浅谈数据挖掘在高等院校人才培养中的应用

【摘 要】数据挖掘技术是大数据技术的核心。数据挖掘技术由于能够处理海量数据，并能够挖掘出有价值的隐藏信息，已经在社会各领域推广应用。高等院校要加快引进或培养一批既熟悉政策方案又懂技术，能熟练进行数据操作的技术队伍，加快系统平台的建立以及数据分析功能、挖掘功能的开发，充分发挥数据挖掘技术在高等院校人才培养的应用中的作用。

【关键词】数据挖掘 高等院校 人才培养

在高等院校，推进数据挖掘技术在院校学生管理与人才培养过程中的应用，对于提高管理质效、提高人才培养质量具有重大现实意义。

1推进数据挖掘在高等院校人才培养中应用的必要性

（1）可以更有效的利用教学和管理数据。近些年，我国大部分院校信息化建设发展很快，教学和管理工作已经积累了大量的数据，如学生课程成绩、训练成绩、特长培养数据、教师教学效果反馈与质量评价管理数据、教务管理数据等。这些数据已成为学校极为宝贵的资源，但由于没有应用数据挖掘技术，这些数据得不到很好的开发使用，信息量虽大，却未能在人才培养中充分发挥有效的协同作用。

（2）可以为高校教育管理者提供决策依据，提高管理质效。通常，高等院校遵照人才培养方案制定评价体系，评价体系中各项指标就是对学生综合素质的详细要求，指标数据所描述的就是学生的日常状态数据，数据涵盖了所有学生在校表现的各项信息，如果能将这些源源不断的状态数据进行数据挖掘处理，可以为高校教育管理者提供决策依据，提高管理质效。

2数据挖掘在高等院校人才培养中的应用

在高等院校人才培养中应用数据挖掘技术，必须走好以下关键三步：数据采集、数据处理、数据挖掘。

（1）革新理念，创新手段，大量进行数据采集，保障数据挖掘的应用资源。高校教育管理要实现从定性、手工、单项管理逐步向定量、智能化、综合的科学管理转变，就必须将这些智能化、定量式、综合性的信息表达出来，就必须进行大量的数据采集。一是要革新理念。以往由于数据处理能力等技术条件有限，研究者只能选择“抽样调查”的思路。在大数据时代，可以最大限度地进行数据采集，采集使用的样本可以是全体学生的全部数据。二是要创新手段。传统的数据采集方式速度慢、效率低、周期长，难以保证采集到大量数据。为了缩短数据采集的周期，各院校可以依据自身的学生综合素质评价体系，搭建一套记录人才培养发展轨迹的新的数据采集系统和数据管理平台，通过系统平台及与之相配套的移动数据采集终端、数据采集设备，快速、大量、高效地采集数据，让数据自动“流向”数据库，大大提高数据采集的效率。

（2）分析需求，加工转换，合理进行数据处理，提高数据挖掘的应用效益。在数据采集之后，数据挖掘开始之前，还要根据挖掘需求对数据进行一系列的加工处理，尔后将结果数据抽取到“仓库”待用。一是分析需求，识别提取。在数据挖掘技术应用过程中，各类人员的信息需求在内容、范围等方面都是有差别的，要合理分析各类人员的不同需求，以便到数据库中识别提取。二是过滤转换，合理加工。识别提取的原始数据可能包含一定的噪声数据、空缺数据、冗余数据和不一致数据，对这些噪杂数据进行清洗过滤、填补遗漏，以免其在后续处理中“混淆视听”。三是分类合并，整合处理。通常数据要按存儲形态或所属类别进行分类处理，以便于区分，减少冗余度。四是分清缓急，及时完成。数据处理的时间原则上应与数据采集周期时间成正比，以便于满足及时的挖掘需求。

（3）探寻规律，建立模型，高效进行数据挖掘，发挥数据挖掘的实践功能。高效进行数据挖掘，发挥数据挖掘在高校人才培养中的实践功能可从三方面着重入手。一是建模。因规律、需求不同，数据挖掘方法也有差异，利用模型建立进行数据挖掘无疑是高效、快速的挖掘手段。常见数据挖掘分析模型有关联规则模型、聚类模型、分类与预测模型等。二是再开发。目前常见的数据挖掘工具有：SPSS Clementine、SAS等，常用的经典算法有C4.5算法、K-MEANS算法等，由于高等院校有自身的特殊性，在进行数据挖掘时可针对算法进行二次开发，探索出适合自身的算法及数据挖掘分析模型。三是改进系统。在数据挖掘的实际应用中，系统平台虽然基于共同的底层数据库，仍应建立包含多个独立却不孤立的数据挖掘分析子系统，这样亦能推动数据挖掘的高效进行。

3推进数据挖掘应用所需的保障机制

加快数据挖掘技术需要我们提高认识更新思路，投入较大的人力物力完善保障，推进数据挖掘的深入应用。

（1）完善措施，加强顶层设计保障采集。院校要加强顶层设计，同时有专门的部门负责统筹管理。管理部门要制订数据采集制度，必须实行源头输入责任原则，实行谁采集谁负责；制定数据审核制度，在数据采集过程中层层落实责任，逐级审核把关，相互监督实施。同时，院校应该进行广泛的宣传和培训，使全体教师、管理干部都熟悉了解并积极参与数据采集与数据挖掘工作。

（2）秉持协同，打造“无壁垒”工作模式。“无壁垒”是指院校要打破传统的部门与部门之间、管理干部与教师之间、不同教研室教师之间的界限，所有人员通过数据管理平台都能时时上传下载自己权限范围内的数据。

（3）加强保障，建立熟悉挖掘的技术队伍。正确掌握操作技术，解决数据的输入和输出问题至关重要，因此，院校必须加快引进或培养一批既熟悉政策方案又懂技术，能熟练进行数据操作的技术队伍。

4 结语

可以预见，数据挖掘技术在高等院校人才培养的应用中为管理者决策提供的服务，可以更好地推动高校教育的发展。

参考文献：

[1]谢秋丽.基于关联规则的教学质量评价数据挖掘[J].现代计算机，2008（5）：25-27.

[2]常桐善.数据挖掘技术在美国院校研究中的应用[J].复旦教育论坛，2009（2）：72-79.

[3]李霞，蒋盛益，刘晓霞.数据挖掘在高校教学和管理中的应用研究[J].广东外语外贸大学学报，2012（7）：97-99.

[4]彭世民，姜涛.数据挖掘在高校教育信息化管理中的应用[J].中国人民解放军信息工程大学报，2009（7）：37-38.

作者简介：姚鑫隆（1972—），男，汉族，江西玉山人，南昌陆军学院军事教育与教学评估研究室副主任、副教授、硕士，主要研究方向为教育管理。