高校信息化下數(shù)據(jù)挖掘技術(shù)應(yīng)用研究

摘 要：隨著高校信息化建設(shè)的逐年投入，在校園網(wǎng)絡(luò)中運(yùn)行的各種應(yīng)用系統(tǒng)中積累的數(shù)據(jù)在急劇增加，如何從大量的數(shù)據(jù)中發(fā)掘出有價(jià)值的信息，最大限度的發(fā)揮數(shù)據(jù)價(jià)值，成為高校亟待解決的問題。

關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；信息化

中圖分類號(hào)：TP311.13

隨著信息技術(shù)的發(fā)展，各高校建立了必要的基礎(chǔ)設(shè)施和應(yīng)用系統(tǒng)，利用先進(jìn)的現(xiàn)代信息技術(shù)、手段和工具實(shí)現(xiàn)了校園內(nèi)部各項(xiàng)資源的信息化，形成了一個(gè)完整的、獨(dú)立的信息化空間，使得現(xiàn)實(shí)校園在時(shí)間和空間上延伸開來。由于高校內(nèi)部不同行政管理部門之間的協(xié)調(diào)問題，在高校中運(yùn)行了紛繁復(fù)雜的系統(tǒng)，不同應(yīng)用系統(tǒng)之間數(shù)據(jù)存在千絲萬縷的聯(lián)系，導(dǎo)致出現(xiàn)許多冗余數(shù)據(jù)，數(shù)據(jù)質(zhì)量不高消弱了數(shù)據(jù)利用的價(jià)值。這就必須借助數(shù)據(jù)挖掘技術(shù)去發(fā)現(xiàn)數(shù)據(jù)中隱藏的規(guī)律，為知識(shí)管理決策提供科學(xué)依據(jù)和更有效的支持。

1 數(shù)據(jù)挖掘定義及挖掘過程

1.1 數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘（Data Mining，DM），又稱數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)，是指從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中揭示隱含的、先前未知的并有潛在價(jià)值的信息和知識(shí)的過程。數(shù)據(jù)挖掘過程不是線性的，而是反復(fù)循環(huán)的。從大量數(shù)據(jù)中發(fā)現(xiàn)有用的信息、規(guī)則等知識(shí)是一個(gè)系統(tǒng)的過程。

1.2 數(shù)據(jù)挖掘的一般過程

數(shù)據(jù)挖掘的過程可描述為，在確定了數(shù)據(jù)挖掘的目的之后，在各類相關(guān)的信息中選擇適于數(shù)據(jù)挖掘的數(shù)據(jù)，接著對(duì)數(shù)據(jù)進(jìn)行初步處理，然后針對(duì)某一數(shù)據(jù)挖掘算法建立分析模型，選擇合適的挖掘算法進(jìn)行數(shù)據(jù)挖掘。主要包括數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、評(píng)價(jià)和解釋等幾個(gè)階段。

（1）數(shù)據(jù)準(zhǔn)備

熟悉背景知識(shí)，弄清用戶的需求，明確定義要解決的問題，針對(duì)性的從已存在的數(shù)據(jù)倉庫中提取相關(guān)數(shù)據(jù)，進(jìn)行數(shù)據(jù)收集，建立數(shù)據(jù)挖掘庫。

（2）數(shù)據(jù)挖掘

從數(shù)據(jù)中找出相關(guān)規(guī)律和相應(yīng)的趨勢，發(fā)現(xiàn)各因素間的相關(guān)性，選擇數(shù)據(jù)挖掘算法，如關(guān)聯(lián)規(guī)則、分類預(yù)測、聚類規(guī)則等對(duì)數(shù)據(jù)進(jìn)行深入調(diào)查，進(jìn)一步明確和量化問題解決的要求，根據(jù)問題的需求對(duì)數(shù)據(jù)進(jìn)行增刪，甚至形成新變量以對(duì)狀態(tài)進(jìn)行有效的描述，通過采用數(shù)據(jù)挖掘中的相應(yīng)分析方法來建立模型。

（3）評(píng)價(jià)和解釋

通過評(píng)估來確定有效的、有用的模型。因?yàn)閿?shù)據(jù)挖掘得到的模型可能會(huì)是沒有實(shí)際意義或沒有使用價(jià)值的，也可能是不能準(zhǔn)確反映數(shù)據(jù)真實(shí)意義的模型，甚至有可能是一些與事實(shí)相反的模型，因此需要對(duì)所得到的的挖掘結(jié)果進(jìn)行評(píng)價(jià)，以去除無效的模型。

2 主要的數(shù)據(jù)挖掘方法

2.1 關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則是發(fā)現(xiàn)數(shù)據(jù)庫中數(shù)據(jù)項(xiàng)之間所存在的關(guān)系規(guī)則，即根據(jù)一個(gè)事務(wù)中某些項(xiàng)的出現(xiàn)可導(dǎo)出另一些項(xiàng)在同一事務(wù)中也出現(xiàn)，即隱藏在數(shù)據(jù)間的關(guān)聯(lián)或相互關(guān)系。它們經(jīng)常被表達(dá)為如下形式的蘊(yùn)含或規(guī)則形式：X=>Y，可以解釋為滿足X的數(shù)據(jù)庫元組也可能會(huì)滿足Y。在客戶關(guān)系管理中，通過對(duì)企業(yè)的客戶數(shù)據(jù)庫里的大量數(shù)據(jù)進(jìn)行挖掘，可以從大量的記錄中發(fā)現(xiàn)有趣的關(guān)聯(lián)關(guān)系，找出影響市場營銷效果的關(guān)鍵因素，為產(chǎn)品定位、定價(jià)與定制客戶群，客戶尋求、細(xì)分與保持，市場營銷與推銷，營銷風(fēng)險(xiǎn)評(píng)估和詐騙預(yù)測等決策支持提供參考依據(jù)。

2.2 分類與預(yù)測

分類是找出數(shù)據(jù)庫中一組數(shù)據(jù)對(duì)象的共同特點(diǎn)并按照分類模式將其劃分為不同的類，構(gòu)造出一個(gè)分類模型，該模型能夠把數(shù)據(jù)庫中的數(shù)據(jù)記錄映射到給定類別中的某一個(gè)，從而可以應(yīng)用于數(shù)據(jù)預(yù)測。它可以應(yīng)用到客戶的分類、客戶的屬性和特征分析、客戶滿意度分析、客戶的購買趨勢預(yù)測等，如一個(gè)汽車零售商將客戶按照對(duì)汽車的喜好劃分成不同的類，這樣營銷人員就可以將新型汽車的廣告手冊(cè)直接郵寄到有這種喜好的客戶手中，從而大大增加了商業(yè)機(jī)會(huì)。

2.3 聚類規(guī)則

聚類分析是把一組數(shù)據(jù)按照相似性和差異性分成幾個(gè)類別，這主要是把一組按照相似性歸納成若干類別，也就是“物以類聚”。其目的是讓同一類別的數(shù)據(jù)間的相似性盡可能增大，不同類別中的數(shù)據(jù)間的相似性盡可能減少。

3 數(shù)據(jù)挖掘技術(shù)在高校信息化建設(shè)中的應(yīng)用

3.1 利用數(shù)據(jù)挖掘技術(shù)促進(jìn)知識(shí)管理

學(xué)校在長期的信息化建設(shè)中形成了大量數(shù)據(jù)資料，由于不同工作部門之間工作協(xié)作關(guān)系，導(dǎo)致積累了大量的冗余信息，利用數(shù)據(jù)挖掘技術(shù)從紛繁復(fù)雜的數(shù)據(jù)中挖掘有價(jià)值的知識(shí)，建立充分利用這些數(shù)據(jù)的意識(shí)，通過數(shù)據(jù)總結(jié)、數(shù)據(jù)分類、數(shù)據(jù)聚類和關(guān)聯(lián)規(guī)則發(fā)現(xiàn)學(xué)校中的隱式知識(shí)和顯式知識(shí)，推進(jìn)對(duì)知識(shí)的創(chuàng)新、獲取、加工、存儲(chǔ)、傳播和應(yīng)用的管理，建立以數(shù)據(jù)為中心的知識(shí)管理模型。

3.2 利用數(shù)據(jù)挖掘技術(shù)促進(jìn)課程體系建設(shè)

根據(jù)職業(yè)人成長的規(guī)律，各專業(yè)課程的設(shè)置是循序漸進(jìn)的，課程與課程之間也是有一定的關(guān)聯(lián)和前后順序關(guān)系。學(xué)一門較高級(jí)課程之前，必須要先修一些先行課程，例如計(jì)算機(jī)專業(yè)學(xué)生在學(xué)習(xí)數(shù)據(jù)結(jié)構(gòu)這門課程之前，需要先學(xué)習(xí)語言程序設(shè)計(jì)等等課程。一旦先行課程沒有學(xué)好，則會(huì)影響后續(xù)課程的學(xué)習(xí)。另外，同年級(jí)學(xué)習(xí)相同課程的不同班級(jí)，由于授課教師、班級(jí)文化的不同，班內(nèi)學(xué)生的總體成績也會(huì)有所差異。每個(gè)學(xué)期安排課程的多少，也會(huì)影響學(xué)生學(xué)習(xí)效果。我們可以利用學(xué)生的學(xué)習(xí)成績數(shù)據(jù)庫中存放的歷屆學(xué)生各門學(xué)科的考試成績，結(jié)合數(shù)據(jù)挖掘的關(guān)聯(lián)分析與實(shí)踐序列分析等相關(guān)功能，從這些海量數(shù)據(jù)中挖掘出有用的信息，幫助分析這些數(shù)據(jù)之間的相關(guān)性、回歸性等性質(zhì)，得出一些很有價(jià)值的規(guī)則和信息，找到影響學(xué)生成績的原因，并在此基礎(chǔ)上對(duì)課程設(shè)計(jì)做出更加合理的安排。

3.3 利用數(shù)據(jù)挖掘技術(shù)改進(jìn)教學(xué)評(píng)價(jià)方法

教學(xué)質(zhì)量是整個(gè)教學(xué)過程的中心環(huán)節(jié)，是人才培養(yǎng)質(zhì)量的重要保證，是對(duì)學(xué)校辦學(xué)水平進(jìn)行綜合評(píng)價(jià)的重要組成部分。教學(xué)質(zhì)量高低是教學(xué)活動(dòng)的成效性外在表現(xiàn)形式，而良好的教學(xué)評(píng)價(jià)對(duì)教學(xué)質(zhì)量有導(dǎo)向、促進(jìn)、激勵(lì)及調(diào)控功能，是學(xué)校教學(xué)管理工作的重要組成部分，是評(píng)價(jià)教學(xué)工作成績的主要手段，對(duì)教師的客觀評(píng)價(jià)體現(xiàn)了教師在教學(xué)過程中的綜合能力。教學(xué)質(zhì)量評(píng)價(jià)是一個(gè)多維性評(píng)價(jià)指標(biāo)體系，包括課程組織、行為管理、學(xué)生成績?cè)u(píng)定和師生關(guān)系等。教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系具有多因素性、模糊性、多樣性以及評(píng)估功能的鑒定性和診斷性等特點(diǎn)。如何從現(xiàn)有的大量評(píng)價(jià)數(shù)據(jù)中挖掘出內(nèi)涵的、潛在的、有用的數(shù)據(jù)非常重要，并對(duì)這些數(shù)據(jù)進(jìn)行準(zhǔn)確地、科學(xué)的分析，是一個(gè)復(fù)雜的系統(tǒng)工程。利用數(shù)據(jù)挖掘算法從教學(xué)評(píng)價(jià)數(shù)據(jù)中進(jìn)行挖掘，分析各種因素之間隱藏的內(nèi)在聯(lián)系，探索教學(xué)效果的好壞與教師的年齡結(jié)構(gòu)、職稱結(jié)構(gòu)、學(xué)歷結(jié)構(gòu)之間的關(guān)系，課堂教學(xué)效果與教師整體水平的關(guān)系，正確、有效地利用這些數(shù)據(jù)評(píng)價(jià)教學(xué)質(zhì)量和教學(xué)效果，進(jìn)而建立行之有效的教學(xué)評(píng)價(jià)模型，更好的為學(xué)校專業(yè)教學(xué)評(píng)估和日常教學(xué)工作服務(wù)。

4 結(jié)束語

在高校信息化管理中，通過數(shù)據(jù)挖掘技術(shù)能使管理者獲取有價(jià)值的關(guān)鍵性數(shù)據(jù)，為科學(xué)決策提供依據(jù)。因此，采取科學(xué)的數(shù)據(jù)挖掘技術(shù)對(duì)智慧型校園建設(shè)具有重要的作用。

參考文獻(xiàn)：

[1]譚建豪.數(shù)據(jù)挖掘技術(shù)[M].北京：中國水利水電出版社，2009.

[2]王樹利.基于數(shù)據(jù)挖掘技術(shù)的高校教學(xué)管理信息化研究[J].江蘇科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2009.

[3]胡春紅.數(shù)據(jù)挖掘技術(shù)在高校信息化管理中的應(yīng)用[J].長江大學(xué)學(xué)報(bào)（自然科學(xué)版），2010.

[4]曹路舟.數(shù)據(jù)挖掘技術(shù)及其應(yīng)用初探[J].科學(xué)文匯（下旬刊），2012.

[5]趙映川.大數(shù)據(jù)時(shí)代院校研究的發(fā)展與突破[J].高校教育管理，2013.

作者簡介：侯宇（1983.03-），男，苗族，貴州銅仁人，講師，研究生，研究方向：計(jì)算機(jī)網(wǎng)絡(luò)安全方面。

作者單位：銅仁職業(yè)技術(shù)學(xué)院，貴州銅仁 554300