数据挖掘技术在教学管理中的应用

朱军

高职院校的教学管理工作涉及多方面的内容，需要管理大量的数据，例如学生的成绩考核、课程安排、教师的考核等，大量的数据之间独立存在但又具有一定的联系，在大数据时代中引进数据挖掘技术，可以有效地提高教育工作者的工作效率，能够及时发现高职院校教学管理存在的问题，从而有针对性地解决问题，提高教学管理质量。这可以更好地管理学生，提高学生的综合能力，同时也能帮助教师更好地提升自己，完成教学管理工作。

一、数据挖掘技术的概述

在高职院校教学管理工作中丰富的数据会导致教育工作者无法有效地消化信息，无法辨别信息的真假并且无法统一处理信息，引入的数据挖掘技术则可以在大量的数据中获得有价值的信息。数据挖掘技术涉及数据库技术、计算机技术、数学、统计学等多个领域，它可以运用于简单的数据检索中，对数据进行简单的整理、分析和处理，也可以利用数据之间的关系，对未来进行简单的预测，帮助相关单位或者企业更好地制定未来发展方向。数据挖掘技术具有真实性的特点，它能够将复杂的数据结果用简单的语言表达出来，获得最中心的部分。数据挖掘技术在很多领域中都发挥着至关重要的作用，例如政府的电子贸易、网站设计以及搜索引擎等，都能够有效地提高工作效率并且带来极大的工作效益。数据挖掘技术的应用会随着未来的发展趋势应用在各行各业中。

二、数据挖掘技术的任务

数据挖掘技术的任务主要包括：概念描述、关联模式、分类、聚类分析、预测、偏差检测等。

1.概念描述

通过对许多部分关联的数据进行汇总、整理、分析、比较以及处理等操作，用简单的语言描述汇总处理后的数据，并且能够简单地概括数据之间的特征和区别。这种概念描述更适合运用在两个及两个以上的对象之间进行，能够进行描述和区别，例如用简单的饼图、条形图等描述数据特征。

2.关联模式

关联模式则是需要通过大量的数据处理发现隐藏在其中的关系，通过数据之间频繁出现的关系获得重要價值的信息。例如在高职院校的课程安排中，在全校繁多的专业中能够发现不同的课程安排与学生吸取知识的效率关系，学生上课的效率与课程安排的时间有很大的关系，能够帮助高职院校有针对性的设置课程。

3.分类

分类在数据挖掘技术中是很基础又很重要的一部分，将大量的数据按照不同层次进行分类，并且通过已完成分类的数据进行预测，可以获得未来的数据分类；其次在已经完成分类的组别中进行再次的分类，选择更优的数据。例如高职院校的学生档案，档案中的数据可以将学生的学习情况、学习态度等等进行分类，对这些数据进行分析和处理，可以发现在其中具有潜力的学生，教师能够更加关注这类学生，激发学生的潜能可以有效地提高教学效率。

4.聚类分析

聚类分析与分类的最大区别在于未知分类，分类的前提是获得已经分类过的数据再次进行优选分类，而聚类分析是在相似的大量数据中将信息聚集并分类的过程。聚类分析针对的是差别较小的数据，例如在高职院校教学管理中可以对性格相似、专业相似、成绩接近等大量相似群体进行聚类分析，可以获得大量的重要信息，教育工作者可以针对这些信息进行科学合理的管理。

5.预测

预测则是利用现有的数据并推测未来可能出现的数据，利用预测挖掘数据则是想要掌握被遗漏的信息，预测在一定程度上可以规避风险。在高职院校的专业设置中可以对市场进行分析，预测未来可能需要的专业，提升高职院校的核心竞争力。

6.偏差检测

偏差检测是对大量数据中偏离结果较大的数据进行分析，偏差是由于数值的错误造成，可以从这些数据中发现可能存在的问题，从理论数据和实测数据中获得重要的信息。

三、高职院校教学管理中存在的问题

1.落后的教学管理理念

许多教育工作者的教学管理理念落后，认为教学管理工作不过是成绩登入、教学评价记录等简单操作，不重视教学管理工作。大部分教育工作者认为高职院校应该更注重教学和科研提升学生的专业能力，并且努力提升高职院校的核心竞争力，彰显职业的特色。高职院校大部分的资金都投入在教学中，导致教学管理工作理念落后，没有强有力的支撑，教学管理工作人员消极怠工，严重限制了教学管理工作的进行。且部分高职院校的教学管理模式单一，大部分都是采取由决策层直接制定计划并且强制要求实施的管理模式，忽略了教学管理的民主性，没有真正走进学生和教师中满足他们的需求，使得决策层、教师以及学生三者的关系不平等，无法进行和谐的沟通交流。

2.教学管理人员素质不高

教学管理人员的专业素质是教学管理工作能正常进行的重要基础，目前大部分的高职院校中，教学管理人员结构不合理，人员工作分配不合理，都导致了高职院校教学管理工作进行受到阻碍。部分教学管理工作人员是由专职教师担任的，教师一边要注重于学生的专业教导，一边要处理繁多的数据，常常出现心有余而力不足的现象；也有的教学管理工作岗位是由招聘的新职员担任，因为对教学管理工作的不重视，认为新职员可以先适应教学管理岗位再进行人员调动，但新职员对高职院校的情况并不了解，没有经过专业的培训在处理大量数据时不仅容易出错，降低教学管理工作的效率，也容易使得新职员失去自信心和责任心。高职院校的教学管理团队建设不合格严重影响了教学管理政策方案的落实。

由于教学管理人员专业素养不高，在处理教学管理工作时更习惯按经验办事，不注重学生的个性化发展和培养，对于新时代的技术掌握也不熟练，限制了高职院校教学管理的可持续发展。

四、数据挖掘技术在高职院校教学管理中的应用

1.在学生综合素质测评中的应用

学生综合素质测评不仅包括学生平时的学习成绩，还包括学生的社会实践测评、思想道德和职业道德测评。大部分的高职院校在对学生综合素质进行测评时都采用人工的方式，但每个教师的衡量标准不一样，学生的综合素质测评容易受到教师的主观因素影响无法准确的评估学生。但使用数据挖掘技术可以对学生进行分类，建立合适的数据库并对数据库进行分析和处理，获得学生综合素质的结果，提高了学生综合素质测评的准确度，提高了高职院校教学管理工作的效率。

2.在教师测评中的应用

不仅学生需要进行测评，教师也需要进行测评，从教学内容的专业程度、教师的教学态度、学生对教师的评价等方面进行测评。高职院校通过挖掘技术可以对教师进行再分配，优化师资配置，使所有教师各司其职，发挥出最大的教学力量，为高职院校培养优秀的学生。

3.在课程设置和教学方法中的应用

高职院校的专业数量多，要想科学合理的为学生安排课程对于教学管理工作人员来说是个难题，但使用数据挖掘技术可以从专业与专业之间的联系着手，寻找如何安排课程可以提高学生学习的有效性，帮助学生理解和疏导理论知识，并且科学合理的课程安排可以使学生将理论知识和专业技能有效地结合在一起进行学习。可以采用关联模式判断课程的安排是否合理，同时教师的教学方式对于提高学生学习的兴趣有很重要的作用，教师采取不同的教学方式，学生的成绩也会有不同程度的区别，因此利用数据挖掘技术探究学生综合能力与教师的教学方式之间的联系，可以帮助教师管理学生，将数据挖掘的优势发挥到最大化。

4.在网路教学服务中的应用

随着科学技术的发展和进步，高职院校的教学也逐渐实现网络化，将教学资源共享在網络平台中引导学生进行学习，学生在浏览教学资源时会留下浏览痕迹，因此利用数据挖掘技术可以快速地掌握学生对资源板块的浏览次数、浏览时间甚至浏览途径等。高职院校可以针对这些数据对平台进行调整，针对性的服务更能满足学生的需求，提高学生对网络学习平台的满意程度；其次通过这些数据可以发现学生的喜好倾向，高职院校可以优化这些学习资源的网页，使得学生能快速获得信息，提高学生学习的兴趣同时也全方面提高了学生的能力；同时利用数据挖掘技术可以将学生的学习习惯和学习进度按照专业的教学规律进行保存和整理，为学生创造学习环境。

数据挖掘技术对于高职院校教学管理有着不可估量的作用，教育工作者需要认清数据挖掘技术的定义和方法，发挥出数据挖掘技术的最大优势，提高高职院校教学管理工作效率的同时培养学生多方面的能力。高职院校教学管理目前仍然存在很多的问题，比如教学管理理念落后、教学管理工作人员专业素养不高，无法高效工作、对于教学管理工作的不重视等等问题都需要及时解决。数据挖掘技术在高职院校教学管理的应用包括对学生综合素质的测评、对教师的测评以及网上教学服务，采用数据挖掘技术能够真正的实现因材施教，达到教育的目的。

（本文作者单位：江苏财经职业技术学院）