浅谈数据挖掘在中职学生管理中的应用

冯海玲

摘要：数据挖掘技术是一项现代化的数据管理以及研究手段，能帮助对应的机构或者单位挖掘数据之间的潜在联系，帮助其做好资源管理和信息决策等方面的工作。为了保证教育资源的充分运用，提升中职教育管理质量，很多中职学校都采用了多种数据分析软件和数据库技术，以此来提升整个学校的管理工作效率。为了进一步实现数据挖掘的技术效益，将所有的数据资源和信息概念化、规则化、模式化，最终有效实现数据挖掘技术的运用价值，为对应的数据分析人员实现数据分类，落实其数据使用需求，完善其实践运用质量。本文针对数据挖掘在中职教育学生管理中的运用价值进行分析，对于运用特点、建设可行性、管理质量进行对应的研究分析。

关键词：数据挖掘;中职学生管理;应用研究分析

中图分类号：G717  文献标识码：A文章编号：1992-7711（2021）09-006

随着我国教育事业的不断发展，以培养技能型人才建设为主的中职学校发展规模也日益庞大。为了保证教育资源的充分运用，提升中职教育管理质量，很多中职学校都采用了多种数据分析软件和数据库技术，管理海量的学生信息，以此来提升整个学校的管理工作效率。数据挖掘技术是一项现代化的数据管理以及研究手段，能帮助学校挖掘学生数据之间的潜在联系，帮助其做好资源管理和信息决策等方面的工作。本文针对数据挖掘技术在中职学校的运行分析，对于学生学籍管理，考试成绩管理以及职业规划，校企合作等多个方面进行研究，以此来剖析数据挖掘技术在中职学生管理中的运用价值和特点。

一、数据挖掘技术在中职学生管理中的运用内容

近年来，我国大力发展现代职业教育，培养了大批高素质劳动者和技能型人才，为推动地方经济社会发展、促进就业作出了重要贡献。随着职业教育的快速发展，学校的规模在不断扩大，学生数量急剧增加，一所普通县区的中职学校，教师人数可达到几百人，学生人数达到几千人。随着人数的增加，有关学生的各种信息量也成倍增长，学校管理如此多的学生信息会非常烦琐，而且这些信息没有经过挖掘和分析，直接使用可能会出现各种莫名其妙的问题。针对学校发展建设以及数据管理特点，传统的学生信息档案管理方式和手段较为单一，教师需要花费大量的时间收集、整理学生信息。收集的学生信息也仅仅是采用简单的数据排列以及信息管理方式，没有深入研究数据资源，没有考虑数据分析对其办学质量以及工作管理的作用，降低了数据深度分析的质量。

提倡数据挖掘技术的分析运用，一方面是为了减轻工作人员烦琐的工作任务，提升基层工作人员的工作效率，将教师从冗杂的学生信息管理方式中解脱出来，通过深度挖掘数据，减少对比信息数据的工作量，简化数据收集的流程，提升学生管理效率和业务开展的质量。另一方面，将数据挖掘技术和学生的基本信息对比结合，有助于学校管理人员通过深度分析数据，规范信息的管理，科学统计和快速查询，从而减少管理方面的工作量，实现操作简单、查询容易、系统稳定、功能可靠、互动便捷、更新及时的数据管理体系，为学校各专业的设置开展奠定基础，多元化以及针对化地为学生提供线上学习、学分咨询和成绩管理等服务。

二、数据挖掘技术运用内涵和特点

1.数据挖掘技术的定义

数据挖掘指的是通过一系列的数据分析方式，将收集到的数据资源库的信息资源进行融合整理，让数据分析人员对潜在的知识信息进行梳理和规划。这些知识内容多是隐晦的，潜在的，海量的。通过数据挖掘的梳理和处理，可以将所有的数据资源和信息概念化、规则化、模式化、有序化，最终有效实现数据挖掘技术的运用价值，帮助中职学校做好資源管理和信息决策等方面的工作，为对应的数据分析人员实现数据分类，落实其数据使用需求，完善其实践运用质量。

2.数据挖掘技术的组成

数据挖掘技术主要由数据建模、模型评价和数据索引构成。数据建模指的是将所有的数据进行“清理”，按照特殊的数据分析运用法则，将所有的资源转化成一种可以被描绘模式或者语言，这些基于模型要求构建的数据被多种法则约束，因此产生特定的数据，若要求的约束不多，数据建模的精准度就会下降。可见，采用足够多的数据约束法则，就能够为数据分析人员找出一个接近理想，精确的模型。随着模型的表现精度的增强，其数据分析的风险也就随之上升，采用针对性的数据分析挖掘技术，可以保证数据分析的有理有据，使数据模型构建更为精准。

模型评价是一种特殊的数据测试方法，经过特殊要求构建的数据模型，其实用性以及准确性也得到了数据运算人员的质疑，采用有效的数据评价方式可以保证数据分析的精准性，减少二次数据分析。数据索引是基于数据模型建立成型后，为多平台的使用人员提供的数据检索、资料查询分析，并且要保证数据库建设的精准性，能够及时更新最新的知识内容。

3.数据挖掘技术的方法

数据挖掘的方法较多，其中最为实用的方法有决策树、离散变量分析等。其中决策树指的是对数据分类的树形结构，可以将所有的决策依照规则制定，为工作人员提供多种数据分析结果。所有的决策都是可以被看成一颗预测树的，树的根节点是数据集成的空间，分裂的枝干，表示了不同的测试后的结果。因此，决策树算法也是处理常见的离散型变量的最佳方法，更是数据挖掘常用技术。

三、现代中职学校学生管理中数据挖掘分析建设存在的瓶颈

在基层教育蓬勃发展的基础上，中职教学的教育内涵和数据管理方式也面临着较大的压力。特别是近几年来，国家政策的调整，为更好地培养大批高素质技能型人才，我国中职院校大规模的扩招，给学校的教学管理、学生管理、后勤管理、实习就业等方面都带来不少的冲击。学生人数的增加，也为学校信息管理带来了压力。随着管理的数据量不断增大，管理师生信息的各部门因缺乏数据分析，且人工管理数据更新速度慢，各处室部门间沟通不及时，管理效率不高，容易出现信息交叉错乱的情况，不利于学校对学生的高效管理。针对大量的数据分析难题，常规的数据管理体系在处理对应的数据内容时，实现的处理功能不高。在海量的学生信息资源中，大多数数据分析仅仅能够实现数据的单一索引、处理以及查询功能，难以从海量的数据库中实现交叉分析以及数据预测分析。例如，普通中职学校主要有教导处、政教处、学生处来管理学生，处理的学生信息有学生基本信息、成绩数据、课程信息等。各处室对学生信息的收集、整理费时费力，而且重复信息较多，这些无效数据的堆积，也会导致整个信息平台承受数据压力，降低了数据的运用效率。

如何利用有效的数据资源，不断挖掘数据之间的内在联系，提升数据的管控研究质量，也是现代学校改善教学方法，提升教学质量的关键。数据挖掘技术是一项现代化的数据管理以及研究手段，能够帮助对应的机构或者单位挖掘数据之间的潜在联系，帮助其做好资源管理和信息决策等方面的工作。例如，学校考试时，部分学科教师采用机考的考试方式，如何选用正确的考试内容，针对不同学习能力的学生提出针对性的教学考题，以及分析考试后的结果，都需要进行进一步的数据深入挖掘分析。可见，中职教育管理中，在学生深度挖掘管理中依旧存在一些问题，需要对应的教师和领导，合力构建一个多平台内容集合，综合化的中职学校管理建设平台，实现数据深度挖掘建设。

四、构建中职学校学生数据管理平台的实用性分析

为了进一步落实中职学校学生数据管理建设的质量，综合化促进中职学生的信息管理、生活管理、学习监督、职业规划的建设，从多种数据分析中为学生推荐和构建可行的学习体系，建议对应的学校改善数据分析平台，针对性的构建数据处理平台。现以中职学校学生成绩测评为案例，分析中职学校学生管理中，数据挖掘的可行方法以及运行管理措施建议。

1.确定数据管理建设的目标

针对中职教育管理体系分析，大多数学校的学生数量多，建设范围广，信息资源构建体系方式有待提升。针对高效数据挖掘建设要求，建议以现代化学生综合能力为基础，针对考试测试为基准方向，制定一个可行的数据分析平台。要求数据挖掘系统的方法设计要满足以下几点要求。首先是操作简单，实用。数据挖掘过程的构建离不开数据收集和整理，中职学校需安排专人收集学生的各类基本信息，并将从不同渠道收集的信息简单整理，因面对的是学生，建议数据收集端口建设简单，最好是“一目了然”。其次数据分析方式要高效简便，快捷可行。挖掘数据中隐含的信息是为了学校更好的管理学生，提高教育质量。也是为了更方便的调用信息，为学生的学习、生活、就业规划等服务，所以要求数据处理的方法和内容都要符合学生的学习能力需求，处理过程也方便快捷，能够将海量的数据以可视化的形式展现出来。最后集成建设，保证数据挖掘系统建设不是“心血来潮”，让其和学校内部的多种管理端口相结合，以此提升其建设实用性，保证数据分析建设价值。通过数据挖掘，可从大量数据中挖掘出有意义的知识、规律，或者更高层次的信息，并可从多个角度对其进行浏览查看，所挖掘的知识可以帮助学校管理者进行决策支持、信息管理、查询、筛选等。

2.进行多样本的数据采集

以中职学校的学科成绩为例，对应的设计人员应当针对学校学生进行多样本分析，减少特殊性以及个例，这样有助于深度挖掘数据之间的关联。例如选取相同专业同一年级的学生为样本库，保证样本数据在500以上。样本采用的数据主要由学生的基本信息，如学习成绩、年龄、家庭背景、个人爱好、学习计划等几个方面。在数据收集方面，要构建学生基本信息和学生学习情况的桥梁，首先要收集学生的基本信息，如学生的性别、年龄、班级。其次是学生的学习情况，要收集学生的个人信息資源，了解学生的基本成绩，学习状况，学期内的成绩排名以及学习课时和作息安排等。通过数据交叉分析，对比学生的各个科目的考试成绩，以此来进一步分析学生的生活方式，不同专业和教师的教学意见之间的影响，最终针对专业数据成绩的对比，了解学生的学习结果。

3.数据分析处理

在进行数据挖掘工作时候，工作人员要对数据进行预保存和交叉干预。对于信息收集不全，存在疑问的数据进行筛选和清理，检验数据收集中可能存在的问题，并展开对应的数据转换。收到数据后，教师要将单一的数据分析表格转化成统一的数据整合模板，采用图表化分析，将学生的基础学习能力、性格特点、自学能力进行对比分析，按照学生的入学情况对比现代学习现状，以及数据测试结果，将其构建一个分数法则，以此来综合评价所有的学生。在同样的情况下，将所有的测试结果转换为百分比，也能够直截了当地了解学生之间的差异，构建出可视化的折线图，帮助对应的工作人员分析数据变化。

综上所述，将数据挖掘分析与学生信息管理相互结合，并运用到教学管理的实践中，能够让学校和教师全面、准确、及时地掌握学生的学习状况，方便学校有针对性的管理学生，学校教师可以通过查询学生的信息，针对不同类型的学生，提供更多有效的教学方法。教学管理者，可以通过数据分析，调整题库及课程设置，进一步细化教学管理，提升教学质量。学校领导可通过信息分析对比，更加合理的设置专业，调整办学思路，更好地培养高素质技能人才，为社会经济发展做贡献。

参考文献：

[1]陈小年.数据挖掘技术在中职学校管理中的研究与应用[J].电脑知识与技术，2019，15（15）：10-12.

[2]贲能军.基于一卡通平台数据挖掘在学生管理中的应用分析[J].信息与电脑（理论版），2017（23）：160-161.

[3]史凤波.数据挖掘在学生成绩管理中的应用[J].数字技术与应用，2017（10）：99-100.

[4]龚高灿.数据挖掘在高校学生管理决策中的应用模式探讨[J].信息与电脑（理论版），2016（03）：135-136.

[5]刘宪宇.数据挖掘技术在中职学生现状分析中的应用实践[J].电脑与电信，2015（05）：47-49.

（作者单位：甘肃省高台县职业中等专业学校，甘肃 高台734300）