应用数据挖掘技术在高校数字化校园建设中的研究

叶頔 天津中德应用技术大学

在大数据急速发展的时代背景下，我国教育事业受到不同程度的影响，教育理念、教育模式等深化改革至关重要，高校数字化校园建设日渐重要，而数据挖掘技术是数字化校园建设的有效手段之一。高校要全面、客观分析数据挖掘技术内涵、特点、优势等，科学应用数据挖掘技术，借助其优势作用，科学建设数字化校园，巧用数字化校园信息，全面提升教学效率与质量，培养大批高水平专业人才，增强自身核心竞争力。

1 高校数字化校园建设

高校数字化校园建设是以教育信息化为媒介，科学应用信息技术、工具，实现学校管理、资源统筹等多个环节的数字化，改变传统校园建设现状，扩展传统校园资源整合的作用，促使高校教育管理各环节具有鲜明的信息化特征，教育教学、科研等数据统计目的顺利实现。从狭义上说，高校数字化校园建设就是以现实校园建设中，围绕教育教学、行政管理为基点的虚拟校园，具有鲜明的数据可视化特征。20世纪90年代初期，数字化校园概念便应运而生，随后，其不断优化完善，已成为现代化高校建设的必要趋势，对高校教学、科研、管理等各项工作有序开展有着深远的意义，也是提高高校信息化建设水平的有效路径。但在多方面主客观因素作用下，高校数字化校园建设现状并不乐观，在建设过程中各方面问题不断显现。具体呈现方面数字化校园网络硬件设备存在质量缺陷，软件系统无法及时得到更新，数字化校园网络系统安全性、稳定性有待提高；高校部门内部教务处、科研处、学生处等部门系统建设期间缺乏沟通，出现“各自为政”现象，数字化校园建设中数据资源共享程度不高等，亟待要进一步深化数字化校园建设，科学构建智慧校园。

2 数据挖掘技术

在科学技术动态发展中，大数据时代应运而生，不同领域行业信息数据呈爆发式增长趋势，如何将高参考价值的信息数据有效提取出来至关重要。随之，数据挖掘技术出现在人们的视野当中。简单来说，数据挖掘技术是指科学提炼数字化校园建设中利用价值较高的信息与数据。数据挖掘技术并不单一，分类分析技术、关联分析技术等极具代表性。同时，数据挖掘包括多个环节，清理、变换等，决策树方法属于数据挖掘技术作用下的关键性算法，对不同层次的信息数据进行合理化分类，明确其中存在的高利用价值的信息数据。在此基础上，应用到数据挖掘过程中的工具比较多，比如，Clementine、MineSet。其中的Clementine将不同类型的数据挖掘技术有效集中，比如，关联规则、神经网络，使其同时出现在对应的可视化图形界面中。在Clementine数据挖掘工具作用下，数据模型可以在短时间科学构建，便于人们在分析重要信息数据中科学决策，提高信息资源利用程度。

3 高校数字化校园建设中数据挖掘技术应用

3.1 高校数字化校园建设中数据挖掘技术应用的需求分析

高校数字化校园建设过程中构建的信息管理系统较多，比如，人力资源、教学资源、教学评价等。以“数字化图书资源管理”为例，高校数字化图书馆建设中面临众多需要智能解决的问题，比如，分析读者属性、特点与满意度，准确预测各层次读者信息需求。在建设数字化图书馆过程中，数字挖掘技术的科学利用可以对海量的信息数据进行合理化的深层次加工，科学深化馆藏环节，合理设置专业学科课程等，促使数字化图书馆在培养专业人才中更好地发挥功能作用。以“教学评价管理”为例，高校专业教学过程中教学评价管理起到关键性作用，比如，调节、指导，可以为专业日常教学管理工作的有序开展提供重要的指导作用，而数据挖掘技术的灵活应用可以有效解决教学评价管理问题，优化教学管理具体环节，全面提高授课质量。数字挖掘技术在高校数字化校园建设中的应用十分必要，可以将各信息管理子系统处于统一网络结构体系中，使其相互作用，优化人力资源、科研、教学评价等各环节，加强内部教务处、学生处等部门沟通、联系，防止出现各自为政现象，共同致力于数字化校园建设。在此过程中，数学化校园建设中数据挖掘技术科学应用能够客观呈现高校日常教学管理中存在的问题，准确预测自身发展趋势等，便于高校校领导全面、深入了解数字化校园建设各方面情况，优化配置相关资源的基础上加强对数字化校园建设关键性环节管理，全面提升数字化校园建设质量，为提高各专业教学以及人才培养水平提高重要保障，更好地展现高校在培养批量专业人才方面的重要作用，推进新时期行业领域动态发展。

3.2 高校数字化校园建设中数据挖掘技术应用路径

3.2.1明确数据挖掘对象

在数字化校园建设过程中，高校要从多方面入手准确把握数据挖掘技术具体应用要求，明确数据挖掘中经历的几个重要环节，结合数字化校园建设现状，将数据挖掘技术巧妙运用到数字化校园建设中。数字挖掘对象明确是数据挖掘技术高效利用的首要前提。建设方要准确把握数据挖掘具体要求以及自身数字化校园建设具体内涵，明确数据挖掘对象，科学制定数据挖掘目标，合理建设数字化校园中心数据库。在此过程中，由于各专业师生是数字化校园中心数据库信息数据的主要应用者，建设方需要多层次客观把握专业师生在数字化校园建设方面的具体需求，妥善处理师生二者间的数据交换关系，构建合理的数据共享关系，并将学生作为数据挖掘的关键性对象，科学开展数据挖掘工作。

3.2.2 做好数据准备工作

在应用数据挖掘技术过程中，高校要从数字化校园建设关键点入手，科学开展数据准备工作，科学收集并描述重要的信息数据，为数字化校园建设各项工作顺利开展做好铺垫。在开展数据准备工作中，信息数据的科学选择以及预处理是不可轻视的关键性环节。高校要围绕学生这一重要数据挖掘对象，细化数据挖掘技术作用下的数据准备工作，在合理选择和预处理信息数据过程中，全方位深入了解专业、学生学习、月借书、月消费、校内生活等方面产生数据的具体情况。建设方可以巧用数据挖掘方法，以数字化校园中学生各方面信息为切入点，科学加工处理各子库中海量学生信息，在统计方法作用下，科学聚合子库信息，获取数据挖掘过程中的关键性信息，而不是直接挖掘子库中专业学生相关信息数据。在此过程中，建设方必须根据具体情况，科学处理作用数字化校园建设中的子库信息数据，便于更好地在数字化校园建设中发挥数据挖掘技术优势作用。建设方需要利用数据挖掘技术，初步量化学生校内生活的各个方面。比如，在学生月消费方面，300元以下的为低，500元以上为高；在学生月借书方面，月借书不少于4次为优，月借书低于2次为中；在专业课平均成绩方面，85分以上为优，60-75分间为中。高校要可以在科学量化学生各方面能力的基础上，合理划分学生等级，即A、B、C、D、E，由A类推A表示专业学生各方面表现都为优，而E表示专业学生各方面表现都很差。

3.2.3 构造决策树

在做好数据准备工作之后，高校需要巧借数据挖掘技术，科学构造决策树，以数字化校园建设为媒介，科学选取相关的样本数据集，类别标识属性为“学生分级”，学生月借书、专业学科平均成绩、社会活动参加情况等属于属性集。在此基础上，建设方要在把握方面信息数据基础上，进行规范化计算，明确一系列决策属性作用下目标。值得注意的是：不同属性值都需要合理引出一个分支，确保数据挖掘技术应用中构造的决策树更加规范化，方可保证高效开展数字化校园建设工作。

3.2.4结果分析

在分析专业学生等级决策树过程中，建设方会发现专业学生分级和专业课水平紧密相连，在专业课水平高低方面是数据挖掘、统计的重要影响因素。通过数据挖掘分析发现，每月从图书馆借书次数较多的学生都比较注重学习，积极参与学校日常开展各项社会活动的学生艺术能力都比较好。同时，月平均消费水平较高的某些学生并没有将精力其用到学习上，个别艺术能力较好的学生，在学习方面也不是特别好。在家庭贫困方面，并不是所有来自富有家庭的学生都是差生，也不是所有来自贫困家庭的都是优等生，也就是说，高校日常对专业学生的合理管理以及督促有着非常重要的作用。

3.3 高校数字化校园建设中数据挖掘技术应用实例

据相关数据显示，以某高等院校为例，具有较大的发展规模，在岗教师大约有千人。在科研管理方面，以教学、科研岗位为基点，各层次每位教师每年都需要完成相应的科研任务。在数字化校园建设过程中，该高校巧用Clementine这一数据挖掘工具，将数据挖掘技术巧妙作用到科研管理环节。在应用过程中，该高校要明确教师各方面信息，教工编号、年龄、职称、学科方向、科研完成状况等，巧用数据挖掘技术对这些信息进行规范化处理，删除多余的相关属性，比如，民族、籍贯，并适当补充相关内容，再对信息数据进行必要的数据治理与转换，进一步科学处理信息数据。

在此过程中，该高校要根据科研管理具体要求，明确数据挖掘技术应用中需要处理的一系列问题，制定数据统计模型，科学预测哪些专业哪些岗位教师不能在今年顺利完成科研任务，采取针对性措施，促使该岗位教师顺利完成科研任务。

在此过程中，该高校要应从数据挖掘方面入手，以是否完成科研任务为基点，对专业教师进行合理化划分，在决策树、神经网络等作用下，以科研任务完全情况为媒介，科学构建分类模型，全方位准确预测不同专业，不同岗位教师科研任务完成情况，明确无法完成的岗位教师，采取针对性措施的基础上，合理调整来年岗位教师科研任务完成量。在此基础上，该高校可以利用数据挖掘技术，借助决策树方法等优势作用，全面、客观分析数据挖掘结果，准确把握岗位教师科研任务完成中具体影响因素。

随后，该高校要借助聚类分析、专业知识分析等，科学细分参与科研管理的教师，在统计、关联等分析手段作用下，全方位深入了解各影响因素以及科研任务完成中出现的异常情况，比如，教师因外地支教、业务进修情况下，从不同角度分析入手加大科研管理力度，有针对性的提高科研管理整体水平。

4 结语

总而言之，在日常教学管理过程中，高校要深层次把握数字化校园建设内涵、必要性等，明确数字化校园建设中出现的各类问题，深化数字化校园建设具体环节，将数据挖掘技术灵活应用其中，借助其优势作用，在实现数据共享的基础上高效利用过滤后高参考价值的信息数据，提高数字化校园建设水平。以此，更好地为全校师生提供多方面优质服务，顺利实现专业人才培养目标，客观展现数据挖掘技术应用价值。

[1]李爱凤,刘葵,唐连章等.数据挖掘技术在数字化校园共享数据中心的应用[J].实验室研究与探索,2013,32(11):232-236.

[2]朱力纬,刘丽勤,王健等.高校基于大数据时代的数字化校园建设探讨[J].华东师范大学学报（自然科学版）,2015,(z1):104-110.

[3]王宗善,冷飞,季晶晶等.高校数字化校园建设的探索与实践[J].实验室研究与探索,2010,29(5):162-164,172.

[4]朱力纬,刘丽勤,王健等.高校基于大数据时代的数字化校园建设探讨[C].//中国高等教育学会教育信息化分会第十二次学术年会论文集.2014:104-110.

[5]孙远伟.网络数据库加密在高校数字化校园建设中的设计与应用[J].信息系统工程,2015,(10):71-73.

[6]周润苗.高校数字化校园建设中云计算数据中心构建研究[J].数字技术与应用,2017,(5):66-68.

[7]马寅强,李天立,何晓舟等.浅析云技术在高校数字化校园建设中的运用[J].科技展望,2016,(19):15-15.

[8]朱毅凯.交互式智库:高校数字化校园建设中的一种新型组织模式[J].中国电化教育,2012,(2):121-125.

[9]李林娜,孟乃杰,陶庆宇等.高校数字化校园建设存在的问题及对策探析[J].速读（中旬）,2015,(8):52-52.

[10]刘美玲,李熹,李永胜等.数据挖掘技术在高校教学与管理中的应用[J].计算机工程与设计,2010,31(5):1130-1133.

[11]江敏,徐艳.数据挖掘技术在高校教学管理中的应用[J].电脑知识与技术,2012,08(24):5741-5745,5760.