基于數(shù)據(jù)挖掘技術的信管專業(yè)課程設置研究

薛泉祥

[摘 要]信息管理與信息系統(tǒng)專業(yè)是信息時代的產(chǎn)物，迄今經(jīng)歷了技術型、工程型和復合型三種類型人才培養(yǎng)的發(fā)展之路，其專業(yè)設置也發(fā)生了一系列變化。本文結合社會發(fā)展形勢提出了當下信息管理與信息系統(tǒng)專業(yè)人才的知識結構，并以某所高校信管專業(yè)學生成績數(shù)據(jù)為基礎，通過數(shù)據(jù)挖掘尋找關聯(lián)規(guī)則，為進一步做好信管專業(yè)課程設置提供決策支持。

[關鍵詞]數(shù)據(jù)挖掘；信息管理與信息系統(tǒng)；課程設置；決策支持

[中圖分類號]G643 [文獻標識碼] A [文章編號] 1009 — 2234（2015）12 — 0153 — 03

信息管理與信息管理專業(yè)是信息時代的產(chǎn)物。它培養(yǎng)具備扎實的現(xiàn)代管理學基礎知識、計算機科學技術知識、動手能力強、適應面寬的信息管理人才。信息管理與信息系統(tǒng)學科是由管理學基礎理論與計算機科學技術相結合的交叉學科，具有基礎科學與應用科學的雙重屬性，由于數(shù)學定量方法和信息技術的融合，它又體現(xiàn)了應用學科的某些特征〔1〕。學科特征的復雜性決定了該學科課程設置的復雜性。本研究根據(jù)某高校信息管理與信息系統(tǒng)專業(yè)學生的成績數(shù)據(jù)通過數(shù)據(jù)挖掘的方法，從中尋找規(guī)律，為高校更為合理地設置信管專業(yè)的課程提供決策依據(jù)。

一.信息管理與信息系統(tǒng)專業(yè)的人才培養(yǎng)定位及課程設置變化

信息管理與信息系統(tǒng)專業(yè)人才的培養(yǎng)經(jīng)歷了技術型、工程型和復合型三種類型人才培養(yǎng)的發(fā)展之路〔2〕。不同類型人才的培養(yǎng)過程需要相應的課程設置，“技術型”人才的培養(yǎng)主要源于計算機應用等專業(yè)，課程主要以計算機應用類課程為主，重點強調程序設計的能力。此類畢業(yè)生在工作中往往表現(xiàn)出較強的程序設計能力。

工程型人才培養(yǎng)課程主要以經(jīng)濟管理、工程數(shù)學、計算機、系統(tǒng)工程四類課程為核心，以計算機能力培養(yǎng)為重點。與前兩類人才相比，復合型人才更具有競爭力，因為他們具有信息分析能力與企業(yè)管理創(chuàng)新的知識，是具有駕馭信息資源知識與能力的新型管理人才。這類復合型人才的核心競爭力主要分為兩類：信息系統(tǒng)開發(fā)的能力和信息分析的能力。

二.數(shù)據(jù)挖掘及數(shù)據(jù)挖掘工具簡介

數(shù)據(jù)挖掘（Data Mining）簡稱DM，又稱為數(shù)據(jù)庫中知識發(fā)現(xiàn)，它是一個從大量數(shù)據(jù)中抽取挖掘出未知的、有價值的模式或規(guī)律等知識的復雜過程〔3〕。具體的數(shù)據(jù)挖掘方法有關聯(lián)分析、聚類分析、分類和預測等。本文選取了Clementine12.0對數(shù)據(jù)進行挖掘建模分析。

三.利用Clementine軟件進行數(shù)據(jù)挖掘

1.數(shù)據(jù)收集

本文選舉一所以工科為主、經(jīng)管文理農(nóng)等學科為輔的教學型大學通過學校的教務部門的學生成績系統(tǒng)，我們可完整獲取該高校2004級信息管理與信息系統(tǒng)專業(yè)學生的成績信息。

2.數(shù)據(jù)預處理

數(shù)據(jù)挖掘過程中數(shù)據(jù)預處理包括三個步驟：數(shù)據(jù)集成、數(shù)據(jù)清理、數(shù)據(jù)轉換〔4〕。在本研究的數(shù)據(jù)預處理階段，我們主要通過對學生的成績數(shù)據(jù)庫進行信息抽取、轉換和加載，形成適合于本課題研究需要的學生成績分析基本數(shù)據(jù)庫；按照Clementine軟件對數(shù)據(jù)的要求，數(shù)據(jù)源中的連續(xù)值屬性如考試成績需進行離散化處理。在數(shù)據(jù)源中，我們令成績在90分以上的為“A”，令成績在80-89之間的為“B”，在70-79之間的為“C”，60-69之間的為“D”，小于60的為“E”。對于“優(yōu)”“良”“中”等非分數(shù)成績也按照同樣的方法進行離散化，形成目標數(shù)據(jù)表。

為便于開展研究和分析，我們信管專業(yè)人才知識結構將目標成績數(shù)據(jù)分成：公共基礎知識、經(jīng)濟類知識、管理決策類知識、信息技術類知識、信息系統(tǒng)開發(fā)類知識、建模知識六大類。并運用Clementine建模，進行數(shù)據(jù)挖掘，尋找各類六類課程之間的關聯(lián)關系。

3.數(shù)據(jù)挖掘的主要步驟及結果分析

（1）用Clementine的K-means模型對數(shù)據(jù)表S中各類課程成績數(shù)據(jù)進行聚類分析處理。

K-means節(jié)點提供了一種聚類分析方法，與Clementine中的其他學習方法不同，K-means模型不使用目標字段。K-means不是去預測某一結果，而是從輸入字段中發(fā)現(xiàn)特征，記錄被分成群組，同一群組中的記錄彼此相似，而不同群組的記錄大不相同，對于大型數(shù)據(jù)集，K-means模型通常是最快的分群方法〔5〕。運用Clementine的K-means聚類建模節(jié)點構建數(shù)據(jù)流，設置聚類結果為3簇，導入數(shù)據(jù)執(zhí)行數(shù)據(jù)流，形成聚類結果。以管理類課程為例，形成的聚類結果如表1：

通過表1所示結果的分析，我們可以較為直觀的看出：第二簇的17個記錄中，成績普遍偏低，大多在C與D之間徘徊。而第一簇的45個記錄中結果明顯好于Cluster2大部分在B；第三簇共有6個記錄，6個記錄中除會計信息系統(tǒng)分析與設計為B，其余均為A。據(jù)此我們可以令第三簇為A，即第三簇的6名學生的管理類課程的整體學習水平為優(yōu)秀。以此類推，第一簇的45名學生管理類課程的整體學習水平中等，我們令其為B，第三簇的17名學生管理類可課程的整體學習狀況較差，我們用C表示。

利用輸出節(jié)點輸出聚類結果，放入數(shù)據(jù)表S備用。按照同樣的方法，我們分別對其余五類課程成績進行了聚類。

（2）用Clementine平臺的Apriori規(guī)則挖掘模型分別對數(shù)據(jù)表S中的各類別的數(shù)據(jù)進行數(shù)據(jù)挖掘，尋找關聯(lián)規(guī)則。

利用數(shù)據(jù)挖掘平臺Clementine，構建數(shù)據(jù)挖掘流程，針對數(shù)據(jù)表S的具體挖掘過程以及挖掘出的關聯(lián)規(guī)則如下：

1）對六類課程組進行關聯(lián)規(guī)則挖掘，將六個字段全部設為既是條件屬性又是決策屬性，設置最小規(guī)則支持度為6%，最小置信度為80%。執(zhí)行數(shù)據(jù)流得出關聯(lián)規(guī)則，形成關聯(lián)規(guī)則，其中較為具有意義的規(guī)則如表2：

②構建數(shù)據(jù)挖掘數(shù)據(jù)流，把公共基礎類課程作為條件屬性，其他課程聚類及畢業(yè)設計成績決策屬性進行挖掘，設置最小規(guī)則支持度為5%，最小置信度為40%，執(zhí)行數(shù)據(jù)庫流得出關聯(lián)規(guī)則，形成關聯(lián)規(guī)則，其中有意義的如表3：

3）以其他各課程聚類字段為條件屬性，畢業(yè)設計成績字段作為被決策屬性，設置最小規(guī)則支持度為10%，最小置信度為80%，執(zhí)行數(shù)據(jù)流，得出關聯(lián)規(guī)則，其中有意義的規(guī)則如表4：

4）以各課程字段作為條件屬性，以畢業(yè)設計成績?yōu)闆Q策屬性，設置最小規(guī)則支持度為5%，最小置信度為50%，執(zhí)行數(shù)據(jù)流，得出關聯(lián)規(guī)則，其中有意義的共有10條。

（3）學生成績挖掘結果分析

1）信息管理與信息系統(tǒng)專業(yè)各類課程之間存在一定的依存關系，尤其體現(xiàn)在信息技術類課程與管理決策類課程之間。規(guī)則：公共基礎知識聚類=A？信息技術類聚類=A關聯(lián)規(guī)則（置信度82.5%，支持度85.824%）表明：信息技術類課程學習狀況良好的學生，管理決策類知識的學習狀況學習良好。這充分體現(xiàn)了學校信息管理與信息系統(tǒng)專業(yè)對學生的培養(yǎng)注重工程應用背景，側重于工程應用型專門人才的培養(yǎng)定位。

2）規(guī)則：公共基礎知識聚類=A？信息技術類聚類=A（置信度66.667%，支持度30.882%）、公共基礎知識聚類=A？信息技術類聚類=A（置信度61.905%，支持度30.882%）、公共基礎知識聚類=C？畢業(yè)設計=C（置信度43.75%，支持度23.529%）、公共基礎知識聚類=A？信息開發(fā)類聚類=A（置信度，42.857%，支持度30.882%），分別表明公共基礎類知識對于數(shù)學建模類、基礎信息技術類、畢業(yè)設計、信息系統(tǒng)開發(fā)類課程學習的重要作用。

3）表4所示規(guī)則重點反映了信息技術類、管理決策類等六類課程對于學生畢業(yè)設計的影響。表明，信息技術知識類、管理決策類和信息開發(fā)類課程對于信息管理與信息系統(tǒng)專業(yè)的學生的更好地從事實踐性開發(fā)工作作用明顯。其中信息技術類知識的影響尤為明顯。

4）表5所示規(guī)則反映了信息管理與信息系統(tǒng)所開設的各門課程對于畢業(yè)設計的關系，即該專業(yè)的所有課程，哪些對于學生較好地掌握信息管理與信息系統(tǒng)專業(yè)的知識，并進行綜合運用是有重要關聯(lián)意義的。通過這一關聯(lián)規(guī)則的挖掘，我們可以找到該專業(yè)學習過程中的關鍵學科，可以指導學生的學習，也可以為學校教學過程，優(yōu)化課程設置提供參考。該專業(yè)的關鍵課程為：《企業(yè)資源計劃》、《運籌學》、《會計系統(tǒng)分析與設計課程設計》、《管理信息系統(tǒng)課程設計》等10門課程。其中公共基礎類1門，經(jīng)濟類1門，數(shù)學建模類1門，管理決策類2門，基礎信息技術類4門，信息系統(tǒng)開發(fā)類1門，實踐性環(huán)節(jié)課程2門。

四.基于上面的論述，結合本文的研究，我們認為信息管理和信息系統(tǒng)專業(yè)的課程設置應注意四個方面的問題：

（1）把握好與計算機科學與應用學科的關系

信息管理與信息系統(tǒng)專業(yè)課程設置中，信息技術類課程比重較大，且該類課程的學習對于管理決策類課程的決定作用較為明顯。計算機應用是信息管理與信息系統(tǒng)的基本載體，信息技術是它的重要內容，軟件工程確為信息系統(tǒng)中項目開發(fā)的指導思想，但信息管理與信息系統(tǒng)專業(yè)更強調信息的組織與管理。在該專業(yè)的課程設置中，有關現(xiàn)代信息技術的課程應當占有相當大的比重，但是其重點在于“用”技術，而不是研究這些技術的本身，因此在重點和內容的取舍上有著明顯的區(qū)別。應該強調的是，該專業(yè)畢業(yè)的學生應能承擔各級各類信息管理工作，從事各種類型的信息系統(tǒng)建設和管理工作，其工作重點不是編程。因而在培養(yǎng)學生時，不宜過分強調編程能力，而應加強信息組織、信息管理、系統(tǒng)分析、系統(tǒng)設計的訓練。

（2）把握好與管理學科的關系

該專業(yè)也不同于管理科學，它與其他管理學科的區(qū)別在于：重點是信息管理，并且大量使用信息技術。在信息社會，信息已成為企業(yè)的生命線，信息資源是企業(yè)的重要財富，信息管理不容忽視。基于本研究，我們認為，在課程設置中，應適當加重信息系統(tǒng)開發(fā)類知識的比重。

（3）加強公共基礎類課程教學內容改革

表5所示關聯(lián)規(guī)則充分說明了公共基礎知識的基礎性地位。此次實證分析中，公共基礎類課程主要是數(shù)學類基礎課程。數(shù)學是基礎，不僅是信息處理的工具，也是提高思維能力的重要訓練手段?，F(xiàn)代信息處理技術越來越多地應用到諸多數(shù)學方法。依據(jù)本文的研究結果，我們認為應該提高本專業(yè)的數(shù)學要求；同時，現(xiàn)代數(shù)學軟件的使用已經(jīng)變得越來越重要，可考慮在數(shù)學課程中增加相應數(shù)學軟件的使用內容。此外，應用數(shù)學解決信息處理問題的第一步是建立相應問題的數(shù)學模型，不僅應在數(shù)學模型課程中向學生傳授數(shù)學建模方法，更應該在所有數(shù)學課程中融入數(shù)學建模思想。

（4）加大實踐環(huán)節(jié)的比重

在本文的研究對象中僅有兩門實踐類課程：《會計信息系統(tǒng)分析與設計課程設計》、《管理信息系統(tǒng)課程設計》。關聯(lián)規(guī)則：管理信息系統(tǒng)課程設計B？畢業(yè)設計B（置信度66.667%，支持度13.235%）和會計信息系統(tǒng)課程設計=A？畢業(yè)設計=B（置信度60%，支持度14.706%），充分說明了實踐性環(huán)節(jié)對于學生綜合運用專業(yè)知識解決實際問題的重要作用。

〔參 考 文 獻〕

〔1〕齊二石.中國管理科學與工程類專業(yè)教育教學改革與發(fā)展戰(zhàn)略研究〔R〕.高等教育出版社，2002.

〔2〕蔡淑琴，張自剛，張金隆.信息管理與信息系統(tǒng)專業(yè)人才培養(yǎng)的研究〔J〕.高等工程教育研究.2001（4）：26

〔3〕劉同明等.數(shù)據(jù)挖掘技術及其應用〔M〕.北京：國防工業(yè)出版社.2001：15-27

〔4〕謝邦昌.數(shù)據(jù)挖掘Clementine應用實務〔M〕.機械工業(yè)出版社，2008：14-28

〔5〕武森，程鍇，陳鳳潔.聚類分析在電信客戶細分中的應用〔J〕.技術經(jīng)濟與管理研究.2008，（1）：10

〔責任編輯：侯慶海〕