基于数据挖掘算法的创客校园质量管理模型研究

[摘 要] 创客是坚守创新，坚持实践，乐于分享并且追求美好生活的一群人把兴趣与爱好努力变成现实的过程，是一场快速由工业社会向信息社会过渡的运动。作为未来人才培养基地的学校应该培养更多的创客，打造“创客校园”。创客校园的打造应和其他行业一样有自己的质量体系，要从自身的配套设施、创客教学成果、学生管理、创客社会影响等多方面考虑其发展水平，提高自身的教育质量。因此，基于数据挖掘算法，根据数据创建创客校园质量管理模型，从而精准地对数据进行分析，并将分析结果加工成有效的信息供管理层决策使用。

[关 键 词] 数据挖掘算法；创客校园；质量管理模型

[中图分类号] G717 [文献标志码] A [文章编号] 2096-0603（2017）10-0167-01

作为一种特殊的创客空间，创客校园是近年来发展起来的新事物。由于尚处在发展的初级阶段，缺乏理论和经验的双重积累，创客校园的建设往往会遭遇诸多困境。如何从创客教育的各项数据关系中挖掘、理清其本质内涵，在实践上对其发展的方向进行审视和反思，以实现其向内促进师生发展、推动教育改革，向外孕育创新文化、推动创新成果的核心功能，是创客校园质量管理模型研究的重要目的。

一、创客校园建设的意义

我国在新的历史时期推行大众创业、万众创新的方案，是国家和社会发展的动力之源，同时也是富民之道和强国之策，对国家进行经济结构改革和走创新驱动发展的道路有着非常重要的意义。无论是对国民经济的稳定发展，提高社会公民就业率，进而激发广大人民群众的凝聚力和创造力，还是促进社会纵向流动、公平正义都起着关键性的作用。高职院校的培养目标是要着力打通和拓宽各级各类技术技能型人才的培养发展通道，推进现代职业教育体系建设和中国教育结构的战略性调整，培养出一批高素质的技能型人才。创客教育以其创新性、实践性、开放性、共享性等特质，成为培养创新型人才、提高国民综合素质的新抓手。创客校园是创客教育实施的必然产物，是广泛动员和组织全院师生积极参与创客活动，提升教师创新能力，探索培养创新与高素质人才的有力举措。

二、创建创客校园质量管理模型的必要性

国内创客空间属于初创阶段，创客校园更是少之又少，创意来源也主要是国外的网站，目前还没有形成有显著特色的、可持续发展的模式。目前各地方、各学校对建立创客空间、开展创客教育都比较积极，但创客的种类相对局限，真正潜下心来做事的不多，拥有创客思维和创客精神的教师也不多。深入贯彻《国务院关于大力推进大众创业万众创新若干政策措施的意见》，加强创客校园和创客文化建设，全面深化学校创新创业教育改革，必须完善人才培养质量标准，健全创新创业教育课程体系，创新人才培养机制，改革教学方法和考核方式，强化创新创业实训实践，加大大学生创新创业活动支持和保障力度，努力造就大众创业、万众创新生力军。

三、创客校园质量管理模型建设

数据挖掘算法是根据数据创建数据挖掘模型的一组试探法和计算。为了创建模型，算法将首先分析提供的数据，并查找特定类型的模式和趋势。目前数据挖掘算法可以大致分为六大类：仿生物技术、信息论方法（决策树方法）、集合论方法、关联规则方法、统计分析方法和模糊集方法。本文主要围绕决策树算法建立创客校园质量管理模型。决策树是一种简单的知识表示方法，它将事例逐步分类成代表不同的类别。由于分类规则是比较直观的，因而比较易于理解。该类方法的实用效果好，影响较大。而其中的ID3算法是决策树技术中最著名的算法，ID3选择属性用的是子樹的信息增益，也就是熵的变化值，对非离散数据都能处理，同时能够对不完整数据进行处理。

我们可以利用学校现有的创客校园资源、师资、学生、作品等数据及运行数据，确定需要采集的项目计划数据（Plan），构建出运行系统框架图，根据框架图进行系统数据库的设计。然后进行数据的采集（Do），由于数据库的规范为第二范式（2NF），它的建立完全依赖于主关键字，所以主关键字其中出现一个问题，就会在信息表中出现多系列问题，这就需要在表之间创建一个中间表处理多对多关联关系。接着分析信息，根据数据库建立的主关键字决策子树进行分析（Check），发现相关影响因素，可以得出创客校园的各类数据、师资、资源是否合理，如果发展合理，说明我校实施创客教育的人才战略已初见成效。若发现潜在问题，比如创客教师的比例相对较低，那要分析是客观原因，还是主观因素。如果是客观原因，可加大资金、资源的投入；若是主观原因，可通过建立健全创客教育课程体系，创新创客教育人才培养机制，改革创客教育教学方法和考核方式等构建创客校园质量文化。同时，充分利用蓝岛创客空间、智能制造学院、工程实践中心等，为全院师生搭建平台，推动成果转化、产教结合，实现创新引领新局面。并结合原因分析，将不合理的计划数据进行修订并实施（Act），从而实现创客校园建设的良性运作，营造“自我诊断与改进”的创客校园质量管理体系。

参考文献：

王惠中，彭安群.数据挖掘研究现状及发展趋势[J].工矿自动化，2011（2）：30.