梁 強

(大連民族大學 經(jīng)濟管理學院，遼寧 大連 116605)

為貫徹落實黨中央《關(guān)于深化人才發(fā)展體制機制改革的意見》和《關(guān)于全面振興東北地區(qū)等老工業(yè)基地的若干意見》的精神，遼寧省在“十三五”高校人才培養(yǎng)規(guī)劃中提出，要樹立創(chuàng)新、協(xié)調(diào)、綠色、開放、共享的發(fā)展理念，以提高人才培養(yǎng)質(zhì)量為核心，以提升服務(wù)經(jīng)濟社會發(fā)展能力為重點，通過優(yōu)化專業(yè)結(jié)構(gòu)和人才培養(yǎng)類型結(jié)構(gòu)、深化創(chuàng)新創(chuàng)業(yè)教育改革、創(chuàng)新人才培養(yǎng)模式，實現(xiàn)高校人才培養(yǎng)與經(jīng)濟社會發(fā)展需要的全面對接，滿足現(xiàn)代產(chǎn)業(yè)體系多樣化的人才需求，為遼寧全面振興提供強大的人才支撐。要提高人才培養(yǎng)質(zhì)量，就要創(chuàng)新人才培養(yǎng)機制和模式，探索實踐多種形式課程學習方式。人才培養(yǎng)模式一般是指在一定的現(xiàn)代教育理論、教育思想指導下，按照特定的培養(yǎng)目標和人才規(guī)格，以相對穩(wěn)定的教學內(nèi)容和課程體系，管理制度和評估方式，實施人才教育過程的總和。具體的，需要對教學內(nèi)容、課程體系、教學模式等進行創(chuàng)新性變革，其中重要環(huán)節(jié)就是教育教學模式的優(yōu)化[1]。目前對于高校人才培養(yǎng)模式優(yōu)化的研究和實踐已大規(guī)模展開，但是各類教育教學模式和人才培養(yǎng)模式的近期和遠期效果如何，則需要對大量實際案例進行數(shù)據(jù)挖掘，找出隱藏于大數(shù)據(jù)中的規(guī)律，以便于大范圍推廣。

1 數(shù)據(jù)挖掘與數(shù)據(jù)分析

數(shù)據(jù)挖掘(Data Mining)，又稱為資料探勘、數(shù)據(jù)采礦，是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、潛在有用的信息和知識的過程。數(shù)據(jù)挖掘通常包括統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)和模式識別等方法。

數(shù)據(jù)挖掘即數(shù)據(jù)分析與處理，分為數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘和數(shù)據(jù)后期處理三個主要階段，具體包括信息收集、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約、數(shù)據(jù)清理、數(shù)據(jù)變換、數(shù)據(jù)挖掘過程、模式評估和知識表示等8個步驟。數(shù)據(jù)挖掘與數(shù)據(jù)分析中的常用技術(shù)包括：統(tǒng)計技術(shù)、關(guān)聯(lián)規(guī)則、遺傳算法、聚集檢測、連接分析、決策樹、神經(jīng)網(wǎng)絡(luò)、粗糙集、模糊集、回歸分析、差別分析等[2]。

數(shù)據(jù)挖掘與數(shù)據(jù)分析涵蓋了統(tǒng)計學、數(shù)學、計算機、數(shù)據(jù)庫等學科，并應(yīng)用于數(shù)據(jù)庫管理、人工智能、統(tǒng)計分析、數(shù)據(jù)倉庫、在線分析處理、專家系統(tǒng)、數(shù)據(jù)可視化、機器學習、信息檢索、神經(jīng)網(wǎng)絡(luò)、模式識別等眾多領(lǐng)域。數(shù)據(jù)挖掘主要實現(xiàn)以下功能：(1)找出事物的同質(zhì)性和共通性；(2)找出不同事物之間的依存關(guān)系或關(guān)聯(lián)性；(3)分類和聚類，發(fā)現(xiàn)相同類型事物的共同特征和不同類型事物之間的主要差異；(4)根據(jù)歷史資料和數(shù)據(jù)，預(yù)測事物未來的發(fā)展趨勢。

根據(jù)數(shù)據(jù)挖掘的不同算法，常用方法包括：(1)生物學方法，包括人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等；(2)信息論方法，包括決策樹算法等；(3)集合論方法，包括約略集、模糊集、最鄰近算法等；(4)統(tǒng)計分析方法，包括預(yù)測模型算法、序列模式分析算法等；(5)可視化技術(shù)方法，包括聚類分析算法、關(guān)聯(lián)規(guī)則挖掘算法、分類規(guī)則挖掘算法、WEB數(shù)據(jù)挖掘算法等。

2 數(shù)據(jù)挖掘技術(shù)的主要階段與方法

數(shù)據(jù)挖掘與數(shù)據(jù)分析的具體操作，是從大型數(shù)據(jù)庫和海量數(shù)據(jù)中，檢索有效的、實用的信息，并利用這些信息做出決策。數(shù)據(jù)挖掘過程通常分為數(shù)據(jù)準備、數(shù)據(jù)挖掘、數(shù)據(jù)評價以及數(shù)據(jù)運用四個階段。

2.1 數(shù)據(jù)準備階段

數(shù)據(jù)準備階段是剔除無用信息的過程，主要通過消除噪聲數(shù)據(jù)和與主題明顯無關(guān)的數(shù)據(jù)，對數(shù)據(jù)進行篩選、變換和預(yù)處理。經(jīng)過預(yù)處理的數(shù)據(jù)通常存儲在數(shù)據(jù)倉庫中。數(shù)據(jù)的預(yù)處理是否充分將影響數(shù)據(jù)挖掘的準確性以及最終的決策效果。數(shù)據(jù)預(yù)處理的具體步驟包括：(1)選擇數(shù)據(jù)：選擇與主題高度相關(guān)的數(shù)據(jù)；(2)預(yù)處理：剔除無效、冗余的數(shù)據(jù)；(3)補充缺失數(shù)據(jù)：根據(jù)數(shù)據(jù)規(guī)律，推算補充缺失數(shù)據(jù)；(4)轉(zhuǎn)換數(shù)據(jù)：根據(jù)計算需要，轉(zhuǎn)換離散型和連續(xù)型數(shù)據(jù)，對數(shù)據(jù)進行分組分類；(5)縮減數(shù)據(jù)：剔除低效數(shù)據(jù)，僅保留最有價值的數(shù)據(jù)。

2.2 數(shù)據(jù)挖掘與分析階段

數(shù)據(jù)挖掘與分析階段是數(shù)據(jù)挖掘的核心步驟，也是數(shù)據(jù)挖掘的關(guān)鍵技術(shù)。根據(jù)研究目標和主要任務(wù)，采用生物學、信息論、集合論、統(tǒng)計分析、可視化技術(shù)等方法，選取相應(yīng)的算法，分析數(shù)據(jù)并得到相應(yīng)的模式或規(guī)則。

2.3 數(shù)據(jù)評價階段

在分析得到相應(yīng)的模式或規(guī)則后，評估模式或規(guī)則的有效性和準確性。評估可以使用數(shù)據(jù)算法進行檢驗，也可以根據(jù)專家經(jīng)驗判斷。同時，還需要根據(jù)數(shù)據(jù)使用者的反饋，判斷決策的有效程度，并依據(jù)反饋對模式和規(guī)則進行修改和完善。

2.4 數(shù)據(jù)運用與決策階段

數(shù)據(jù)運用與決策是將挖掘出的有效信息清晰地傳遞給數(shù)據(jù)使用者。這需要選擇合適的可視化工具，將結(jié)果以具體的模式或規(guī)則的形式傳遞給用戶。同時還要對信息進行一致性檢驗，解決本次挖掘與以前得到的信息之間互相矛盾、沖突的地方，使信息具有連續(xù)性和穩(wěn)定性。數(shù)據(jù)運用與決策主要有兩種方法：一種是評價數(shù)據(jù)分析本身的結(jié)果，并以此為依據(jù)進行決策；另一種是運用挖掘得到的信息對新的數(shù)據(jù)進行分析，并對決策結(jié)果進行優(yōu)化和完善。

3 數(shù)據(jù)挖掘在高校人才培養(yǎng)模式分析及評價中的應(yīng)用

3.1 分析學生在不同教學模式下的學習特征，優(yōu)化人才培養(yǎng)模式

學生的學習特征主要包括學習的初始能力和學習的一般特征。學習的初始能力是指在學習某一特定的知識點時，已經(jīng)具備的與該知識點相關(guān)的知識儲備與技能基礎(chǔ)。學習的一般特征是指學生的性別、年齡、專業(yè)、年級、認知水平、智力能力、學習態(tài)度、學習期望、生活經(jīng)驗，以及學生成長的文化、社會、經(jīng)濟等背景因素。這些因素都可能在學習過程中影響學生的心理、學習狀態(tài)和學習效果。學生的學習特征與學習活動和學習效果之間有著密不可分的關(guān)系，不同學習特征的學生對同一知識點或同一課程的感知和接受存在顯著的差異性。

利用數(shù)據(jù)挖掘與數(shù)據(jù)分析，可以深入分析學生的學習特征。例如，在互聯(lián)網(wǎng)+教學中，記錄、分析學生對網(wǎng)絡(luò)和系統(tǒng)的訪問情況，利用定位技術(shù)，跟蹤、分析學生出勤情況[3]。還可以根據(jù)學生的性別、年齡、專業(yè)等基本情況進行分組，挖掘不同教育教學模式下學生的學習特征。并利用可視化技術(shù)，將學習特征信息以圖表或曲線等直觀的形式提供給教師，使教師能對比不同教學模式下學生的學習特征，以優(yōu)化高校人才培養(yǎng)模式。

本文以某大學的國際貿(mào)易專業(yè)為例，該專業(yè)從2013級開始調(diào)整培養(yǎng)方案，每個年級開設(shè)一個全英文教學班，其余為普通教學班。此處選取同一專業(yè)、同一位教師授課、不同培養(yǎng)方案的學生為研究對象，其中A組樣本為2013-2017級國貿(mào)全英文班共計137名學生的統(tǒng)計學(雙語)課程期末卷面成績，B組樣本為2013、2014、2016級國貿(mào)普通班共計295名學生的統(tǒng)計學課程期末卷面成績。

A組為全英班成績數(shù)據(jù)，樣本容量為137，由于篇幅所限，未列出全部學生成績，部分數(shù)據(jù)見表1。

表1 A組部分學生期末卷面成績

B組為普通班成績數(shù)據(jù)，樣本容量為295，部分數(shù)據(jù)見表2。

表2 B組部分學生期末卷面成績

使用SPSS軟件對A、B兩組數(shù)據(jù)進行獨立樣本T檢驗，以檢驗不同培養(yǎng)方案對同一專業(yè)、同一位教師授課的學生成績是否有顯著影響。截取的SPSS軟件分析結(jié)果如圖1。

圖1 獨立樣本T檢驗結(jié)果

數(shù)據(jù)組1為普通班，數(shù)據(jù)組2為全英班。從“組統(tǒng)計量”結(jié)果可以看出，普通班的統(tǒng)計學平均成績?yōu)?9.98分，而全英文班的統(tǒng)計學平均成績?yōu)?3.84分。從“獨立樣本檢驗”結(jié)果可以看出，對方差齊性的假設(shè)檢驗中Sig=0.000，小于0.050，說明不滿足方差齊性，因此方差是不齊的；對均值方程的T檢驗中Sig=0.026，小于0.050，說明兩組數(shù)據(jù)之間存在顯著性差異，即全英文班的統(tǒng)計學平均成績明顯高于普通班。因此，最終結(jié)論是：在本案例中，不同培養(yǎng)方案對同一專業(yè)、同一位教師授課的學生成績具有顯著差異的影響。

3.2 分析課程成績的影響因素，提升課程體系設(shè)置的合理性

利用數(shù)據(jù)挖掘與數(shù)據(jù)分析，可以進行更為高效精準的考試與成績分析。課程考試的成績能夠較為直觀地顯示學生對知識點和知識體系的掌握程度，對成績進行數(shù)據(jù)挖掘，可以提高教師教學過程的針對性，更精確的對教學內(nèi)容進行調(diào)整。在此基礎(chǔ)上，教師可以根據(jù)數(shù)據(jù)挖掘的結(jié)果優(yōu)化教學目標、課程內(nèi)容、教學策略和教學手段，為學生打造一個精準定位、匹配其學習特征的教學模式，進而提高人才培養(yǎng)的針對性和精準度。

高等學校的人才培養(yǎng)方案中，課程設(shè)置具有一定的邏輯順序和關(guān)聯(lián)性。在學習某些較高級課程之前，必須具備相應(yīng)的知識儲備和課程基礎(chǔ)。如果前置課程和相應(yīng)知識點沒有掌握，則會影響后續(xù)課程的學習效果。在不同的教育教學模式下，學習同一門課程的不同班級的成績水平會存在較大差異。利用關(guān)聯(lián)分析與時間序列分析等數(shù)據(jù)挖掘方法，對比不同類型的教學模式對學生成績的影響，從教學數(shù)據(jù)庫中挖掘出有效信息[4]，并根據(jù)以上信息，找出影響教學效果和人才培養(yǎng)質(zhì)量的關(guān)鍵因素，提升人才培養(yǎng)方案和課程體系設(shè)置的合理性。

3.3 評價教學效果和教育教學質(zhì)量，動態(tài)調(diào)整人才培養(yǎng)模式

教學評價是根據(jù)人才培養(yǎng)的目標和要求，依據(jù)特定的規(guī)則對教學效果做出描述性統(tǒng)計。教學評價是通過以下方式搜集學生對任課教師所講授課程的評價數(shù)據(jù)：學生評議打分、學生座談會意見、專家評價、課程考試的成績匯總等。利用數(shù)據(jù)挖掘技術(shù)可以對數(shù)據(jù)庫中的各項教學指標數(shù)值進行數(shù)據(jù)處理，以確定學生對教學難度和范圍是否適應(yīng)，授課時間安排是否合理，授課思路和語言表述是否清晰易懂，教學方法與教學內(nèi)容、授課對象是否匹配等。從而及時根據(jù)評價反饋的信息，動態(tài)調(diào)整教育教學模式，實現(xiàn)人才培養(yǎng)模式的優(yōu)化。

教育教學質(zhì)量一般通過學生的學習效果進行衡量。跟蹤分析學生的學習行為和學習效果，可以通過信息反饋，深入了解學生學習的個體差異，以便于因材施教、因人施教。對于學生學習行為的評價，一般采用模糊綜合評價方法和聚類方法。具體為對評價結(jié)果進行加權(quán)平均，算出綜合得分并根據(jù)分值進行排序，然后采用動態(tài)聚類方法對評價結(jié)果進行聚類分析[5]。對于學生學習效果的評價則通常采用對成績數(shù)據(jù)庫進行數(shù)據(jù)挖掘的方法。挖掘過程是依據(jù)不同的標志進行統(tǒng)計分組，進行一系列的統(tǒng)計分析，包括數(shù)值分布、描述統(tǒng)計、相關(guān)性檢驗、顯著性檢驗等。對于數(shù)據(jù)挖掘結(jié)果采用特征規(guī)則、關(guān)聯(lián)規(guī)則、交叉表、特征曲線、統(tǒng)計圖表等表示。

4 結(jié)論與建議

隨著大數(shù)據(jù)時代信息量的急劇增長和高校人才培養(yǎng)模式轉(zhuǎn)變的需求，使用傳統(tǒng)方法從海量數(shù)據(jù)中尋找規(guī)律越來越難以實現(xiàn)。利用數(shù)據(jù)挖掘與數(shù)據(jù)分析去發(fā)掘教學數(shù)據(jù)中隱藏的規(guī)律，為人才培養(yǎng)模式的轉(zhuǎn)變提供數(shù)據(jù)支持，已成為高等教育改革的有效路徑[6]。數(shù)據(jù)挖掘與數(shù)據(jù)分析方法體現(xiàn)了以學生為中心的教育理念，教師和教學管理部門應(yīng)依據(jù)挖掘反饋的信息，進行動態(tài)靶向調(diào)整，實現(xiàn)高校人才培養(yǎng)與經(jīng)濟社會發(fā)展需要的精準對接。同時，筆者提出如下建議。

4.1 制定和實施推動教學改革的措施，激勵和保障教學改革的開展

以試點班的形式探索多種人才培養(yǎng)模式，打破單一的人才培養(yǎng)格局，拓寬人才培養(yǎng)途徑。目前的實驗班形式較為簡單，可以探索更深入的實驗班形態(tài)。例如，大范圍引入國外高校師資，為實驗班配備專職教師隊伍，實驗班的教師在考核、職稱評審等方面，享受一定的政策傾斜，鼓勵教師加大教育教學投入。

4.2 深化校企聯(lián)合培養(yǎng)，對學生就業(yè)數(shù)據(jù)進行挖掘與分析

開展校企合作育人，探索各類校企聯(lián)合人才培養(yǎng)模式，由高校為主培養(yǎng)，轉(zhuǎn)變?yōu)樾Ｆ箅p方聯(lián)合培養(yǎng)，校企共同制定培養(yǎng)計劃，打造“零適應(yīng)期”就業(yè)模式，提高畢業(yè)生的職業(yè)發(fā)展能力。同時，對就業(yè)數(shù)據(jù)進行分析，為校企合作模式的調(diào)整提供依據(jù)。

4.3 實施全程數(shù)據(jù)追蹤，優(yōu)化“實踐與創(chuàng)新”教育模式

遴選優(yōu)秀學生，組建拔尖創(chuàng)新人才實驗班。課程體系強化實踐與創(chuàng)新，探索理論課程與實踐課程融合，依托高校科研團隊加強專業(yè)和創(chuàng)新教育。實施全程數(shù)據(jù)追蹤和挖掘分析，并根據(jù)實驗班的數(shù)據(jù)挖掘結(jié)果，優(yōu)化實踐與創(chuàng)新教育模式，進而提升拔尖創(chuàng)新人才的培養(yǎng)質(zhì)量。