提升度值為1.01，意味著前面3科成績的情況對(duì)“幼兒教師口語2”成績?yōu)椤癇”有較積極的正面影響。第6 條規(guī)則的提升度值為1.01，表明“幼兒游戲理論與設(shè)計(jì)”成績范圍為C[70，80）對(duì)“幼兒教師口語2”成績范圍為B[80，90）同樣有積極的正面影響。

按照此方法解讀所得到的挖掘結(jié)果，最終將所有挖掘結(jié)果存檔至數(shù)據(jù)庫，形成關(guān)聯(lián)規(guī)則基礎(chǔ)庫。結(jié)合實(shí)際教學(xué)業(yè)務(wù)經(jīng)驗(yàn)，可以將挖掘結(jié)果靈活應(yīng)用于實(shí)際教學(xué)策略的調(diào)整中。

4.2 學(xué)生成績預(yù)測及溯因功能

學(xué)生成績預(yù)測及溯因功能是通過對(duì)不同數(shù)據(jù)樣本進(jìn)行關(guān)聯(lián)分析，生成關(guān)聯(lián)規(guī)則基礎(chǔ)庫后，將當(dāng)前成績情況作為查詢條件檢索基礎(chǔ)庫中的關(guān)聯(lián)規(guī)則。系統(tǒng)檢索并列舉前件或后件符合當(dāng)前成績情況的關(guān)聯(lián)規(guī)則，以展示可能導(dǎo)致當(dāng)前成績情況的因素，或預(yù)測可能導(dǎo)致未來成績情況的因素，從而幫助學(xué)生或教師合理調(diào)整學(xué)習(xí)方法或教學(xué)方法。

第一個(gè)實(shí)例以科目“視唱練耳2”成績?yōu)椤?0”作為檢索條件，對(duì)該成績進(jìn)行關(guān)聯(lián)規(guī)則預(yù)測操作，以了解該科目的成績情況是否影響將來的學(xué)習(xí)。系統(tǒng)反饋的檢索信息如圖2所示。對(duì)系統(tǒng)反饋結(jié)果進(jìn)行解析，結(jié)果顯示的關(guān)聯(lián)規(guī)則參數(shù)屬性中，第二條和第四條結(jié)果的提升度值（lift） 均大于1，均為1.01，表明這些規(guī)則是較有意義的信息。其中，第四條信息顯示“視唱練耳2”的成績范圍為（60，70） 會(huì)積極正面地影響到“學(xué)前兒童語言教育1”和“幼兒教師口語2”的成績范圍為（80，90） 。前者屬于中下水平的成績，后者屬于中上水平的成績，可以考慮兩者在教學(xué)時(shí)間或教學(xué)策略上是否存在沖突的地方。第二條信息的解讀與此類似。第一條和第三條信息顯示關(guān)聯(lián)規(guī)則的提升度值（lift） 不大于1，其意義可以結(jié)合實(shí)際教學(xué)情況進(jìn)行進(jìn)一步評(píng)價(jià)和判斷。

第二個(gè)實(shí)例選取學(xué)號(hào)為“14123130106”的學(xué)生的成績情況。通過成績查詢獲悉，該生科目“幼兒教師口語2”的成績?yōu)椤?0”。以此成績項(xiàng)作為檢索條件，對(duì)該成績進(jìn)行溯因操作，系統(tǒng)反饋的部分檢索信息如圖3所示。

系統(tǒng)反饋結(jié)果顯示，相關(guān)的關(guān)聯(lián)規(guī)則較多，其中提升度值大于1的規(guī)則比例也不小，說明正面影響該科目成績?yōu)椤?0”分的因素較多。例如，第38條規(guī)則顯示，“形體與幼兒舞蹈2”成績范圍在（80，90） 是一個(gè)較有意義的原因，該規(guī)則的提升度值為1.0。這表明這兩個(gè)科目的成績同時(shí)較為優(yōu)秀可能存在潛在的關(guān)聯(lián)，且兩個(gè)科目在教學(xué)上可能具有共同輔助的作用。此外，第39條規(guī)則顯示“學(xué)前兒童語言教育1”成績范圍在（80，90） ，第40條規(guī)則顯示“視唱練耳2”成績范圍在（60，70） ，第42條和第43條規(guī)則顯示“美術(shù)與手工2”和“國畫”成績范圍在（80，90） 。

尤其值得注意的是，第36、37、39、44條規(guī)則顯示“學(xué)生干部工作評(píng)價(jià)2、4、5”的成績均為（60，70） ，即剛及格，這些因素也對(duì)測試科目及其成績產(chǎn)生了正面影響。

5 結(jié)束語

綜上所述，本文基于軟件工程方法構(gòu)建了面向高校人才培養(yǎng)分析的數(shù)據(jù)挖掘系統(tǒng)。該系統(tǒng)能夠有效挖掘教育數(shù)據(jù)背后的潛在模式，為高校人才培養(yǎng)方案的制定和實(shí)施提供了有力的數(shù)據(jù)支持，并為進(jìn)一步構(gòu)建完整的基于數(shù)據(jù)挖掘技術(shù)的高校學(xué)生教務(wù)管理綜合平臺(tái)的研究奠定了堅(jiān)實(shí)基礎(chǔ)。

參考文獻(xiàn)：

[1] 趙蓉英，余波.國際數(shù)據(jù)挖掘研究熱點(diǎn)與前沿可視化分析[J].現(xiàn)代情報(bào)，2018，38（6）：128-137.

[2] 李忠，安建琴，劉海軍，等.關(guān)聯(lián)挖掘算法及發(fā)展趨勢(shì)[J].智能計(jì)算機(jī)與應(yīng)用，2017，7（5）：22-25.

[3] 李強(qiáng).數(shù)據(jù)挖掘中關(guān)聯(lián)分析算法研究[D].哈爾濱：哈爾濱工程大學(xué)，2010.

[4] 周宇，歐石燕.面向關(guān)聯(lián)數(shù)據(jù)的高校機(jī)構(gòu)知識(shí)庫構(gòu)建方法研究[J].圖書情報(bào)工作，2016，60（1）：105-113.

[5] ENGEL T A，CHAR?O A S，KIRSCH-PINHEIRO M，et al.Per?formance improvement of data mining in weka through GPU ac?celeration[J].Procedia Computer Science，2014，32：93-100.

[6] 李秋香. 基于聚類算法和關(guān)聯(lián)規(guī)則算法的學(xué)生考試成績數(shù)據(jù)挖掘研究[J]. 電腦編程技巧與維護(hù)， 2024（7）： 78-81.

[7] 趙峰，劉博妍.基于改進(jìn)Apriori算法的大學(xué)生成績關(guān)聯(lián)分析[J].齊齊哈爾大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，34（1）：11-15.

[8] GAYATHIRI P，POORNA B.Effective gene patterned associa?tion rule hiding algorithm for privacy preserving data mining ontransactional database[J]. Cybernetics and Information Tech?nologies，2017，17（3）：92-108.

【通聯(lián)編輯：唐一東】

基金項(xiàng)目：2024 年度茂名市科技計(jì)劃項(xiàng)目，項(xiàng)目名稱：大專師范生教育實(shí)踐中關(guān)聯(lián)挖掘技術(shù)的應(yīng)用探究（項(xiàng)目編號(hào)2024415）