普通高校招生信息處理中數(shù)據(jù)挖掘技術(shù)的應(yīng)用探索

劉峰 王玉吉 周克復(fù) 馬英杰

摘 要：隨著信息技術(shù)在高校教學(xué)管理、學(xué)生管理工作中日益廣泛而深入的應(yīng)用，高校招生管理系統(tǒng)與教學(xué)管理、學(xué)生管理系統(tǒng)的信息對接顯得尤為重要，只有對招生管理系統(tǒng)中的信息進(jìn)行深度的挖掘，才能使教學(xué)、學(xué)生管理系統(tǒng)獲得高質(zhì)量的數(shù)據(jù)輸入。高校招生信息的充分有效利用將有效促進(jìn)高校教學(xué)、學(xué)生、招生管理工作的規(guī)范化、信息化、自動化水平，本研究對數(shù)據(jù)挖掘技術(shù)在高校招生數(shù)據(jù)中的運(yùn)用進(jìn)行了有益探索。

關(guān)鍵詞：數(shù)據(jù)挖掘；招生信息

隨著高校間生源競爭的日趨激烈，招生宣傳工作越來越受到高校管理者的重視，而科學(xué)、深入地挖掘招生數(shù)據(jù)中潛在的、隱藏的規(guī)律，能夠大大提高招生宣傳工作的針對性，從而增強(qiáng)宣傳效果。通過數(shù)據(jù)挖掘技術(shù)，可以對招生系統(tǒng)積累的海量招生數(shù)據(jù)進(jìn)行挖掘和提煉，對簡單的數(shù)據(jù)進(jìn)行多維分析、合并歸類和高度集成，從而挖掘出隱藏于數(shù)據(jù)間的潛在聯(lián)系，獲取有價值的信息?；谕诰蚪Y(jié)果，高校教學(xué)管理、學(xué)生管理、招生管理工作者可以透視數(shù)據(jù)間的各種特征和關(guān)系，大大提高決策水平和管理水平，有效增強(qiáng)學(xué)校競爭力。

1、數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)庫規(guī)模日益擴(kuò)大產(chǎn)生了繁雜的海量數(shù)據(jù)，要從這些海量數(shù)據(jù)中發(fā)現(xiàn)潛在的、有用的信息，成為一項(xiàng)重要而艱巨的任務(wù)，而數(shù)據(jù)挖掘技術(shù)正是在這種需求的背景下應(yīng)運(yùn)而生。數(shù)據(jù)挖掘是指從海量數(shù)據(jù)中自動搜索隱藏的、潛在的、有用的信息的過程。數(shù)據(jù)挖掘的結(jié)果一般以概念、規(guī)則、規(guī)律、模式、約束、可視化圖表等形式表現(xiàn)，通過決策支持工具提供給決策者使用。

數(shù)據(jù)挖掘的主要任務(wù)包括關(guān)聯(lián)分析、聚類分析、分類分析、異常分析、特異群組分析和演變分析等等，數(shù)據(jù)挖掘的主要任務(wù)可以分為預(yù)測性任務(wù)和描述性任務(wù)兩大類。數(shù)據(jù)挖掘的主要過程包括數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘和知識表示，數(shù)據(jù)準(zhǔn)備包括對數(shù)據(jù)的集成和選擇，數(shù)據(jù)挖掘階段是最核心的環(huán)節(jié)，需要確定挖掘模式并選擇合適的算法工具，知識表示是數(shù)據(jù)挖掘的最后也是最重要階段，決定了信息最終將以何種形式呈現(xiàn)給用戶。數(shù)據(jù)挖掘技術(shù)中常見的算法包括聚類算法、關(guān)聯(lián)算法和歸類算法等，聚類算法將樣本點(diǎn)按照屬性特征進(jìn)行無指定標(biāo)簽歸類，確保同類樣本點(diǎn)的極大相似和不同類樣本點(diǎn)的極大差異，關(guān)聯(lián)規(guī)則算法則用于發(fā)現(xiàn)隱藏在大型數(shù)據(jù)集中令人感興趣的關(guān)聯(lián)，分類算法則通過一定的訓(xùn)練算法來學(xué)習(xí)分類知識，然后將分類知識用于樣本集。

2、分析普通高校招生信息處理存在的問題

我國普通高等學(xué)校的主要生源來自普通高考，普通高考錄取工作通過教育部組織開發(fā)的高等院校招生錄取系統(tǒng)進(jìn)行，該系統(tǒng)導(dǎo)出的數(shù)據(jù)規(guī)范、豐富、詳細(xì)，但其功能僅限于網(wǎng)上錄取工作，如何利用好系統(tǒng)導(dǎo)出數(shù)據(jù)卻成為錄取后續(xù)相關(guān)工作的軟肋。按照現(xiàn)有管理模式，招生系統(tǒng)數(shù)據(jù)僅僅是在校內(nèi)經(jīng)過簡單的傳送、轉(zhuǎn)發(fā)后流向相關(guān)職能部門，對于數(shù)據(jù)的利用也僅僅限于簡單的查詢、統(tǒng)計、備份，并沒有充分發(fā)揮出其作用，現(xiàn)代化、信息化的高校教學(xué)和學(xué)生管理工作也迫切需要更有價值的信息作為系統(tǒng)輸入，而數(shù)據(jù)挖掘技術(shù)恰恰能夠較好地滿足高校信息處理需求。將數(shù)據(jù)挖掘技術(shù)用于高校招生數(shù)據(jù)處理，是高校管理信息化、自動化、現(xiàn)代化的必然選擇。

3、功能的實(shí)現(xiàn)

可以建立招生信息管理系統(tǒng)來對海量招生數(shù)據(jù)進(jìn)行挖掘。招生信息管理系統(tǒng)的目的是承接全國網(wǎng)上招生系統(tǒng)數(shù)據(jù)輸出，整合高校教學(xué)和學(xué)生管理部門數(shù)據(jù)積累，在海量數(shù)據(jù)的基礎(chǔ)上，形成全校數(shù)據(jù)整合、集成、處理平臺，向高校相關(guān)職能部門提供信息查詢和決策支持。招生信息管理系統(tǒng)包含信息維護(hù)模塊、信息查詢模塊、入校管理模塊、決策支持模塊四個基本功能模塊組成，其中決策支持模塊是實(shí)現(xiàn)數(shù)據(jù)挖掘算法的主要模塊，該系統(tǒng)基于三層構(gòu)架，挖掘算法邏輯運(yùn)行于JugarCTS中間組件，可以大大提高運(yùn)行效率。在數(shù)據(jù)挖掘的實(shí)現(xiàn)上，使用微軟的SQLServer2000 AnalysisServices，該系統(tǒng)能夠提供數(shù)據(jù)挖掘中間服務(wù)，對決策樹、聚類算法等數(shù)據(jù)挖掘算法均能提供較好的支持。

4、普通高校招生信息處理中數(shù)據(jù)挖掘技術(shù)的應(yīng)用

4.1挖掘的過程

數(shù)據(jù)準(zhǔn)備階段的主要工作包括將來自招生、教務(wù)、學(xué)生管理系統(tǒng)中的數(shù)據(jù)進(jìn)行集成，然后根據(jù)實(shí)際需要對集成數(shù)據(jù)進(jìn)行選擇，以縮小處理數(shù)據(jù)量。實(shí)施挖掘階段先采用發(fā)現(xiàn)型數(shù)據(jù)挖掘，為用戶提出預(yù)先假設(shè)，然后選擇合適的算法工具，在本文中主要采用了聚類算法、決策樹歸納算法和頻繁項(xiàng)集關(guān)聯(lián)規(guī)則算法，進(jìn)而由招生信息管理系統(tǒng)實(shí)現(xiàn)算法邏輯，最后依靠決策支持技術(shù)對挖掘結(jié)果進(jìn)行整理后呈現(xiàn)給用戶。在整個挖掘過程中，數(shù)據(jù)準(zhǔn)備是十分重要的基礎(chǔ)性工作，數(shù)據(jù)準(zhǔn)備質(zhì)量的高低，直接決定了挖掘工作能否達(dá)到預(yù)設(shè)目的。數(shù)據(jù)準(zhǔn)備工作主要包括聚集、抽樣、維歸約、特征子集選擇、特征創(chuàng)建、離散化和二元化、變量變換，聚集工作是數(shù)據(jù)對象合并過程，抽樣工作將使挖掘工作集中于有意義的、感興趣的數(shù)據(jù)范圍內(nèi)，維歸約可以刪除數(shù)據(jù)中不相關(guān)的特征并降低數(shù)據(jù)噪聲從而避免維災(zāi)難，特征子集的選擇去除了冗余特征和不相關(guān)特征，特征創(chuàng)建可以選擇性地開發(fā)新的數(shù)據(jù)特征，最后，連續(xù)屬性可以通過離散化來轉(zhuǎn)換成適合數(shù)據(jù)挖掘算法的離散屬性。

4.2生源關(guān)聯(lián)分析和生源前景預(yù)測

使用關(guān)聯(lián)規(guī)則對歷年積累的生源信息進(jìn)行深入挖掘，發(fā)現(xiàn)生源層次、專業(yè)、地域、畢業(yè)高中、科類間的潛在聯(lián)系和規(guī)律，從而為招生宣傳工作提供決策支持。使用Apriori頻繁項(xiàng)集算法對學(xué)生數(shù)據(jù)進(jìn)行挖掘并生成關(guān)聯(lián)規(guī)則，可以發(fā)現(xiàn)和預(yù)測生源信息屬性間存在的關(guān)聯(lián)規(guī)律，從而支持教學(xué)管理工作中的生源特征分析和招生管理工作生源結(jié)構(gòu)預(yù)測。使用決策樹作為分類器，用信息增益度作為屬性測試條件選擇的度量依據(jù)，運(yùn)用決策樹算法構(gòu)造決策樹，在海量招生數(shù)據(jù)中提取知識，以預(yù)測可能的生源變化，發(fā)現(xiàn)測試屬性對制定招生來源計劃的影響，在此基礎(chǔ)上，對專業(yè)設(shè)置和分省分專業(yè)招生計劃作出合理調(diào)整。

4.3學(xué)生分班管理

使用聚類算法，綜合新生高考總成績、單科成績、政治面貌、性別、地域等信息進(jìn)行分析，在分班過程中注重屬于不同組類學(xué)生之間的平衡，防止具有相同綜合特征的學(xué)生過于集中于一個或某幾個班級。由于新生數(shù)據(jù)屬于低維數(shù)據(jù)，因此可以使用自下而上的聚合層次聚類算法，通過樹狀圖對作為原子聚類的新生數(shù)據(jù)對象進(jìn)行逐層聚合，直至聚合終止條件被激活。聚類算法對于分班管理具有重要意義，使用傳統(tǒng)的分班方式容易導(dǎo)致“以偏概全”，即偏重于單項(xiàng)指標(biāo)而難以達(dá)到整體指標(biāo)的平衡，從而給后續(xù)教學(xué)、學(xué)生管理帶來諸多問題。

4.4人才選拔管理

可以從系統(tǒng)數(shù)據(jù)和電子檔案中抽取反映新生個性特征、興趣志向、認(rèn)知能力的數(shù)據(jù)字段，使用聚類算法對信息進(jìn)行提取、分析、歸納、總結(jié)，從而發(fā)現(xiàn)符合特定特征標(biāo)準(zhǔn)的群體，在入校一段時間以后，還可以對學(xué)生日常成績信息進(jìn)行篩選、融合，對學(xué)生成長定位進(jìn)行傾向性預(yù)測，達(dá)到增強(qiáng)人才培養(yǎng)工作針對性的目的。使用ID3決策樹歸納算法對學(xué)生成績信息、日常評價信息進(jìn)行深入分析，并訓(xùn)練出學(xué)生發(fā)展定位前景分類器，根據(jù)此分類器可以對學(xué)生的發(fā)展定位特征做出預(yù)測，并在此基礎(chǔ)上增強(qiáng)人才培養(yǎng)工作的針對性。ID3算法以決策樹作為分析工具，將信息增益度作為條件測試屬性選擇的依據(jù)（決策樹節(jié)點(diǎn)），該算法理論清晰，算法簡單，具有較好的總預(yù)測準(zhǔn)確率。

綜上所述，數(shù)據(jù)挖掘作為將傳統(tǒng)數(shù)據(jù)分析方法與處理大量數(shù)據(jù)的復(fù)雜算法相結(jié)合的新手段，已經(jīng)成為信息管理和決策支持領(lǐng)域的前沿研究方向之一，應(yīng)用將越來越廣泛。高等院校招生數(shù)據(jù)積累量大，格式規(guī)范，因此非常適用于現(xiàn)有數(shù)據(jù)挖掘算法的使用，將數(shù)據(jù)挖掘技術(shù)應(yīng)用到高校招生信息處理工作中，必將為高校教學(xué)管理、學(xué)生管理、招生管理提供有價值的決策依據(jù)信息，對于提高高校管理規(guī)范化、信息化水平，提高生源數(shù)量和質(zhì)量具有顯著意義，值得普遍推廣應(yīng)用。

參考文獻(xiàn)：

[1] 許碩. 數(shù)據(jù)挖掘技術(shù)在民辦高校招生中的探索[J]. 遼寧師專學(xué)報（社會科學(xué)版）. 2013（04）

[2] 孫曉瑩，郭飛燕. 數(shù)據(jù)挖掘在高校招生預(yù)測中的應(yīng)用研究[J]. 計算機(jī)仿真. 2012（04）