摘 要：高校檔案作為重要的信息資源，蘊(yùn)含著豐富的知識(shí)與價(jià)值。然而，傳統(tǒng)的檔案信息服務(wù)手段受限于技術(shù)與人力，難以充分挖掘檔案數(shù)據(jù)的潛在價(jià)值，引入數(shù)據(jù)挖掘技術(shù)將有助于提高高校檔案信息服務(wù)的質(zhì)量與效率。本文分析了高校檔案數(shù)據(jù)挖掘的現(xiàn)狀與挑戰(zhàn)，探討了關(guān)聯(lián)規(guī)則挖掘、聚類分析、文本挖掘等技術(shù)在檔案信息服務(wù)中的應(yīng)用，并且提出了數(shù)據(jù)挖掘技術(shù)相關(guān)發(fā)展策略，旨在助力高校檔案數(shù)據(jù)挖掘技術(shù)的優(yōu)化和高校檔案信息服務(wù)水平的提升。

關(guān)鍵詞：高校檔案；數(shù)據(jù)挖掘；信息服務(wù)；發(fā)展策略

隨著信息技術(shù)的飛速發(fā)展，大量的高校檔案數(shù)據(jù)逐漸積累，如何高效利用這些數(shù)據(jù)資源成為了亟待解決的問題。數(shù)據(jù)挖掘作為一種從海量數(shù)據(jù)中提取有價(jià)值信息的方法，已在各個(gè)領(lǐng)域取得了顯著成果。近年來，高校檔案數(shù)據(jù)挖掘逐漸引起了學(xué)術(shù)界和實(shí)踐界的關(guān)注。高校檔案數(shù)據(jù)不僅具有豐富的內(nèi)涵，還具有多樣化的形式，因此研究高校檔案數(shù)據(jù)挖掘在信息服務(wù)中的應(yīng)用具有重要的理論意義和實(shí)際價(jià)值。本研究立足于高校檔案數(shù)據(jù)挖掘與信息服務(wù)的背景，旨在為高校檔案管理與服務(wù)提供新的思路和方法。

1 高校檔案數(shù)據(jù)挖掘的現(xiàn)狀與挑戰(zhàn)

1.1 數(shù)據(jù)挖掘技術(shù)發(fā)展概述

數(shù)據(jù)挖掘技術(shù)起源于20世紀(jì)90年代，是一種從大量數(shù)據(jù)中提取潛在、未知且有價(jià)值信息的過程。數(shù)據(jù)挖掘技術(shù)主要包括關(guān)聯(lián)規(guī)則挖掘、聚類分析、分類預(yù)測、文本挖掘、時(shí)序分析、可視化等方法。近年來，隨著計(jì)算機(jī)技術(shù)、人工智能、云計(jì)算等領(lǐng)域的突破，數(shù)據(jù)挖掘技術(shù)不斷發(fā)展，成為眾多行業(yè)和領(lǐng)域中關(guān)鍵的信息分析手段。在教育領(lǐng)域，數(shù)據(jù)挖掘技術(shù)的應(yīng)用主要包括學(xué)生行為分析、教學(xué)資源優(yōu)化、課程設(shè)計(jì)、教育評(píng)估等。高校作為教育領(lǐng)域的重要組成部分，同樣可以借助數(shù)據(jù)挖掘技術(shù)對(duì)檔案數(shù)據(jù)進(jìn)行深入挖掘，實(shí)現(xiàn)檔案信息服務(wù)的智能化和個(gè)性化，從而提升高校教學(xué)、科研與管理水平。

1.2 高校檔案數(shù)據(jù)挖掘現(xiàn)狀

當(dāng)前，高校檔案數(shù)據(jù)挖掘主要體現(xiàn)在以下幾個(gè)方面。一是教學(xué)與科研數(shù)據(jù)分析：通過對(duì)學(xué)生成績、課程安排、教師評(píng)價(jià)等信息進(jìn)行挖掘分析，為高校教學(xué)改革提供依據(jù)，同時(shí)對(duì)科研項(xiàng)目、論文發(fā)表等方面進(jìn)行深入分析，以提升科研水平。二是學(xué)生行為分析：利用數(shù)據(jù)挖掘技術(shù)分析學(xué)生上網(wǎng)行為、圖書館借閱等信息，以評(píng)估學(xué)生學(xué)術(shù)表現(xiàn)、發(fā)現(xiàn)學(xué)生需求，為學(xué)生提供更精準(zhǔn)的輔導(dǎo)和服務(wù)。三是資源整合與共享：通過數(shù)據(jù)挖掘技術(shù)對(duì)高校檔案資源進(jìn)行整合、挖掘潛在價(jià)值，實(shí)現(xiàn)資源共享，降低高校間的信息壁壘。

高校檔案數(shù)據(jù)挖掘在實(shí)際應(yīng)用中仍存在一定局限，如數(shù)據(jù)質(zhì)量和完整性問題、技術(shù)研究和應(yīng)用水平相對(duì)滯后、人才培養(yǎng)不足等。為了充分發(fā)揮數(shù)據(jù)挖掘在高校檔案信息服務(wù)中的價(jià)值，有必要進(jìn)一步加強(qiáng)技術(shù)研究和應(yīng)用，提高人才培養(yǎng)水平，推動(dòng)高校檔案數(shù)據(jù)挖掘向更深、更廣的方向發(fā)展。

1.3 高校檔案數(shù)據(jù)挖掘面臨的挑戰(zhàn)

1.3.1數(shù)據(jù)質(zhì)量與完整性。高校檔案數(shù)據(jù)多樣性、分散性以及數(shù)據(jù)缺失、不一致等問題影響了數(shù)據(jù)挖掘的準(zhǔn)確性和有效性，提高數(shù)據(jù)質(zhì)量和完整性成為迫切需要解決的問題。

1.3.2技術(shù)研究與應(yīng)用水平。當(dāng)前，高校檔案數(shù)據(jù)挖掘技術(shù)研究相對(duì)滯后，缺乏成熟的技術(shù)體系和方法論。同時(shí)，將先進(jìn)的數(shù)據(jù)挖掘技術(shù)應(yīng)用到高校檔案信息服務(wù)中仍面臨一定難度。

1.3.3人才培養(yǎng)與資源配置。高校檔案數(shù)據(jù)挖掘亟須具備相關(guān)技能的人才，但目前人才短缺、專業(yè)培訓(xùn)不足。此外，高校在技術(shù)研究與應(yīng)用上的投入與支持不足，限制了數(shù)據(jù)挖掘技術(shù)在高校檔案信息服務(wù)中的發(fā)展。

1.3.4數(shù)據(jù)安全與隱私保護(hù)。隨著數(shù)據(jù)挖掘技術(shù)的廣泛應(yīng)用，數(shù)據(jù)安全與隱私保護(hù)成為一個(gè)日益突出的問題。如何在保證數(shù)據(jù)挖掘效果的同時(shí)，確保數(shù)據(jù)安全和個(gè)人隱私不受侵犯，是高校檔案數(shù)據(jù)挖掘面臨的重要挑戰(zhàn)。

1.3.5跨學(xué)科研究與合作。高校檔案數(shù)據(jù)挖掘涉及計(jì)算機(jī)科學(xué)、信息科學(xué)、檔案學(xué)等多個(gè)學(xué)科，需要實(shí)現(xiàn)跨學(xué)科的融合與協(xié)同。如何打破學(xué)科壁壘，建立有效的合作機(jī)制，對(duì)推動(dòng)高校檔案數(shù)據(jù)挖掘的發(fā)展具有重要意義。

2 數(shù)據(jù)挖掘技術(shù)在檔案信息服務(wù)中的應(yīng)用

2.1 關(guān)聯(lián)規(guī)則挖掘

關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中一種重要的技術(shù)手段，旨在發(fā)現(xiàn)數(shù)據(jù)集中不同項(xiàng)目之間的關(guān)聯(lián)關(guān)系。關(guān)聯(lián)規(guī)則挖掘的核心概念包括支持度（Support）和置信度（Confidence），用以衡量關(guān)聯(lián)規(guī)則的強(qiáng)度和可靠性。Apriori算法是關(guān)聯(lián)規(guī)則挖掘中一種經(jīng)典的算法，其基本思想是通過逐層搜索的方式，從單項(xiàng)集到多項(xiàng)集逐步挖掘出滿足最小支持度和最小置信度的頻繁項(xiàng)集及其關(guān)聯(lián)規(guī)則，可以使用如下流程實(shí)現(xiàn)關(guān)聯(lián)規(guī)則挖掘：①數(shù)據(jù)預(yù)處理：將高校檔案數(shù)據(jù)整理成適合關(guān)聯(lián)規(guī)則挖掘的形式，如將數(shù)據(jù)轉(zhuǎn)換為0-1矩陣或事務(wù)列表；②導(dǎo)入關(guān)聯(lián)規(guī)則挖掘庫（如Python的mlxtend庫）并設(shè)置參數(shù)，如最小支持度和最小置信度；③ 使用Apriori算法進(jìn)行頻繁項(xiàng)集挖掘；④ 根據(jù)挖掘到的頻繁項(xiàng)集生成關(guān)聯(lián)規(guī)則；⑤ 對(duì)關(guān)聯(lián)規(guī)則進(jìn)行評(píng)估和排序，提取具有實(shí)際意義的規(guī)則。在高校檔案數(shù)據(jù)挖掘中，關(guān)聯(lián)規(guī)則挖掘可以用于發(fā)現(xiàn)學(xué)生行為、課程安排、教師評(píng)價(jià)等方面的潛在規(guī)律，從而優(yōu)化教學(xué)資源配置、課程體系設(shè)計(jì)和學(xué)生管理策略，為高校教學(xué)、管理和服務(wù)提供支持。

2.2 聚類分析

聚類分析是數(shù)據(jù)挖掘中的一種無監(jiān)督學(xué)習(xí)方法，通過計(jì)算相似度或距離來對(duì)數(shù)據(jù)進(jìn)行分組，使得組內(nèi)數(shù)據(jù)相似度高，組間數(shù)據(jù)相似度低。常用的聚類算法有K-means、層次聚類、DBSCAN等。其中，K-means算法是一種簡單且易于實(shí)現(xiàn)的聚類方法，其基本思想是通過迭代優(yōu)化，將數(shù)據(jù)劃分為K個(gè)簇，使得簇內(nèi)數(shù)據(jù)距離最小化，簇間數(shù)據(jù)距離最大化。以Python語言為例，可以使用如下流程實(shí)現(xiàn)聚類分析：① 數(shù)據(jù)預(yù)處理：對(duì)高校檔案數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換和標(biāo)準(zhǔn)化處理，使數(shù)據(jù)適合進(jìn)行聚類分析；②導(dǎo)入聚類分析庫（如Python的scikit-learn庫）并設(shè)置參數(shù)；③ 用K-means算法進(jìn)行聚類分析；④ 根據(jù)聚類結(jié)果對(duì)數(shù)據(jù)進(jìn)行標(biāo)記和可視化；⑤ 對(duì)聚類結(jié)果進(jìn)行評(píng)估和解釋，提取有價(jià)值的信息。在高校檔案數(shù)據(jù)挖掘中，通過聚類分析，高?？梢园l(fā)現(xiàn)學(xué)生的學(xué)術(shù)表現(xiàn)和興趣偏好等特征，為學(xué)生提供個(gè)性化的教學(xué)支持和輔導(dǎo)服務(wù)。同時(shí)，聚類分析也有助于對(duì)教學(xué)資源進(jìn)行分類和整合，從而實(shí)現(xiàn)資源的優(yōu)化配置和高效利用。

2.3 文本挖掘

文本挖掘是數(shù)據(jù)挖掘的一個(gè)子領(lǐng)域，專注于從大量非結(jié)構(gòu)化文本數(shù)據(jù)中提取有價(jià)值的信息和知識(shí)。文本挖掘涉及多種技術(shù)方法，如文本分類、情感分析、主題模型、關(guān)鍵詞提取等。其中，主題模型（如隱含狄利克雷分布，LDA）是一種常用的文本挖掘方法，用于發(fā)現(xiàn)文檔集合中的潛在主題結(jié)構(gòu)，可以使用如下流程實(shí)現(xiàn)文本挖掘：① 數(shù)據(jù)預(yù)處理：對(duì)高校檔案文本數(shù)據(jù)進(jìn)行清洗、分詞、去停用詞等預(yù)處理操作；② 導(dǎo)入文本挖掘庫并設(shè)置參數(shù)，如主題個(gè)數(shù)；③ 使用LDA算法進(jìn)行主題模型分析；④ 根據(jù)主題模型結(jié)果對(duì)文檔進(jìn)行分類和可視化；⑤對(duì)文本挖掘結(jié)果進(jìn)行評(píng)估和解釋，提取有價(jià)值的信息。在高校檔案數(shù)據(jù)挖掘中，文本挖掘可應(yīng)用于論文分析、輿情監(jiān)測、知識(shí)圖譜構(gòu)建等方面，為高校教學(xué)、科研和管理提供智能化支持。通過文本挖掘，高?？梢陨钊胪诰蛘撐?、報(bào)告、新聞等文本數(shù)據(jù)中的潛在知識(shí)和規(guī)律，為教學(xué)、科研和管理決策提供有力支持。同時(shí)，文本挖掘技術(shù)還有助于實(shí)現(xiàn)校園輿情監(jiān)控、知識(shí)資源整合等任務(wù)，進(jìn)一步提升高校信息服務(wù)水平。

2.4 預(yù)測與分類

預(yù)測與分類是數(shù)據(jù)挖掘中的監(jiān)督學(xué)習(xí)方法，目標(biāo)是根據(jù)已有數(shù)據(jù)構(gòu)建模型，以便對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測或分類。預(yù)測與分類涉及多種算法，如決策樹、支持向量機(jī)（SVM）、神經(jīng)網(wǎng)絡(luò)等。其中，決策樹是一種簡單且直觀的分類和預(yù)測方法，通過樹形結(jié)構(gòu)表示數(shù)據(jù)的劃分和分類規(guī)則，可以使用如下流程實(shí)現(xiàn)預(yù)測與分類：①數(shù)據(jù)預(yù)處理：對(duì)高校檔案數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換、標(biāo)準(zhǔn)化等預(yù)處理操作，將數(shù)據(jù)劃分為訓(xùn)練集和測試集；②導(dǎo)入預(yù)測與分類庫（如Python的scikit-learn庫）并設(shè)置參數(shù)；③使用決策樹算法訓(xùn)練模型，并在測試集上進(jìn)行預(yù)測或分類；④對(duì)預(yù)測或分類結(jié)果進(jìn)行評(píng)估，如計(jì)算準(zhǔn)確率、查準(zhǔn)率、查全率等指標(biāo)；⑤對(duì)模型進(jìn)行優(yōu)化和解釋，提取有價(jià)值的信息。在高校檔案數(shù)據(jù)挖掘中，預(yù)測與分類可以用于學(xué)生成績預(yù)測、學(xué)生流失分析、教師績效評(píng)估等場景，為高校教學(xué)、管理和服務(wù)提供智能化決策支持。通過預(yù)測與分類，高?？梢詫?shí)現(xiàn)對(duì)學(xué)生表現(xiàn)、教師績效等方面的智能預(yù)測與分析，為教學(xué)、管理和服務(wù)決策提供有效依據(jù)。同時(shí)，預(yù)測與分類技術(shù)還有助于識(shí)別潛在問題和風(fēng)險(xiǎn)，實(shí)現(xiàn)教育資源的精細(xì)化管理和優(yōu)化配置。

2.5 可視化技術(shù)

可視化技術(shù)在高校檔案數(shù)據(jù)挖掘中起著至關(guān)重要的作用，它將復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為直觀易懂的圖形，有助于更好地理解數(shù)據(jù)挖掘結(jié)果，從而促進(jìn)決策過程?？梢暬夹g(shù)的應(yīng)用涵蓋多種圖形表示方式，如柱狀圖、折線圖、餅圖、散點(diǎn)圖、熱力圖等，可以使用如下流程實(shí)現(xiàn)數(shù)據(jù)可視化：①數(shù)據(jù)預(yù)處理：根據(jù)可視化需求對(duì)高校檔案數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換和整合；②導(dǎo)入可視化庫（如Python的Matplotlib、Seaborn或Plotly庫）；③根據(jù)數(shù)據(jù)特點(diǎn)和可視化目標(biāo)選擇合適的圖形類型和參數(shù)設(shè)置；④利用可視化庫繪制圖形，為數(shù)據(jù)挖掘結(jié)果提供直觀展示；⑤對(duì)可視化結(jié)果進(jìn)行解釋和分析，提取有價(jià)值的信息。通過可視化技術(shù)，高?？梢愿庇^地展示數(shù)據(jù)挖掘過程和結(jié)果，有助于提高數(shù)據(jù)分析效率和準(zhǔn)確性。同時(shí)，可視化技術(shù)還可促進(jìn)跨部門、跨學(xué)科的溝通與合作，為高校教學(xué)、科研和管理決策提供更為全面和直觀的依據(jù)。在實(shí)際應(yīng)用中，結(jié)合數(shù)據(jù)挖掘技術(shù)和可視化技術(shù)，高?？梢愿行У赝诰驒n案數(shù)據(jù)中的潛在價(jià)值，提高信息服務(wù)質(zhì)量與效率，為構(gòu)建智慧高校提供有力支持。

3 高校檔案數(shù)據(jù)挖掘與信息服務(wù)的發(fā)展策略

3.1 加強(qiáng)高校檔案數(shù)據(jù)挖掘技術(shù)研究與開發(fā)

關(guān)注前沿技術(shù)動(dòng)態(tài)，緊跟數(shù)據(jù)挖掘領(lǐng)域的新理論、新方法及新算法，不斷豐富和完善技術(shù)體系。加強(qiáng)跨學(xué)科研究，促進(jìn)計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、教育學(xué)等多領(lǐng)域的交叉融合，發(fā)揮各學(xué)科優(yōu)勢，為高校檔案數(shù)據(jù)挖掘提供全面支持。重視實(shí)踐應(yīng)用與技術(shù)創(chuàng)新，將理論研究與實(shí)際問題相結(jié)合，不斷推動(dòng)高校檔案數(shù)據(jù)挖掘技術(shù)在教學(xué)、科研和管理等方面的應(yīng)用。加強(qiáng)人才培養(yǎng)，培養(yǎng)具備數(shù)據(jù)挖掘相關(guān)技能和素養(yǎng)的高校信息服務(wù)人才，為高校檔案數(shù)據(jù)挖掘的發(fā)展提供有力人才保障。

3.2 建立完善的檔案數(shù)據(jù)挖掘體系與標(biāo)準(zhǔn)

制定明確的數(shù)據(jù)挖掘目標(biāo)與策略，明確檔案數(shù)據(jù)挖掘在教學(xué)、科研和管理等方面的具體應(yīng)用，確保數(shù)據(jù)挖掘工作的系統(tǒng)性與針對(duì)性。建立統(tǒng)一的數(shù)據(jù)收集、整理和存儲(chǔ)規(guī)范，以確保數(shù)據(jù)質(zhì)量和一致性，為數(shù)據(jù)挖掘提供可靠基礎(chǔ)。研究制定適用于高校檔案數(shù)據(jù)挖掘的技術(shù)標(biāo)準(zhǔn)與規(guī)范，引導(dǎo)和規(guī)范數(shù)據(jù)挖掘技術(shù)的應(yīng)用。完善數(shù)據(jù)安全與隱私保護(hù)制度，確保數(shù)據(jù)挖掘過程中信息安全與合規(guī)性。強(qiáng)化檔案數(shù)據(jù)挖掘的組織協(xié)同和資源共享，促進(jìn)高校間的交流與合作，共同推動(dòng)檔案數(shù)據(jù)挖掘技術(shù)與應(yīng)用的發(fā)展。

3.3 加強(qiáng)高校檔案數(shù)據(jù)安全與隱私保護(hù)

建立健全數(shù)據(jù)安全管理制度，明確數(shù)據(jù)使用權(quán)限、責(zé)任與義務(wù)，確保數(shù)據(jù)使用過程的合規(guī)性。采用加密、脫敏等技術(shù)手段，對(duì)敏感數(shù)據(jù)進(jìn)行有效保護(hù)，防止數(shù)據(jù)泄露和濫用。完善數(shù)據(jù)審計(jì)機(jī)制，定期檢查數(shù)據(jù)使用情況，及時(shí)發(fā)現(xiàn)和處理數(shù)據(jù)安全問題。加強(qiáng)網(wǎng)絡(luò)安全防護(hù)，預(yù)防外部攻擊和內(nèi)部泄密，確保數(shù)據(jù)存儲(chǔ)和傳輸?shù)陌踩?。提高高校師生和管理人員的數(shù)據(jù)安全意識(shí)，加強(qiáng)培訓(xùn)和宣傳，形成良好的數(shù)據(jù)安全文化。通過實(shí)施上述措施，可有效加強(qiáng)高校檔案數(shù)據(jù)安全與隱私保護(hù)，為數(shù)據(jù)挖掘應(yīng)用提供堅(jiān)實(shí)保障。同時(shí)，這也有助于維護(hù)高校聲譽(yù)，促進(jìn)教學(xué)、科研和管理工作的健康發(fā)展。

3.4 培養(yǎng)高素質(zhì)的檔案數(shù)據(jù)挖掘與信息服務(wù)人才

完善教育體系，設(shè)置相關(guān)專業(yè)和課程，如數(shù)據(jù)科學(xué)、計(jì)算機(jī)科學(xué)等，為學(xué)生提供系統(tǒng)的理論知識(shí)與實(shí)踐技能培訓(xùn)。加強(qiáng)實(shí)踐教學(xué)，設(shè)立實(shí)驗(yàn)室和實(shí)習(xí)基地，讓學(xué)生在實(shí)際工作環(huán)境中掌握數(shù)據(jù)挖掘與信息服務(wù)的技能。鼓勵(lì)跨學(xué)科研究，促進(jìn)計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、教育學(xué)等多領(lǐng)域的交叉融合，培養(yǎng)具備跨領(lǐng)域能力的復(fù)合型人才。加強(qiáng)國際交流與合作，引進(jìn)優(yōu)質(zhì)教育資源，拓寬學(xué)生視野，提升全球競爭力。強(qiáng)化繼續(xù)教育，為在職人員提供定期培訓(xùn)和學(xué)習(xí)機(jī)會(huì)，保持人才隊(duì)伍的活力和競爭力。通過落實(shí)上述措施，有望為高校檔案數(shù)據(jù)挖掘與信息服務(wù)領(lǐng)域培養(yǎng)一批具備專業(yè)素養(yǎng)、實(shí)踐能力和創(chuàng)新精神的高素質(zhì)人才，為構(gòu)建智慧高校提供有力人才支撐。

結(jié)語

本文以高校檔案數(shù)據(jù)挖掘與信息服務(wù)研究為主題，對(duì)當(dāng)前高校檔案數(shù)據(jù)挖掘技術(shù)發(fā)展、挑戰(zhàn)、應(yīng)用方法以及實(shí)現(xiàn)信息服務(wù)的優(yōu)化等方面進(jìn)行了系統(tǒng)性論述。數(shù)據(jù)挖掘技術(shù)在高校檔案數(shù)據(jù)管理中具有巨大潛力，有助于提升信息服務(wù)質(zhì)量與效率。高校未來需不斷加強(qiáng)數(shù)據(jù)挖掘技術(shù)研究與開發(fā)、完善檔案數(shù)據(jù)挖掘體系與標(biāo)準(zhǔn)、加強(qiáng)數(shù)據(jù)安全與隱私保護(hù)，以及培養(yǎng)高素質(zhì)人才。在此基礎(chǔ)上，高校將充分發(fā)揮檔案數(shù)據(jù)的價(jià)值，推動(dòng)教學(xué)、科研和管理工作的創(chuàng)新與發(fā)展，為構(gòu)建智慧高校提供有力支持。

參考文獻(xiàn)

[1]葛春蕾.基于智慧校園云平臺(tái)的檔案數(shù)據(jù)組織與服務(wù)的實(shí)現(xiàn)機(jī)理研究[J].檔案管理，2022（06）：83-85.

[2]王寧，孔夢帆，于雪.大數(shù)據(jù)背景下高校人事檔案數(shù)據(jù)化組織流程與實(shí)現(xiàn)路徑研究[J].情報(bào)科學(xué)，2022，40（11）：103-109.

[3]孫振霖，周墨林，楊思煒.大數(shù)據(jù)時(shí)代高校檔案管理問題及對(duì)策[J].延安職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2022，36（05）：12-14.

[4]楊萬歡.檔案數(shù)據(jù)挖掘在高校助學(xué)金評(píng)定中的應(yīng)用[J].資源信息與工程，2022，37（01）：153-155.

[5]胡曉慶.大數(shù)據(jù)時(shí)代高校檔案數(shù)據(jù)治理策略研究[J].城建檔案，2021（12）：37-39.

[6]李文瓊.大數(shù)據(jù)挖掘技術(shù)在高校檔案管理中的運(yùn)用[J].鄭州鐵路職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2021，33（04）：106-107+112.

作者簡介：董琳，研究生學(xué)歷，山東建筑大學(xué)館員，研究方向：檔案管理。