何曉聰

摘要：運用大數(shù)據(jù)思維和技術(shù)對研究生培養(yǎng)過程質(zhì)量進行監(jiān)測預(yù)警，是建設(shè)研究生質(zhì)量內(nèi)部保障體系的有效手段。本文通過關(guān)聯(lián)規(guī)則挖掘，揭示了研究生入學(xué)成績與課業(yè)表現(xiàn)、前置學(xué)歷畢業(yè)院校、圖書借閱情況與學(xué)位論文成績之間的關(guān)系，證明了通過分析研究生培養(yǎng)過程中產(chǎn)生的各種數(shù)據(jù)，可以為我們勾勒出研究生個體在學(xué)期間已有的學(xué)習(xí)軌跡，并預(yù)測其接下來的學(xué)業(yè)表現(xiàn)。

關(guān)鍵詞：大數(shù)據(jù)；研究生培養(yǎng)；質(zhì)量監(jiān)測；質(zhì)量預(yù)警

中圖分類號：G643 文獻標志碼：A 文章編號：1674-9324（2018）37-0064-02

一、大數(shù)據(jù)及其相關(guān)技術(shù)

（一）大數(shù)據(jù)的內(nèi)涵

Viktor Mayer-Schoenberge在《大數(shù)據(jù)時代》一書中指出：大數(shù)據(jù)不是隨機樣本，而是全體數(shù)據(jù)，即樣本等于總體。但是，如果簡單地把大數(shù)據(jù)理解為數(shù)量巨大，就容易陷入“只見樹木，不見森林”的膚淺中去。因為大數(shù)據(jù)既包括了結(jié)構(gòu)化的、可以存儲在關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)，更包括了半結(jié)構(gòu)化甚至非結(jié)構(gòu)化的數(shù)據(jù)。更主要的是，大數(shù)據(jù)給我們帶來的是思維方式的革命，也就是在模糊、不確定性中聚焦數(shù)據(jù)之間的關(guān)聯(lián)，通過數(shù)據(jù)揭示原先可能并沒有被認識的關(guān)系，而非驗證假設(shè)?！皵?shù)據(jù)驅(qū)動”在這一分析過程中，大數(shù)據(jù)的價值被充分地發(fā)掘，從而引導(dǎo)決策行為從傳統(tǒng)的“業(yè)務(wù)驅(qū)動”向“數(shù)據(jù)驅(qū)動”轉(zhuǎn)變。因此，可以毫不夸張地說，大數(shù)據(jù)引發(fā)了核心競爭力關(guān)鍵因素的變革。

（二）大數(shù)據(jù)的技術(shù)

1.數(shù)據(jù)采集與預(yù)處理。數(shù)據(jù)采集是開展大數(shù)據(jù)應(yīng)用的第一步。大數(shù)據(jù)的“大”，往往意味著全面、整體，也代表著數(shù)據(jù)來源結(jié)構(gòu)和模式的多樣性。文本、音頻、圖片、超鏈接等，都可以成為數(shù)據(jù)源。對于如此大量的異構(gòu)數(shù)據(jù)，必須通過一定的方式進行集成處理或整合處理，通過整理、清洗、轉(zhuǎn)換后，映射到一個新的數(shù)據(jù)集中去，為后續(xù)存儲和分析處理提供統(tǒng)一的數(shù)據(jù)視圖。

2.數(shù)據(jù)存儲與管理。傳統(tǒng)的管理信息系統(tǒng)產(chǎn)生的是結(jié)構(gòu)化的數(shù)據(jù)，關(guān)系型數(shù)據(jù)庫通過行列二維的表格可以存儲結(jié)構(gòu)化數(shù)據(jù)。但是對于大數(shù)據(jù)而言，半結(jié)構(gòu)化數(shù)據(jù)甚至非結(jié)構(gòu)化數(shù)據(jù)占比大幅度上升，要對這些數(shù)據(jù)進行內(nèi)容檢索、對比、挖掘，是關(guān)系型數(shù)據(jù)庫無法實現(xiàn)的。目前采用的是MPP并行數(shù)據(jù)庫集群與Hadoop集群混合的方式來實現(xiàn)巨量數(shù)據(jù)的存儲和管理，這些數(shù)據(jù)往往達到PB、EB量級。其中，MPP提供強大的SQL和OLTP服務(wù)，Hadoop則支持對半結(jié)構(gòu)化或非結(jié)構(gòu)數(shù)據(jù)進行內(nèi)容檢索和深度挖掘。

3.數(shù)據(jù)挖掘與可視化。根據(jù)數(shù)據(jù)倉庫中的數(shù)據(jù)信息，選擇合適的分析工具，應(yīng)用統(tǒng)計方法、事例推理、決策樹、規(guī)則推理、模糊集，甚至神經(jīng)網(wǎng)絡(luò)、遺傳算法的方法處理信息，得出有用的分析信息。這也就意味著，在數(shù)據(jù)挖掘的初始階段，目標并不需要非常清晰，而是要依靠挖掘算法來找出隱藏在大量數(shù)據(jù)中的規(guī)則、模式、規(guī)律等?？梢暬褪前研畔⒂成錇榭梢妶D形的過程，它為人類與計算機這兩個信息處理系統(tǒng)之間提供了一個接口?？梢暬瘜?shù)據(jù)分析至關(guān)重要，它可以揭示出數(shù)據(jù)內(nèi)在錯綜復(fù)雜的關(guān)系，在這一點上可視化的優(yōu)勢是其他方法無可比擬?，F(xiàn)在的數(shù)據(jù)可視化技術(shù)的主要攻堅對象是如何在不貶抑數(shù)據(jù)價值的同時將數(shù)據(jù)從“數(shù)字、文字”轉(zhuǎn)換為簡潔的圖表，進而方便數(shù)據(jù)挖掘和數(shù)據(jù)展示。未來的可視化效果，將繼續(xù)在可視化效果上進行深度發(fā)展，大數(shù)據(jù)分析工具也將在數(shù)據(jù)可視化技術(shù)的推動下攀升到一個新的高度

二、基于數(shù)據(jù)挖掘的研究生培養(yǎng)過程質(zhì)量監(jiān)測預(yù)警

1.關(guān)聯(lián)規(guī)則挖掘與算法。關(guān)聯(lián)規(guī)則挖掘是從事務(wù)集合中挖掘出這樣的關(guān)聯(lián)規(guī)則，它的支持度和置信度大于最低閾值，這個閾值是由用戶指定的。關(guān)聯(lián)規(guī)則挖掘可以大致分為兩步：（1）從事務(wù)集合中找出頻繁項目集；（2）從頻繁項目集合中生成滿足最低置信度的關(guān)聯(lián)規(guī)則。最出名的關(guān)聯(lián)規(guī)則挖掘算法是Apriori算法，它主要利用了向下封閉屬性，如果一個項集是頻繁項目集，那么它的非空子集必定是頻繁項目集。它先生成1-頻繁項目集，再利用1-頻繁項目集生成2-頻繁項目集……然后根據(jù)2-頻繁項目集生成3-頻繁項目集……依次類推，直至生成所有的頻繁項目集，然后從頻繁項目集中找出符合條件的關(guān)聯(lián)規(guī)則。

2.數(shù)據(jù)挖掘軟件。WEKA的全名是Waikato Environment for Knowledge Analysis，同時WEKA也是新西蘭的一種鳥名，其主要開發(fā)者來自新西蘭。WEKA作為一個公開的數(shù)據(jù)挖掘工作平臺，集合了大量能承擔數(shù)據(jù)挖掘任務(wù)的機器學(xué)習(xí)算法，包括對數(shù)據(jù)進行預(yù)處理、分類、回歸、聚類、關(guān)聯(lián)規(guī)則以及在新的交互式界面上的可視化。如果想自己實現(xiàn)數(shù)據(jù)挖掘算法的話，可以參考WEKA的接口文檔，在WEKA中集成自己的算法甚至借鑒它的方法自己實現(xiàn)可視化工具并不是件很困難的事情。

3.實證分析。（1）數(shù)據(jù)采集。本文以某財經(jīng)類高校的經(jīng)濟類專業(yè)研究生為研究對象，采集了2013—2015級研究生的入學(xué)信息、必修課期末考試成績、圖書借閱記錄、學(xué)位論文盲審成績等數(shù)據(jù)。其中，入學(xué)信息包括學(xué)生的前置學(xué)歷畢業(yè)院校、本科所學(xué)專業(yè)、專業(yè)課初試成績，圖書借閱記錄根據(jù)中圖分類號分別統(tǒng)計學(xué)生借閱的各學(xué)科圖書數(shù)量，必修課包括中級宏微觀經(jīng)濟學(xué)、計量經(jīng)濟學(xué)等學(xué)位課程。（2）數(shù)據(jù)預(yù)處理。由于基于Apriori算法的關(guān)聯(lián)規(guī)則挖掘以識別離散數(shù)據(jù)為主，因此要在進行挖掘之前先對原始數(shù)據(jù)進行離散化處理?？紤]到在教務(wù)管理中通常將成績分為優(yōu)、良、中、差四個等級，因此，我們先對成績進行排序，然后將分數(shù)排名在前25%的定義為“優(yōu)”、排名在25%—50%的定義為“良”、排名在50%—75%的定義為“中”、排名在后25%的定義為“差”。對于學(xué)生的前置學(xué)歷畢業(yè)院校也需要進行離散化處理，我們將“985”、“211”院校統(tǒng)稱為“重點院?！?，將獨立學(xué)院或?qū)？圃盒＝y(tǒng)稱為“一般院?！?，將其余的公辦本科院校統(tǒng)稱為“省市屬院?！薄D書借閱記錄的數(shù)據(jù)根據(jù)借閱圖書所屬學(xué)科數(shù)量多寡分為“以本學(xué)科為主”或“以跨學(xué)科為主”，從未借閱過圖書的標記為“零”。（3）數(shù)據(jù)挖掘結(jié)果分析。數(shù)據(jù)挖掘是依據(jù)算法計算得出的，必須結(jié)合實際通過人工分析才能得到真正有意義的關(guān)聯(lián)規(guī)則，并用于指導(dǎo)我們的實際工作。經(jīng)過將離散化的數(shù)據(jù)輸入WEKA分析軟件，設(shè)置好相應(yīng)的支持度和置信度，得出以下關(guān)聯(lián)規(guī)則。規(guī)則1：專業(yè)課1初試成績=差→計量經(jīng)濟學(xué)=差。專業(yè)課1根據(jù)研究生報考專業(yè)不同有所區(qū)別，經(jīng)濟管理類的考生專業(yè)課1均為數(shù)學(xué)。由此可見，沒有良好的數(shù)學(xué)基礎(chǔ)，學(xué)習(xí)計量經(jīng)濟學(xué)這門經(jīng)濟學(xué)的學(xué)位課程還是比較吃力的。因此，對于初試數(shù)學(xué)成績不理想的學(xué)生，我們要在計量經(jīng)濟學(xué)的教學(xué)過程中給予重點關(guān)注；規(guī)則2：前置學(xué)歷畢業(yè)院校=重點院?！鷮W(xué)位論文成績=良。這一規(guī)則體現(xiàn)了生源質(zhì)量的重要性。來自“985”、“211”院校的學(xué)生，相對來說在學(xué)習(xí)習(xí)慣、知識掌握、文字表達等方面具有一定的優(yōu)勢，因而所撰寫的學(xué)位論文質(zhì)量能夠有所保證；規(guī)則3：借閱圖書=以跨學(xué)科為主→學(xué)位論文成績=良。研究發(fā)現(xiàn)，廣泛涉獵不同學(xué)科的書籍有助于研究生的論文撰寫，這也解釋了跨學(xué)科、多學(xué)科共同培養(yǎng)的必要性。通過不同學(xué)科知識間的融會貫通，有利于激發(fā)學(xué)生的創(chuàng)新思維。

三、下一步研究展望

從現(xiàn)有的實踐看，異構(gòu)數(shù)據(jù)源的采集和存儲將是下一步的研究重點和難點。上面提到的成績、借閱記錄等信息，只是研究生培養(yǎng)過程所產(chǎn)生的數(shù)據(jù)集合的一小部分，只是露出水面的冰山一角。對于研究生管理部門來說，還有大量異構(gòu)數(shù)據(jù)面臨采集難、存儲難的問題。例如，研究生的社交網(wǎng)絡(luò)數(shù)據(jù)，如微信好友、QQ好友，由于涉及個人隱私，難以被管理部門收集利用分析。實際上，社交網(wǎng)絡(luò)數(shù)據(jù)對于分析掌握研究生的思想動態(tài)是十分寶貴的第一手資料，例如同一宿舍的研究生之間將對方從好友名單中刪除，這說明兩人的關(guān)系趨于緊張，研究生輔導(dǎo)員如果第一時間掌握了這個情況，就可以及時介入進行調(diào)解，避免矛盾升級造成更嚴重的問題。在大數(shù)據(jù)技術(shù)日新月異的今天，利用大數(shù)據(jù)思維和相關(guān)技術(shù)，整合研究生培養(yǎng)過程中產(chǎn)生的各種數(shù)據(jù)，可以在個體層面為我們勾勒出研究生在學(xué)期間已有的學(xué)習(xí)軌跡，并預(yù)測其接下來的學(xué)業(yè)表現(xiàn)。這就可以為精準制定符合研究生個人特點的培養(yǎng)方案，實現(xiàn)教學(xué)資源的有效推送奠定基礎(chǔ)。

參考文獻：

[1]簡析大數(shù)據(jù)及其在教育領(lǐng)域的應(yīng)用.http：//fanwen.chazid 2016/10/30.

[2]耿學(xué)華，傅德勝.可視化數(shù)據(jù)挖掘技術(shù)研究.計算機應(yīng)用與軟件，2006，（2）.

[3]WEKA操作入門.http：//wenku.baidu.c，2017/01/04.

[4]李紅林.基于Apriori算法的高校教學(xué)評價數(shù)據(jù)挖掘.中國科技信息，2010，11（21）.