浅谈数据挖掘技术在职业院校中应用.docVIP

浅谈数据挖掘技术在职业院校中应用 　　摘 要：近些年来各职业院校为了改善教学管理质量，扩大招生，提高学生就业率，开发了多种管理等系统，保存了大量的数据，但是对这些数据的利用并不高。数据挖掘技术在职业院校中的应用越来越广泛，主要应用在教育教学管理与评估，学生就业，学校招生等方面。通过对保存的大量数据进行处理分析，帮助学校管理层的人员进行决策，为学校的发展提供帮助。 　　关键词：数据挖掘 教学管理 关联规则 决策树 　　中图分类号：G71 文献标识码：A 文章编号：1672-3791（2012）12（c）-0222-01 　　近些年来，随着数据挖掘技术的不断发展，数据挖掘技术已经被广泛的应用到银行，保险，电子商务，交通，电信，医疗等领域，在这些领域，数据挖掘技术取得了令人瞩目的成绩。在国外，数据挖掘技术已经被广泛的应用在高校教学管理实践和研究中，主要表现在教务教学，招生管理，毕业生校友管理等几个方面。例如，Sanjeev等通过对大学数据库中学生登记的数据，利用知识发现方法进行数据分析，获得有关辍学学生的信息，并将结果提交到管理层，以制定相关战略决策。在我国，数据挖掘技术应用于高校管理也是近几年才发展起来的，将数据挖掘技术应用于职业院校，将起到更广泛的作用。 　　1 数据挖掘技术 　　数据挖掘技术是从上世纪90年代兴起的一门交叉学科，数据挖掘，也可被称作是基于数据库的知识发现，是指存放在数据库，数据仓库或其他信息库中的、大量的数据中获取有效的、新颖的、潜在有用的、最终可以理解的模式的非平凡过程。数据挖掘技术包括人工智能、神经网络、数理统计、模式识别、数据库、粗糙集等技术的学科。数据挖掘技术主要有关联规则、序列模式、分类/回归分析、决策树、聚类、神经网络、Web挖掘等。以下简单介绍几种常用的技术。 　　（1）关联规则。关联规则是反映的事物与其他事物之间的相互依存性和关联性。如果两个或者多个事物之间存在一定的关联关系，那么，其中一个事物就能通过关联规则由其他事物推测得到。 　　（2）分类。对大量的数据根据某个分类器将数据对象划分到给定的几个类别中的某一??。一般有两个阶段：构造分类器和利用分类器对数据进行分类。 　　（3）聚类。聚类是将数据按照其自身的某些特点划分为若干组的过程，并使得同一组内的数据对象具有较高的相似性。 　　（4）决策树。决策树一般都是自上而下的来生成的。每个决策或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果。决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法。 　　2 数据挖掘技术在职业院校中的应用 　　2.1 数据挖掘技术在职业院校教学和管理中的应用 　　目前，各个学校都建立了教务管理信息系统，在多年的教学过程中，产生了大量的数据，随着计算机技术以及信息化得发展，这些数据存储在存储器中，相对于传统的纸质材料进行记录的方式有了很大的提高。但是，保存的这些大量的数据，例如学生信息，学生成绩，教师评价结果等，如果得不到合理的利用，则几乎没有任何意义。在这些数据中或多或少存在着一定的联系，目前，国内外在教育教学管理领域的研究主要是利用关联规则。 　　利用关联规则在教学管理方面的分析可以得到一些有效的关联规则，通过对大量的教务数据进行分析，可以得出课堂效果与教师学历、年龄、性别、教学手段等一系列的关系，从而为教学部门提供决策支持信息。Buldu和Ucgun利用Apriori算法对伊斯坦布尔一所职业高中中的学生数据进行挖掘，得到了学生成绩不理想的各门课程之间的关系，为学校进一步做决策提供有效的数据。在职业院校中，除了理论课程是必修课之外，还有最重要的技能课，利用数据挖掘功能，如何处理好理论课与技能课之间的关系，也是非常重要的。 　　2.2 数据挖掘技术在职业院校中招生录取工作中的应用 　　招生工作是各个院校的重点工作之一，学生的录取工作直接关系到后续学生学习，毕业就业等一系列的工作。职业院校的招生规模逐年扩大，招生数量逐年扩大，招生方式也在朝着多元化，自主化方向发展。通过对往年招生信息的处理，发现学生高考各科成绩与学生填报志愿、热门专业等要素之间的关系等等，为学校招生部门做出招生策略提供了有效的信息。 　　对于院校来说，通过对对学生志愿信息利用关联规则挖掘，可以得出目前相对支持度较高的专业，针对这些专业进行宣传，打造学校的特色专业，这些结果同时为编制招生计划提供了参考依据。对于学生来说，院校可以通过对学生信息的分析，为学生推荐适合他的专业，为学生报名填志愿提供了很大的帮助。这在职业院校，尤其是独立自主招生的院校有很大的发展前景。 　　2.3 数据挖掘技术在职业院校中就业方向的应用 　　目前职业院校招生规模扩大非常迅速，大学毕业生就业问题日益突出，已经成为社会普遍