可视化技术在高校教学大数据挖掘中的应用研究

【摘要】    随着互联网的不断发展，大数据时代已经到来，在高校教学信息化管理中也离不开丰富的数据资源。同时，可视化技术的出现也为高校教学大数据分析提供了有力的帮助。通过可视化技术，从数据中挖掘有用的信息，对教学教务进行管理，也是现阶段高校信息化发展的主要趋势。本文主要介绍可视化技术在高校大学大数据挖掘中的具体应用。

【关键词】    可视化技术    高校教学    大数据挖掘

引言：

现阶段高校信息化建设已经覆盖了高校的办公，教学，科研，财务，图书管理等各个方面，但在信息化管理发展初期，容易出现信息孤岛问题。而通过结合可视化数据技术，能够建立数据共享平台，将所有的信息进行分类整合，并且加以整理，帮助高校管理者做出更好的指导决策，并且通过数据挖掘出的信息也能实时反馈到教师教学和学生学习中，为教师和学生的共同进步奠定良好的基础。

一、如何正确理解可视化技术在高校教学大数据挖掘中的应用

1.1可视化技术的概念及应用

可视化技术的概念来源于科学计算可视化，主要是指通过计算机图形学及图像处理技术进行科学计算，并且将计算结果以图形模式等显示出来，帮助使用者进一步感受数据的变化，并且将数据更加可视化。数据挖掘会受各个学科演变的影响，伴随着数据越来越多，科学计算可视化技术也在进行不断的更新和完善，以便符合行业以及人们的需求。从此表中能够体现出可视化技术三大特点，即交互性，多维性和可视性。

图 1    信息可视化的参考模型

交互性是指用户可以通过交互的方式对数据进行管理和开发，而多维性则体现在可以对多种属性的数据进行同时操作，并且用户可以将数据分为值域，再进行分类，排序，组合，最终显示出来。可视性主要体现在将结构变得可视化，数据之间的关系可视化。高校工作人员以及教师通过信息可视化，可以对学生的学业情况，就业情况，基本信息，教学质量等进行实时监督。

1.2数据挖掘的概念及应用

在当下社会行业的不断发展中，数据挖掘功能已经成为人工智能和数据库领域的热门话题。实践证明，通过使用数据挖掘技术对数据库进行分析，能够很容易找到利于企业发展的信息。如何将数据挖掘更好的为企业服务，也是现阶段大数据时代下科技人员需要考虑的重要话题。在数据挖掘过程中，有很多学科知识，最典型的有人工智能，机器学习，模式识别，统计学，可视化技术等，越来越多的人也倾向于从数据挖掘中找出相关参考信息 并作出合理即正确的决策。数据挖掘整个过程包含很多方面。通过数据挖掘，高校可以筛选具有一定条件的学生信息，比如贫困生的评定，优秀教师的评定等都可以通过数据挖掘技术来实现。

1.3大数据的概念及应用

大数据不仅仅是指采集的数据量，更是代表采集速度，或者对有效数据进行分析的能力。高校利用的大數据技术，就是通过利用数据分析的方法，挖掘有效信息，为学校的决策提供必要的帮助。大数据有着四种重要的特点，分别如下：第一为规模大。在高效的大数据库中，可以存储关于高校发展历史状况，教师招聘以及晋升状况，学生学习及就业状况，日常教务管理及教职工的管理状况。第二特点为速度快。管理者可以利用大数据实时搜寻想要的信息，并且得到信息的准确性非常高。第三特点为种类多，高校使用的大数据库包含网站记录，图片信息，动画信息，视频信息，地理信息等，这些都会为大数据的使用提供支持。第四特点为价值高。大数据广泛应用于发现海量数据背后隐藏的有用信息，高校也可以使用大数据评定一些具有巨大价值的信息。

1.4大数据可视化的概念及应用

大数据可视化不仅仅是指知识可视化，同时也包含统计图形和主题图可视化等，主要特点就是将信息完整呈现，并且大数据可视化包含内容非常广泛，比如思维导图，新闻显示，数据显示，连接显示，网站显示，文章资源等。总而言之，大数据可视化既包含了科学可视化，信息可视化，同时也包含了知识可视化。大数据可视化的过程主要有七步，首先通过收集数据库的表格，文字，源文件等获取相关数据。第二步，对每一类的数据进行结构分类并且排序。第三步，将重复无价值的数据删除，保留有价值，感兴趣的数据。第四步，通过对数据规律分析找到有用信息。第五步，通过列出树状结构图，条形图等进行表述。第六步，通过一定的表述方法，将信息变得更加视觉化。第七步，通过交互选择，实现数据的最终可视化。

二、可视化技术在高校教学大数据挖掘中的具体应用措施

2.1可视化数据挖掘技术在学生选课方面的应用

在现阶段的高校教育中，普遍都会有课程设置不合理，选课方式不完善，指导体系不科学等各种问题。因此，学生在选课过程中，盲目遵循其他学生或者教师给出的意见，忽略自己的兴趣所在，这样选出的课程往往不是自己最擅长的，这也是导致高校人才培养出现问题的主要原因。而通过可视化数据挖掘技术，就能更好的解决这个问题。在数据挖掘技术中有关联规则计算法，通过发现变量之间的某种联系找出最优选择。比如一个频繁项集是计算机科学技术，计算机网络，网络编程，如果该学生有很好的计算机基础，并且对计算机课程也非常感兴趣，那么他可以选择计算机网络课程或者是网络编程课程。当学生找出自己所擅长的科目之后，学校也会为学生的选择进行排课，比如为学生安排有针对性的专业基础课程，促使学生更好的学习专业技能。这样一来，学生在选课方面就会有更科学的参考，为将来的顺利就业奠定基础。

2.2可视化数据挖掘技术在学生就业方面的应用

决定高校发展长久的主要因素就是学生的就业状况。多数学生顺利就业可以为高校在社会建立良好的口碑。在信息化发展模式下，很多高校都已经引进学生就业系统，并且已经投入使用。比如上海交通大学毕业生就业办公室的开发和应用，就是针对学生的就业开设的。在学生进入高校第一天，学校就为每个学生建立了信息数据库，收集学生各种信息，同时也收纳了很多招聘单位的信息，高校可以利用数据挖掘系统将有用的信息和数据可视化，最终根据结果制定人才培养方向，有效删减课程，安排实验实训课时，定期开展就业生毕业指导等。同样也会使用到关联计算法，通过计算机找到匹配最小支持度值的频繁词项，再通过匹配最小置信度来生成关联规则，最终找到影响学生就业的因素。比如学位课成绩，学生的城市经济状况等，然后学校再根据某一因素为学生提供指导性的意见，从而提高学校的就业率。

2.3可视化数据挖掘技术在学生学业预警方面的应用

高校的不断发展使得生源越来越多，高校的数据库也越来越庞大。现阶段有的高校数据库仅仅在查询统计过程中使用频繁，却很少采用可视化数据挖掘系统寻找更关键的信息。因此，高校管理人员可以通过该技术挖掘学生各科成绩之间的隐含关系，及时对学生的学业进行提醒和警示，这样可以更好的促进学生的顺利毕业。比如上海海事大学教务处建立了严格的预警规则，提前对学业存在问题的学生提出提醒，并且督促学生完成学习任务。上海复旦大学在校园里实施的博学计划，同样构建了学习预警体系，提前对学生的学业进行有效干预。因此，相关高校可以利用此模式，先对大一大二的学生成绩进行分析，找出容易挂科和影响毕业的学科，进行预警提示，然后针对学生的具体情况采取干预措施，让学生重视自己的学业成绩。

2.4可视化数据挖掘技术在教学管理方面的应用

可视化数据挖掘系统不仅可以对学生的情况进行分析，还可以有效帮助到教师日常教研及教学活动。高校应当通过可视化数据挖掘技术增强教师教研，创新能力，为教师提供更好的工作环境。比如通过大数据创设科学的教学评价体系，将教务处，学生群体及教师主体作为评价方，摒弃传统的评价模式，通过大数据保证评价的全面以及针对性。最后高校管理者针对评价结果，督促教师强化个人教学水平，提高教师的思想政治认同感等，最终构建专业的师资团队。

2.5可视化数据挖掘技术在评价学生方面的应用

在传统教育理念下，对学生的评价主要是以成绩为主，或者以教师的主观意愿为主，这样很不利于学生的全面发展。而通过可视化数据挖掘系统，高校就可以建立对学生全面评价的平台，并且建立良好的师生互动关系。比如学校可以通过校园贴吧，班级微信群，慕课平台等定期发布教学资源。学生通过信息浏览，回复，发布，交流等与教师进行实时互动。而高校教育管理者通过后台数据净化网络环境，对学生的德智体美劳等各方面开展全面评价。高校管理者再根据对学生的评价结果，加强对校外企业和政府的合作力度，基于市场需求以及国家要求，不断调整課程方向，运用可视化数据挖掘技术，找出高校，企业，政府的管理架构，不断探寻新的人才培养模式，避免高校出现闭门造车的尴尬现象。

2.6可视化数据挖掘技术在教务管理方面的应用

在高校的日常教务管理中也可以使用可视化数据挖掘系统，通过对数据库的信息进行分析，从而对制定教学计划感兴趣的自然信息进行详细调取，比如学生信息，教室信息，教师信息等，通过直观的三维体排列，可以明显看出教室的使用情况，教师的上课情况等。另外，在教务信息数据库中，所有的教学资源也可以通过表格可视化。比如课程的编排，教学周，课时的安排等，建立数据库之后，通过输入某个教室号，找出三个变量值，就能查出教室是否有课。由此可见，通过构建三维场景，教学资源以及教务工作安排都能一眼看出，更加方便教学工作的顺利进行。

三、结束语

通过在高校教学管理中实施可视化大数据挖掘技术，可以对高校的教学质量，教务信息，教学评价，学生状况等实现高效的分析，并且为高校的不断发展提供强有力的数据支持。当然，可视化数据挖掘技术在高校信息化发展中仍然处于探索阶段，在未来，可视化数据挖掘技术也会为高校信息化发展提供更多的帮助，真正提高高校管理能力和服务能力。

参  考  文  献

[1]邹立仁.基于大数据分析的高校教学质量监控与评价研究[J].文化创新比较研究，2021，5（04）：124-126.

[2]刘睿凡，宦涛，游学军.数据可视化在高校互动教学平台中的研究与应用[J].花炮科技与市场，2019（04）：177.

[3]王芳，陈道贺.大数据技术对高校教学改革的启示[J].电脑知识与技术，2015，11（09）：156-158+162.

[4]朱文明，王馥琴.eDaaS在高校教学信息化中的运用[J].电子技术与软件工程，2019（17）：210-211.

[5]边璐.大数据在高校教学中对学习行为数据分析的应用[J].中国新通信，2019，21（12）：183.

课题项目：重庆市教育科学规划课题“可视化技术在高校教学大数据掘中的应用研究”（2019-GX-479）

从传锋（1984.09），男，汉族，重庆合川，重庆师范大学硕士研究生，重庆对外经贸学院，实验师。研究方向：教育信息化。