陸蒼海，吳漢強

(1.江蘇教育考試院，江蘇南京210024；2.揚州職業(yè)大學，江蘇揚州225009)

近年來，隨著經濟的發(fā)展和社會的進步，高校教育也得到了深入發(fā)展，高校招收人數急劇增加，使得傳統(tǒng)的高校教育已跟不上時代的發(fā)展，高校教育面臨著前所未有的挑戰(zhàn)。信息化的推進和網絡技術的發(fā)展，使得信息化規(guī)模不斷擴大。數據量的快速增長，加速了高校信息庫的建立與完善，高校各部門利用信息技術的能力也大幅提高，將數據挖掘技術應用到高校信息管理中來，通過數據挖掘技術，可以對高校積累的海量信息進行開采并加以提煉，把看似無關的數據信息合并集成，挖掘其潛在的聯(lián)系，獲取有價值的信息。根據挖掘結果，幫助高校管理工作者分析數據的各種特征和關系，從而對決策起到指導和預測作用，提高高校管理質量和教學水平，提升人才培養(yǎng)效果，有效增強學校競爭力。

1 數據挖掘技術

1.1 數據挖掘基本概述

數據挖掘是數據庫和信息決策領域的前沿研究方向之一，是一門交叉學科，它借鑒了數據庫系統(tǒng)、機器學習、模式識別、信息檢索、統(tǒng)計學習、人工智能等領域的理論和算法，利用多種分析工具從海量數據中發(fā)現(xiàn)數據間潛在的關系。

數據挖掘，是指從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程，提取的知識一般可表示為概念、規(guī)則、規(guī)律、模式等形式[1]。

1.2 數據挖掘的主要過程

有人認為數據挖掘是數據庫中的知識發(fā)現(xiàn)過程，能夠從看似無關的雜亂無章的數據中提取有用的信息，也有人認為數據挖掘僅僅是知識發(fā)現(xiàn)過程中的一個步驟。一般而言，知識發(fā)現(xiàn)過程包含下列步驟：確定業(yè)務對象、數據準備、數據挖掘、模式評估和知識表示[2]。

1）確定業(yè)務對象：這一步要能清晰地定義出業(yè)務問題，確定研究方向和數據挖掘目的，獲取業(yè)務信息，解釋數據屬性特征，設置預見問題。

2）數據準備：針對挖掘目標收集、整理原始數據集，然后對數據集中的數據進行清洗，去除噪聲數據和不相關等問題數據，將數據集中的數據結合起來，轉換成有效形式，提供適合數據挖掘的數據集。數據準備包括數據清洗、集成、選擇和變換。

3）數據挖掘：是核心步驟，使用各種智能的數據挖掘算法和分析模型從數據中挖掘出重要模式。

4）模式評估和知識表示：依據一定的標準對所發(fā)現(xiàn)的模式進行解釋評估，從而發(fā)現(xiàn)真正的有意義的知識模式，然后通過可視化和知識表示技術，以用戶能理解的方式為其提供發(fā)現(xiàn)的知識。

數據挖掘過程不是自動完成的，大部分工作需要人工實現(xiàn)。圖1給出了數據挖掘過程中各個步驟的工作量比例。從圖中可以看出，數據準備占用了整個時間的60%，說明數據挖掘對數據的要求是非常嚴格的，而后挖掘工作僅占總工作量的10%[3]。

圖1 數據挖掘過程工作量比例

1.3 數據挖掘的常用技術

數據挖掘可以實現(xiàn)多種功能，如關聯(lián)分析、聚類分析、分類預測、孤立點分析、演變分析等，不同功能的實現(xiàn)技術會因功能的內在差異而不同。常用的數據挖掘技術主要有以下幾種：

1）信息論方法（即決策樹方法）：以實例為基礎的歸納學習方法，利用信息論的原理建立決策樹，展示了一種在某種條件下得出某些值的分類方法。用于數據分類。

2）聚類方法：通過分析數據庫中的記錄數據，按照一定的分類規(guī)則，對物理或抽象對象的集合合理分組，形成多個類。用于分類和關聯(lián)規(guī)則的挖掘。

3）統(tǒng)計分析方法：利用統(tǒng)計學原理對數據倉庫中的數據進行處理，用于完成總結知識和關聯(lián)知識采掘。

4）仿生物技術：典型的方法是神經網絡方法和遺傳算法。

5）可視化技術:拓寬了傳統(tǒng)的圖表功能，使用戶對數據的剖析更清楚。

2 高校管理信息問題描述

管理信息系統(tǒng)是一個由人、計算機等組成的能進行管理信息收集、傳遞、儲存、加工、維護和使用的系統(tǒng)[4]。由于高校具有先進技術和高學歷人才，加速了高校信息化建設的步伐。信息技術的不斷使用，使得高校信息管理系統(tǒng)中的數據量急劇增加，高校信息管理系統(tǒng)的使用已相對成熟。

高校信息管理系統(tǒng)，收集到了關于教師教學、學生學習生活的幾乎所有信息，教師信息相對簡單穩(wěn)定，主要涉及教師的職稱、學歷、工齡、授課方式等信息；學生信息相對復雜，從學生入學開始，家庭背景、入學成績、學習習慣、個性特征、學習興趣等都不盡相同，到在校的學習、生活，在校表現(xiàn)，成績排名，實習就業(yè)等，這些數不勝數的數據都被聚集在高校管理信息系統(tǒng)中，主要包括教師信息系統(tǒng)、教務管理信息系統(tǒng)管理系統(tǒng)、學生管理系統(tǒng)等。這些信息系統(tǒng)為高校的管理工作帶來了便利，方便了信息的查找和傳輸，提高了信息的準確率，節(jié)省了人力和紙張。但可以看到，目前各高校對信息管理系統(tǒng)的使用還處在初級階段，僅僅簡單實現(xiàn)了對數據的備份、查詢和統(tǒng)計，并沒有充分發(fā)揮其作用。因此，高校管理者可以利用高校管理信息系統(tǒng)中的海量數據，找出其內在聯(lián)系，獲取有用信息，提供高校管理決策支持，提高高校管理質量和教學水平。而數據挖掘技術恰恰可以實現(xiàn)這一目的。

3 數據挖掘在高校信息管理系統(tǒng)中的具體應用

在圖1中可以看到數據挖掘過程中各步驟所占工作量的比例，其中數據準備過程占了總工作量的60%，說明數據準備的要求還是比較嚴格的。而高校信息管理系統(tǒng)中的數據格式比較規(guī)范，表現(xiàn)形式也比較統(tǒng)一，且?guī)缀醪淮嬖跀祿s質和不規(guī)則數據，所以縮減了數據準備過程，只需將用到的不同高校管理信息系統(tǒng)中的相關數據集成到單個系統(tǒng)中，即完成數據集成就行。通過使用數據挖掘技術，分析高校管理信息系統(tǒng)中的數據間的潛在關聯(lián)，獲取有價值的信息，幫助高校管理者做好決策指導，有效提升管理工作質量和效果。

3.1 班級管理分析

隨著高校學生人數的增多，學生管理工作越來越復雜。可以從學生檔案系統(tǒng)中導出錄取學生表中的相關信息，抽取某個院系某專業(yè)各個班級學生的入學各科成績、家庭情況；從學生管理系統(tǒng)中導出在校表現(xiàn)，抽取學生月曠課時數；學生從教務管理系統(tǒng)中導出各個班級綜合測評，抽取各科成績、綜合測評成績。通過運用數據挖掘中的偏差檢測算法，對學生入學成績、家庭情況、月曠課時數、綜合測評信息進行挖掘，找出影響班級管理的特殊學生，幫助學生管理工作者更高效的做好學生管理工作。

3.2 個性化人才培養(yǎng)

隨著社會的進步，高等教育的規(guī)?；?，人才需求理念的變化，高校人才的培養(yǎng)也要能跟上發(fā)展的步伐，實現(xiàn)個性化教育，不同的對象采取不同的培養(yǎng)方式?？梢詮慕虅展芾硇畔⑾到y(tǒng)中導出各個班級綜合測評，抽取各科成績、測評成績；學生檔案系統(tǒng)中導出錄取學生表中的相關信息，抽取個性特征、學習興趣；通過數據挖掘中的聚類分析，對信息進行提取、分析、歸納、總結，找出共同點，為高校制定個性化培養(yǎng)模式提供有效指導和數據支持，幫助高校培養(yǎng)出更多的個性化、創(chuàng)新性和應用型的人才。

3.3 學習成績影響分析

現(xiàn)在高校規(guī)模不斷擴大，學生數量越來越多，高校間的競爭也越來越激烈。更好的提高學生的學習成績和學習效果，加強學生在就業(yè)中的競爭力，是當前各高校關注的課題?？梢詮膶W生檔案系統(tǒng)導出學生家庭情況，抽取學生貸款信息；從校園一卡通信息系統(tǒng)中導出學生消費記錄，抽取每月平均消費額；從教務管理信息系統(tǒng)中導出班級綜合測評，抽取學生每學期總評成績；從學生管理系統(tǒng)中導出學生日常表現(xiàn)，抽取每月平均曠課時數；從圖書館管理系統(tǒng)中導出學生借閱信息，抽取每月平均借閱次數。通過數據挖掘技術，利用其中的C4.5算法，以學生貸款、消費金額、圖書借閱情況、曠課時數、總評成績?yōu)橐罁Q策樹模型的訓練集，采用C4.5算法構建決策樹，生成決策規(guī)則，找出學生學習成績影響的各種因素。去除無關和次要因素，對主要因素重點管理，以期進一步提高學生的學習成績。

3.4 教師教學分析

影響學校教學質量的因素很多，其中最重要的是教師，如何提高教師素質、教學水平是當前高校關注的話題。通過高校信息管理系統(tǒng)收集學生的學習狀況及對教師授課的意見，建立教師評價數據庫，既對教師的教學起到積極的推動作用,激發(fā)教師工作的積極性，又對教學工作起到檢測作用?？梢詮慕處熜畔⒐芾硐到y(tǒng)中抽取教師的職稱、學歷、工齡、授課方式；從學生評價系統(tǒng)中抽取教師評價結果。利用數據挖掘中的關聯(lián)規(guī)則Apriori算法，分析職稱、學歷、工齡、授課方式與評價結果間的關聯(lián)性，找出較高關聯(lián)因素。高?？梢杂嗅槍π缘靥岣呋虬l(fā)展較高關聯(lián)因素，如提高教師學歷層次，改善教師職稱結構，做好教學策略設計，教師開設公開課，開展教學競賽等活動，以提高教師整體的教學水平。

4 結束語

數據挖掘作為一種新興技術工具，已經成為數據庫和信息決策領域的前沿研究方向之一，受到國內外學術界的關注，應用越來越廣泛。在教育領域，高校信息管理系統(tǒng)積累了大量的數據信息，且數據規(guī)范準確，系統(tǒng)使用也較為成熟。將數據挖掘技術應用到高校信息管理系統(tǒng)中，對高校信息系統(tǒng)中的數據信息進行分析研究，建立高校管理決策支持系統(tǒng)，為高校各級管理者提供有價值、有決策參考的信息，必將在激烈的高校競爭中提高其競爭力,為高校未來的發(fā)展起到科學導向作用。

[1]陳安.數據挖掘技術及應用[M].北京:科學出版社,2006.

[2]董寧.數據挖掘技術在CRM中的應用[J]．計算機工程與設計，2007，(6).

[3]田靜.數據挖掘技術在防范住房信貸風險中的應用[D].貴陽：貴州大學，2007.

[4]陸炯.數字化校園的總體框架與若干關鍵技術的研究[M].南京:南京大學出版社,2004.