关联规则挖掘在大学生激励制度研究中的应用.docVIP

关联规则挖掘在大学生激励制度研究中的应用 　　摘 要：大学生激励制度是以制度化建设为基础，以大学生为中心，以大学生的发展为主线，以培养大学生的主体性为目标的激励机制，合适的激励制度及激励手段，能够正确引导大学生树立正确人生观，有效地激发大学生的学习动力，更好地完成人才培养目标。本文依据数据挖掘分析技术，运用关联规则挖掘，通过问卷调查方式，收集了近年来在校生个人信息、学习成绩、综合测评记录、社团活动等各方面数据，建立挖掘模型，对激励结果和背后原因进行定性、定量分析，能够为现有大学生激励制度的优化和对策建议提供合理依据。 　　关键词：激励制度；中心；研究 　　中图分类号：G642 文献标识码：B 文章编号：1002-7661（2013）05-008-02 　　一、引言 　　激励是管理心理学的基本概念，大学生激励制度是以制度化建设为基础，以大学生为中心，以大学生的发展为主线，以培养大学生的主体性为目标的激励机制。仔细研究我国高等教育的人才培养模式，不难发现教学方式单调、评价制度及考试制度单一、创新保障及激励制度不完善是制约创新型人才培养的主要因素之一。虽然高校已从德育、智育、体育等方面对大学生进行定量考核，并以此作为衡量学生全面发展的重要指标，但由于目前许多高校的评测手段都是基于人工的，效率十分低下而且无法发现数据之间的关联，面对日益庞大的高校数据信息，探讨并设计一种更高效更专业的评测技术显得尤为重要。 　　数据挖掘是利用原始数据推导重要的业务关系的过程，能够发现数据中新的、隐藏的后者未预期的模式的行为集合，根据功能或者应用的类别可以将数据挖掘方法分为四类：分类、关联、序列和聚类。其中，关联规则挖掘在医药、金融、商业和工业制造等领域的成功应用充分证明了关联规则的理论生命力和实际应用价值，本文采用问卷调查和访谈等方式，收集了近几年年我系在校学生的成绩、测评记录、社团活动等原始数据，构建数据挖掘模型，建立相关挖掘模型，利用模型分析比较学生性别、学习成绩、综合测评记录、社团活动记录、家庭经济情况与助学金、奖学金等各项激励措施之间的激励关系，试图对目前我系大学生激励机制中存在的突出问题进行定量分析，为现有大学生激励制度提出相应的优化指导原则和对策建议提供合理依据。 　　二、数据采集和预处理 　　为了充分收集学生的学习方面的情况，采用调查问卷方式进行数据采集，问卷内容包括学生的自学能力、学习兴趣、自律程度、学习态度、自我期望、身边的学习氛围、到课率、对专业感兴趣程度以及每周去图书馆次数、去图书馆借书的类型、每周自习次数等信息。为了了解学生的工作与生活等其他方面的情况，问卷的内容还包括了学生参加学校或系部活动次数、是否担任干部、与辅导员关系、与老师关系、与同学关系、是否恋爱、上网时间分配等信息。由于本课题的数据来源于计算机技术与科学系的学生，问卷的调查的对象为我系四个年级的学生，以班级为单位进行问卷的发放，对于部分已经不在校的大四学生，采用EXCEL表格方式填写问卷，其他均采用纸质问卷完成，调查共发放问卷1208份，回收1184份，通过Microsoft SQL Server 2008的SSIS工具导入系统的原始问卷数据，并完成了基本的数据清洗预处理工作。 　　三、结果分析及展示 　　Apriori算法和FP-Tree算法均为经典的关联规则挖掘算法，在训练时，我们发现通过Apriori和FP-Tree两种算法所得到的结果基本保持一致。如图1“均成绩、综合测评、奖学金、助学金”关联结果分析所示，可以看出“38～40=获奖学金”、“36～38=获奖学金”、“80～85=获奖学金”、“获奖学金=获助学金”、“75～80=获奖学金”、“38～40=无助学金”等关联规则的置信度高达1.0。可以看出平均成绩在80～85的同学获得奖学金的概率也很大，而平均成绩在75～80的同学获得奖学金概率和平均成绩在80～85的一样，这说明成绩并不是决定奖学金的唯一因素。由“38～40=获奖学金”这条关联规则可以看出综合测评高的同学获得奖学金的概率也很大，这正说明综合测评也影响奖学金。而由“获奖学金=获助学金”这条关联规则可以看出获得奖学金的同学同时也很有可能获得助学金，这与奖助学金的评定规则也比较符合。由于有些关联规则的条件不同而结论是一致的，为了反映哪些条件对结论的影响比较大，特以折线图的形式展示，折点越高也就是置信度越大，也就说明了他们之间的关联越强。如图2所示，可以得知成绩比较好综合测评比较高的同学获得奖学金的概率很大，这也符合学校的奖学金的评定规则。图3展示了自律程度、上网时间分配、年龄、性别、政治面貌之间的关联结果分析。可以看出“团员，学习自律程度一般”和“男，自律程度一般=团员”的置信度均为0.85，这说明政治面貌为团员、上网时间分配休闲