林月嬌

隨著信息化和網(wǎng)絡(luò)化進(jìn)程的不斷演進(jìn)，人類由于生活和生產(chǎn)作業(yè)所形成的數(shù)據(jù)信息量正以幾何級(jí)的增長(zhǎng)速度不斷產(chǎn)生。目前，我國(guó)許多高校都開展了以校園網(wǎng)為平臺(tái)的“數(shù)字化”校園建設(shè)，大量與學(xué)生成長(zhǎng)相關(guān)的學(xué)科成績(jī)和其他評(píng)價(jià)分析數(shù)據(jù)被儲(chǔ)存記錄下來。本文主要研究利用知識(shí)發(fā)現(xiàn)的理論方法對(duì)這些數(shù)據(jù)做深度的研究分析，挖掘出數(shù)據(jù)間隱含的關(guān)聯(lián)關(guān)系，以便更好地應(yīng)用管理創(chuàng)新理論，提高學(xué)生管理的信息化水平，提升高校教務(wù)管理水平。

一、知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘的理論基礎(chǔ)

（一）知識(shí)發(fā)現(xiàn)的研究綜述

知識(shí)發(fā)現(xiàn)（Knowledge Discovery in Databases，KDD）一詞最早出現(xiàn)在1989年8月美國(guó)底特律召開的第11屆國(guó)際聯(lián)合人工智能學(xué)術(shù)會(huì)議上[1]。1996年，知識(shí)發(fā)現(xiàn)被Fayyad U，Piatetsky，Shapiro G和Smyth P定義為：知識(shí)發(fā)現(xiàn)是從數(shù)據(jù)集中識(shí)別出有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程[2]。對(duì)KDD的研究主要包括從數(shù)據(jù)庫(kù)的角度進(jìn)行研究以強(qiáng)調(diào)知識(shí)發(fā)現(xiàn)的效率，從機(jī)器學(xué)習(xí)的角度進(jìn)行研究以強(qiáng)調(diào)知識(shí)發(fā)現(xiàn)的有效性，從統(tǒng)計(jì)分析的角度進(jìn)行研究以強(qiáng)調(diào)知識(shí)發(fā)現(xiàn)的正確性，從微觀經(jīng)濟(jì)學(xué)的角度進(jìn)行研究以強(qiáng)調(diào)知識(shí)發(fā)現(xiàn)的最大效用。KDD過程是多個(gè)步驟交互螺旋式上升的學(xué)習(xí)和總結(jié)過程[3]，基本流程包括：

（1）限定學(xué)習(xí)領(lǐng)域，儲(chǔ)備預(yù)先知識(shí)、確定學(xué)習(xí)目標(biāo)；

（2）聚焦目標(biāo)數(shù)據(jù)集，選擇一個(gè)數(shù)據(jù)集或在多數(shù)據(jù)集的子集上聚焦；

（3）數(shù)據(jù)預(yù)處理，數(shù)據(jù)降噪或數(shù)據(jù)清洗；

（4）數(shù)據(jù)轉(zhuǎn)換；

（5）確定數(shù)據(jù)挖掘功能法則；

（6）獲得知識(shí)信息、運(yùn)用知識(shí)成果并重新選定學(xué)習(xí)目標(biāo)。

在創(chuàng)新的過程中，單單依靠顯性知識(shí)已經(jīng)不足以支撐整個(gè)思維求異和技術(shù)創(chuàng)新的全流程。隨著數(shù)據(jù)量的爆炸式增長(zhǎng)，傳統(tǒng)數(shù)據(jù)庫(kù)的檢索查詢已不能滿足信息社會(huì)的深層次需求，再加上傳統(tǒng)分析手段的落后，大量數(shù)據(jù)來不及整理、分析或利用就已“時(shí)過境遷”成為無效信息，而且被長(zhǎng)期積壓在數(shù)據(jù)庫(kù)中浪費(fèi)存儲(chǔ)資源。為了及時(shí)消解數(shù)據(jù)產(chǎn)生和數(shù)據(jù)理解之間的矛盾，還必須定期對(duì)數(shù)據(jù)進(jìn)行深度挖掘，使得大量被隱藏的、有價(jià)值的信息得到有效利用。

（二）數(shù)據(jù)挖掘的理論探索

數(shù)據(jù)挖掘（Data Mining）是指使用算法來抽取信息和模式，通常是知識(shí)發(fā)現(xiàn)過程的一個(gè)重要步驟。數(shù)據(jù)挖掘融合了機(jī)器學(xué)習(xí)、模式識(shí)別、數(shù)據(jù)庫(kù)技術(shù)、統(tǒng)計(jì)學(xué)理論、人工智能及信息管理系統(tǒng)等多門學(xué)科的最新成果。應(yīng)用數(shù)據(jù)挖掘技術(shù)從大型數(shù)據(jù)庫(kù)中發(fā)現(xiàn)隱藏在其中的規(guī)律和有用信息，為管理層決策提供事實(shí)型數(shù)據(jù)和研究模式。

根據(jù)KDD的目標(biāo)任務(wù)，數(shù)據(jù)挖掘任務(wù)可分為：分類或預(yù)測(cè)模型發(fā)現(xiàn)、數(shù)據(jù)總結(jié)與聚類發(fā)現(xiàn)、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、相似模式發(fā)現(xiàn)、混沌模式發(fā)現(xiàn)、依賴關(guān)系或依賴模型發(fā)現(xiàn)、異常和趨勢(shì)發(fā)現(xiàn)等。而所要挖掘的對(duì)象則可以分為：關(guān)系數(shù)據(jù)庫(kù)、面向?qū)ο髷?shù)據(jù)庫(kù)、空間數(shù)據(jù)庫(kù)、時(shí)態(tài)數(shù)據(jù)庫(kù)、文本數(shù)據(jù)源、多媒體數(shù)據(jù)庫(kù)、異質(zhì)數(shù)據(jù)庫(kù)、遺產(chǎn)數(shù)據(jù)庫(kù)以及web等對(duì)象的挖掘。從方法論講，其挖掘方法一般分為：聚類分析、探索性分析、機(jī)器、統(tǒng)計(jì)、神經(jīng)網(wǎng)絡(luò)（Neural Network）、遺傳算法（Genetic Algorithm）、數(shù)據(jù)庫(kù)、近似推理和不確定性推理、基于證據(jù)理論和元模式、現(xiàn)代數(shù)學(xué)分析、粗糙集（Rough Set）、集成方法等方法[4]。

（三）小結(jié)

綜上，知識(shí)發(fā)現(xiàn)用于從大量數(shù)據(jù)中抽取規(guī)律信息，發(fā)現(xiàn)非預(yù)期或潛在的價(jià)值量，而數(shù)據(jù)挖掘作為知識(shí)發(fā)現(xiàn)的重要一環(huán)是與實(shí)踐應(yīng)用緊密相連的，兩者不僅僅是對(duì)數(shù)據(jù)的簡(jiǎn)單檢索調(diào)用，而是從數(shù)據(jù)集合中自動(dòng)提取出隱含在數(shù)據(jù)中的關(guān)系和模式，進(jìn)而對(duì)未來可能發(fā)生的行為進(jìn)行預(yù)測(cè)，為決策者提供有力支持。

二、高校成績(jī)管理與學(xué)科建設(shè)

成績(jī)是學(xué)生在校學(xué)習(xí)期間對(duì)所學(xué)知識(shí)理解掌握情況和教師教學(xué)質(zhì)量評(píng)價(jià)的原始記錄，對(duì)學(xué)校的教學(xué)管理和教學(xué)改革措施評(píng)價(jià)具有重要的參考價(jià)值[5]。成績(jī)管理是高校教學(xué)管理中的最為基礎(chǔ)性的一個(gè)環(huán)節(jié)，是根據(jù)教學(xué)目的和教學(xué)任務(wù)，

通過學(xué)生的實(shí)際量化考核分?jǐn)?shù)來進(jìn)行統(tǒng)計(jì)、查閱和分析的綜合性數(shù)據(jù)處理過程。該過程的科學(xué)與否，直接關(guān)系到教務(wù)管理的實(shí)際質(zhì)量和教學(xué)工作的可持續(xù)發(fā)展，特別是在網(wǎng)絡(luò)化和信息化的新形勢(shì)下，該項(xiàng)工作被素質(zhì)教育賦予更加深遠(yuǎn)的現(xiàn)實(shí)意義。本文所指學(xué)科成績(jī)不僅限于學(xué)生的筆試成績(jī)，還包括了學(xué)生參加各種校內(nèi)外實(shí)習(xí)和培訓(xùn)，以及其他形式素質(zhì)教育的量化數(shù)據(jù)。

（一）高校成績(jī)管理所面臨的新形勢(shì)

從宏觀上講，隨著國(guó)家高等教育普及工作的不斷推進(jìn)，以及教育戰(zhàn)線“以人為本”理念的逐步深入，高校教務(wù)在成績(jī)管理這一環(huán)節(jié)上所面臨的任務(wù)顯得比以往任何時(shí)刻都更加繁重。

首先，院校擴(kuò)建和學(xué)生擴(kuò)招為學(xué)科成績(jī)管理模塊在數(shù)據(jù)容量上增加了壓力。近幾年，隨著一些高校教學(xué)資源的整合和擴(kuò)充，許多高校設(shè)立了新校區(qū)、設(shè)置了新專業(yè)，反映在學(xué)生成績(jī)管理上則是成績(jī)數(shù)據(jù)的時(shí)空容量同時(shí)增長(zhǎng)。每多出一個(gè)學(xué)生，從學(xué)籍材料到各年度學(xué)科數(shù)據(jù)再到圖形化成績(jī)資料都會(huì)相應(yīng)增加，教師教務(wù)管理系統(tǒng)所要處理的信息量也會(huì)相應(yīng)增加，這首先在量上增加了數(shù)據(jù)壓力。

同時(shí)，素質(zhì)教育為學(xué)科成績(jī)管理如何更好地服務(wù)教師施教和學(xué)生學(xué)習(xí)提出了新的課題。素質(zhì)教育是我國(guó)長(zhǎng)期以來所推行的一項(xiàng)基本國(guó)策。學(xué)科成績(jī)是高校學(xué)生在校的唯一量化評(píng)價(jià)指標(biāo)，如何通過這些數(shù)據(jù)來及時(shí)反映出學(xué)生的學(xué)習(xí)效果和心理需求、反映出教師隊(duì)伍的教學(xué)質(zhì)量和教學(xué)改革進(jìn)度，已經(jīng)成為教務(wù)管理系統(tǒng)化的一個(gè)重要課題。

其次，教學(xué)管理模式改革為建立規(guī)范化的成績(jī)管理系統(tǒng)并進(jìn)行深度信息挖掘提出迫切需求。當(dāng)前許多高校都在積極推進(jìn)教學(xué)管理制度改革，逐步以學(xué)分制和選課制替代原有的學(xué)年制和班級(jí)授課制度，這種模式的改革在提高學(xué)生的學(xué)習(xí)積極性的同時(shí)，無形之中也為成績(jī)管理工作帶來了一定難度，比如增加了課程設(shè)置的不確定性，成績(jī)管理不能再以自然班級(jí)為單位，而是必須以單個(gè)的學(xué)生或者學(xué)生組合為單位，使得成績(jī)管理更加復(fù)雜。

最后，網(wǎng)絡(luò)化和信息化的需求為傳統(tǒng)成績(jī)管理模式的轉(zhuǎn)型升級(jí)提出新的任務(wù)和方向。隨著學(xué)分制等改革進(jìn)程的推進(jìn)，學(xué)生成績(jī)管理系統(tǒng)的表單鏈路和字段設(shè)置都與傳統(tǒng)的數(shù)據(jù)庫(kù)有較大差異，如何及時(shí)處理這些數(shù)據(jù)并實(shí)現(xiàn)與其他系統(tǒng)的無縫鏈接，也是新時(shí)期高校成績(jī)管理的一大難題。

利用學(xué)科成績(jī)數(shù)據(jù)挖掘提升高校教務(wù)管理水平的路徑探索

（二）應(yīng)用知識(shí)發(fā)現(xiàn)提高教務(wù)管理水平的路徑探索

根據(jù)上述知識(shí)發(fā)現(xiàn)理論，首先將本系統(tǒng)研究的“學(xué)習(xí)”目標(biāo)確定為“提取學(xué)生信息、提升教學(xué)質(zhì)量、完善學(xué)科設(shè)置”三大定位。而研究所涉及的目標(biāo)數(shù)據(jù)集則包括學(xué)生從高考到進(jìn)入高校期間的與學(xué)習(xí)考核或?qū)嵙?xí)成績(jī)相關(guān)的所有數(shù)據(jù)記錄。

在數(shù)據(jù)挖掘功能法則方面，采用“全流程式”和“切片式”挖掘方式，確保對(duì)每個(gè)學(xué)生入校后各個(gè)時(shí)期的成績(jī)數(shù)據(jù)都能監(jiān)控和分析，而且能夠?qū)崿F(xiàn)“點(diǎn)面結(jié)合”的分析模式。擬通過以下三個(gè)路徑達(dá)到上述目標(biāo)：

1.繪制學(xué)生學(xué)習(xí)成長(zhǎng)路線圖

高等教育階段是學(xué)生從接受知識(shí)到邁入社會(huì)工作的重要轉(zhuǎn)折點(diǎn)，也是學(xué)生個(gè)人性格形成和轉(zhuǎn)變的重要節(jié)點(diǎn)。這個(gè)過程中，學(xué)生的大部分時(shí)間在校內(nèi)度過，此間學(xué)生的學(xué)習(xí)興趣轉(zhuǎn)移和情感波動(dòng)情況，都會(huì)在學(xué)科成績(jī)上反映出來，學(xué)科成績(jī)不可替代地成為完整記錄和反映學(xué)生特長(zhǎng)和成長(zhǎng)情況的重要量化數(shù)據(jù)。從培養(yǎng)學(xué)生綜合能力的角度出發(fā)，學(xué)校要及時(shí)掌握學(xué)生成績(jī)出現(xiàn)明顯波動(dòng)，或持續(xù)偏科等現(xiàn)象，利用學(xué)科成績(jī)等數(shù)據(jù)以連續(xù)的時(shí)間序列繪制出學(xué)生的學(xué)習(xí)成長(zhǎng)路線圖。成長(zhǎng)路線圖不單單可以供學(xué)校使用，也可以供學(xué)生家長(zhǎng)全面了解學(xué)生在校的學(xué)習(xí)情況，還可以在學(xué)生畢業(yè)時(shí)候，形成一張富有多維度信息量的“立體成績(jī)單”供企業(yè)參考，以便企業(yè)更加全面地了解畢業(yè)生的特長(zhǎng)和綜合素質(zhì)。

2.構(gòu)建教師教學(xué)質(zhì)量評(píng)估體系

傳統(tǒng)的教師教學(xué)質(zhì)量一般通過課堂授課和調(diào)查問卷的評(píng)價(jià)形式進(jìn)行，這種方式會(huì)因?yàn)檫x取樣本的時(shí)間采樣點(diǎn)較少而無法對(duì)某個(gè)教師在較長(zhǎng)時(shí)間周期內(nèi)的教學(xué)質(zhì)量進(jìn)行全面評(píng)估，也不利于對(duì)教師的教學(xué)質(zhì)量形成量化的評(píng)估數(shù)據(jù)。因此，可以通過借助考察學(xué)生成績(jī)的方式，從學(xué)生的學(xué)習(xí)成果反推得到教師的授課效果，從側(cè)面得到教學(xué)水平的衡量效果。這種方式尤其適用于高校公開課等參與學(xué)生較多的課程評(píng)價(jià)，而且能夠形成實(shí)時(shí)的直觀結(jié)果。

3.完善學(xué)校學(xué)科課程設(shè)置方案

高等教育的學(xué)科劃分和高等學(xué)校主要以學(xué)科為基礎(chǔ)的專業(yè)設(shè)置，是現(xiàn)代大學(xué)的立學(xué)之本，教學(xué)之范。它關(guān)系著人才培養(yǎng)的規(guī)劃和目標(biāo)、教育資源的配置和協(xié)調(diào)、教育的質(zhì)量和效益、學(xué)術(shù)的繁榮和發(fā)展以及高等教育與社會(huì)發(fā)展的協(xié)調(diào)與和諧等一系列重要方面[6]。在學(xué)分制和選修教育改革后，高校的課程設(shè)置變得更加靈活，設(shè)置方案也變得更加復(fù)雜。如何與時(shí)俱進(jìn)來調(diào)整課程設(shè)置，也成為高校教務(wù)管理的一大課題。教學(xué)管理系統(tǒng)應(yīng)該根據(jù)特定時(shí)期內(nèi)學(xué)生的課程選修變化態(tài)勢(shì)和成績(jī)數(shù)據(jù)的變化情況，相應(yīng)調(diào)整部分選修課程的設(shè)置，以滿足學(xué)生的興趣培養(yǎng)和社會(huì)需求。

三、高校學(xué)科成績(jī)數(shù)據(jù)挖掘系統(tǒng)的具體實(shí)現(xiàn)

知識(shí)發(fā)現(xiàn)的過程就是數(shù)據(jù)處理和分析應(yīng)用的過程，本節(jié)將就如何進(jìn)行學(xué)科成績(jī)數(shù)據(jù)挖掘的宏觀框架設(shè)計(jì)和軟件實(shí)現(xiàn)進(jìn)行探討。

（一）利用知識(shí)發(fā)現(xiàn)理論進(jìn)行學(xué)科成績(jī)數(shù)據(jù)挖掘的頂層設(shè)計(jì)

如圖1所示，首先對(duì)整個(gè)學(xué)校學(xué)科成績(jī)的不同數(shù)據(jù)源進(jìn)行整合，包括對(duì)字段、內(nèi)容的格式化，合并為單個(gè)的目標(biāo)數(shù)據(jù)庫(kù)。再根據(jù)本次知識(shí)發(fā)現(xiàn)的主要目的，選擇核心數(shù)據(jù)源提取作為分析重點(diǎn)，根據(jù)不同的挖掘法則建立模型，并對(duì)隱含在數(shù)據(jù)中的信息進(jìn)行分析預(yù)測(cè)，為供教務(wù)管理決策提供理論依據(jù)。

C/S的軟件架構(gòu)實(shí)現(xiàn)信息查詢系統(tǒng)?；诰W(wǎng)頁(yè)的B/S架構(gòu)可以方便校外用戶或企業(yè)通過電信網(wǎng)訪問系統(tǒng)，基于C/S架構(gòu)的查詢系統(tǒng)可以用于校內(nèi)管理用戶實(shí)現(xiàn)對(duì)數(shù)據(jù)的快速查詢操作，并實(shí)現(xiàn)數(shù)據(jù)的備份等操作。具體的實(shí)現(xiàn)路線如圖2所示：

圖2學(xué)科信息挖掘系統(tǒng)的軟件實(shí)現(xiàn)

四、研究結(jié)論與展望

綜上所述，隨著高校管理和決策者對(duì)信息質(zhì)量的要求不斷提升，傳統(tǒng)的靜態(tài)統(tǒng)計(jì)分析法已經(jīng)難以適應(yīng)需求，面對(duì)海量、多維而寶貴的學(xué)科成績(jī)?nèi)绾巫龅饺ゴ秩【?、充分利用已?jīng)成為高校教務(wù)管理朝著智能化、信息化發(fā)展的大方向。本文期望從知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘的基本理論出發(fā)，構(gòu)建起一套能夠充分利用學(xué)科成績(jī)等數(shù)據(jù)的分析和處理系統(tǒng)，解決目前高校普遍存在的“信息數(shù)量與信息質(zhì)量不對(duì)等”情況，并從系統(tǒng)的宏觀設(shè)計(jì)到軟件的框架搭建給出建議和意見，期望能對(duì)高校管理人員，特別是教務(wù)管理人員起到啟示作用。

[基金項(xiàng)目：天津農(nóng)學(xué)院2014年度本科教育教學(xué)研究與改革項(xiàng)目“我校實(shí)施創(chuàng)新學(xué)分過程中的問題及對(duì)策的研究”（2014-B-18）。]

參考文獻(xiàn)：

[1] GRIGORIS ANTONIOU（希）.語義網(wǎng)基礎(chǔ)教程[M].北京：機(jī)械工業(yè)出版社， 2008.

[2]Fayyad U.From Data Mining to Knowledge Discovery in Databases[J].Ai Magazine， 1996， 17（3）：37-54.

[3]邱曉輝.知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘分析[J].情報(bào)探索， 2011（1）：99-101.

[4]毛國(guó)君.數(shù)據(jù)挖掘技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法研究[D].北京工業(yè)大學(xué)， 2003.

[5]李丹， 許鑫， 董亞楠.高校成績(jī)管理存在的問題及改革措施[J].河北聯(lián)合大學(xué)學(xué)報(bào)：醫(yī)學(xué)版， 2013， 15（1）：126-127.

[6]紀(jì)寶成.中國(guó)大學(xué)學(xué)科專業(yè)設(shè)置研究[M].北京：中國(guó)人民大學(xué)出版社， 2006.

責(zé)任編輯朱守鋰