數(shù)據(jù)挖掘技術(shù)在高職院校管理決策上的應(yīng)用

張超

【摘要】數(shù)據(jù)挖掘是今年來一項比較新興的技術(shù)，是商業(yè)智能的重要組成部分。隨著教育決策對量化分析和研究結(jié)果的愈加依賴，本文將簡要探討數(shù)據(jù)挖掘技術(shù)在高職院校管理決策上的應(yīng)用。

【關(guān)鍵詞】數(shù)據(jù)挖掘 高職院校管理 信息資源

數(shù)據(jù)挖掘是一種全新的技術(shù)，是為解決當(dāng)前“信息豐富而知識貧乏”這一問題而出現(xiàn)的。目前，它已經(jīng)在銀行業(yè)、零售業(yè)、工程技術(shù)和醫(yī)學(xué)等領(lǐng)域得到成功應(yīng)用和空前發(fā)展在這些領(lǐng)域的成功應(yīng)用鼓舞著人們將數(shù)據(jù)挖掘技術(shù)應(yīng)用到更多、更廣泛的領(lǐng)域中去。近年來，隨著高校數(shù)據(jù)收集量的不斷增加以及教育決策對量化分析結(jié)果的愈加依賴，數(shù)據(jù)挖掘在高校管理決策中的應(yīng)用呈顯著上升趨勢。

1數(shù)據(jù)挖掘概念及理論

數(shù)據(jù)挖掘也稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是近幾年來隨著數(shù)據(jù)庫和人工智能發(fā)展起來的一門新興的技術(shù)，數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數(shù)據(jù)挖掘主要是利用各種知識發(fā)現(xiàn)算法從數(shù)據(jù)庫數(shù)據(jù)中發(fā)現(xiàn)有關(guān)的知識。目前常用的數(shù)據(jù)挖掘技術(shù)有：關(guān)聯(lián)規(guī)則法、粗糙集方法、分類方法、聚類方法、人工神經(jīng)網(wǎng)絡(luò)、決策樹法、遺傳算法等。

數(shù)據(jù)挖掘過程可分為3個階段：數(shù)據(jù)準(zhǔn)備、采掘操作、結(jié)果表達(dá)和解釋。整個采掘過程是個反復(fù)精練的過程，離不開用戶的參與。數(shù)據(jù)挖掘使挖掘大型數(shù)據(jù)庫中的大量數(shù)據(jù)變得更加容易，挖掘人員并不需要經(jīng)過多年的統(tǒng)計分析或數(shù)據(jù)分析方面的訓(xùn)練。

2數(shù)據(jù)挖掘技術(shù)在高職院校管理決策上的應(yīng)用

高職院校管理數(shù)據(jù)挖掘的任務(wù)，可以劃分成4個層次：數(shù)據(jù)分析、知識發(fā)現(xiàn)、決策支持和管理智能。數(shù)據(jù)挖掘技術(shù)在高職院校管理決策上的應(yīng)用，可以在以下幾個方面發(fā)揮作用：

2.1新生入學(xué)預(yù)測

隨著高考人數(shù)的下降，高職院校生源成為衡量學(xué)校管理指標(biāo)之一。低生源給學(xué)校在入學(xué)管理、課程安排、財務(wù)管理等方面造成了困難。為此，為了有效地制定有關(guān)政策，做好學(xué)前準(zhǔn)備，許多學(xué)校在招生結(jié)束后都會對其進(jìn)行跟蹤訪問，根據(jù)學(xué)生的信息背景對學(xué)生入學(xué)情況進(jìn)行預(yù)測，如采用數(shù)據(jù)挖掘技術(shù)可以發(fā)現(xiàn)學(xué)生生源地、學(xué)校和學(xué)生背景等對學(xué)生的入學(xué)有影響作用。

2.2學(xué)習(xí)成果評估

目前，隨著高職院校教學(xué)效果要求越來越高，如何評價學(xué)生學(xué)習(xí)成果成為高效管理重點之一。近幾年來，許多學(xué)者嘗試?yán)脭?shù)據(jù)挖掘技術(shù)提高評估效度。哈佛大學(xué)的研究人員他們通過復(fù)雜的教育媒體收集豐富的與學(xué)生學(xué)習(xí)行為有關(guān)的數(shù)據(jù)，然后利用數(shù)據(jù)挖掘技術(shù)對其進(jìn)行分析和研究。

2.3學(xué)生畢業(yè)預(yù)測

盡管高職院校相比本科院校要求沒那么嚴(yán)格，但學(xué)生的保留率和畢業(yè)率都很難達(dá)到100%。學(xué)生離開的原因很多，例如為了尋求自己理想的大學(xué)而轉(zhuǎn)學(xué)、學(xué)習(xí)成績達(dá)不到要求而輟學(xué)、家庭經(jīng)濟(jì)出現(xiàn)困境而棄學(xué)等等。這對學(xué)校的辦學(xué)質(zhì)量有著不可估量的影響。因此許多高職院校采取多種措施來提高保留率和畢業(yè)率。其中之一就是通過對學(xué)生的學(xué)習(xí)成績以及有關(guān)調(diào)查信息進(jìn)行分析來了解學(xué)生離開的原因，并預(yù)測具有高風(fēng)險輟學(xué)的學(xué)生，然后采取有效補救措施，幫助他們渡過難關(guān)（提高學(xué)習(xí)成績提供經(jīng)濟(jì)資助、排除心理障礙、進(jìn)行專業(yè)調(diào)整，等等）使他們圓滿完成學(xué)業(yè)。近些年來，數(shù)據(jù)挖掘技術(shù)在類似研究中的應(yīng)用越來越廣泛。這些研究表明，數(shù)據(jù)挖掘技術(shù)的預(yù)測準(zhǔn)確率明顯高于傳統(tǒng)統(tǒng)計方法。

2.4在校學(xué)習(xí)生活及畢業(yè)后經(jīng)歷問卷調(diào)查

利用調(diào)查問卷對學(xué)生的學(xué)習(xí)生活及畢業(yè)后經(jīng)歷進(jìn)行調(diào)查研究可以為高校提高管理效果的方法之一。調(diào)查結(jié)果對學(xué)校制定相關(guān)政策，并采取措施來豐富學(xué)生校園文化生活有著非常重要的意義。調(diào)查內(nèi)容以及方法（如網(wǎng)絡(luò)方法與信函方法）對學(xué)生決定是否回復(fù)問卷影響最大。

3結(jié)語

數(shù)據(jù)挖掘技術(shù)在高職院校管理決策上的應(yīng)用是一個富有前景的研究領(lǐng)域，目前只是取得了初步成果，有大量的理論與方法需要深入研究。

3.1數(shù)據(jù)倉庫與時空數(shù)據(jù)挖掘

由于數(shù)據(jù)的日益增多和管理的細(xì)化，各種數(shù)據(jù)庫需要集成數(shù)據(jù)倉庫，數(shù)據(jù)挖掘也有著隨時間的改變而改變的現(xiàn)象，數(shù)據(jù)倉庫和時空數(shù)據(jù)挖掘的研究是今后數(shù)據(jù)挖掘發(fā)展的必然趨勢。

3.2知識的可視化表示與用戶的參與性

研究所發(fā)現(xiàn)知識的最有效的方式是進(jìn)行圖形可視化。但可視化仍是一個不成熟的領(lǐng)域，有待進(jìn)一步研究。有效的決策過程往往需要多次交互和多次反復(fù)使數(shù)據(jù)挖掘的結(jié)果準(zhǔn)確并易于表達(dá)，實現(xiàn)在多抽象層次上交互挖掘知識。目前許多知識發(fā)現(xiàn)系統(tǒng)和工具缺乏與用戶的交互，難以有效利用領(lǐng)域知識，所以數(shù)據(jù)挖掘技術(shù)的可視化易識別性應(yīng)增強。

3.3網(wǎng)絡(luò)數(shù)據(jù)挖掘

隨著網(wǎng)絡(luò)信息資源的急劇增長，人們越來越多地關(guān)注如何開發(fā)和利用這些資源。然而，目前中英文搜索引擎均存在查準(zhǔn)率、查全率不高的現(xiàn)象，這種現(xiàn)狀無法適應(yīng)用戶對高質(zhì)量的網(wǎng)絡(luò)信息服務(wù)的需求；同時電子商務(wù)以及各種網(wǎng)絡(luò)信息服務(wù)迅速興起，原有的網(wǎng)絡(luò)信息處理與組織技術(shù)無法趕上這樣的發(fā)展趨勢，網(wǎng)絡(luò)數(shù)據(jù)挖掘就是在這樣一種環(huán)境下應(yīng)運而生的，并迅速成為網(wǎng)絡(luò)信息檢索、信息服務(wù)領(lǐng)域的熱點之一。

參考文獻(xiàn)：

[1]DavidHand，HeikkiMannila，PadhraicSmyth.數(shù)據(jù)挖掘原理.機械工業(yè)出版社，2010.

[2]常桐善.數(shù)據(jù)萬掘技術(shù)在美國院校研究中的應(yīng)用.復(fù)旦教育論壇，2009.

[3]梁柱森.數(shù)據(jù)萬掘技術(shù)在高校人力資源管理中的應(yīng)用.實踐與經(jīng)驗，2009.

[4]王金玲.數(shù)據(jù)萬掘技術(shù)在教學(xué)中的應(yīng)用.赤峰學(xué)院學(xué)報，2009.