基于数据挖掘的高校信息化系统模型研究

尧有平 陈星豪

【摘 要】分析高校现行信息化系统的功能模型，指出其应用的局限性，提出一种基于数据挖掘的信息化系统模型。

【关键词】数据挖掘 信息化 系统模型

【中图分类号】 G 【文献标识码】A

【文章编号】0450-9889（2014）01C-0051-02

教育信息化是指在教育领域运用计算机多媒体和网络信息技术，促进教育的全面改革，使之适应信息化社会对教育发展的新要求。教育信息化的核心内容是教学信息化。为此各级教育部门，特别是各高校在过去投入了大量的财力，构建了各种信息化设施，以校园网络系统为平台，开发了教务信息系统，学生工作管理系统，招生就业系统，工资管理系统，学籍管理系统，这些系统简洁易懂、功能实用，大大地加强学校信息化管理水平，提高了工作效率。但由于历史原因，这些系统功能相对独立，扩展能力差，大多数的应用仍然限于查询、检索的简单应用上，效率低下。

经过多年的应用，每个学校的信息系统都积累了海量的数据，存储于系统中，而这些数据并没有得到充分的利用，因为大多数的信息化系统只执行了存储、查询、检索等基本功能。数据中隐藏的丰富的知识和规律并没有得到充分开发和利用，这些积累的数据就像埋藏在大山中的金矿，必须充分开发出来，为决策人员提供帮助，才能充分发挥其价值。因此通过技术手段，改进信息系统的结构和功能，使管理和应用人员能从大量的数据中挖掘出有用的知识和规律，并把这些知识用于管理决策、教学计划制定、招生就业决策、图书馆管理等。

建设信息化公共支撑环境，提升公共服务能力和水平，如何利用现有的数据，挖掘出有用的知识，为管理部门、决策人员、学生提供帮助，是信息系统的重要任务。通过充分利用数据挖掘技术处理高校信息化系统中的海量数据，挖掘出有价值的知识和规则，并将其反馈到教学和管理决策中，提升学校服务和管理能力。

本文将在分析现在信息系统的基础上，对其局限性进行分析，并提出一种基于数据挖掘的信息化模型，并分析其有效性。

一、高校信息化系统模型

（一）传统的高校信息化系统模型

当前教育信息化系统的结构如图1，包括系统硬件平台、数据存储模块、数据库或数据仓库模块、数据分析查询模块、图型用户接口五大部分，主要的功能是收集信息，通过转换，存储数据，把数据存储到数据库中，用户通过读写分析、查询模块进行操作，系统为用户提供信息的存储、共享和检索服务。随着数据的增长，信息系统存储了海量的数据，其中隐藏着大量的知识和规律，通过简单的检索是无法得到的。

图1 传统的高校信息化系统模型

（二）数据挖掘下的高校信息化系统模型

基于传统信息系统的不足，提出基于数据挖掘的信息系统改进模型，如图2所示，它是在传统模型的基础上，加入数据挖掘模块，通过它，可以从长期积累的数据中，挖掘出隐藏的知识和规律，为系统用户解决问题、管理决策提供支持，发挥信息系统的潜力。

图2 数据挖掘下的高校信息化系统模型

（三）数据挖掘模块及技术分析

数据挖掘的任务是从现有数据进行分析，通过分析，获取事先未知的知识和规律，如数据记录集合聚类分析，异常记录和赖关系（关联规则），数据挖掘的一般过程如图3所示。

图3 数据挖掘过程

数据模块中采用的几项典型技术如下：

1.聚类分析。聚类是把一组数据对象设计成一类，以便让同一类中的对象具有最高的相似性。而类间具有最大的差异性，这种方法被用于机器学习、模式确认、图象分析、信息检索等领域。

建立的每一个聚类可以看成是一类对象，通过它导出规则。聚类在教育中的应用能帮助机构组合学生个人相似的班，把学生分成类，以便使学生在一类中相互之间更相似，或者说水平更平均。

2.决策树。决策树是一种决策支持工具，它使用树型图显示可能的结果，包括概率事件结果和源的关系，成本和用途功用，它是一种方式显示一种算法。决策树常被用于行为研究特别是决策分析，去帮助识别一种策略，主要是要达到的目标；决策树作为一种描述性工具手段用于计算条件概率；决策树还可以用于分析一个机构的准入规则。同时它对小数据样也能给出好的结论。这种方法能适用于不同数量级的编目变量。

3.关联规则。反映一个事件和其他事件之间依赖或关联的知识，如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测，可以用关联规则的形式表示规则形式。

4.分类。找出描述或识别数据类或概念的模型（或函数），以便能够使用模型预测类标记未知的对象。

5.回归。通过构造函数以符合数据变化的趋势，这样可以用一个变量预测另一个变量。

二、数据挖掘在高校信息化中的应用概述

在高校信息系统中进行数据挖掘称之为教育数据挖掘，教育数据挖掘的关键领域是挖掘学生的表现行为；另一个关键区域是挖掘录取入学数据；关键应用是预测学生表现和研究其学习状况，以便推出措施用于教育实践。主要应用如下：

（一）在教学评价方面的应用分析

高校信息化系统长期运行中产生了海量数据，学籍数据、考勤纪律、招生就业、奖惩等各方面的数据累积在信息系统中，通过使用数据挖掘技术可帮助教师、学生、学校管理决策者有效地利用这些数据，建设有效的评价系统。

（二）学生特征分析

根据系统中已有学生的基本信息、成绩信息、学习过程数据、偏好、知识结构等，利用数据挖掘功能分析学生特征，从获取的知识帮助学生修正自己的行为。教师利用挖掘到的知识帮助学生修正学习行为、提高学习能力。

（三）协助合理设置课程

通过对学校积累的数据使用数据挖掘技术，如关联规则，时间序列分析等相关技术，挖掘出有用的知识，寻找到影响学生成绩的相关因素，如教师因素，课程安排因素等，教学管理者可以设置合理的课程，合理安排教师组合。

（四）就业预测分析

通过对历史中毕业生的就业数据进行数据挖掘，对毕业生就业因素的相关性进行分析，如综合成绩，英语成绩，计算机成绩，是否学生干部等，对学生能否就业的影响因素进行挖掘，得出毕业生的就业预测模型，这样可以对学生未来是否能就业，对就业作出预测，对就业好的学生类型推广，对不易就业的学生类型，修改培养方案和模式。

（五）图书馆应用

图书馆是高校的信息服务机构，馆内具有大量的信息，经过多年的运行，这些信息以海量计，可以通过数据挖掘技术对数据进行处理，为师生提供更好的服务。

数据挖掘可以对读者类型、文献类型、借阅次数等方面的信息进行挖掘研究，提高检索速度，通过改进信息检索程序来提高信息检索的速度和有效性，为不同的读者提供定制服务，拓展服务方式，提高服务质量。

教育数据挖掘已经成为热门的研究领域，因此很多为数据挖掘开发的工具也不断出现。数据挖掘技术在学校中能帮助我们去发现学生的表现，学生的学习习惯，帮肋课程设置，激励学生，挖掘出学生分组的依据，帮助就业决策；同时也发现，现行的数据挖掘工具对教育工作者来说太复杂。如何开发一种简便的算法工具，使之能应用于不同的任务，并能设置自由参数，简化应用，使非专业人士可以应用是急需解决的问题。

【参考文献】

[1] 刘琼梅.浅谈数据挖掘在高等教育信息化中的应用研究与展望[J].福建电脑，2010（4）

[2]陈洁.校园信息化建设应用的数据挖掘研究[J].科技风，2012（9）

【基金项目】新世纪广西高等教育教学改革工程立项项目（2012JGA384）

【作者简介】尧有平（1964- ），男，广西电力职业技术学院副教授，研究方向：计算机技术、数据库技术、数据挖掘技术；陈星豪（1980- ），男，CCF会员，硕士，广西电力职业技术学院讲师，研究方向：计算机技术。

（责编 丁 梦）