李 川

（重慶師范大學(xué)涉外商貿(mào)學(xué)院教務(wù)處 重慶 401520）

數(shù)據(jù)挖掘技術(shù)和在高校教學(xué)系統(tǒng)中的實(shí)際應(yīng)用研究

李 川

（重慶師范大學(xué)涉外商貿(mào)學(xué)院教務(wù)處 重慶 401520）

數(shù)據(jù)挖掘技術(shù)優(yōu)勢(shì)明顯，分析結(jié)果準(zhǔn)確，可以為高校領(lǐng)導(dǎo)提供準(zhǔn)確的數(shù)據(jù)依據(jù)，因此在各大高校開(kāi)始應(yīng)用和普及。下面主要分析了數(shù)據(jù)挖掘技術(shù)的基本理論，了解其基本原理；分析了挖掘數(shù)據(jù)的方法，針對(duì)企業(yè)需求的不同，分析的重點(diǎn)不同，合理選擇數(shù)據(jù)挖掘方式；同時(shí)結(jié)合實(shí)際案例，分析了高校教師的教學(xué)質(zhì)量，學(xué)生英語(yǔ)六級(jí)的通過(guò)情況，通過(guò)數(shù)據(jù)挖掘技術(shù)，總結(jié)了相關(guān)規(guī)律，發(fā)現(xiàn)了一些問(wèn)題，為高校以后的教學(xué)工作提供了一些有建設(shè)性的意見(jiàn)。

數(shù)據(jù)挖掘技術(shù) 高校教學(xué)系統(tǒng) 實(shí)際應(yīng)用

高校辦學(xué)宗旨就是提高辦學(xué)水平，提高學(xué)員升學(xué)率，為社會(huì)提供有價(jià)值的學(xué)生。對(duì)于高校教學(xué)管理系統(tǒng)而言，其收集整理了大量的教學(xué)信息，但是很多數(shù)據(jù)只是個(gè)擺設(shè)，沒(méi)有發(fā)揮其價(jià)值，因此在一定程度上影響辦學(xué)質(zhì)量，影響領(lǐng)導(dǎo)做決策。相關(guān)技術(shù)人員將數(shù)據(jù)挖掘技術(shù)引入到了高校教學(xué)系統(tǒng)中，利用先進(jìn)的分析方法，可以總結(jié)數(shù)據(jù)規(guī)律，對(duì)數(shù)據(jù)進(jìn)行分類，為高校決策提供數(shù)據(jù)依據(jù)，將教學(xué)數(shù)據(jù)的作用發(fā)揮到最大。下面就對(duì)這些方面進(jìn)行分析，希望給有關(guān)人士一些借鑒。

一、分析數(shù)據(jù)挖掘技術(shù)的基本理論

由于計(jì)算機(jī)技術(shù)的發(fā)展和普及，當(dāng)前信息技術(shù)得到了廣泛應(yīng)用，人們也進(jìn)入到了大數(shù)據(jù)時(shí)代，不同行業(yè)為了得到準(zhǔn)確數(shù)據(jù)，以數(shù)據(jù)為依據(jù)進(jìn)行決策判斷，普及和推廣了數(shù)據(jù)庫(kù)系統(tǒng)，主要進(jìn)行存儲(chǔ)、管理企業(yè)發(fā)展過(guò)程中的所有數(shù)據(jù)。由于該技術(shù)發(fā)展時(shí)間較短，在很多功能技術(shù)方面還不成熟，智能進(jìn)行簡(jiǎn)單的數(shù)據(jù)管理和處理，影響其作用的發(fā)揮。除此之外，當(dāng)前社會(huì)快速發(fā)展，人們對(duì)數(shù)據(jù)越來(lái)越依賴，同時(shí)要求對(duì)數(shù)據(jù)進(jìn)行快速分析和處理，提高工作效率。針對(duì)這一需求，相關(guān)單位研究出了數(shù)據(jù)挖掘技術(shù)，其可以從海量數(shù)據(jù)庫(kù)、數(shù)據(jù)中找到人們需要的內(nèi)容，通過(guò)在搜索這部分信息時(shí)，工作人員可以以模式、規(guī)律、規(guī)則、概念等規(guī)則進(jìn)行搜索，縮小搜索范圍，找到有效的信息。對(duì)于數(shù)據(jù)挖掘而言，主要是從大量的信息中挖掘沒(méi)有加工整理的數(shù)據(jù)，這部分?jǐn)?shù)據(jù)對(duì)相關(guān)需求用戶是有價(jià)值的，該技術(shù)涉及到很多行業(yè)和領(lǐng)域，例如有人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)技術(shù)、高性能計(jì)算技術(shù)等，下面主要分析數(shù)據(jù)挖掘技術(shù)在高校教學(xué)系統(tǒng)中的實(shí)際應(yīng)用情況，總結(jié)使用的經(jīng)驗(yàn)和效果，對(duì)以后的技術(shù)發(fā)展提出幾點(diǎn)建議和要求，為以后的發(fā)展奠定基礎(chǔ)[1]。

二、分析數(shù)據(jù)挖掘技術(shù)中挖掘數(shù)據(jù)的基本方法

1、分析分類挖掘數(shù)據(jù)的方法

對(duì)數(shù)據(jù)進(jìn)行分類挖掘主要是先設(shè)定不同的類別，對(duì)大量數(shù)據(jù)按照一定的規(guī)則進(jìn)行分類，這樣就可以構(gòu)建出一個(gè)模型或分類函數(shù)，之后將數(shù)據(jù)項(xiàng)映射到所制定的類別當(dāng)中，在此基礎(chǔ)上，使用分類規(guī)則對(duì)相關(guān)數(shù)據(jù)進(jìn)行預(yù)測(cè)和分類，這種方法必須應(yīng)用到已經(jīng)分類號(hào)的訓(xùn)練集中[2]。這種分類分析可以分為兩個(gè)階段，第一階段，建立模型對(duì)一個(gè)已知的數(shù)據(jù)分類規(guī)則進(jìn)行描述，利用已知的訓(xùn)練集、分類項(xiàng)等對(duì)分類模型進(jìn)行訓(xùn)練，這種分類模型可以表示為人工神經(jīng)網(wǎng)絡(luò)、決策樹(shù)、IF-THEN規(guī)則等，之后選用測(cè)試數(shù)據(jù)對(duì)模型的準(zhǔn)確性進(jìn)行檢測(cè)，如果發(fā)現(xiàn)這一模型分類得到的結(jié)果不準(zhǔn)確，技術(shù)人員可以對(duì)其繼續(xù)進(jìn)行訓(xùn)練，直到分類比較準(zhǔn)確，達(dá)到一個(gè)穩(wěn)定的值為止[3]。

2、分析預(yù)測(cè)挖掘技術(shù)的方法

對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)分析是先發(fā)現(xiàn)數(shù)據(jù)項(xiàng)隨著時(shí)間變化的規(guī)律，主要應(yīng)用回歸分析方法，其屬于典型的預(yù)測(cè)分析方式，在分析中需要大量的已知數(shù)據(jù)，將時(shí)間作為其中的一個(gè)變量，這樣就可以得到相應(yīng)的回歸函數(shù)，這樣就總結(jié)出數(shù)據(jù)隨著時(shí)間變化的規(guī)律，一般預(yù)測(cè)是以分類作業(yè)工作基礎(chǔ)的，對(duì)預(yù)測(cè)的結(jié)果只能依靠時(shí)間進(jìn)行檢驗(yàn)，因此只有經(jīng)過(guò)一段時(shí)間后才能知道預(yù)測(cè)的是否準(zhǔn)確。

3、分析關(guān)聯(lián)規(guī)則挖掘數(shù)據(jù)的方法

采用關(guān)聯(lián)規(guī)則方式進(jìn)行數(shù)據(jù)挖掘時(shí)，對(duì)大量的數(shù)據(jù)進(jìn)行分析，從而找到數(shù)據(jù)項(xiàng)之間的關(guān)聯(lián)性，其通常表示為A=＞B[4]，簡(jiǎn)而言之，當(dāng)滿足A的數(shù)據(jù)項(xiàng)后，其也可能滿足B的要求，通過(guò)不同的關(guān)聯(lián)規(guī)則就可以反映出數(shù)據(jù)的不同規(guī)律，在此基礎(chǔ)上可以很好的預(yù)測(cè)事件的發(fā)展情況。通過(guò)這一方法可以準(zhǔn)確預(yù)測(cè)出實(shí)例數(shù)量，該技術(shù)應(yīng)用范圍十分廣泛[5]，例如沃爾瑪超市發(fā)現(xiàn)對(duì)于男性顧客而言，在購(gòu)買尿不濕的同時(shí)也會(huì)購(gòu)買啤酒，因此沃爾瑪管理人員果斷決定將尿不濕和啤酒放到一起，在這兩方面取得了很好的銷售業(yè)績(jī)。由此可見(jiàn)，從大量的數(shù)據(jù)中找到關(guān)聯(lián)規(guī)則，對(duì)企業(yè)領(lǐng)導(dǎo)做決策有很大的幫助，除此之外，這一方法也是進(jìn)行數(shù)據(jù)挖掘方法的基礎(chǔ)[6]。

4、分析聚類挖掘數(shù)據(jù)的方式

對(duì)數(shù)據(jù)采取聚類的分析方式，就是將大量數(shù)據(jù)按照一定的特點(diǎn)將其自然的分成不同的組別，有效減少相同一類數(shù)據(jù)項(xiàng)之間的不同，從而增大不同類別數(shù)據(jù)之間的不同，這種分類方式可以保證同一類的數(shù)據(jù)內(nèi)容的相似度，這樣再進(jìn)行數(shù)據(jù)挖掘中，就可以提高挖掘數(shù)據(jù)的效率，可以在短時(shí)間內(nèi)找到所需要的大量數(shù)據(jù)，提高了數(shù)據(jù)的應(yīng)用效果[7]。雖然挖掘數(shù)據(jù)的方法不同，但是一般其挖掘的流程都是一樣的，為了保證得到相關(guān)規(guī)律的準(zhǔn)確性，要確保各個(gè)環(huán)節(jié)工作的質(zhì)量，尤其在數(shù)據(jù)準(zhǔn)備中，確保數(shù)據(jù)的真實(shí)性和有效性，確保數(shù)據(jù)的權(quán)威性，否則以這一數(shù)據(jù)挖掘計(jì)算得到的結(jié)果實(shí)際應(yīng)用價(jià)值有限。

進(jìn)行數(shù)據(jù)挖掘過(guò)程中，要先定義目標(biāo)，確定具體的挖掘目標(biāo)，工作中就是進(jìn)行需求分析；然后做好數(shù)據(jù)準(zhǔn)備，針對(duì)調(diào)查對(duì)象的不同，準(zhǔn)備相關(guān)的數(shù)據(jù)，數(shù)據(jù)要充足可靠，保證分析結(jié)果準(zhǔn)確；在挖掘數(shù)據(jù)中，將隱含的規(guī)律挖掘出來(lái)，先確定分析方法的類型，結(jié)合具體的分析方法，選用一種合適的算法，最終找到相關(guān)的規(guī)律；在結(jié)果表示階段，結(jié)合用戶的需要，將發(fā)現(xiàn)的數(shù)據(jù)規(guī)律做進(jìn)一步轉(zhuǎn)換，一般都是轉(zhuǎn)變?yōu)槎M(jìn)制的數(shù)字，方便使用算法進(jìn)行計(jì)算，根據(jù)得到的數(shù)據(jù)規(guī)律，結(jié)合不同的領(lǐng)域需求，將結(jié)果應(yīng)用到特定的領(lǐng)域中，為決策人員提供決策依據(jù)，確保決策的科學(xué)性和有效性。為了保證工作質(zhì)量，工作過(guò)人員必須保證數(shù)據(jù)準(zhǔn)備的充足，合理的選用算法，并結(jié)合不同的領(lǐng)域使用數(shù)據(jù)規(guī)律，總結(jié)其中的問(wèn)題，提出合理化建議等。

三、評(píng)估高校教師的教學(xué)質(zhì)量應(yīng)用情況

1、關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘方法分析

為了提高學(xué)生的能力，把好教師職稱評(píng)定這一關(guān)，有必要使用數(shù)據(jù)挖掘技術(shù)對(duì)教師的教學(xué)質(zhì)量情況進(jìn)行評(píng)估。常用的評(píng)估方式是統(tǒng)計(jì)分析，對(duì)學(xué)生的評(píng)價(jià)、成績(jī)等數(shù)據(jù)進(jìn)行收集和整理，然后利用加權(quán)計(jì)算的方式計(jì)算出教師的得分情況，得到的數(shù)據(jù)就是評(píng)定的一項(xiàng)指標(biāo)。但是這一評(píng)定方法科學(xué)性差，沒(méi)有很強(qiáng)的權(quán)威性，在教學(xué)過(guò)程中很多重要的數(shù)據(jù)都沒(méi)有進(jìn)行挖掘，針對(duì)這一情況，技術(shù)人員通過(guò)關(guān)聯(lián)規(guī)則方法進(jìn)行評(píng)估，得到了很好的效果。關(guān)聯(lián)規(guī)則是從大量數(shù)據(jù)中挖掘各個(gè)數(shù)據(jù)項(xiàng)之間的依賴關(guān)系[8]，表示為X→Y，支持度=s%，置信度=c%規(guī)則；在全體事件中，在X的事件中有c%也滿足事件Y，通過(guò)置信度可以直接表示X→Y關(guān)聯(lián)的強(qiáng)度，記作confidence（X→Y，可以將最小的置信度記作minConf，通過(guò)用戶就會(huì)給定[9]。對(duì)于關(guān)聯(lián)規(guī)則X→Y的支持度s%而言，表示在全體事件集合D中，有s%事件同時(shí)滿足X、Y。支持度表示X→Y關(guān)聯(lián)的頻度，記作Support（X），可以將最小的支持度記作minSup。分析中主要分為兩個(gè)步驟，第一步，做到全體集合的數(shù)據(jù)庫(kù)，分析所有的頻繁項(xiàng)集；第二步，利用頻繁項(xiàng)集生成關(guān)聯(lián)規(guī)則[10]。這種分析方法可以得到很好的效果，一般針對(duì)收集的數(shù)據(jù)分析，很難得到相關(guān)規(guī)律，而且挖掘數(shù)據(jù)規(guī)律不細(xì)致，但是通過(guò)從海量數(shù)據(jù)進(jìn)行關(guān)聯(lián)方式分析，可以得到這一數(shù)據(jù)和另一數(shù)據(jù)之間的關(guān)系，進(jìn)而加深對(duì)數(shù)據(jù)的理解，掌握數(shù)據(jù)背后對(duì)相關(guān)工作，領(lǐng)導(dǎo)決策的幫助。

2、分析Apriori的具體算法

對(duì)于Apriori算法而言，選用迭代法進(jìn)行分析和計(jì)算，例如從頻繁k-項(xiàng)集搜索得到頻繁（k+1）的項(xiàng)集，具體進(jìn)行計(jì)算時(shí)掌握其流程，先準(zhǔn)確將頻繁1-項(xiàng)集挖掘出來(lái)，其將會(huì)作為迭代的起點(diǎn)，之后利用迭代方法對(duì)頻繁k-項(xiàng)集的數(shù)據(jù)進(jìn)行挖掘，一般是先挖掘出候選頻繁k-項(xiàng)集，結(jié)合最小置信度minsup進(jìn)行數(shù)據(jù)的篩選， 最終會(huì)得到頻繁k-項(xiàng)集，最終將所有的頻繁k-項(xiàng)集都進(jìn)行合并；在此之后，可以從頻繁項(xiàng)集中將所有的關(guān)聯(lián)規(guī)則都挖掘出來(lái)，結(jié)合minConf得到頻繁關(guān)聯(lián)規(guī)則，確保準(zhǔn)確挖掘出相關(guān)的數(shù)據(jù)[11]。

3、分析管理分析方法實(shí)踐應(yīng)用情況

先準(zhǔn)備相關(guān)的數(shù)據(jù)，以某高校為例，從其管理系統(tǒng)數(shù)據(jù)庫(kù)中得到500條有關(guān)教師教學(xué)評(píng)價(jià)的信息，然后將其中的六個(gè)屬性挑選出來(lái)，分別是評(píng)價(jià)分?jǐn)?shù)、學(xué)歷、職稱、教齡、性別、教師編號(hào)，同時(shí)將這些指標(biāo)轉(zhuǎn)化成二進(jìn)制數(shù)字，有利于后續(xù)的程序計(jì)算，例如可以將教授、副教授、講師轉(zhuǎn)換成00、01、11。之后選用上述管理規(guī)則分析方法進(jìn)行分析，設(shè)定搜索目標(biāo)是評(píng)價(jià)分?jǐn)?shù)在90分以上，其可以判定教師的教學(xué)質(zhì)量，如果滿足這一要求，那么就說(shuō)明教師教學(xué)質(zhì)量屬于優(yōu)秀級(jí)別。通過(guò)這一方法進(jìn)行搜索，得到了143條記錄，計(jì)算出其最小的置信度minSup=15%，最小的支持度minConf=10%，最終得到了關(guān)聯(lián)規(guī)則情況，可以參考下表。關(guān)聯(lián)規(guī)則教授→優(yōu)秀，置信度=82.5%，支持度=21%，其表示在教師當(dāng)中，職稱是教授、評(píng)價(jià)分?jǐn)?shù)在90分以上，占到總?cè)藬?shù)的21%；除此之外，在所有教授當(dāng)中，評(píng)價(jià)分?jǐn)?shù)在90分以上，滿足這兩項(xiàng)要求占到總?cè)藬?shù)的82.5%。在此之后評(píng)價(jià)實(shí)驗(yàn)結(jié)果，通過(guò)分析得知學(xué)生青睞女教師和男教師的概率基本相同；當(dāng)教師的學(xué)歷越高時(shí)， 其整體的教學(xué)效果就越好， 說(shuō)明高學(xué)歷的教師基本功更為扎實(shí)，具有很高的科研水平，除此之外，由支持度得知該校的高學(xué)歷教師較多，因此這一高校領(lǐng)導(dǎo)的辦學(xué)水平很高。

四、分析評(píng)估學(xué)生成績(jī)的方法實(shí)踐應(yīng)用

1、決策樹(shù)方法評(píng)估學(xué)生的成績(jī)

在進(jìn)行高校教學(xué)工作中，學(xué)生成績(jī)是教學(xué)質(zhì)量的重要指標(biāo)，也是衡量一個(gè)學(xué)校辦學(xué)水平的重要指標(biāo)，因此必須嚴(yán)格進(jìn)行考核。傳統(tǒng)的成績(jī)?cè)u(píng)估就是利用簡(jiǎn)單的人工算法，雖然有海量的數(shù)據(jù)，但是不能對(duì)其進(jìn)行全面、綜合的分析，相關(guān)技術(shù)人員引用了決策樹(shù)的方法進(jìn)行數(shù)據(jù)挖掘分析。其屬于一種分類分析方法，根據(jù)訓(xùn)練集對(duì)大量數(shù)據(jù)進(jìn)行分類，搜索潛在具有價(jià)值的信息，進(jìn)而有效預(yù)測(cè)事物的發(fā)展情況，對(duì)以后的決策提供數(shù)據(jù)支持。一般在應(yīng)用中可以分為兩個(gè)步驟來(lái)完成：第一，建立決策樹(shù)，根據(jù)訓(xùn)練集的數(shù)據(jù)，利用遞歸方法訓(xùn)練生成決策樹(shù)；第二，根據(jù)生成的決策樹(shù)，輸入相關(guān)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行分類和預(yù)測(cè)。構(gòu)建時(shí)其從上到下進(jìn)行遞歸構(gòu)建，根節(jié)點(diǎn)可以判斷起始狀態(tài)，根節(jié)點(diǎn)到不同的葉子節(jié)點(diǎn)路徑就是一個(gè)決策。

2、分析ID3計(jì)算方法的使用情況

使用ID3算法時(shí)，可以利用信息增益的方式作為屬性的選擇標(biāo)準(zhǔn)，對(duì)決策樹(shù)中不同節(jié)點(diǎn)進(jìn)行屬性選擇，各個(gè)節(jié)點(diǎn)都可以得到很大的類別信息，具體應(yīng)用該算法時(shí)，第一，對(duì)數(shù)據(jù)項(xiàng)目中的屬性寬度進(jìn)行優(yōu)化，選擇其中信息增益最大的屬性，將其作為決策樹(shù)的節(jié)點(diǎn)，以這一節(jié)點(diǎn)為基礎(chǔ)，結(jié)合屬性不同取不同的值，構(gòu)建這一節(jié)點(diǎn)的分支；第二，使用遞歸的方法繼續(xù)構(gòu)建分支中的分支；第三，當(dāng)同一類別的數(shù)據(jù)都被相關(guān)子集包含時(shí)，這一算法就自動(dòng)結(jié)束，最終得到?jīng)Q策樹(shù)。這種算法操作簡(jiǎn)單，而且容易實(shí)現(xiàn)，具有較強(qiáng)的訓(xùn)練能力，但是也存在一定的缺點(diǎn)，例如對(duì)噪音敏感，得到的結(jié)果不穩(wěn)定等。

3、分析C4.5算法的實(shí)踐應(yīng)用情況

傳統(tǒng)的C4.5算法存在一定的問(wèn)題，因此在以后的發(fā)展中，工作人員對(duì)其做了一定程度的優(yōu)化，該算法繼承了ID3算法的優(yōu)點(diǎn)，在此基礎(chǔ)上進(jìn)行了優(yōu)化，因此其達(dá)到的效果會(huì)更好。第一點(diǎn)，為了解決決ID3算法使用中，信息增益選擇屬性結(jié)果偏向選擇取值多的屬性問(wèn)題，該算法利用信息增益率進(jìn)行屬性的選擇；第二點(diǎn)，為了有效減小算法運(yùn)行的開(kāi)銷，提高工作效率，這一算法在構(gòu)造決策樹(shù)時(shí)做了剪枝處理；第三點(diǎn)，這一算法可以把連續(xù)屬性離散化，有效處理連續(xù)屬性；第四點(diǎn)，該算法還可以對(duì)不完整的數(shù)據(jù)進(jìn)行處理。和其他算法進(jìn)行對(duì)比，這一算法優(yōu)勢(shì)較為明顯，計(jì)算中得到的分類規(guī)則、結(jié)果很容易理解，表示非常清楚，但是在執(zhí)行算法中需要大量掃描相關(guān)數(shù)據(jù)，并進(jìn)行排序，如果數(shù)據(jù)集很大時(shí)，算法效率會(huì)很低，針對(duì)這一問(wèn)題， C4.5算法在內(nèi)存數(shù)據(jù)集中可以進(jìn)行分類挖掘，不能大規(guī)模進(jìn)行挖掘。在數(shù)據(jù)處理過(guò)程中，對(duì)于特殊情況有必要進(jìn)行剪枝處理，利用C4.5、ID3方法構(gòu)建決策樹(shù)，如果受到異常數(shù)據(jù)的影響之后，導(dǎo)致其分支較多，因此決策的規(guī)模很大，嚴(yán)重制約了決策樹(shù)算法執(zhí)行的效率，對(duì)于得到的分類結(jié)果而言，對(duì)訓(xùn)練集產(chǎn)生很大的依賴性，就是所謂的訓(xùn)練過(guò)度。為了有效避免這一問(wèn)題，執(zhí)行這一算法中對(duì)相關(guān)的分支做修剪處理，一般分為事后修剪和事前修剪，得到的效果沒(méi)有很大的差別。

4、分析評(píng)估學(xué)生成績(jī)時(shí)使用決策樹(shù)算法的效果

以某高校英語(yǔ)班為例，分析這一班級(jí)英語(yǔ)六級(jí)的通過(guò)情況，分析方法是決策樹(shù)的方法。第一，做好數(shù)據(jù)的準(zhǔn)備工作，從相應(yīng)的教學(xué)管理系統(tǒng)中抽取1000條學(xué)生成績(jī)進(jìn)行記錄，選擇和研究目標(biāo)相關(guān)的屬性，包括英語(yǔ)六級(jí)通過(guò)情況、英語(yǔ)四級(jí)成績(jī)、入學(xué)英語(yǔ)成績(jī)、性別、生源地等，將數(shù)據(jù)進(jìn)行離散化，可以將入學(xué)成績(jī)分為 0～60、60～90、90～110、110～130、130～150，得到相關(guān)的訓(xùn)練數(shù)據(jù)集，最終將數(shù)據(jù)指標(biāo)變?yōu)槎M(jìn)制數(shù)值，方便程序進(jìn)行運(yùn)算。

利用這種方法進(jìn)行數(shù)據(jù)挖掘時(shí)，這次研究目標(biāo)是六級(jí)通過(guò)情況，因此可以將其分為通過(guò)和未通過(guò)，使用決策樹(shù)算法程序?qū)Ω鱾€(gè)屬性信息增益情況進(jìn)行計(jì)算，英語(yǔ)四級(jí)成績(jī)是最大的信息增益，將這一屬性作為決策根節(jié)點(diǎn)，之后按照順序遞歸分支，做好剪枝操作就可以得到一顆決策樹(shù)。

通過(guò)這次實(shí)踐應(yīng)用結(jié)果得知，在分析中使用決策樹(shù)方式進(jìn)行挖掘，可以得到相關(guān)的數(shù)據(jù)規(guī)律，通過(guò)高校管理層結(jié)合數(shù)據(jù)情況，分析管理中存在的問(wèn)題，對(duì)以后的管理工作進(jìn)行完善，提高管理水平。第一點(diǎn)，對(duì)于英語(yǔ)六級(jí)的通過(guò)情況而言，主要影響因素是四級(jí)的成績(jī)，如果學(xué)生的具有很高的四級(jí)水平，那么其應(yīng)用水平就很高，那么在以后學(xué)習(xí)中，通過(guò)英語(yǔ)六級(jí)的概率增大；第二點(diǎn)，和男生相比，女生通過(guò)六級(jí)的概率更高，男生一般比較貪玩，英語(yǔ)成績(jī)達(dá)到老師的要求即可，沒(méi)有進(jìn)行深入的學(xué)習(xí)，而女生學(xué)習(xí)比較認(rèn)真，因此英語(yǔ)基礎(chǔ)較好。第三點(diǎn)，生源地是重要的指標(biāo)，由于學(xué)生之前的學(xué)校辦學(xué)水平不同，極大影響學(xué)生的學(xué)習(xí)成績(jī)，很多學(xué)校不重視英語(yǔ)教學(xué)，因此這部分學(xué)生的英語(yǔ)水平一般，影響了其以后的學(xué)習(xí)和發(fā)展，導(dǎo)致英語(yǔ)六級(jí)的通過(guò)率低。第四點(diǎn)，通過(guò)數(shù)據(jù)顯示英語(yǔ)入學(xué)成績(jī)和六級(jí)是否通過(guò)沒(méi)有必然的聯(lián)系，二者的影響不是很大，因此針對(duì)這一調(diào)查中，高校在以后的辦學(xué)發(fā)展中，可以針對(duì)四級(jí)成績(jī)較低的學(xué)生進(jìn)行英語(yǔ)培訓(xùn)，強(qiáng)化英語(yǔ)筆試訓(xùn)練，除此之外，教師日常教學(xué)中加強(qiáng)對(duì)男生、農(nóng)村學(xué)生的培養(yǎng)，一般其英語(yǔ)水平比較薄弱，如果教學(xué)速度過(guò)快，或者沒(méi)有讓學(xué)生有一個(gè)適應(yīng)過(guò)程，那么這部分學(xué)生很容易根本上，直接導(dǎo)致英語(yǔ)學(xué)習(xí)效果進(jìn)一步下降， 因此教學(xué)中予以更多的關(guān)注，加強(qiáng)其學(xué)習(xí)方面的監(jiān)督；教師在日常教學(xué)中，要具有虛心的態(tài)度，教學(xué)工作之余不斷進(jìn)行自我學(xué)習(xí)、自我深造，提高在英語(yǔ)方面的水平，補(bǔ)充在英語(yǔ)方面的知識(shí)儲(chǔ)備，重點(diǎn)對(duì)教學(xué)方法進(jìn)行學(xué)習(xí)，結(jié)合班級(jí)整體學(xué)生的特點(diǎn)和英語(yǔ)水平，選擇合適的教學(xué)方法，針對(duì)英語(yǔ)能力較差的學(xué)生，抽出時(shí)間對(duì)其進(jìn)行特殊教學(xué)，及時(shí)彌補(bǔ)其之前落下的功課。由此可見(jiàn)，為了提高英語(yǔ)六級(jí)的通過(guò)率，教師要具備較高水平的教學(xué)能力，分析班級(jí)現(xiàn)實(shí)情況，選擇科學(xué)的方法有針對(duì)性的進(jìn)行教學(xué)，提高學(xué)生的成績(jī)，提高高校的辦學(xué)水平。

五、總結(jié)

通過(guò)以上對(duì)數(shù)據(jù)挖掘技術(shù)和在高校教學(xué)系統(tǒng)中的實(shí)際應(yīng)用分析，發(fā)現(xiàn)數(shù)據(jù)挖掘技術(shù)作用非常大，和傳統(tǒng)的數(shù)據(jù)統(tǒng)計(jì)分析相比，這一技術(shù)可以總結(jié)、分析出很多有價(jià)值的數(shù)據(jù)，為高校辦學(xué)提供決策依據(jù)。通過(guò)分析決策樹(shù)。關(guān)聯(lián)分析等方法，以高校為例進(jìn)行了教學(xué)管理方面的分析，得到了一些有價(jià)值的數(shù)據(jù)規(guī)律，這樣高校在辦學(xué)過(guò)程中，可以根據(jù)數(shù)據(jù)情況進(jìn)行完善、改革和做決策，傳統(tǒng)數(shù)據(jù)統(tǒng)計(jì)雖然也具有一定的價(jià)值，但是其對(duì)數(shù)據(jù)的利用度有限，不能綜合、全面進(jìn)行數(shù)據(jù)分析，因此對(duì)決策的質(zhì)量有很大影響，在以后的發(fā)展中要繼續(xù)優(yōu)化數(shù)據(jù)挖掘技術(shù)，讓其發(fā)揮更大的作用。

[1]曹煜.高校教學(xué)質(zhì)量測(cè)評(píng)系統(tǒng)的開(kāi)發(fā)及數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)在其中的應(yīng)用[D].東北大學(xué),2015.114-115.

[2]王可安,賈存良,李質(zhì)勇.基于SQL Server 2015的數(shù)據(jù)挖掘技術(shù)在高校教學(xué)評(píng)價(jià)中的應(yīng)用研究[J].棗莊學(xué)院學(xué)報(bào)，2011,26(5):99-104.

[3]高云輝.數(shù)據(jù)挖掘技術(shù)在高校教學(xué)評(píng)價(jià)中的應(yīng)用研究[J].吉林省教育學(xué)院學(xué)報(bào)旬刊,2013(1):36-37.

[4]吳淼.數(shù)據(jù)挖掘技術(shù)在高校圖書管理系統(tǒng)中的應(yīng)用研究[J].內(nèi)蒙古科技與經(jīng)濟(jì),2012(3):83-84.

[5]孫艷.數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)在高校教學(xué)管理系統(tǒng)中的應(yīng)用研究[D].中國(guó)石油大學(xué),2010.(11):44-46.

[6]姜文秀.數(shù)據(jù)挖掘技術(shù)在高校教學(xué)質(zhì)量監(jiān)控與評(píng)估系統(tǒng)中的應(yīng)用研究[D].南京理工大學(xué),2012.(13):201-201.

[7]嚴(yán)忠貞.高校教學(xué)質(zhì)量評(píng)價(jià)信息系統(tǒng)中數(shù)據(jù)挖掘技術(shù)的研究與應(yīng)用[J].今日科苑,2011(6):241-242.

[8]宋黎明.基于歸納學(xué)習(xí)的數(shù)據(jù)挖掘技術(shù)在高校教學(xué)研究中的應(yīng)用[J].黑龍江科技信息,2010(15):144-144.

[9]李忻.數(shù)據(jù)挖掘在高校教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)中的應(yīng)用研究[D].華北電力大學(xué)(保定),華北電力大學(xué), 2011.

[10]張敬,姚書科.探討數(shù)據(jù)挖掘技術(shù)在教學(xué)評(píng)估系統(tǒng)中的應(yīng)用[J].軟件導(dǎo)刊, 2012,11(2):157-158.

[11]杜芳芳.數(shù)據(jù)挖掘技術(shù)在遠(yuǎn)程教學(xué)輔助系統(tǒng)中的應(yīng)用研究[J].河南科技, 2011(6X):40-41.

G434

A

2095-3089（2017）27-0032-03