数据挖掘技术在教改科研项目管理中的应用研究

肖鹏飞 谢英 刘秀兰

摘要：利用历史大数据，通过数据挖掘技术发现教改课题与科研项目研究过程中的规律，在教改课题与科研项目管理中，应用数据挖掘技术实现对历史数据价值的提炼与分析，为教改课题与科研项目的申报条件设计提供参考，能实时掌握研究人员在每年度项目课题研究中的情况，与预期进行对比分析，及时捕捉到项目课题在研究过程中的异常，及时采取相关措施改善项目课题研究。通过前端图形化的直观展示，为教改课题与科研项目管理决策提供数据支持，多维度分析研究整体与个体情况，提供实时的数据支持服务，实现服务型教改课题与科研项目研究管理的目标。

关键词：数据挖掘；科研项目管理；教学改革

引言

医学高等院校及附属医疗机构每年在教学改革课题管理与科研项目管理的過程中累积了海量的教改与科研项目的相关历史数据，在一定时间周期内必须进行数据分割备份，以保证系统的运行效率，这些备份的数据仅提供简单的查询备份所用，各部门只能从一个个信息孤岛中进行人工关联提出有用信息，费时费力，计算也并不一定科学。数据挖掘技术更多是从实际的数据出发，利用机器学习中频繁模式、分类和聚类的技术来分析、挖掘、预测一些对实际有用的结果。近年来高校及附属医院及医疗机构纷纷建设了各具特色的大数据平台系统，有效地利用这些数据也是教改的一个重要研究内容，这些课题的数据通过数据挖掘技术和方法[1]，能充分、快捷、准确地实现信息化的科研管理方式。

1. 教改课题管理系统的现状

各高校及各大附属医疗机构的教改课题与科研项目管理单位一般由教务科与科研科进行共同管理，主要存在以下几个问题[2]。

1.1 管理数据来源广泛，审核过程冗繁

目前的教改课题与科研项目管理一般采用研究人员填报、各级部门和教务科研科联合审核的方式进行，数据填报和审核量大，申报的需要审核的相关数据基本包含了申报团队的基本信息、申报书、提供的评审材料、相关的财务支撑数据等，各部门审核过程相对冗长烦琐。

1.2 容易形成数据孤岛

高校及各大附属医疗机构的教改课题管理系统与各职能部门的信息系统相互独立运行，相关数据无法集成，形成了大量的数据孤岛。多年的教改与科研项目周期，积累了大量的教改课题与科研项目管理的历史研究数据，并没有开展进一步的挖掘和分析，只是进行了简单导出导入的再次分析功能，统计结构简单。对历史数据的挖掘主要内容是课题研究相关的频次，如重点项目与课题的参与率、不同职称和不同学历的参与率、项目课题的延续性等，通过趋势图、分布图来挖掘分析形成各类报表则很难实现。

1.3 重结题管理，轻研究服务指导

教改课题与科研项目管理由于技术与人力的短缺，主要是以结题管理为主，轻个性化的研究指导服务。相关研究人员除了关心本人的课题与项目申报及结题，更希望了解和学习教改课题申报书的撰写方法和课题的研究方法，并能提供相关专业研究人员的专项培训，从而提高教改课题与科研项目的申报和研究水平。

2. 数据挖掘技术的应用

数据挖掘（data mining，DM）是一门新兴的、汇聚多个学科的交叉性学科，这是一个很了不起的处理过程，即从庞大的数据中，将未知、隐含及具备潜在价值的信息进行提取的过程。数据挖掘将高性能计算、机器学习、人工智能、模式识别、统计学、数据可视化、数据库技术和专家系统等多个范畴的理论和技术融合在一起。数据挖掘技术在教改科研课题管理中的应用研究，流程图如图1所示。

3. 数据挖掘技术在科研项目管理中的需求分析与设计

3.1 科研项目管理包括纵向课题、横向课题、专项任务的管理

纵向课题的管理包括课题申报、课题立项、课题评审、课题变更、课题中检、课题结题等内容；横向课题和专项任务包括合同评审、阶段评审、验收等内容[3]。

科研成果包括论文成果、著作成果、专利成果、音像软件的鉴定、申报以及推广应用；科研档案管理包括电子档案管理和纸质档案管理；科研经费管理是科研管理中的重要工作，分为纵向经费管理和横向经费管理，包括合同经费、配套经费、经费预算、经费到账、经费报销等管理；科研设备管理部分主要分为设备采购、设备日常管理、计量设备管理、仓库出入库管理、涉密设备管理；网络评审管理是基于局域网实现项目基本信息管理、网络评审、网络审批、网上公文传递等功能。

3.2 应用大数据的挖掘技术

应用大数据的挖掘技术，可以实现对各类科研项目课题研究的历史数据进行价值挖掘，通过前端图形化展示使各类科研项目课题研究的特点更加直观，通过多维的数据挖掘评价维度，展示项目承担者的学术能力水平与发展潜力，可以从不同角度分析包括教改课题研究在内的整体与个体情况。充分利用历史数据构建数据仓库，通过数据挖掘技术发现教改课题与科研项目研究过程中的规律，开展不同维度上的课题研究数据分析，实现对每个课题的深度分析，展现课题研究的趋势信息和预警信息。利用大数据高性能计算的优势，展示课题研究的实时数据，为有针对性的教改课题研究指导提供依据，并且能够及时发现教改课题研究在各项指标上的异常，通过趋势图、统计图等，可以使教务科研管理部门及时捕捉到教学改革课题与科研项目研究过程中的异常，并及时采取相关改进措施。

3.2.1 成立信息技术与大数据数据处理团队

根据需要，成立专门的信息技术与大数据数据分析专家团队。历史大数据仓库的构建受到软硬件、专业技术人员能力等客观因素的影响，成立专门的信息技术与大数据的数据分析专家团队，保障历史大数据的数据仓库设计具有完整与正确可靠的设计，保障决策数据来源与数据仓库模型的准确性。

3.2.2 大数据处理过程

历史大数据仓库的数据抽取、清洗与分析设计。大数据主要来源于教改课题与科研项目管理系统、人事管理系统、研究人员发展评价管理系统、财务系统等，数据在进入数据仓库前需要进行抽取、清洗去除无效数据，保证基础数据准确进入数据仓库，根据专家组、教务科研科、研究人员等角色的需求分析设计各类维度表与指标KPI的度量值，实现将数据转化为知识，为决策服务的目的。

3.2.3 图形化展示结果

研究数据结果的直观图形化展示。数据挖掘分析结果的前端图形化展示，使教改课题与科研项目研究中的特点更加直观，为管理决策提供直接的数据支持。通过趋势图、统计图、直方图、百分比图等使管理者能及时捕捉到研究过程中的变化，及时采取相关应对措施。

3.3 大数据挖掘的实现过程

系统在医院内部网络环境下运行，技术路线图如图2所示。

4. 数据挖掘技术在教改科研课题管理中的应用研究

（1）利用相关的教改与科研课题项目及相关财务、人事、研究人员发展评价系统等的历史大数据构建数据仓库，确定管理数据仓库的主题包括课题申报、课题评审、研究进度、研究成果等，进一步设计教改课题研究分析维度和粒度，建立数据仓库的模型。通过数据挖掘技术发现课题与项目中研究过程的规律，完善教改课题的结题指标和相关立项政策的制定。

（2）进入数据仓库的数据必须进行抽取、清洗与加载，去除无效的数据，确保数据的完整性、正确性和可靠性。通过清洗的数据如指南方向、负责人、研究成果、参与人、年度等相关数据进入大数据中心，这些数据通过后续的数据挖掘可以得出每个课题的按期结题概率分析，经费使用合理性分析，整体研究进展趋势信息情况、整体经费使用情况、研究成果推广情况等的预警与指导。

（3）数据挖掘技术的设计主要采用神经网络与决策树等相关人工智能算法。决策树（decision tree，DT）分类算法是一种以决策树形式表示的分类规则，能够根据一定的规则将众多的数据分类，从中挖掘出有价值的、潜在的信息，适合分类及处理预测模型的任务，结论易于解释和理解。神经网络系统具有高度的抗干扰能力，所以，在各个领域内神经网络算法应用广泛，基于关联规则分析的分类算法搜索频繁模式与类标号之间的强关联，有效避免了决策树归纳一次只考虑一个属性的限制，使其比一些传统的分类算法更为准确。通过对教改课题与科研项目数据进行分析，达到趋势分析、预测偏差预警，来发现影响教改课题研究的因素和影响机制，实现将数据转化为知识，为决策服务的目的[4]。

通过前面对系统业务流程的分析及功能模块的描述说明，可将科研业务管理系统中实体对象如教师职工、课题、论文、校本教材等实体数据集开发系统整体的功能图，如图3所示。

5. 数据挖掘技术在教改科研课题中的研究应用效果评价

（1）为教改科研项目课题申报管理提供依据，通过数据挖掘技术掌握项目课题研究与教师职称、专业、研究方向、研究成果之间的关联关系，有针对性地为课题管理提供专业研究学习，同时为申报条件设计提供参考。

（2）为教改科研项目课题研究提供参考，研究人員可以实时掌握自身在年度课题研究中的位置，掌握本人相关评价指标在研究进度、研究成果等不同维度上与其他课题组比较存在的优势和不足，为研究人员改善课题研究情况提供依据。

（3）通过大数据的数据挖掘技术可以对教改科研课题研究的进展与预期进行对比分析，及时发现此研究在各项指标上的异常，通过趋势图、统计图、百分比图等使教务科研管理部门及时捕捉到教学改革课题与科研项目在研究过程中的异常，有利于及时采取相关应对措施。

结语

在科研管理信息化中充分利用历史数据构建数据仓库，通过数据挖掘技术发现教改课题与科研项目研究过程中的规律，开展不同维度上的课题研究数据分析，实现对每个课题的深度分析，展现课题研究的趋势信息和预警信息利用大数据高性能计算的优势[5]，展示课题研究的实时数据，为有针对性的教改课题研究指导提供依据，为科研项目课题的管理决策者提供数据支持，并及时采取相关改进措施。

参考文献：

[1]戴丽娟.大数据技术在高校教育中的应用探讨[J].信息与电脑（理论版），2019， （15）：39-240.

[2]吴学会，李佳恒，丛慧源，等.大数据技术在中医高校教改课题管理中的应用研究[J].中国中医药现代远程教育，2019， 17（7）：146-148.

[3]胡晓林，刘劼，葛宏，等.信息化在科研管理中的应用及发展[J].技术与创新管理，2014，35（1）：17-20.

[4]谷建英.基于.NET的科研管理系统的设计与实现[D].石家庄：河北科技大学，2013.

[5]彭静，李秀滢.数据挖掘技术在教务管理系统中的应用[J].信息系统工程，2021，（4）：44-46.

作者简介：肖鹏飞，硕士研究生，高级工程师，研究方向：计算机应用技术、智能大数据、图形图像处理。

基金项目：湖南中医药大学教学改革项目（编号：2019-JG056）。