淺談數(shù)據(jù)挖掘在校園信息化中的應(yīng)用

萬(wàn)陽(yáng)洋

摘要：隨著信息技術(shù)的廣泛應(yīng)用，高校中的各類(lèi)管理信息系統(tǒng)積累了大量的數(shù)據(jù)，但是對(duì)這些數(shù)據(jù)的處理還只是停留在簡(jiǎn)單查詢和統(tǒng)計(jì)報(bào)表等階段，并沒(méi)有采取有效的手段充分利用數(shù)據(jù)為教育管理工作提供有效的決策支持。在教學(xué)和管理工作中采用數(shù)據(jù)挖掘技術(shù)，能夠充分利用這些數(shù)據(jù)，發(fā)現(xiàn)教育現(xiàn)象之間的相互關(guān)聯(lián)和規(guī)則，指導(dǎo)校園信息化建設(shè)，從而可以更好地做出教育預(yù)測(cè)和實(shí)施教育決策。

關(guān)鍵詞：大數(shù)據(jù);信息技術(shù);數(shù)據(jù)挖掘;信息化

中圖分類(lèi)號(hào)：TP391 ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

隨著高等教育招生規(guī)模的不斷擴(kuò)大，各高校的教學(xué)與管理均面臨著前所未有的挑戰(zhàn)，教育信息化建設(shè)自然而然被提上日程。目前絕大部分高校在學(xué)生成績(jī)、學(xué)籍、教學(xué)、人事、圖書(shū)檔案、招生就業(yè)、教學(xué)科研等方面均已采用了先進(jìn)的系統(tǒng)進(jìn)行管理和維護(hù)。而在信息化建設(shè)取得業(yè)績(jī)的同時(shí)，也存在一個(gè)不容忽視的現(xiàn)象，即在龐大的信息化建設(shè)數(shù)據(jù)量之后，往往隱藏著許多并沒(méi)有被充分挖掘和利用的寶貴信息。

面對(duì)海量數(shù)據(jù)，教育部門(mén)迫切需要智能、高效的信息技術(shù)來(lái)處理數(shù)據(jù)，從而挖掘出對(duì)管理決策有價(jià)值的信息，數(shù)據(jù)挖掘技術(shù)的應(yīng)用為此提供了解決方法。數(shù)據(jù)挖掘技術(shù)是指能從海量的信息中得到有用知識(shí)，用來(lái)輔助管理者制定一些戰(zhàn)略決策，在其他行業(yè)，如金融、電信、商場(chǎng)銷(xiāo)售等行業(yè)都取得了廣泛的應(yīng)用，因此，將數(shù)據(jù)挖掘技術(shù)應(yīng)用到校園信息化建設(shè)中，進(jìn)一步深入挖掘這些數(shù)據(jù)背后所隱藏的寶貴價(jià)值，實(shí)現(xiàn)數(shù)據(jù)的重新開(kāi)發(fā)和利用，并使其轉(zhuǎn)化為有用的知識(shí)，具有重要意義。利用數(shù)據(jù)挖掘技術(shù)構(gòu)建教育領(lǐng)域的相關(guān)模型，探索教育變量之間的相關(guān)關(guān)系，為教育教學(xué)決策提供有效的支持，進(jìn)而實(shí)現(xiàn)提高高校教學(xué)質(zhì)量及大學(xué)生的綜合素質(zhì)[1]。

1 數(shù)據(jù)挖掘及其相關(guān)算法介紹

數(shù)據(jù)挖掘也稱(chēng)為從數(shù)據(jù)中發(fā)現(xiàn)知識(shí)，具體來(lái)講就是從大規(guī)模海量數(shù)據(jù)中抽取人們所感興趣的、非平凡的、隱含的、事先未知的和具有潛在用途的模式或者知識(shí)。數(shù)據(jù)挖掘的過(guò)程包括以下幾個(gè)主要步驟：第一，將存放在數(shù)據(jù)庫(kù)中的數(shù)據(jù)經(jīng)過(guò)數(shù)據(jù)清洗、數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)集成等預(yù)處理過(guò)程存入數(shù)據(jù)倉(cāng)庫(kù)中;第二，將清洗過(guò)的數(shù)據(jù)再次經(jīng)數(shù)據(jù)抽取或者集成等過(guò)程，獲得任務(wù)相關(guān)數(shù)據(jù);第三，在此基礎(chǔ)上進(jìn)一步進(jìn)行數(shù)據(jù)挖掘過(guò)程，獲得潛在的有價(jià)值的模式或者規(guī)律;第四，進(jìn)行模式評(píng)估，評(píng)估所獲得知識(shí)的有效性，以此最終獲得相關(guān)知識(shí)。以下列舉利用數(shù)據(jù)挖掘技術(shù)可以實(shí)現(xiàn)的主要功能及算法。

1.1 相關(guān)性與關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領(lǐng)域中研究最為廣泛也是最為活躍的方法之一。最初的研究動(dòng)機(jī)是針對(duì)購(gòu)物籃分析問(wèn)題提出的，目的是為了解決發(fā)現(xiàn)交易數(shù)據(jù)庫(kù)中不同商品之間的聯(lián)系規(guī)則。關(guān)聯(lián)規(guī)則挖掘一般可以劃分為兩個(gè)子問(wèn)題，即發(fā)現(xiàn)頻繁項(xiàng)目集和由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則。最經(jīng)典的頻繁項(xiàng)集挖掘算法是Apriori算法。

1.2 分類(lèi)和預(yù)測(cè)

數(shù)據(jù)挖掘相關(guān)的研究工作中常常還力圖構(gòu)建一個(gè)模型或者描述函數(shù)來(lái)刻畫(huà)或者區(qū)分不同的類(lèi)型與概念，以實(shí)現(xiàn)對(duì)于未來(lái)潛在的預(yù)測(cè)需求。分類(lèi)和預(yù)測(cè)是兩種數(shù)據(jù)分類(lèi)形式，它們可以用于提取能夠描述重要數(shù)據(jù)的集合或預(yù)測(cè)未來(lái)數(shù)據(jù)趨勢(shì)的模型。分類(lèi)用于預(yù)測(cè)數(shù)據(jù)對(duì)象的離散類(lèi)別，預(yù)測(cè)則用于預(yù)測(cè)數(shù)據(jù)對(duì)象的連續(xù)取值。常用的分類(lèi)方法有決策樹(shù)分類(lèi)（ID3、C4.5）、貝葉斯分類(lèi)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等。

1.3 聚類(lèi)分析

在具體的分類(lèi)類(lèi)型信息未知的情況下，往往會(huì)采用聚類(lèi)方法對(duì)數(shù)據(jù)進(jìn)行分類(lèi)。聚類(lèi)是通過(guò)一定的算法將原始數(shù)據(jù)劃分為多個(gè)數(shù)據(jù)簇的過(guò)程。典型的聚類(lèi)分析方法有基于分割的聚類(lèi)（K-均值算法、K-中心點(diǎn)算法），基于層次的聚類(lèi)，基于密度的聚類(lèi)，基于網(wǎng)格的聚類(lèi)等。

2 數(shù)據(jù)挖掘在校園信息化中的應(yīng)用

為了提高高校校園信息化水平，充分使用學(xué)生在校行為數(shù)據(jù)創(chuàng)建智慧校園、數(shù)字校園，可通過(guò)網(wǎng)絡(luò)平臺(tái)收集高校學(xué)生和教師教學(xué)大數(shù)據(jù)，基于數(shù)據(jù)挖掘技術(shù)設(shè)計(jì)相關(guān)研究模型。

2.1 數(shù)據(jù)挖掘在成績(jī)管理中的應(yīng)用

隨著教育理念的轉(zhuǎn)變和當(dāng)今信息技術(shù)的廣泛應(yīng)用，各高校都構(gòu)建了各自的成績(jī)管理系統(tǒng)，實(shí)現(xiàn)了學(xué)生信息、成績(jī)等大量數(shù)據(jù)的存儲(chǔ)、查詢、報(bào)表和簡(jiǎn)單的統(tǒng)計(jì)功能，提高了教學(xué)管理的效率。但傳統(tǒng)的學(xué)生學(xué)習(xí)成績(jī)分析大多只是將學(xué)生的考試成績(jī)做簡(jiǎn)單的排序和分析，以作為評(píng)判學(xué)生課業(yè)成績(jī)、畢業(yè)評(píng)定的基礎(chǔ)依據(jù)，沒(méi)有將教育教學(xué)過(guò)程中的諸多因素與學(xué)生成績(jī)數(shù)據(jù)的關(guān)系做深入的分析。缺乏綜合分析和輔助決策能力，更不能對(duì)積存的數(shù)據(jù)進(jìn)行歸納與深層次挖掘，使得管理人員在決策時(shí)缺少切實(shí)的數(shù)據(jù)支持，而數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘技術(shù)的結(jié)合為學(xué)生成績(jī)分析提供了必要的技術(shù)手段。

挖掘課程設(shè)置與課程成績(jī)之間的關(guān)系，將改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法應(yīng)用到學(xué)生成績(jī)分析中，發(fā)現(xiàn)隱藏在課程與成績(jī)之間的關(guān)系，進(jìn)而對(duì)得出的有價(jià)值的知識(shí)進(jìn)行分析，找出教學(xué)中各方面的成效得失及影響學(xué)生成績(jī)的內(nèi)在因素，能為學(xué)生選課和教師教學(xué)及教學(xué)管理工作等提供決策支持[2]。

課程關(guān)聯(lián)規(guī)則挖掘，某些課程的掌握程度將會(huì)很大程度影響后續(xù)課程的學(xué)習(xí)，最終會(huì)對(duì)就業(yè)核心技能產(chǎn)生影響，挖掘課程之間的聯(lián)系，將會(huì)指導(dǎo)專(zhuān)業(yè)對(duì)課程的授課學(xué)時(shí)、授課教師、授課方法等做出決策，挖掘課程與就業(yè)之間的關(guān)系，將會(huì)指導(dǎo)學(xué)生將精力投放到影響系數(shù)較大的課程上，使學(xué)生有的放矢，也能支持學(xué)生在前期學(xué)習(xí)成績(jī)分析的基礎(chǔ)上了解自身的學(xué)習(xí)情況。

增加引入課時(shí)維、教師職稱(chēng)維等，能比較出相同的學(xué)科在不同的課時(shí)安排下，學(xué)生掌握情況的好壞，如適當(dāng)增加實(shí)驗(yàn)課時(shí)在某門(mén)課程中的比重，學(xué)生對(duì)某些知識(shí)點(diǎn)掌握得更好，這樣，在以后制定課時(shí)安排的時(shí)候，就很有針對(duì)性，并考慮在不同的專(zhuān)業(yè)、不同的考試要求的情況下，適合分配給哪類(lèi)職稱(chēng)的教師來(lái)講授。

針對(duì)學(xué)生未來(lái)課程成績(jī)預(yù)警的問(wèn)題上，構(gòu)建學(xué)生行為、個(gè)人屬性及過(guò)往學(xué)習(xí)成績(jī)的特征向量并根據(jù)不同課程的特點(diǎn)進(jìn)行動(dòng)態(tài)選取，結(jié)合支持向量機(jī)來(lái)學(xué)習(xí)得到不同課程的預(yù)警模型，可自動(dòng)發(fā)現(xiàn)學(xué)習(xí)狀態(tài)不佳的同學(xué)并給予警示，此方法可有效提高學(xué)業(yè)監(jiān)督效率，對(duì)于提高學(xué)生的個(gè)性化管理水平具有推動(dòng)作用。

對(duì)教學(xué)質(zhì)量評(píng)價(jià)是教育管理過(guò)程中的重要環(huán)節(jié)。將決策樹(shù)算法運(yùn)用于教學(xué)評(píng)價(jià)之中，可以提高教學(xué)評(píng)價(jià)技術(shù)水平，使之更好地為教學(xué)服務(wù)。在建立評(píng)價(jià)體系的時(shí)候，應(yīng)更多考慮以學(xué)生作為評(píng)價(jià)主體，在此基礎(chǔ)上建立多元評(píng)價(jià)體系，以課堂教學(xué)評(píng)價(jià)為主體，輔以教師自評(píng)、教研室評(píng)價(jià)及學(xué)科組評(píng)價(jià)。在生成決策樹(shù)后，可以方便地提取決策樹(shù)描述的知識(shí)，從根節(jié)點(diǎn)到葉節(jié)點(diǎn)的每一條路徑相應(yīng)地對(duì)應(yīng)一條決策規(guī)則，并用語(yǔ)句表示分類(lèi)規(guī)則。

2.2 數(shù)據(jù)挖掘在網(wǎng)絡(luò)教學(xué)平臺(tái)個(gè)性化推薦中的應(yīng)用

為了使學(xué)生在網(wǎng)絡(luò)學(xué)習(xí)過(guò)程中充分使用碎片化時(shí)間，隨時(shí)隨地進(jìn)行學(xué)習(xí)，大部分高校開(kāi)始創(chuàng)建了自身數(shù)字化教學(xué)資源與網(wǎng)絡(luò)教學(xué)平臺(tái)。從技術(shù)層面上說(shuō)，學(xué)習(xí)者在互聯(lián)網(wǎng)等媒體上留下的任何數(shù)據(jù)痕跡，都可以進(jìn)行分析，可以發(fā)現(xiàn)數(shù)據(jù)背后隱藏的學(xué)習(xí)者相關(guān)學(xué)習(xí)特征、興趣愛(ài)好、行為傾向，與教育教學(xué)相關(guān)的狀態(tài)信息都將一覽無(wú)余。未來(lái)的教育發(fā)展方向就是應(yīng)用數(shù)據(jù)挖掘等大數(shù)據(jù)技術(shù)去實(shí)現(xiàn)精準(zhǔn)的個(gè)性化教育。

運(yùn)用聚類(lèi)算法結(jié)合協(xié)作推薦技術(shù)功能來(lái)分析學(xué)習(xí)者學(xué)習(xí)的課程內(nèi)容數(shù)據(jù)，如登錄課程次數(shù)、發(fā)帖次數(shù)、學(xué)習(xí)筆記、閱讀課堂教材的次數(shù)、閱讀試題庫(kù)次數(shù)、提交作業(yè)、學(xué)習(xí)成績(jī)、在線時(shí)長(zhǎng)，研究數(shù)據(jù)分析中學(xué)生學(xué)習(xí)偏好、態(tài)度，預(yù)測(cè)學(xué)習(xí)過(guò)程中的問(wèn)題?；诖藬?shù)據(jù)，實(shí)現(xiàn)課程精準(zhǔn)教學(xué)支持，實(shí)現(xiàn)學(xué)習(xí)任務(wù)及教學(xué)決策的優(yōu)化，幫助目標(biāo)學(xué)習(xí)者制定特色的學(xué)習(xí)計(jì)劃。

通過(guò)改進(jìn)的關(guān)聯(lián)規(guī)則算法實(shí)現(xiàn)訪問(wèn)日志的挖掘，找出訪問(wèn)頻度較高的知識(shí)點(diǎn)網(wǎng)頁(yè)，確定學(xué)生的興趣點(diǎn)及知識(shí)點(diǎn)中的難點(diǎn)。進(jìn)一步挖掘出若干知識(shí)點(diǎn)之間的訪問(wèn)順序，找出學(xué)生頻繁查看的知識(shí)點(diǎn)序列，教學(xué)平臺(tái)則可以根據(jù)這些規(guī)則進(jìn)行網(wǎng)頁(yè)內(nèi)容調(diào)整，更好地為用戶提供個(gè)性化服務(wù)。

2.3 數(shù)據(jù)挖掘在圖書(shū)館管理中的應(yīng)用

如今網(wǎng)絡(luò)信息、數(shù)字資源豐富，移動(dòng)閱讀等新型閱讀模式的興起改變著人們傳統(tǒng)的閱讀模式。導(dǎo)致館藏資源受到冷落，圖書(shū)館作為知識(shí)載體及知識(shí)傳播媒介的功能受到限制。運(yùn)用數(shù)據(jù)挖掘相關(guān)技術(shù)對(duì)圖書(shū)館用戶行為進(jìn)行研究，有助于提高圖書(shū)館的使用率，降低圖書(shū)館的成本支出。因?yàn)榉?wù)是圖書(shū)館的根本，而服務(wù)的對(duì)象為用戶，只有通過(guò)認(rèn)清用戶、分析用戶行為、感知用戶需求，才能夠提供更好的服務(wù)以吸引用戶。通過(guò)對(duì)圖書(shū)管理系統(tǒng)采集到的數(shù)據(jù)進(jìn)行分析，對(duì)用戶數(shù)據(jù)、館藏?cái)?shù)據(jù)及用戶行為數(shù)據(jù)等進(jìn)行比較詳細(xì)的研究。將用戶在圖書(shū)館中發(fā)生的進(jìn)館、借還書(shū)等行為進(jìn)行梳理，區(qū)分不同學(xué)科、專(zhuān)業(yè)學(xué)生在圖書(shū)館使用方面的不同習(xí)慣，以期對(duì)不同的用戶制定不同的管理?xiàng)l例，滿足個(gè)性化條件，增加圖書(shū)館的利用率;同時(shí)可采用K-means聚類(lèi)模型對(duì)用戶的現(xiàn)有價(jià)值和潛在價(jià)值進(jìn)行分析，區(qū)別活躍用戶、價(jià)值用戶和潛在用戶等;運(yùn)用決策樹(shù)模型對(duì)用戶從進(jìn)入圖書(shū)館的門(mén)禁系統(tǒng)到發(fā)生借書(shū)行為、再到具體所借書(shū)目等各個(gè)環(huán)節(jié)的聯(lián)動(dòng)分析，了解用戶在進(jìn)入圖書(shū)館后行為動(dòng)向，區(qū)分各學(xué)院學(xué)生的借閱偏好，挖掘不同年級(jí)在用戶行為流程中的差異，以期指導(dǎo)圖書(shū)館資源的優(yōu)化配置等[3]。

另外，在高校學(xué)生工作中應(yīng)用數(shù)據(jù)挖掘技術(shù)進(jìn)行分析研究，可為學(xué)?？茖W(xué)決策提供參考、為學(xué)生全面發(fā)展提供指導(dǎo)。例如，通過(guò)分析學(xué)生食堂吃飯、宿舍洗澡、教學(xué)樓打水和進(jìn)出圖書(shū)館的行為數(shù)據(jù)，探求學(xué)生校園生活的規(guī)律性，預(yù)測(cè)學(xué)業(yè)表現(xiàn)、識(shí)別孤獨(dú)人群;通過(guò)挖掘一卡通消費(fèi)數(shù)據(jù)，識(shí)別經(jīng)濟(jì)困難學(xué)生，結(jié)合線下學(xué)生表現(xiàn)進(jìn)行綜合研判后，直接發(fā)放經(jīng)濟(jì)補(bǔ)助[4]。

總之，通過(guò)數(shù)據(jù)挖掘可以對(duì)教育數(shù)據(jù)進(jìn)行從微觀到宏觀的統(tǒng)計(jì)、分析、綜合和推理，加快校園信息化建設(shè)進(jìn)程，指導(dǎo)教育教學(xué)實(shí)際問(wèn)題的解決，發(fā)現(xiàn)教育現(xiàn)象之間的相互關(guān)聯(lián)和規(guī)則，從而可以更好地做出教育預(yù)測(cè)和實(shí)施教育決策，促進(jìn)教育教學(xué)的變革與創(chuàng)新，引領(lǐng)教育教學(xué)發(fā)展的新方向。

參考文獻(xiàn)

[1] 徐華.數(shù)據(jù)挖掘：方法與應(yīng)用[M].北京：清華大學(xué)出版社，2017.

[2] 劉科生，倪義坤.高校學(xué)生工作數(shù)據(jù)挖掘的研究和實(shí)踐[J/OL].北京航空航天大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）.（2019-01-04）[2019-06-05].https：//doi.org/10.13766/j.bhsk.1008-2204.2019.0017.

[3] 王菲.數(shù)據(jù)挖掘在圖書(shū)館用戶行為分析上的應(yīng)用研究[D].上海：上海交通大學(xué)，2013.

[4] 劉陽(yáng).數(shù)據(jù)挖掘在高校學(xué)生管理系統(tǒng)中的應(yīng)用[D].哈爾濱：哈爾濱工程大學(xué)，2013.