解讀數(shù)據(jù)挖掘在高校招生工作中的應(yīng)用前景

何紅杰

【摘? ? 要】數(shù)據(jù)挖掘是大數(shù)據(jù)時代重要的技術(shù)之一，目前多用于金融、經(jīng)濟領(lǐng)域，但在教育領(lǐng)域中的應(yīng)用并不常見，若能夠?qū)?shù)據(jù)挖掘應(yīng)用在高校招生工作中，就可以有效提高高校招生工作效率和質(zhì)量。本文從數(shù)據(jù)挖掘入手，分析目前高校招生工作存在的問題，探討數(shù)據(jù)挖掘在高校招生工作中的應(yīng)用前景，為我國高校健康發(fā)展提供思路。

【關(guān)鍵詞】數(shù)據(jù)挖掘? 高校招生工作? 應(yīng)用前景

中圖分類號：G4? ? ? 文獻標識碼：A DOI：10.3969/j.issn.1672-0407.2019.02.002

隨著計算機網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，高校工作信息化、智能化程度不斷提高，教學(xué)系統(tǒng)、管理系統(tǒng)成為高校工作中必備的工具，在應(yīng)用計算機管理系統(tǒng)的過程中，系統(tǒng)之間的信息對接和信息開發(fā)利用尤為重要。隨著高校的擴招，對優(yōu)秀生源的競爭日益激烈，如何深度挖掘?qū)W生信息中的規(guī)律，提高高校招生工作效率和質(zhì)量，是高校健康發(fā)展的數(shù)據(jù)基礎(chǔ)。

一、數(shù)據(jù)挖掘

數(shù)據(jù)挖掘技術(shù)是指從數(shù)量大、單位價值低的數(shù)據(jù)中挖掘有用信息的方式方法，海量數(shù)據(jù)中通常存在一定的規(guī)律、規(guī)則、約束模式，數(shù)據(jù)挖掘主要通過尋找并利用這些規(guī)律、規(guī)則、約束模式來為用戶提供數(shù)據(jù)應(yīng)用方式建議，建議主要通過圖表來進行。數(shù)據(jù)挖掘過程中的主要任務(wù)可分為預(yù)測性和描述性兩類，主要包括關(guān)聯(lián)分析、分類分析、異常分析、演變分析，通過應(yīng)用合適的算法工具將數(shù)據(jù)中的規(guī)律歸類，最終以圖表的形式呈現(xiàn)給用戶。常見的數(shù)據(jù)挖掘算法主要有聚類算法、關(guān)聯(lián)算法，其中聚類算法是指將數(shù)據(jù)根據(jù)特定的屬性特征分類的算法，對數(shù)據(jù)相似處和不同處進行明確闡述;關(guān)聯(lián)算法是指將數(shù)據(jù)根據(jù)隱藏規(guī)律進行分類，從而使數(shù)據(jù)規(guī)律現(xiàn)象出來。

二、高校招生工作存在的問題

當前，高校招生工作進行過程中對數(shù)據(jù)系統(tǒng)的應(yīng)用尚且十分表面化，僅限于高校進行網(wǎng)上錄取工作，學(xué)生在招生網(wǎng)站上填寫了大量的數(shù)據(jù)，高校卻并未好好利用這些數(shù)據(jù)，僅進行查詢、統(tǒng)計、備份并不能充分發(fā)揮這些數(shù)據(jù)的價值和作用，高校應(yīng)當更加充分的利用招生數(shù)據(jù)，充分挖掘數(shù)據(jù)中的有用價值，輔助高校招生工作和學(xué)生管理工作的順利展開。當前高校采取的數(shù)據(jù)挖掘和管理方式，使招生辦公室、學(xué)生管理處工作人員的工作量居高不下，工作效率卻遲遲難以提升，學(xué)生檔案管理開發(fā)效率低下，若高校不能從數(shù)據(jù)挖掘技術(shù)下手，則很難提高高校管理工作效率和質(zhì)量。

三、數(shù)據(jù)挖掘在高校招生工作中的應(yīng)用前景

（一）生源信息挖掘

生源信息挖掘是高校招生工作開展前應(yīng)當完成的工作，也是非常重要的工作，關(guān)系到高校招生質(zhì)量的高低。根據(jù)高校招生、人才培養(yǎng)歷史數(shù)據(jù)可以發(fā)現(xiàn)，一名高中畢業(yè)生的質(zhì)量與教師培養(yǎng)、地區(qū)經(jīng)濟文化發(fā)展等信息有著重要聯(lián)系，高校可以從生源層次、專業(yè)、地域、畢業(yè)高中、選擇科目中發(fā)現(xiàn)招生數(shù)據(jù)潛在的規(guī)律，從而預(yù)測某一地區(qū)近幾年內(nèi)生源質(zhì)量的高低，為接下來的高校招生工作提供預(yù)測數(shù)據(jù)，輔助高校管理層調(diào)整高校招生策略、資金投入，提高招生工作質(zhì)量和效率。在生源信息挖掘過程中，決策樹分類器可以有效對海量招生數(shù)據(jù)進行提取，根據(jù)屬性測試條件和度量依據(jù)對生源信息進行分析處理，預(yù)測生源可能出現(xiàn)的變化，并根據(jù)這些變化對于招生工作質(zhì)量和效率的影響提出招生工作調(diào)整建議，提高高校招生信息合理化、科學(xué)化程度。

（二）人才選拔挖掘

高校招生數(shù)據(jù)通過挖掘，不僅可以為招生辦公室工作人員提供生源地的預(yù)測和建議，還可以進一步為高校篩選出潛在的人才信息。通過數(shù)據(jù)挖掘可以篩選出新生的性格特征、未來發(fā)展志向、學(xué)習(xí)能力、認知能力等基礎(chǔ)數(shù)據(jù)，配合新生入學(xué)三個月至半年內(nèi)的成績、社團發(fā)展等信息，可以有效提高對學(xué)生群體人才選拔挖掘的正確性，預(yù)測學(xué)生的未來成長上限，定位學(xué)生的培養(yǎng)方向，為學(xué)生提供更加優(yōu)質(zhì)、綜合性強的培養(yǎng)。在人才選拔挖掘過程中，ID3算法是比較適合高校的算法，可以有效歸納學(xué)生的日常評價、成績信息，從而對學(xué)生的發(fā)展定位提供預(yù)測，提高學(xué)生培養(yǎng)工作的針對性、科學(xué)性和有效性。ID3算法屬于分析算法之一，可以有效提高對數(shù)據(jù)的分析準確性，使數(shù)據(jù)挖掘理論更加清晰。

（三）學(xué)生分班管理

傳統(tǒng)高校新生分班方式大多根據(jù)成績、專業(yè)、單科成績、政治面貌，但這樣的分班方式往往忽略了學(xué)生在個性、生長空間等方面的特點，容易導(dǎo)致班級內(nèi)學(xué)生成分的不平衡，導(dǎo)致學(xué)生之間的摩擦增大，容易導(dǎo)致學(xué)生問題。高校招生過程中收集到大量的學(xué)生個性化數(shù)據(jù)，高校通過分析這些數(shù)據(jù)可以有效對有相同特點的學(xué)生進行分類，使相性更和的學(xué)生能夠集中在一個班級或?qū)嬍抑校岣邔W(xué)生之間的融洽程度。在新生分班過程中經(jīng)常施用聚類算法，可以有效彌補傳統(tǒng)分班方式中的不合理之處，聚類算法可以有效對學(xué)生進行自下而上的聚合分類，使相似的學(xué)生進行逐層聚合，使新生組合在班級中更加均衡、綜合，為后續(xù)教學(xué)、學(xué)生管理提供更加合適的氛圍，有利于新生在高校中的生活、學(xué)習(xí)。

四、結(jié)束語

數(shù)據(jù)挖掘是信息化時代重要的前沿技術(shù)之一，其應(yīng)用價值和范圍必將隨著時代的發(fā)展而日益擴大。高校招生工作的數(shù)據(jù)信息數(shù)量大、格式規(guī)范、數(shù)據(jù)價值高，是非常適合應(yīng)用數(shù)據(jù)挖掘算法的部分，可以有效提高高校招生工作的效率和質(zhì)量，提高高校管理的信息化水平，為高校健康發(fā)展提供技術(shù)基礎(chǔ)。

參考文獻

[1]徐健.數(shù)據(jù)挖掘技術(shù)在高校招生信息處理中的應(yīng)用[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2013（11）：133-134+137.

[2]孟建，薛衛(wèi)京，王海洋.基于數(shù)據(jù)挖掘技術(shù)的高校招生計劃分配模型的研究[J].中國高等醫(yī)學(xué)教育，2017（03）：55-56.

[3]楊華.數(shù)據(jù)挖掘技術(shù)在碩士招生錄取數(shù)據(jù)中的應(yīng)用分析[J].科技展望，2015，25（23）：117.