数据仓库技术在高校大类招生专业选择分析中应用.docVIP

数据仓库技术在高校大类招生专业选择分析中应用 　　［摘 要］本文研究数据仓库技术在高校大类招生环境下，学生自主选择专业行为特征分析中的应用，为高校大类招生相关政策的制定提供理论支持及技术手段。首先介绍了数据仓库星形模型分析方法，结合专业选择分析相关需求描述数据仓库建立的一般步骤。随后以北京科技大学经济管理学院2005级学生基本信息及学科成绩为例，重点阐述学生专业选择数据仓库逻辑模型设计。通过确立学生基本影响因素分析和学生成绩分析两大主题，充分分析学生基本属性、学生成绩等对学生选择专业的影响，并给出OLAP分析结论。 　　［关键词］数据仓库；OLAP分析；大类招生；专业选择；成绩分析 　　doi:10.3969/j.issn.1673-0194.2009.15.004 　　［中图分类号］TP392［文献标识码］A［文章编号］1673-0194（2009）15-0013-03 　　 　　1 引 言 　　 　　为降低学生高考填报志愿的盲目性，加强其专业选择的自主性，顺应学科发展综合化、人才需求多元化的发展趋势，各大高校陆续推出大类招生计划，即高校不再按专业或专业方向，而是按学科（也可按系或学院）制订招生计划并进行招生录取［1］。 　　这种教学模式是普通高校招生制度改革的新尝试，如何分析高校学生在基础教育期满后进行自主专业选择的行为特点，以更好地指导其选择专业已成为教育模式改革的新课题。数据仓库技术的出现和发展为分析该问题提供了强有力的工具和手段。运用数据仓库技术可以将多个数据库的信息进行集成，从高校学生进行自主专业选择的历史和发展的角度组织和存储数据，充分分析影响学生进行专业选择的相关因素，发现其隐含的内在规律，为高校大类招生相关政策制定提供理论支持和技术手段。 　　本文以北京科技大学经济管理学院2005级学生基本信息及学科成绩信息为基础，建立数据仓库，确定专业选择相关主题，主要针对经济管理学院学生自主选择专业以下方面问题展开研究： 　　（1）学生基本影响因素分析。确定经济管理学院大类招生环境下学生自主选择专业的基本影响因素，包括性别、籍贯、文理分科等，并在此基础上分析各因素对学生专业选择结果的影响程度。 　　（2）学生成绩分析。成绩分析是分析学生专业选择相关特性的重要方面。各专业学生在各种科目成绩分布情况，隐含着学生知识构成方面的特点，是学生专业选择特性分析中的重要内容。 　　本文首先简要介绍数据仓库相关技术，随后系统阐述用于学生专业选择分析的数据仓库建立全过程，利用联机分析处理技术（OLAP，On Line Analytical Processing）［2］对所建立的数据仓库进行主题分析，并阐述分析结果。 　　 　　2 数据仓库星形模型分析方法 　　 　　2.1 数据仓库体系结构及建模方法 　　数据仓库是一种专门的数据存储，用于支持分析型数据处理，其技术体系结构包括前台和后台两部分［8］。 　　后台负责分析型应用的数据准备工作，完成从数据源向数据仓库主题数据的数据变换。包含3个步骤：对数据源进行数据抽取、向主题数据转换和主题数据装载。 　　前台面向数据仓库的最终用户，需要安装分析型应用工具，例如报表生成器、OLAP［2］工具、数据挖掘工具等，最终提供分析报告、报表、图形等可视化的分析结果。 　　人们从不同的角度对数据仓库的建模方案进行了研究。从方法论的角度，Golfarelli和Rizzi提出了数据仓库建模的概念模型DFM（Dimensional Fact Model）及数据仓库建模的一般方法框架［3］。从应用的角度，文献［4］给出了许多实际应用数据仓库设计的解决方案。文献［5］基于企业业务模型给出了数据仓库的设计方法。文献［6］提出了基于业务分析需求建立数据仓库数据存储的逻辑模型，本文采用该方法确定数据仓库逻辑模型。 　　2.2数据仓库建立步骤 　　数据仓库的建立通常包括以下步骤： 　　（1）业务过程建模及需求分析。明确需求相关数据，最大程度利用现有系统中的数据。利用学生相关数据，查看大类招生环境下学生专业选择现状，将这些数据进行预处理并装载入数据仓库，为进一步的分析奠定数据基础。 　　（2）选取主题。根据需求分析结果确定系统中存在的主题，根据学生专业选择现状，确定学生基本影响因素分析及成绩分析两个主题，划分主题边界，确定物理表。 　　（3）逻辑模型设计。根据主题域，确定数据的粒度层次，进行维表和事实表的设计等。在此，最小粒度为每个专业每个学生每学期每门课的相关情况。 　　（4）物理设计。确定数据的存储结构，索引策略及数据仓库的物理模型。在选定数据库管理系统（本文为Microsoft SQL Server 2005）中建立数据库和表结构。 　　（5）数据采集、转换和集成