基于聚类分析的远程开放教育滞留生硏究-----以宣城广播电视大学为例.pdf

安徽广播电视大学学报2016年第4 期 基于聚类分析的远程幵放教育滞留生硏究 以 宣 城 广 播 电 视 大 学 为 例 瞿华礼， 樊秀龙 (安 徽 广 播 电 视 大 学 宣 城 分 校 ，安 徽 宣 城 242000) 摘要:利用现有的挖掘技术中的 K-means聚类分析对开放教育滞留生的数据进行了分析，对开放教育中收 集到的两类滞留生的数据，根据滞留的性质不同，分别设置了不同的观测变量，利用 K-means聚类分 析，划分出聚类中心，得出了影响学生滞留的关键性因素。 关键词:数据挖掘;聚类;滞留生 中图分类号:G728，■ TP 311 文献标识码:A 文章编号:1008 - 6021 (2016)04 - 0057 - 03 —、弓I言 留生管理工作难度加大，从大力改进教学管理和提升 如今的国家开放大学(简称国开)实行的是一种 教学服务质量，并以学生为中心出发，督促学生尽快 师生准分离状态的远程开放教育。开放教育实行学 完成学业，挖掘学生滞留规律[2]，采取切实有效的措 分制，学籍有效期八年，最短学习年限不少于两年半， 施使滞留率降至最低，将会推动远程开放教育教学管 学生在学籍有效期内修满专业学分即可获得毕业证 理及服务制度更健康的发展，也将使远程开放教育理 书。本课题拟将在最短学习年限和学籍有效期八年 论体系得以完善。 之间的时间内的学生，定义为滞留生。本文研究的对 二、数据挖掘与聚类分析概述 象仅限于本科层次的学生，文中所指的滞留生包括已 数据挖掘（ Data Mining ) 指从海量随机的有噪 修满课程学分获得毕业资格，却欲申请学位而延迟毕 声的数据中提取隐含在其中的却又潜在有用的信息 业的本科学生和未修满课程学分却超出最短学习年 和知识的过程，它也被称为知识发现。[3]数据挖掘技 限并在学籍有效期内的学生。 术揭示事物的规律与联系，指导未来的活动。它已被 各级电大都要面对滞留生的问题，较高的滞留 应用于多个领域，包括教育行业。 率会增加远程开放教育的办学成本，会加大基层电 数据挖掘是一项应用性很强的技术，许多大型的 大的管理负担，也不利于学生学习信念的坚定。目 数据库厂商，如微软，ORACLE等都有数据挖掘工 前，对远程开放教育学生滞留原因却鲜有相关深入 具。在众多企业中，IBM 以它的Intelligent M iner走 的研究。 在了这项技术研发的前列[4]，本文所用的统计分析工 从电大管理的实际情况上看，滞留生总量较大， 具就是 IBM SPSS Statistics Version 22. 0。本文运 有关于滞留生的年级、专业和滞留的原因更加多样复 用了 K-means聚类算法对数据进行分析。聚类算法 杂。实践经验和已有研究表明，工学矛盾、心理预期、 使用迭代技术将数据分为包含类似特征的组，这些分 学习能力、工作状况、家庭状况等