大数据时代的信管专业课程关联性研究

敖希琴 李凡

【摘 要】针对大数据时代对信管专业学生能力培养的要求，本文以学校教务系统信管专业学生成绩为研究对象，通过相关性与关联性分析，从不同角度深入发掘了课程与课程之间的关联性。从而为信管专业的课程的设置，以及改革专业人才培养方案，提供可供参考的科学依据。

【关键字】大数据；信管；课程；关联性

中图分类号： G203-4；G642 文献标识码： A 文章编号： 2095-2457（2018）27-0050-003

DOI：10.19694/j.cnki.issn2095-2457.2018.27.022

随着计算机和信息通信技术的发展，大数据的应用日益渗透到社会的各个方面，大数据正在激活人们从数据中挖掘价值，引发人们从数据中“钻取石油、开采黄金”的时代[1-2]。与大数据相关的职业需求呈爆发式增长，大数据职业的相关人才匮乏，人才缺口较大[3-4]。而作为与大数据应用最为相关的专业之一，信息管理与信息系统专业（以下简称“信管”专业）应该以大数据发展为契机，改革专业人才培养方案，以培养更多符合社会需求的复合型人才。

目前各高校都建立了各自的教务管理系统，积累了大量的教学数据，而这些数据中往往隐含了大量有用的信息，例如：在后续一门课程学完时，是哪一门或哪几门前导课程对其影响最大；几个学号相邻的学生分数分布是否相似，如果具有相似性，是何原因造成的这种结果；一学期中所学的几门课程讲授的顺序对它们整体教学效果的影响如何；所以对学生成绩进行分析，深入挖掘潜在规律，并应用到教学工作中，对我们培养方案的制定、优化教学内容、改革教学方式、把握教学重点、提高教学质量，都具有重要意义。

1 数据来源及预处理

1.1 数据来源

本文以我校2017届信管专业学生大学四年所有课程的考试成绩为实证分析对象，数据来源于学校教务系统成绩库，因此数据的真实性得到了保证。

1.2 数据预处理

本课题中，由于课程类型及评分标准不同，学生成绩计分方式常采用分为五级制和百分制两种方式。为了方便后续的统计分析，将学生的五级制成绩转化为百分制，即优秀用95分替代、良好用85替代、中等用75替代、及格用65替代、不及格用55替代。缺考學生的成绩为0分，属于缺失值，为保证研究的准确性，对缺考学生的成绩予以删除处理。

2 课程相关性分析

相关分析，就是通过定量的指标，来描述事物之间联系的强弱程度[5]。由于本课题中研究的是各科课程成绩之间的相关性，属于连续性变量，故采用Pearson相关系数考察两两相关性，分析结果如表1所示。

由表1和图1可知，计算机类课程之间都存在着一定的相关性，其中数据库原理与应用与其它计算机类课程相关性最强，计算机网络和其它计算机类课程相关性相对较弱。

由表2和图2可知，专业类类课程之间都存在着一定的相关性，其中运筹学和管理信息系统的相关性最强，运筹学和信管概论之间的相关性最弱。

3 基于Apriori算法的课程关联性分析

Apriori 算法是关联规则中最典型且应用最广泛的算法， 挖掘生成关联规则结果的过程主要有两步：第一步，从事务数据库中迭代找出全部频繁项集；第二步，由频繁项集生成符合用户最小信任度的规则[6]。

借助于统计分析软件SPSS Molder，利用Apriori算法挖掘课程与课程之间的关联性，部分课程关联性分析结果如表3所示：

由数据的关联性挖掘结果可得到结论：（1）一门课程的课程成绩与该门课程的课程设计关联性较大，即若该门课程掌握情况较好，那么在完成课程设计时，也会取得较好的成绩，例如，《动态网站设计与架构B》与其课程设计成绩同时为优秀的学生比例为36.36%，若该门课程成绩为优秀，则该门课程成绩也为优秀；（2）计算机类的课程之间的关联性较大，由于计算机类课程属于技术类课程，课程内容之间的关联性较大，在课程设置时应考虑该课程相关的先修课程是否已经完成。例如，《@.NET程序设计》与《动态网站设计与架构》B两门课程成绩都为优秀的学生比例为18.18%，《@.NET程序设计》成绩为优秀的学生中有80%的学生《动态网站设计与架构B》课程成绩也为优秀； （3）数学类课程的关联性较大，这类课程都体现的是学生的数学思维能力，故关联性大。B例如，《线性代数》与《离散数学》同时为优秀的学生比例为18.18%，《线性代数》成绩为优秀的学生中有80%的学生《离散数学》成绩也为优秀，由课程内容可知，《线性代数》应是《离散数学》的先修课程。（4）专业课程之间的关联性相对较弱，由于专业类课程体现的是某一方面的能力的培养，内容之间的关联性不大，对于这类课程开设时无需过多考虑课程的先置和后置关系。例如，《管理信息系统》与《生产运作管理》同时为优秀的学生比例为7.27%，《管理信息系统》成绩为优秀的学生中仅有50%的学生《生产运作管理》也为优秀。

图3～5中“1”代表该门课程成绩大于等于90分，“0”代表该门课程的成绩小于90分，图中线条的粗细代表关联性的强弱，图形分析结果再次验证了表3中课程关联性的挖掘结果。

4 总结

本文首先通过学校教务系统收集了2017届信管专业学生大学四年所有课程的考试成绩；接着对数据格式进行了转换，完成了数据的预处理；然后对课程成绩的相关性进行了分析，得到同类课程间具有较强相关性的结论；最后利用Apriori算法对课程关联性进行了分析，发现计算机类课程、数学类课程间关联性较大，而专业课课程间的关联性相对较弱，这些结论都为信管专业的课程的设置，以及改革专业人才培养方案，提供可供参考的科学依据，以求培养更多符合大数据时代需求的复合型人才。

【参考文献】

[1]黄椰曼.大数据时代信息管理类本科专业课程体系建设：基于大学生需求视角[J].图书情报工作， 2018（3）：45-54.

[2]张宁，袁勤俭.面向数据科学的信息管理和信息系统专业课程建设与改革[J].现代情报，2017，37（8）：106-110.

[3]周耀林， 黄川川. 大数据时代信息管理学科人才培养模式改革研究[J]. 中国高教研究， 2017（10）：107-110.

[4]贺玉珍，张海江.大数据视角下信管专业人才培养研究[J].中国管理信息化，2016，19（21）：241-242.

[5]张文彤，SPSS统计分析基础教程[M].北京：高等教育出版社，2017：291-298.

[6]王成勇.基于关联规则Apriori算法的学生成绩分析[J]. 价值工程，2018（5）：171-173.