楊筱平 徐馳

摘 要數(shù)據(jù)挖掘技術作為一項數(shù)據(jù)分析工具，已經在多個行業(yè)領域得到廣泛應用，極大的促進了各領域的生產效率和管理效率。本文主要對數(shù)據(jù)挖掘技術的相關理論概念進行了簡要介紹，然后以學生成績分析為例，對該項技術的應用進行分析，希望能對教育管理者和教學人員提供一定參考。

【關鍵詞】數(shù)據(jù)挖掘 大數(shù)據(jù) 教育 學生成績

1 數(shù)據(jù)挖掘技術基礎理論分析

1.1 涵義分析

數(shù)據(jù)挖掘是集合人工智能、數(shù)據(jù)庫、機器學、統(tǒng)計學、數(shù)學等多個學科的一門交叉性學科，該學科不僅能為商業(yè)性企業(yè)提供決策依據(jù)，解決發(fā)展困境，還能為管理者優(yōu)化管理方案提供參考。數(shù)據(jù)挖掘技術就是對數(shù)據(jù)信息進行提取、處理、分析和轉化，以期從海量、雜亂的數(shù)據(jù)信息中發(fā)現(xiàn)隱藏的規(guī)律，從而為企業(yè)或用戶制定科學的決策提供參考。

1.2 數(shù)據(jù)挖掘實施流程

數(shù)據(jù)挖掘過程是根據(jù)數(shù)據(jù)特征建立模型，然后通過科學檢驗，發(fā)現(xiàn)模型和數(shù)據(jù)之間規(guī)模的一系列活動，具體來說就是確定分析對象，對數(shù)據(jù)進行預處理，選擇合適的數(shù)據(jù)分析方法進行數(shù)據(jù)處理，將分析結果進行可視化展現(xiàn)等，以下將對各個環(huán)節(jié)進行詳細分析。

1.2.1 數(shù)據(jù)準備

從操作上來說，數(shù)據(jù)準備階段主要執(zhí)行的操作時數(shù)據(jù)選取、數(shù)據(jù)清洗和數(shù)據(jù)轉化三相工作，具體來說就是選擇數(shù)據(jù)源，確定數(shù)據(jù)挖掘處理的對象，根據(jù)實際需求從海量數(shù)據(jù)中選擇所需要處理的數(shù)據(jù)內容，生成目標數(shù)據(jù)；目標數(shù)據(jù)多為原始數(shù)據(jù)，可能會存在數(shù)據(jù)不全、數(shù)據(jù)污染等異常情況。為確保數(shù)據(jù)挖掘效果，需要對目標數(shù)據(jù)進行清洗，就是通過一系列操作補全殘缺數(shù)據(jù)、消除不合理數(shù)據(jù)，使其轉為凈化數(shù)據(jù)待用。

1.2.2 數(shù)據(jù)挖掘

這一階段的工作主要是根據(jù)數(shù)據(jù)特征設定數(shù)據(jù)集合屬性，將不參與算法的字段進行處理，然后將其他參與算法的字段看作一個新的數(shù)據(jù)集合；數(shù)據(jù)集合屬性設定完畢后，需要根據(jù)數(shù)據(jù)挖掘的目的和業(yè)務需求選擇合適的算法。

1.2.3 結果可視化呈現(xiàn)

數(shù)據(jù)分析處理結束后產生的結果不利于用戶直接使用，需要將其進行轉化，然后通過可視化手段將其進行展現(xiàn)，為用戶決策或管理工作改進提供參考。

1.3 關鍵技術介紹

數(shù)據(jù)挖掘技術雖是一項新興的數(shù)據(jù)處理技術，但其發(fā)展速度十分迅猛，至今已經形成了決策樹、神經網(wǎng)絡、統(tǒng)計學習、聚類分析、關聯(lián)規(guī)則等多項數(shù)據(jù)挖掘技術，極大的滿足了用戶的需求。

1.3.1 決策樹算法

決策樹算法是分類和預測的常用技術之一，可用于深入分析分類問題，使用時，決策樹能夠利用預測理論對多個變量中進行分析，從而預測處任一變量的發(fā)展趨勢和變化關系；除此以外，還能對變量發(fā)展趨勢進行雙向預測，既能進行正向預測，也能進行反向預測，因此具有方便靈活的優(yōu)勢。

1.3.2 神經網(wǎng)絡算法

神經網(wǎng)絡是將計算機技術與現(xiàn)代神經生物學結合的產物，該技術是通過模擬人腦信息處理機制，對數(shù)值數(shù)據(jù)進行處理，并在處理過程中表現(xiàn)出一種思維、學習和記憶能力。神經網(wǎng)絡有多種分類方式，若按照互聯(lián)結構分，可分為以下四種，如圖1所示。由結構示意圖可知，神經網(wǎng)絡能對大規(guī)模數(shù)據(jù)進行處理，且容錯能力強，具有很好的自組織和自適應能力，在解決非線性復雜問題方面具有較高的優(yōu)勢。

1.3.3 統(tǒng)計學習

統(tǒng)計學習是一種預測方法，該法是對數(shù)據(jù)進行深入分析，找出不能通過的規(guī)律，然后對所發(fā)現(xiàn)的規(guī)律進一步研究和分析，并結合實際情況對數(shù)據(jù)發(fā)展趨勢進行預測。由此可見，統(tǒng)計學習能對人類無法確認的事務進行預測，這對了解進一步了解世界，探索未知事物具有重要意義。

1.3.4 聚類分析法

聚類分析作為一種非參數(shù)分析方法，可對樣本分組中多為數(shù)據(jù)點間的差異及關聯(lián)進行分析，使用該法時，無需對數(shù)據(jù)進行總體假設，也不需要受數(shù)理依據(jù)等原則的限制，只需要通過數(shù)據(jù)搜集、數(shù)據(jù)轉換兩個步驟，就能完成聚類分析的全過程。聚類分析能對數(shù)據(jù)的分布情況進行分析，還能對數(shù)據(jù)分布的局勢進行快捷分析，準確識別出密集和系數(shù)區(qū)域；另外，聚類分析對單類的數(shù)據(jù)同樣具有超強的分析能力，可對每個類的數(shù)據(jù)進行深入分析，發(fā)現(xiàn)其特征，找出變量和類之間的內在關聯(lián)性?；诰垲惙治鲈砘A上的方法很多，如層次法、密度分析法和網(wǎng)絡法就是最常用的聚類分析方法。

1.3.5 關聯(lián)規(guī)則法

關聯(lián)規(guī)則的主要優(yōu)勢是能對數(shù)據(jù)與數(shù)據(jù)之間的依賴關系進行準確描述，該技術能對給定事物數(shù)據(jù)庫進行深入分析，尋找各數(shù)據(jù)和項目之間的內在聯(lián)系，然后將所有符合支持度和置信度的，符合一定標準的關聯(lián)規(guī)則進行羅列。關聯(lián)規(guī)則算法的典型代表是FP-Tree算法，經過實驗證明，該算法在處理數(shù)據(jù)關系方面具有十分強大的優(yōu)勢。

2 數(shù)據(jù)挖掘技術的應用

近年來，數(shù)據(jù)挖掘技術得到了飛躍式發(fā)展，其應用領域也涉及到商業(yè)零售、電信數(shù)據(jù)分析、金融數(shù)據(jù)分析、生物醫(yī)學分析、教育管理分析等多個領域。隨著各行各業(yè)信息化建設的不斷完善，大量的信息數(shù)據(jù)為數(shù)據(jù)挖掘技術的應用提供了基礎和保障。本文將以教學為例，利用數(shù)據(jù)挖掘技術對學生學習成績進行深入分析。

2.1 數(shù)據(jù)挖掘在教育教學中應用的可行性分析

數(shù)據(jù)驅動學校，分析變革教育的大數(shù)據(jù)時代已經帶來，利用數(shù)據(jù)挖掘技術對教育領域的相關數(shù)據(jù)進行分析，探索教育變量之間的關系，為教育教學的科學決策提供有力支撐，已經成為教育發(fā)展的趨勢之一。大數(shù)據(jù)時代的到來，將掀起人類教與學的又一次變革。對此，美國國家教育部于2012年就已經發(fā)布了《通過教育數(shù)據(jù)挖掘和學習分析促進教與學》的報告。報告中，列舉了大數(shù)據(jù)教育應用的案例、領域、應用中所面臨的困難以及應采取的態(tài)度和對策等。

計算機技術和互聯(lián)網(wǎng)技術在我國起步較晚，但發(fā)展迅速，尤其是近幾年“互聯(lián)網(wǎng)+”時代的到來，極大的促進了各行各業(yè)的發(fā)展。互聯(lián)網(wǎng)的發(fā)展同樣會促進學校信息化的建設，加強教育教學領域的大數(shù)據(jù)研究和應用分析，具有重要的實踐意義。教育學者在信息技術和網(wǎng)絡技術的影響下，逐漸加大了對數(shù)據(jù)挖掘技術的研究力度，通過一系列研究，就“國家和地方應在技術層面、管理體制、法律制度上加大對大數(shù)據(jù)研究和應用力度，按照發(fā)展現(xiàn)狀及未來規(guī)劃，整合現(xiàn)有資源，發(fā)揮后勁優(yōu)勢，真正推動我國教育教學工作的改革進程。大數(shù)據(jù)給各個行業(yè)的發(fā)展帶來的變革和挑戰(zhàn)是前所未有的，就教育行業(yè)而言，教師的教學行為、學生的學習活動、教學管理工作、科學研究等數(shù)據(jù)都能為學校領導者制定決策提供依據(jù)，數(shù)據(jù)挖掘技術在教育教學領域具有廣泛應用價值。

2.2 數(shù)據(jù)挖掘技術對學生成績的分析

在教學領域，學習分析是其中最為重要的組成部分。學習分析就是收集與學習者有關的信息數(shù)據(jù)，然后構建數(shù)據(jù)模型，從中發(fā)現(xiàn)數(shù)據(jù)中隱含的規(guī)律；還可利用該技術對學習者的行為表現(xiàn)進行分析，根據(jù)學生表現(xiàn)制定合適的學習計劃，提高學生的學習效率；總之，學習分析是涉及到社會學、心理學、計算機科學和信息技術等多種學科的一種理論方法，是利用海量數(shù)據(jù)的收集、分析、處理，發(fā)現(xiàn)影響學習者學校結果的因素，評價學生學習情況，根據(jù)分析反饋結果，對教學內容、教學計劃和教學方式進行調整和改進，以此推進教學和學習的整體效率。

2.3 數(shù)據(jù)挖掘技術應用過程

2.3.1 數(shù)據(jù)選取

數(shù)據(jù)是數(shù)據(jù)挖掘的基礎，也是整個數(shù)據(jù)挖掘流程中耗費時間和精力最多的環(huán)節(jié)，大概占整個數(shù)據(jù)挖掘項目的60%-80%。在這一環(huán)節(jié)中，若數(shù)據(jù)類型沒有完成轉換，則數(shù)據(jù)類型與模型中的算法匹配度就會受到影響；數(shù)據(jù)中存在的噪聲過多或不完整度過高，就會影響模型的準確性，由此可見，數(shù)據(jù)選取工作具有十分重要的地位，應對其引起足夠的重視。數(shù)據(jù)質量越高，越有利于實現(xiàn)挖掘目標，分析出來后所得出的規(guī)律結論更可靠。

2.3.2 數(shù)據(jù)挖掘過程

學生成績數(shù)據(jù)可通過學校教學平臺獲取，其挖掘過程如下：

（1）數(shù)據(jù)準備階段。首先，先數(shù)據(jù)導入操作，選擇類型為Excel表格后，執(zhí)行查詢操作。然后，對數(shù)據(jù)進行清理。將原始數(shù)據(jù)中異常數(shù)據(jù)、噪聲數(shù)據(jù)或不合理數(shù)據(jù)進行清除；對不完整數(shù)據(jù)進行字段補償，待數(shù)據(jù)符合數(shù)據(jù)挖掘要求后，將其導入數(shù)據(jù)庫。最后，數(shù)據(jù)轉換。將以百分制記錄的原始數(shù)據(jù)分為1-10個檔次的成績備用。

（2）數(shù)據(jù)挖掘階段。本文選擇決策樹為算法，對學生成績進行數(shù)據(jù)挖掘。首先定義成績字段及其含義，可見表1所示。

本文以《C語言程序設計》、《Java應用》、《計算機網(wǎng)絡》和《操作系統(tǒng)》四門課程學生成績?yōu)檠芯繉ο?，根?jù)研究目的構建決策樹，對目標數(shù)據(jù)進行計算，然后將處理結果通過轉化形成可視化知識。

（3）數(shù)據(jù)可視化呈現(xiàn)及解釋。將分析結果進行轉化后，形成如圖2和圖3的關系圖。

以上四門課程中，《C語言程序設計》成績較好時，《操作系統(tǒng)》對《計算機網(wǎng)絡》的影響較大；而《C語言程序設計》學習成績一般時（90分以下），《Java應用》對《計算機網(wǎng)絡》的影響較大。針對以上分析結果，可對教學管理提出如下建議：《C語言程序設計》這門課程較為重要，應該適當增加課時，盡量保證每周可開設六個學時，而且要確保每周都有實踐課，提高學生動手操作的能力；《操作系統(tǒng)》這門課對其他課程的影響不大，可相應減少課時；網(wǎng)站開發(fā)是以《Java應用》課程為基礎的，而且該學科也是學習其他編程語言的基礎，應該適當增加總課時數(shù)和實踐活動；《C語言程序設計》與《Java應用》課程可以結合在一起上，學完《C語言程序設計》課程后就可繼續(xù)學習《Java應用》，不需等到下一新學期再上。

3 結語

數(shù)據(jù)挖掘技術在分析海量數(shù)據(jù)，尋找數(shù)據(jù)內隱含規(guī)律方面具有明顯優(yōu)勢，通過數(shù)據(jù)挖掘分析，能為使用者科學決策，減少失誤提供技術保障；該技術的應用還能促進教學工作的有效性，提升教學質量，促進學生學習成績的進步。

參考文獻

[1]崔廣風.數(shù)據(jù)挖掘中的統(tǒng)計方法及其應用研究[D].四川：西南石油大學，2014.

[2]黃雯.數(shù)據(jù)挖掘算法及其應用研究[D].南京：南京郵電大學，2013.

[3]吳澤曦.數(shù)據(jù)挖掘技術及其在車輛監(jiān)控系統(tǒng)中的應用[D].北京：北京郵電大學，2015.

作者單位

天水師范學院電子信息與電氣工程學院 甘肅省天水市 741001