应用数据挖掘技术优化高职院校教学管理

李松涛

【摘 要】 随着高职生教育不断地发展扩大，如何提高学校教学挂尼龙已经成为一个值得研究的问题。高校管理工作复杂且枯燥，本文通过总结归纳数据挖掘的相关技术，探索数据挖掘技术如何应用于高职院校教学管理工作。

【关键词】 数据挖掘 高职院校 教学管理

1 数据挖掘概述

广义上说的数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的原始数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用、可信新颖的信息和知识的过程。即数据挖掘从数据库的相关数据集合中抽取有价值的知识、规则或深层次的信息。狭义上的数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据之间关系的过程，是知识发现过程中的一个关键步骤。数据挖掘是一门广义的交叉学科，它的发展和应用涉及到不同的领域，尤其是数据库、人工智能、数理统计、可视化、并行计算等。数据挖掘的使用极大地提高了信息的利用率，使用有效信息更高效，为社会与人类的发展提供了方便的实用工具。

2 应用于学生能力信息的数据挖掘技术方法

根据不同的问题及数据类型，存在相对应的数据挖掘技术方法，方法如下：

第一，分类与预测：分类是根据问题情况事先分好类别，利用某个分类器一一划分数据库中的数据对象，并分配到相对应的类别中。分类方法在学习过程中提供了指导性作用。预测是为了预测未知类别的数据对象，通过之前学习归纳的方法模型预测未知数据对象。其中分类模型可应用于预测。

第二，聚类：聚类是将数据全部输入数据库中，然后对数据进行分析，其方法步骤正好与分类是相反的。其内容是根据数据的相似性，相似度高的划分到同一组。聚类是一种无指导性的学习过程，也可以说聚类与分类是一个互逆的过程。

第三，决策树：主要应用原理是利用概率论分析事例的概率数，在此基础上划分数据到不同的类别，并以树的分支形式表示。根据数据的分类情况也可以预测数据的发展趋势，这是这种方法的一个优点，优点还有数据表达直观，并且应用便捷快速，易于理解，但是不适合于复杂量大的数据，由于分支太多会埋没了优点，不利于使用。

第四，遗传算法：这种方法适用于结算最优数据，其内容是利用概率计算，直接计算出最有数据结果的方法。遗传算法模拟了自然界优胜劣汰、适者生存的自然进化规则，生成的用于数据选择的随机搜索算法。

3 数据挖掘在高校图书馆管理工作中的应用

3.1 借阅管理应用

借阅者的分类、属性、特征、学科交叉、学科发展方向以及满意度等方面的分析都包含在借阅者管理应用的内容之中。通过以上内容的分析可以针对不同的借阅者提供不同的服务，进而更加有针对性地了解和满足借阅者的需求。这对图书馆管理员进行图书管理，借阅者管理及导读工作都会起到积极的作用。同时对于订阅报纸期刊和采购图书也具有指导作用，也为学校课程设计提供一定的借鉴。

3.2 书库管理

目前图书馆面临的主要问题包括图书丢失、图书残破和频繁倒架，针对这些问题，数据挖掘技术是一项很好的解决措施。具体操作主要包括：第一，分析历年的数据，根据借阅数量的变化安排架位，例如涨幅大的种类一般情况下都应进行架位的预留。第二，在采购力度方面，也应有针对性。对于连续借阅或者借阅频繁的图书种类应当加大采购数量。第三，馆藏文献的整理分析也十分重要，藏书位置和文献数量的相关数据是馆藏文献更新替旧的重要数据基础。第四，挖掘分析不同读书群体的数据，通过数据的分析可以提高图书利用率，同时既能够便利读者查询图书也能调整和合理设计馆藏布局。第五，对于特定图书，特别是借阅时间有限制的图书，可以通过举办推荐介绍形式的活动进行图书借阅，从而满足阅读需求。

3.3 优化借阅服务方面的应用

优化读者服务一直是图书馆追求的目标。通过对读者浏览、检索、咨询、借阅等信息的数据挖掘，更好的为不同类型的读者提供个性化服务；具体措施如下：首先将被动型服务转变为主动型服务，根据借阅历史进行数据分类，针对不同读者偏高的类型进行推荐，实现主动型图书借阅服务；其次进行相关数据的关联分析也是实现主动服务的一项重要措施，不仅满足读者的阅读需求，同时也为读者提供关联信息，丰富与拓展读者的阅读面；再次，每当有图书资料更新时，图书馆也能为读者及时提供更新的图书内容和相关推荐；最后，读者的相关建议和咨询也是关注的重点，通过这些信息可以了解到不同群体关注的不同重点，进而发现图书工作的中需要改进的方面以及面临的困难，从而寻找解决方案提升服务质量。

4 结语

以提高高职类院校教学管理为目的，科学合理的把数据挖掘技术利用在高职教学上是一个长远的过程，需要我们在探索和研究高职院校特点的基础上，正确的运用数据挖掘在教育教学领域的应用，当然在实际应用中，还要结合实际情况采用其他方法的辅助。从应用实例来看，数据挖掘解决了在数据和信息过量的情形下，不能充分利用有效信息的问题。数据挖掘对高职院校提高教学质量、规范学生评价制度等有重大的意义。

参考文献：

[1]杨永斌.数据挖掘技术在教育中的应用研究[J].计算机科学，2006（12）.284-286.

[2]于立红，张建伟.基于数据挖掘的高职生成绩分析与预测[J].郑州轻工业学院学报（自然科学版），2006（21）.77-79.endprint